OpenAI + Google + DeepSeek colaboran por primera vez | Nature publica modelo que predice humanos | Banda IA con 500K fans

Buenos días, Builder 🚀

Hoy traemos noticias que redefinen los límites de lo posible: IAs que colaboran como equipos humanos, modelos que predicen el comportamiento con precisión científica, y el debate sobre la autenticidad en la era de la música generada por IA. Todo esto mientras Google lanza Veo 3 globalmente y California propone regular los «jefes robot».

• 🤝 Sakana AI: IAs cooperando para resolver problemas imposibles individualmente
• 🧠 Nature publica Centaur: El modelo que predice comportamiento humano mejor que los humanos
• 🎸 Banda AI viral: 500K oyentes mensuales y el debate sobre autenticidad musical
• 🛠️ 4 Power Tools: Pangu Pro MoE, Freepik Max, Taskade y Genspark
• 📡 5 Radar Updates: Google Gemini en Docs, Runway $3B, No Robo Bosses y más

📢 ¿Quieres profundizar en estas tendencias y descubrir cómo pueden impactar en tu negocio? Únete a la conversación con Carlos Rodera y la comunidad exclusiva de IA365PRO. Comparte ideas, resuelve dudas y conéctate con otros emprendedores digitales. Únete ahora.

Sakana AI ha desarrollado AB-MCTS (Adaptive Branching Monte Carlo Tree Search), un algoritmo que permite que múltiples IAs de frontera como o4-mini, Gemini-2.5-Pro y DeepSeek-R1 colaboren para resolver problemas complejos. En pruebas con el benchmark ARC-AGI-2, la combinación de modelos logró resolver el 30% de los problemas, superando significativamente el 23% de o4-mini trabajando solo.

• Colaboración sin precedentes: Por primera vez, modelos de diferentes empresas (OpenAI, Google, DeepSeek) trabajan juntos de forma coordinada
• Resultados impresionantes: 30% de éxito en ARC-AGI-2 vs 23% de o4-mini solo – mejora del 30% en rendimiento
• Código abierto: TreeQuest framework disponible en GitHub bajo licencia Apache 2.0
• Asignación inteligente: El sistema detecta qué modelo es mejor para cada tarea y lo asigna dinámicamente
• Costo computacional optimizado: Solo 0.15% de parámetros adicionales sobre el modelo base

Esta tecnología representa un cambio de paradigma en IA: en lugar de construir modelos cada vez más grandes, podemos combinar modelos existentes para obtener resultados superiores. Para emprendedores, esto significa acceso a capacidades de IA de frontera sin necesidad de entrenar modelos propios. La democratización es real: cualquiera puede usar TreeQuest para orquestar múltiples IAs y resolver problemas que antes requerían equipos de investigación completos.

1. Explorar TreeQuest en GitHub: Clonar el repositorio y experimentar con la orquestación de modelos para tus casos de uso
2. Identificar problemas multi-facéticos: Buscar desafíos en tu negocio que se beneficien de diferentes perspectivas de IA
3. Probar combinaciones: Experimentar con o4 para razonamiento, Claude para escritura y Gemini para análisis
4. Calcular ROI: Comparar costos de múltiples APIs vs contratar un modelo enterprise único

La «inteligencia colectiva» en IA será la próxima gran ola. Así como los humanos logran más trabajando en equipo, las IAs colaborativas superarán a los modelos individuales. Espera ver más frameworks de orquestación, marketplaces de modelos especializados, y un cambio de «mi modelo vs tu modelo» a «qué combinación de modelos resuelve mejor este problema». Los early adopters de esta tecnología tendrán ventaja competitiva significativa.

Un equipo de 33 investigadores ha creado Centaur, un foundation model entrenado con datos de 160 experimentos psicológicos que involucran más de 60,000 participantes y 10 millones de decisiones. El modelo no solo supera a todos los modelos cognitivos existentes en predecir comportamiento, sino que también se alinea mejor con la actividad neural humana sin haber sido entrenado para ello.

• Dataset masivo Psych-101: 160 experimentos, 60K+ participantes, 10M+ decisiones humanas documentadas
• Predicción superior: Supera a modelos cognitivos clásicos en 159 de 160 experimentos
• Generalización robusta: Funciona con nuevos experimentos, diferentes estructuras y dominios no vistos
• Alineación neural espontánea: Predice actividad cerebral sin entrenamiento específico para ello
• Base: Llama 3.1 70B: Solo 0.15% de parámetros adicionales mediante QLoRA

Centaur abre la puerta a aplicaciones comerciales revolucionarias: predicción de comportamiento del consumidor con precisión científica, diseño de productos basado en modelos cognitivos validados, y personalización a nivel individual. Para emprendedores, significa poder anticipar cómo reaccionarán los usuarios antes de lanzar un producto. El modelo ya está disponible en Hugging Face, democratizando el acceso a ciencia cognitiva de frontera.

1. Descargar Centaur de Hugging Face: Acceder al modelo y experimentar con predicciones de comportamiento
2. Aplicar a UX/producto: Usar el modelo para predecir reacciones de usuarios antes de hacer A/B tests costosos
3. Explorar Psych-101: Analizar el dataset para entender patrones de comportamiento humano
4. Integrar en pipelines: Combinar con analytics existentes para predicciones más precisas

Los «foundation models» especializados en comportamiento humano transformarán marketing, UX y desarrollo de productos. Veremos una nueva generación de herramientas que predicen con precisión científica cómo reaccionarán las personas. La ventaja competitiva estará en quien mejor entienda y aplique estos modelos cognitivos. Espera ver startups construyendo «Centaur para X» en cada vertical.

Velvet Sundown, una banda que alcanzó 500,000 oyentes mensuales en Spotify de la nada, fue expuesta como creación de IA usando Suno. Después de negar fervientemente el uso de IA, su vocero finalmente admitió: «Es marketing. Es trolling». El caso expone cómo la manipulación de playlists y la generación con IA están redefiniendo la industria musical.

• Crecimiento sospechoso: De 0 a 500K oyentes mensuales sin presencia digital previa ni marketing
• Suno confirmado: Usaron la función «Persona» para mantener voz consistente entre canciones
• «Art hoax» intencional: Vocero admite que querían explorar el impacto de lo falso vs lo real
• Manipulación de playlists: 4 cuentas de Spotify controlaban la mayoría de playlists donde aparecían
• Spotify sin reglas anti-IA: La plataforma no prohíbe música generada por IA actualmente

Este caso marca un punto de inflexión para creadores y emprendedores musicales. Demuestra que es posible alcanzar audiencias masivas con música AI, pero también expone los riesgos reputacionales de la falta de transparencia. Para quienes usan Suno o herramientas similares, la lección es clara: la autenticidad y transparencia serán cruciales. El debate sobre «qué es real» en el arte apenas comienza.

1. Definir estrategia de transparencia: Si usas IA en creación, decide cuándo y cómo revelarlo
2. Explorar Suno con propósito: Usar IA para prototipos, demos o contenido complementario, no para engañar
3. Estudiar el caso: Analizar cómo lograron el crecimiento para aplicar tácticas éticas similares
4. Preparar posición sobre IA: Tener respuesta clara cuando te pregunten sobre uso de IA en tu contenido

La era de «deep fakes musicales» ha llegado. Veremos más casos de artistas AI alcanzando charts, debates sobre autenticidad, y eventual regulación. Las plataformas deberán decidir si requieren etiquetas «Generado con IA». Para emprendedores, la oportunidad está en crear experiencias híbridas humano-IA transparentes que ofrezcan valor real, no solo viralización mediante engaño.

Comenta estas noticias y herramientas con Carlos Rodera y la Comunidad Exclusiva en el Canal IA365PRO para resolver dudas y conectar con otros emprendedores.