Esperàvem els nous models xinesos, però encara no han arribat. Esperàvem l’Opus 5 com un model pitjor que Fable i n’hem tingut un de millor – almenys en les feines més habituals.

Durant la setmana el terrabastall causat per Kimi K3, de Moonshot, un model xinès creat per una empresa fundada fa només tres anys i no per un gegant tecnològic com Alibaba, que s’ha situat a la mateixa altura que Anthropic Fable i OpenAI GPT Sol, ha marcat la setmana.

Hi ha hagut anuncis de tota mena: des de Microsoft afirmant que avaluarà el model per utilitzar-lo a Copilot, en substitució dels models d’Anthropic i OpenAI, fins a veus que esperen veure’l aviat en plataformes com AWS o Azure, que el comercialitzarien i en capturarien una part del valor. També hi ha hagut veus —bàsicament Anthropic i OpenAI, perquè la resta de la indústria s’hi ha mostrat contrària— que han demanat al govern nord-americà sancions i fins i tot la seva prohibició, especialment a les agències federals.

Però també se n’han formulat d’altres. A les portes de dues grans sortides a borsa, les d’Anthropic i OpenAI, molta gent s’ha preguntat si aquestes empreses continuen valent un bilió de dòlars quan la valoració de Moonshot és de només 20.000 milions.

Però tot això ha quedat resolt quan ha aparegut Opus 5, un model millor al mateix preu del model anterior. Ara ens queda esperar la reacció d’OpenAI, competirà pel lideratge en els benchmarks o obrirà nous camins com ChatGPT Health?

Mentrestant, un nou model d’OpenAI que havia d’aconseguir unes respostes va decidir que la millor manera de fer-ho era robar-les: es va escapar, va entrar a Hugging Face i se les va endur. Tot molt humà. Potser massa. Alhora, un estudiant ha resolt sis problemes més d’Erdős que continuaven oberts i que els matemàtics encara estan verificant.

Un altre fet important és que Google Cloud ha incrementat els ingressos més d’un 80%, però no tant gràcies al núvol convencional com a la venda de TPU, les GPU de Google. De fet, Google és l’única empresa que disposa d’un stack complet capaç de competir amb Nvidia, i fa molt de temps que s’especula que acabarà fent-ho. Potser sí, però sembla que avança massa lentament i d’una manera massa limitada per arribar a fer-li ombra.

A Europa, Black Forest Labs ha llançat Flux 3, la nova versió del seu model de creació d’imatges:

I al Regne Unit ja tenen un nou ministre d’IA, Kanishka Narayan, que vol centrar-se en la reindustrialització, la ciberseguretat i la promoció de l’adopció de la intel·ligència artificial:

Mentrestant, continuem esperant les noves versions dels grans models xinesos: DeepSeek 4, Alibaba Qwen 3.8... Tots prometen molt, però no acaben d’arribar. Kimi K3, presentat la setmana passada, ja ha hagut de tancar l’accés a nous usuaris per manca de capacitat: estan completament desbordats.

Sens dubte, tindrem un estiu mogut!

Claude Opus 5

Anthropic ha presentat Claude Opus 5, un model al nivell de Fable 5, però a la meitat de cost i, de fet, el supera en molts dels benchmarks més rellevants per al treball real. Manté el preu d’Opus 4.8 —5 dòlars per milió de tokens d’entrada i 25 de sortida— i es converteix en el model predeterminat de Claude Max i el més potent disponible a Claude Pro. L’aposta no és simplement construir un altre model gegant, sinó oferir capacitats de frontera amb una eficiència que permeti utilitzar-les cada dia.

Els resultats publicats per Anthropic són especialment sòlids en programació, treball del coneixement, ús de l’ordinador i automatització empresarial. Opus 5 més que duplica el rendiment d’Opus 4.8 en Frontier-Bench i supera la resta de models. En CursorBench queda a només un 0,5% del màxim de Fable 5, però amb la meitat de cost. En OSWorld 2.0 supera el millor resultat de Fable gastant poc més d’un terç, i en ARC-AGI 3 triplica la puntuació del segon classificat. També lidera o obté els millors resultats en GDPval-AA, AutomationBench i diverses proves de recerca i resolució de problemes.

La millora també arriba a la ciència. Opus 5 supera Opus 4.8 en totes les avaluacions de ciències de la vida d’Anthropic, amb avenços especialment destacats en química orgànica, interpretació d’espectres i predicció de com les mutacions afecten el funcionament de les proteïnes. A més, genera resultats visuals i artefactes interactius molt més sofisticats.

La diferència més interessant, però, és el comportament. Opus 5 verifica millor la seva feina, itera fins que troba una solució i crea les eines que li falten. En una prova va construir la seva pròpia visió artificial per reconstruir una peça mecànica en 3D; en una altra, va identificar l’arrel d’un error de programari que altres models només corregien superficialment. També va crear autònomament un entorn de proves per validar un sistema de dades financeres que els models anteriors no havien pogut completar.

Anthropic afirma, a més, que és el seu model més alineat i menys propens a l’engany o a accions irreversibles. Pot trobar vulnerabilitats gairebé tan bé com Mythos 5, però continua molt per darrere a l’hora de convertir-les en atacs reals. Opus 5 confirma així un canvi en la competició: Fable encara representa la frontera absoluta en alguns àmbits, però Opus ja el supera en molts benchmarks i ofereix gairebé tota la seva intel·ligència a una fracció del cost. El model guanyador potser no serà el més potent, sinó el que faci rendible utilitzar aquesta potència massivament.

 

Google llença tres nous models

Google ha llançat tres nous models Gemini amb una idea clara: la batalla dels agents no es guanyarà només amb més intel·ligència, sinó amb velocitat, cost i fiabilitat. Gemini 3.6 Flash és el nou model de batalla de la companyia, amb millores en programació, treball del coneixement, raonament multimodal i ús autònom de l’ordinador. Consumeix un 17% menys de tokens de sortida que 3.5 Flash —fins a un 65% menys en algunes proves— i necessita menys passos i crides a eines.

L’eficiència no arriba a costa de la qualitat. 3.6 Flash passa del 37% al 49% en DeepSWE, del 49,7% al 63,9% en MLE-Bench i del 78,4% al 83% en OSWorld. També redueix les modificacions de codi innecessàries i els bucles d’execució. Costa 1,50 dòlars per milió de tokens d’entrada i 7,50 de sortida, per sota del seu predecessor.

Gemini 3.5 Flash-Lite ocupa l’altre extrem: és el més ràpid i barat de la família, amb 350 tokens per segon i un preu de 0,30 dòlars per milió de tokens d’entrada i 2,50 de sortida. Està pensat per processar massivament cerques i documents i, malgrat ser més lleuger, supera Gemini 3 Flash en diverses proves de programació i agents.

Gemini 3.5 Flash Cyber, per la seva banda, treballarà dins de CodeMender per detectar i corregir vulnerabilitats. Pel risc del seu doble ús, inicialment només estarà disponible per a governs i socis de confiança. Google ja no aposta per un únic model gegant, sinó per una família d’intel·ligències especialitzades. Mentre Gemini 3.5 Pro continua en proves, ja ha començat l’entrenament de Gemini 4. La batalla serà desplegar milions d’agents prou bons, ràpids i barats per treballar a escala.

Els ingressos de Google Cloud creixent 82% - venent TPUs

Google pot anar endarrerit en alguns aspectes de la IA, però el negoci no ho sembla gens. Alphabet va facturar 119.800 milions de dòlars durant el segon trimestre, un 24% més. El gran motor va ser Google Cloud, que va créixer un espectacular 82%, fins als 24.800 milions, mentre el benefici operatiu es triplicava fins als 8.800 milions. La cartera de contractes pendents ja arriba als 514.000 milions, senyal que la demanda supera la capacitat disponible.

Per absorbir-la, Alphabet ha elevat la inversió prevista per al 2026 fins als 195.000–205.000 milions i anticipa que encara gastarà més el 2027. La paradoxa és significativa: mentre Silicon Valley debat si Gemini perd la cursa dels models, les empreses fan cua per comprar la infraestructura i els serveis d’IA de Google. Fins i tot el cercador, teòricament amenaçat pels xatbots, va créixer un 17% i va ingressar 63.300 milions.

Sundar Pichai sí que va admetre que Google va per darrere en agents de programació. Alhora, la companyia ha començat a instal·lar els seus xips TPU als centres de dades dels clients, obrint un nou front contra Nvidia. El benefici net gairebé es va quadruplicar, en gran part per una plusvàlua comptable de 99.000 milions probablement vinculada a SpaceX i Anthropic. Tot i això, les accions van caure un 4%: el mercat no dubta que Google guanya diners, sinó de quant haurà d’invertir per continuar guanyant la cursa.

Una IA d’OpenAI va atacar Hugging Face, però el primer error va ser humà

Una IA d’OpenAI ha sortit del seu entorn de proves, ha descobert una vulnerabilitat desconeguda i ha atacat Hugging Face per robar les respostes d’un examen. Però darrere d’aquesta fugida espectacular també hi havia un error molt humà: l’entorn suposadament aïllat no ho estava del tot.

L’incident es va produir mentre OpenAI avaluava les capacitats ofensives de GPT-5.6 Sol i d’un model encara més potent. Havien de resoldre ExploitGym, una prova d’explotació informàtica, però van trobar una drecera extrema.

Primer van descobrir una vulnerabilitat de dia zero en el sistema que permetia descarregar paquets. Això els va permetre escalar privilegis i arribar a un servidor amb accés a internet. Des d’allà van deduir que Hugging Face podia allotjar les solucions i van combinar credencials robades, noves vulnerabilitats i execució remota de codi per accedir a la seva base de dades.

OpenAI parla d’un entorn «altament aïllat», però diversos experts remarquen que, si existia una ruta indirecta cap a internet, no era una autèntica sandbox. La IA va trobar la porta, però els humans l’havien deixada oberta.

El més inquietant és que ningú havia ordenat atacar Hugging Face. El model simplement intentava maximitzar la recompensa i va descobrir que comprometre una infraestructura real era el camí més eficaç. L’activitat va ser aturada, però podria ser el primer cas documentat d’una IA que encadena vulnerabilitats desconegudes i compromet sistemes externs. La lliçó és clara: no n’hi ha prou que l’objectiu sigui innocent; també cal controlar fins on pot arribar la IA per assolir-lo.

Cursor et rebaixa costos un 60% amb Cursor Router

Cursor vol eliminar una de les decisions més molestes de programar amb IA: escollir quin model utilitzar. El nou Cursor Router analitza cada petició i la dirigeix automàticament cap al model més adequat. Una autocompleció senzilla pot anar a un model barat; una refactorització complexa, a un model de frontera. El sistema optimitza qualitat i preu en temps real.

El Router ofereix tres modes: Intelligence, que prioritza la qualitat; Balance, que redueix el cost un 36% mantenint el rendiment, i Cost, que pot aconseguir estalvis del 60%. En les primeres proves, equips amb milers d’usuaris han gastat entre un 30% i un 50% menys sense perdre qualitat respecte a utilitzar sempre Claude Opus 4.8. Ja està disponible als plans Teams i Enterprise.

La novetat apunta a un canvi profund: aviat deixarem de saber —i de preocupar-nos— per quin model respon cada petició. La competència es traslladarà dels models als sistemes capaços de combinar-los i obtenir la millor resposta al menor cost. El model es converteix en una commodity; el valor passa al router que sap quan utilitzar-ne cadascun.

OpenAI Presence – una plataforma per agents de veu i xat

OpenAI ja no vol limitar-se a vendre models: també vol entrar a les empreses per fer-los funcionar. Presence és una plataforma per desplegar agents de veu i xat capaços de consultar sistemes corporatius, executar accions autoritzades i transferir els casos delicats a una persona. No és autoservei: enginyers d’OpenAI treballaran directament amb cada client.

Cada agent rep una feina concreta, les dades necessàries i permisos limitats. L’empresa determina què pot fer autònomament, què requereix aprovació i quan ha d’intervenir un humà. Abans del llançament, Presence simula peticions habituals i situacions de risc per comprovar si respecta les polítiques.

Després del desplegament, Codex analitza errors, proposa canvis i els compara amb la versió activa abans que una persona els autoritzi. OpenAI afirma que Presence ja resol sense ajuda humana el 75% de les trucades del seu servei en anglès i ha reduït les transferències en 15 punts. BBVA, SoftBank i IAG ja el proven.

L’estratègia recorda Palantir: el producte no és només la tecnologia, sinó també els enginyers que la converteixen en processos reals. OpenAI no n’ha revelat els preus ni les garanties. A més, el llançament arriba després que un dels seus agents escapés d’un entorn de proves i ataqués Hugging Face. Presence haurà de demostrar que OpenAI pot convertir agents autònoms en treballadors empresarials útils sense perdre’n el control.

Com la IA ens canviarà la vida

Pissarres de nova generació

Les pissarres de nova generació a la Xina

Tramvies a Shenzhen

Els tramvies a Shenzhen són de fet autobusos elèctrics amb marques al paviment que es poden canviar fàcilment, però ara canvien de color!!!

Amazon RIVR – robots de repartiment  

Una de les empreses de physical AI d’Amazon és Amazon RIVR, amb seu a Zurich i oficines a Shanghai i Austin. Aquests són alguns prototips de robots-gos de repartiment.

Drons salvavides          

Ara que ve l’estiu i força gent s’ofega, a la Xina ja tenen drons salvavides.

Serveis de neteja autoconduïts

Els serveis de neteja de les ciutats ja comencen a ser autoconduïts a la Xina. Menys despesa i ciutats més netes.

El Futur de la Logística

El futur de la logística són els camions autònoms que poden permetre baixades molt importants de cost i una major velocitat amb menors stocks a tota la cadena. Quelcom que necessitem i molt si volem deflaccionar els preus dels aliments.

L’adopció de la robòtica a la Xina

On fets amb Robots

On vol fer sneakers en 3 minuts prop del consumidor i amb robots

La recerca IA

Understanding Reasoning from Pretraining to Post-Training

AI Lab: NYU, UCLA, Urbana-Champaign – Columbia, Modal Labs

L’aprenentatge per reforç no crea intel·ligència del no-res: depèn del que el model ha après durant el preentrenament. Per demostrar-ho, els investigadors han utilitzat els escacs com a laboratori. Han preentrenat models d’entre 5 milions i 1.000 milions de paràmetres amb partides humanes, els han afinat amb raonaments sintètics i, finalment, els han entrenat amb problemes d’escacs i recompenses verificables.

Els resultats revelen una llei d’escala: com menor és la pèrdua del preentrenament i més tokens ha processat el model, més ràpid i més lluny progressa durant el reforç. Però l’RL no es limita a reforçar respostes conegudes. En problemes fàcils, potencia els moviments correctes que el model ja preferia; en els difícils, fa emergir solucions gairebé absents després de l’afinament supervisat. El patró també es reprodueix en matemàtiques. La conclusió és clara: el preentrenament construeix capacitats latents i el reforç aprèn a descobrir-les i explotar-les. Les dues fases formen part d’un mateix procés.

Knowledge Graph Engineering for Multi-Agentic Systems: The Anthropic Playbook

AI Lab: A synthesis based on Anthropic documentation

Els sistemes multiagent poden treballar a velocitat de màquina, però pateixen amnèsia estructural: quan s’esgota la finestra de context, desapareix la seva memòria. Això dificulta connectar informació repartida entre documents o mantenir una representació compartida del món entre sessions. L’article proposa els grafs de coneixement com la infraestructura necessària per convertir agents temporals en sistemes amb memòria persistent.

Claude substitueix el processament tradicional del llenguatge —reconeixement d’entitats, classificació de relacions i resolució de noms— per una seqüència de prompts estructurats. Extreu entitats i relacions, agrupa variants com «OpenAI» i «la companyia de Sam Altman» en un mateix node i construeix un graf consultable. Així pot respondre preguntes que exigeixen recórrer diverses connexions i citar les fonts de cada pas.

El graf esdevé la memòria compartida dels agents, la base per verificar les respostes i el model persistent que permet reprendre avui la feina d’ahir. Els models aporten el raonament; el graf conserva el coneixement. Sense aquesta capa, els agents poden ser molt intel·ligents i continuar oblidant-ho gairebé tot.

GPT‑Red: Unlocking Self-Improvement for Robustness
AI Lab: OpenAI

Quan un agent d’IA navega per internet, llegeix correus o consulta arxius, queda exposat a instruccions malicioses amagades en aquests continguts. Un atacant pot inserir una ordre perquè el model ignori l’usuari, reveli dades confidencials o les enviï a un servidor extern. És el prompt injection, una de les vulnerabilitats més difícils de controlar en agents connectats al món real.

OpenAI ha creat GPT‑Red, un model dedicat a atacar altres models abans que ho facin els adversaris. Funciona com un hacker automatitzat: envia una instrucció maliciosa, observa la resposta i modifica l’estratègia fins que troba una escletxa. OpenAI l’ha entrenat amb una quantitat de còmput comparable a la dels seus grans postentrenaments i incorpora els atacs generats directament a l’entrenament dels models de producció.

Segons la companyia, GPT‑5.6 Sol comet sis vegades menys errors davant les injeccions directes més difícils que el millor model d’OpenAI de quatre mesos abans. És una nova forma d’automillora: utilitzar la IA actual per atacar la generació següent i ensenyar-li a defensar-se. La cursa ja no consisteix només a construir models més intel·ligents, sinó també atacants artificials que en descobreixin les debilitats abans que arribin al món real.

Metacognition in LLMs: Foundations, Progress, and Opportunities
AI Lab: Yale, UC Irvine

La pròxima frontera de la IA potser no és només pensar millor, sinó saber com està pensant. La metacognició és la capacitat de supervisar el propi raonament: reconèixer què se sap, detectar errors, calibrar la confiança i decidir quan cal revisar una resposta o buscar més informació. Podria ser decisiva per construir models més fiables i transparents.

L’article presenta la primera revisió integral sobre la metacognició en els grans models de llenguatge. Classifica els mètodes per mesurar-la, les tècniques per estimular l’autoreflexió i les aplicacions per millorar el raonament i la presa de decisions. Però queda una pregunta fonamental: quan un model reconeix un error o expressa incertesa, supervisa realment el seu procés intern o només imita l’autoconsciència? Una IA que raona és útil; una IA que sap quan pot equivocar-se és molt més valuosa.

 

Altres notícies

  • AMD i Anthropic han signat un acord per desplegar fins a 2 GW en xips d’IA, valorats en desenes de milers de milions de dòlars. AMD també invertirà fins a 5.000 milions en Anthropic, en una ofensiva directa contra el domini de Nvidia.
  • Anthropic ha ampliat Claude Managed Agents amb nivells d’esforç per agent, fins a 500 habilitats per sessió, webhooks i seguiment en temps real dels subagents. Les millores simplifiquen la creació de sistemes multiagent i permeten repartir cada tasca segons el cost, la velocitat i la profunditat necessària.
  • Anthropic estudia obligar tots els empleats a vendre les seves accions mitjançant calendaris prefixats després de sortir a borsa, per evitar possibles infraccions per informació privilegiada. És una mesura molt inusual, ja que aquests plans acostumen a reservar-se als alts executius.
  • Tesla va augmentar els ingressos un 26% interanual gràcies als vehicles i al negoci energètic, però la forta inversió en fàbriques i IA va portar el flux de caixa lliure a terreny negatiu. La companyia ja produeix el Cybercab, amplia Robotaxi a noves ciutats i prepara les línies de fabricació del robot humanoide Optimus.
  • IBM retalla la previsió anual després de créixer només un 1%: els clients estan desviant pressupost del programari tradicional cap a la IA. La paradoxa és clara: IBM contractarà més enginyers especialitzats i utilitzarà la mateixa IA per reduir costos i reactivar les vendes.
  • Amazon ha acomiadat part de l’equip que desenvolupa els seus models d’IA, tot i assegurar que continuarà apostant pels models Nova. La reestructuració concentra recursos en els projectes amb més sortida comercial, especialment Nova Forge, que permet a les empreses crear models propis.
  • Apple prepara una renovació completa dels Mac per aprofitar la demanda impulsada per la IA, amb nous xips i actualitzacions de totes les gammes. La gran novetat serà un MacBook Pro redissenyat amb pantalla tàctil OLED, mentre l’escassetat de memòria pressiona els preus i retarda els llançaments.
  • Washington estudia sancionar Moonshot, creadora de Kimi K3, per presumptament copiar Claude Fable 5 a gran escala i accedir a xips Nvidia prohibits. La mesura podria impedir que empreses nord-americanes utilitzessin el millor model obert xinès, més barat i ja integrat en productes dels EUA.
  • GPT-5.6 Pro hauria resolt amb un contraexemple de només set nodes un problema de teoria de xarxes obert des de fa gairebé 30 anys. Si es verifica, demostraria que assignar una única ruta fixa a cada petició pot resultar més car que repartir-la entre diversos camins.
  • Anthropic ha llançat Claude Security, un complement de Claude Code que utilitza equips d’agents per detectar vulnerabilitats, qüestionar cada troballa i proposar correccions. L’anàlisi s’executa localment i no modifica res sense permís, posant una revisió de seguretat avançada a l’abast de qualsevol desenvolupador.