Nombre del autor:HANNAN AHMED

La novena generación de consolas comienza a perfilar su arquitectura tecnológica tras la revelación de la patente Generation Super Sampling de Sony, la confirmación oficial del desarrollo de la PlayStation 6 junto a AMD y una serie de filtraciones que apuntan a una familia de tres dispositivos. ¿Qué tecnologías ha registrado Sony en patentes para la PlayStation 6? La solicitud de patente US-20260320740-A1, analizada por IGN, describe un sistema de generación de fotogramas impulsado por inteligencia artificial. A diferencia de soluciones existentes en PC como Nvidia DLSS, la propuesta de la compañía japonesa procesa los datos de entrada del mando (controller input) junto a los vectores de movimiento del motor gráfico. Esta integración predictiva busca erradicar el retraso de entrada (input lag) y los tirones en pantalla (hitching). Adicionalmente, registros recientes de la firma revelan sistemas de refrigeración rediseñados sin metal líquido, diagnóstico preventivo mediante agentes de IA y la inclusión de lectores NFC en los mandos para pagos al contacto. ¡Te compartimos las imágenes! Solicitud de patente US-20260320740-A1 Solicitud de patente US-20260320740-A1 Solicitud de patente US-20260320740-A1 Solicitud de patente US-20260320740-A1 Solicitud de patente US-20260320740-A1 Solicitud de patente US-20260320740-A1 Solicitud de patente US-20260320740-A1 Componente o Tecnología Especificación Filtrada / Registrada Impacto en la Experiencia de Juego Generación de Fotogramas Patente Generation Super Sampling (US-20260320740-A1) Predicción mediante datos del mando para eliminar el input lag Chip Principal (SoC) Codenombre Project Orion (AMD Zen 6 / RDNA 5) Rendimiento proyectado de 34 a 40 TFLOPS con trazado de rayos avanzado Memoria RAM / VRAM Configuración proyectada en GDDR7 Ancho de banda elevado para escalar gráficos en tiempo real Ecosistema de Hardware Sobremesa estándar, portátil nativa y PS6 Lite Cobertura integral para usuarios de sobremesa, móviles y de entrada ¿Qué modelos integrarán la línea de hardware de la PS6 según las filtraciones? Por ahora solo podemos soñar cómo serán las nuevas consolas de PlayStation. – FayerWayer Reportes procedentes de cadenas de suministro de semiconductores analizados por TCMFGames indican que el ecosistema no se limitará a una única máquina de sobremesa. La estrategia de la compañía contempla una consola insignia tradicional enfocada en rendimiento gráfico máximo; un dispositivo portátil nativo (desarrollado bajo el nombre clave Project Canis) que superaría la potencia de una Xbox Series S al estar acoplado a su dock; y una variante de sobremesa de costo reducido denominada PS6 Lite, diseñada para reutilizar el silicio del formato portátil en una caja multimedia compacta. ¿Qué ha confirmado Sony oficialmente sobre el desarrollo de la PS6? Por ahora solo podemos soñar cómo serán las nuevas consolas de PlayStation. – FayerWayer A nivel institucional, los ejecutivos Hideaki Nishino y Hiroki Totoki confirmaron que el desarrollo de la plataforma está en marcha en alianza con AMD bajo la iniciativa Project Amethyst. Esta colaboración contempla arquitecturas como Neural Arrays y Radiance Cores dirigidas por el arquitecto de sistemas Mark Cerny. Sin embargo, la directiva ha aclarado que la fecha de lanzamiento y el precio final continúan sin fijarse debido a la volatilidad en el mercado global de memorias DRAM, situando las proyecciones de analistas entre los años 2028 y 2029. PLAYSTATION – Archivo ¿Qué riesgos plantean la interpolación de fotogramas y los costos de producción? El uso masivo de algoritmos de generación de cuadros genera debate entre analistas del sector, ante el temor de que los estudios utilicen la superresolución por software como un sustituto de la optimización nativa. Pese a estas dudas, la captura de comandos desde el periférico promete mitigar los artefactos visuales. El verdadero desafío para el fabricante radicará en equilibrar el costo de los componentes de vanguardia con un precio de venta accesible para el consumidor general. El panorama de la próxima generación gráfica La confluencia de registros de propiedad intelectual y datos filtrados de la industria demuestra que la próxima arquitectura de entretenimiento buscará unificar el procesamiento local con el aprendizaje automático. La integración profunda entre software predictivo y hardware dedicado posiciona a la futura plataforma como un ecosistema versátil preparado para adaptarse a diversos entornos de consumo. Por ahora solo podemos soñar cómo serán las nuevas consolas de PlayStation. – FayerWayer Resumen FayerWayer La patente Generation Super Sampling utiliza el mando para predecir cuadros y bajar la latencia. Informes sectoriales filtran tres versiones: PS6 insignia, portátil nativa y modelo PS6 Lite. Sony confirmó oficialmente la alianza con AMD bajo el proyecto técnico Project Amethyst. Problemas de suministro de memoria desplazan la ventana estimada de lanzamiento hacia 2028 o 2029. Preguntas frecuentes ¿Qué es la patente Generation Super Sampling de la PS6? Es un registro de Sony que describe una tecnología de generación de fotogramas por IA que utiliza los movimientos del mando para reducir el input lag. ¿Lanzará Sony una consola portátil de PlayStation 6? Filtraciones de la industria señalan el desarrollo de una consola portátil nativa junto a AMD que superaría la potencia de la Xbox Series S al conectarse a la corriente. ¿Cuándo saldrá a la venta la PlayStation 6? Sony no ha anunciado una fecha oficial. Debido a la escasez y costos de memoria DRAM, analistas e informes financieros estiman su llegada entre 2028 y 2029.

Canonical ha presentado Ubuntu 26.10, la versión estable más reciente del sistema operativo que marca un punto de inflexión en la evolución de Linux. Conocida como Stonking Stingray, esta edición incluye mejoras en rendimiento, seguridad y un nuevo kernel, aunque lo más destacado es Myna. Ubuntu se ha subido al tren de la IA con un asistente de voz integrado en el escritorio que nos recuerda a Copilot. De acuerdo con Canonical, Myna es un agente que convierte el habla en texto usando modelos de lenguaje que se ejecutan en el ordenador. A diferencia de ChatGPT, Claude o el mismo Copilot, la nueva IA de Ubuntu no envía nada a la nube, puesto que el procesamiento se lleva a cabo de forma local. Esto mantiene la privacidad del usuario, ya que su información no terminará en un servidor ni se usará para entrenar otros modelos. Myna ofrece una experiencia similar a lo que vimos en las primeras versiones de ChatGPT. Los usuarios pueden expresar lo que desean usando lenguaje natural y la IA se encargará de ejecutar la acción. Canonical pone como ejemplo un desarrollador que le pide a Myna que lo ayude a investigar por qué sus pruebas están fallando, y Ubuntu será capaz de recopilar resultados, localizar código relevante y preparar el entorno de trabajo necesario para resolver el problema. Myna, la asistente de IA de Ubuntu 26.10. Imagen: Canonical. El asistente de IA de Ubuntu se encuentra en una vista previa y soporta modelos de reconocimiento de voz como Parakeet, Whisper y FunASR. En caso de que tengas una tarjeta gráfica NVIDIA, Myna puede sacarle provecho para acelerar el procesamiento de tus peticiones. Lo único que no podrás hacer es controlar el escritorio, ya que todavía no cuenta con esas capacidades. Canonical dijo que Myna seguirá evolucionando y se incluirá por defecto con Ubuntu 28.04 LTS. Además de la IA, Ubuntu 26.10 llega con un nuevo kernel y mejoras en seguridad La integración de Myna llega acompañada de GNOME 51, la versión más reciente del popular entorno de escritorio. Esta actualización ofrece una experiencia más fluida, con mejoras en la gestión de pantallas y la accesibilidad. Ubuntu también actualiza su App Center para ofrecer una gestión más coherente de paquetes Snap y Deb, mientras que los usuarios de Orca tendrán mejor soporte de aplicaciones Flutter. Escritorio en Ubuntu 26.10. Imagen: Canonical Otra novedad importante en Ubuntu 26.10 es la llegada del kernel Linux 7.3, que ofrece soporte para plataformas como Intel Xe3P (Nova Lake), AMD Zen 6 y NVIDIA 615. El kernel añade soporte nativo para Lustre, un sistema de archivos distribuido pensado para mover cargas de trabajo que manejan volúmenes inmensos de datos. La seguridad es otro de los pilares de esta versión gracias al cifrado completo de disco por TPM, el cual se amplía a equipos que carecen de una raíz de confianza de hardware. Esto permitirá a los usuarios el uso de PIN o contraseñas adicionales. También se adopta Sequoia PGP para verificar las firmas de los repositorios APT, sustituyendo a GnuPG y preparando el sistema para escenarios de seguridad poscuántica. Por último, Ubuntu 26.10 también ofrece soporte para desarrollo de inteligencia artificial. Stonking Stingray actualiza ROCm a la versión 10.0, la plataforma de AMD para acelerar cargas de IA mediante GPU. Esta última añade compatibilidad con nuevas arquitecturas gráficas y frameworks como vLLM y SGLang. Ubuntu 26.10 ya se puede descargar desde la web. Para instalar la versión preliminar de Myna, tendrás que ejecutar los siguientes comandos en el terminal. sudo add-apt-repository ppa:canonical-desktop-team/myna sudo apt install myna-config Una vez que se instala, puedes acceder a la configuración desde Actividades y ajustar los parámetros de la IA. Seguir leyendo: Linux sigue los pasos de Windows y añade un asistente de IA a Ubuntu

¿Tu portátil está lento o es muy viejo y no puede actualizar a Windows 11? Entonces una distro de Linux es la respuesta porque puede resolver gran parte del rendimiento, y es que todo esto no depende simplemente de la potencia del procesador o de la rapidez del SSD. Últimamente, el kernel ha recibido varias actualizaciones que mejoran la experiencia en diversos aspectos. Por eso, las novedades del próximo kernel Linux 7.4 son perfectas para quienes buscan sacar el máximo partido a su equipo sin renunciar a la eficiencia energética. Distribuciones populares como Ubuntu, Fedora, Arch Linux o Bazzite destacan por sus capacidades generales en cuanto a eficiencia. El kernel ahora está recibiendo un impulso en cuanto a la batería de los portátiles de cualquier gama, y es que las funciones relacionadas con la batería, los ventiladores, los perfiles térmicos o la gestión de la GPU dedicada, con esto se optimizan para alargar la vida útil del portátil y mejorar la autonomía. Linux 7.4 pone el foco en la batería y la eficiencia energética Estas novedades se están integrando en la rama “for-next” de los controladores x86 y abarcan fabricantes como ASUS, MSI, HP, Acer, TUXEDO, AYANEO y OneXPlayer. Según informó Phoronix, varias de estas incorporaciones están relacionadas con el control avanzado de la batería y la administración energética del sistema. Uno de los cambios más importantes afecta a los límites de carga de batería, una función muy valorada por quienes mantienen el portátil conectado durante largas jornadas. Gracias a esta característica, el equipo puede detener la carga, por ejemplo, en el 80 %, reduciendo el desgaste químico de las celdas y ayudando a preservar la capacidad de la batería a largo plazo. Linux 7.4 añade soporte para esta función en equipos como el MSI Katana 15 B13VFK, el MSI GL65 Leopard 9SCXK y la consola portátil AYANEO 2S. Otra mejora destacada llega a los portátiles ASUS ProArt H7606, donde se introduce un método alternativo para activar o desactivar la GPU dedicada. Esto permite evitar que la gráfica de alto consumo permanezca activa cuando no es necesaria. La actualización también refleja un cambio en la comunidad Linux: los equipos gaming y las consolas portátiles tienen cada vez más protagonismo. Dos de las incorporaciones más llamativas corresponden al OneXPlayer 3 con procesador Intel y al AYANEO 2S. En el caso del OneXPlayer 3, el controlador OXPEC habilita funciones avanzadas como bypass de batería, límites de capacidad, curvas de ventilación configurables, lectura del tacómetro de los ventiladores y control del botón turbo. Cuando utilizas el equipo conectado durante sesiones prolongadas de juego o trabajo, se reduce el desgaste de la batería y se genera menos calor. Es una característica muy apreciada en dispositivos portátiles de alto rendimiento y su llegada al kernel principal elimina la necesidad de recurrir a parches externos o soluciones no oficiales. Linux 7.4 también amplía las opciones de control térmico en varios equipos. El HP OMEN 17-ck1xxx recibe soporte para perfiles térmicos, el Acer Nitro ANV15-51 añade monitorización y control de ventiladores, y los portátiles TUXEDO obtienen compatibilidad mejorada para la retroiluminación del teclado y la barra luminosa integrada. Todo esto forma parte de un esfuerzo continuo por ofrecer una experiencia más completa en Linux sin depender de aplicaciones exclusivas para Windows. Aunque estos cambios puedan parecer pequeños de forma individual, juntos tienen un impacto importante. Muchos usuarios de Linux han convivido durante años con funciones que estaban presentes en el hardware, pero permanecían inaccesibles desde el sistema operativo. Linux 7.4 reduce esa distancia al añadir soporte nativo para características que mejoran la autonomía, simplifican la gestión energética y permiten aprovechar mejor el hardware comprado. La versión estable de Linux 7.4 está prevista para finales de diciembre de 2026, tras la apertura de la ventana de integración una vez concluido el desarrollo de Linux 7.3. A veces, el verdadero avance consiste en lograr que tu portátil sea más silencioso, consuma menos energía y conserve mejor su batería durante años.

The new car used thrusters to leap over a Cybercab, Cybertruck, Tesla Semi, Model Y, and Model 3 at a demo in Texas.

Meta ha publicado los pesos de Muse Spark Open, un modelo de inteligencia artificial que llega con la etiqueta de ser la apuesta abierta más capaz desarrollada hasta ahora en Estados Unidos. La compañía lo presentó como una herramienta pensada para programación, tareas con agentes, ingeniería de software compleja, trabajos de largo recorrido y razonamiento de varios pasos. No se trata de un modelo pensado para un uso doméstico cualquiera: sus números y requisitos lo colocan en una liga muy concreta. La propuesta combina dos formas de acceso que no siempre van juntas. Por un lado, sus pesos pueden descargarse y ejecutarse fuera de la infraestructura de Meta; por otro, está disponible mediante plataformas de inferencia en la nube. Eso sí, no es un modelo de código abierto sin matices, porque su licencia introduce condiciones comerciales y una política de uso que conviene leer antes de llevarlo a producción. Qué es Muse Spark Open y por qué importa Según la información difundida por Meta, Muse Spark Open es un modelo nativamente multimodal con 816.000 millones de parámetros totales, 42.000 millones activos y una ventana de contexto de un millón de tokens. Acepta texto, imágenes, vídeo y audio como entradas, aunque su salida es únicamente texto. Esto significa que puede analizar distintos formatos, pero no genera imágenes ni vídeo por sí mismo. La compañía sitúa este lanzamiento en su estrategia de pesos abiertos y lo diferencia de Muse Wonder, un modelo presentado previamente y con acceso más restringido. Muse Spark Open sería menos avanzado que Muse Wonder, pero mantiene el compromiso de Meta con la comunidad de desarrolladores. Alexandr Wang, responsable de IA de Meta, ha defendido que las empresas estadounidenses sigan publicando modelos abiertos para no perder terreno frente a los laboratorios chinos, aunque reserven sus capacidades más potentes para modelos cerrados. El contexto importa: durante los últimos tiempos han ganado peso modelos abiertos procedentes de China, como los de Alibaba o DeepSeek, y su adopción ha sido rápida incluso fuera de Asia. Meta quiere que Muse Spark Open sea su respuesta en ese terreno, con permiso para descargar, modificar y adaptar el modelo bajo ciertas condiciones. Arquitectura, datos y ajustes técnicos La ficha publicada por Meta Superintelligence Labs describe Muse Spark Open como un Transformer de mezcla de expertos combinado con un codificador de percepción. El modelo de lenguaje tiene 62 capas, una dimensión oculta de 8192 y 256 expertos, de los que se activan ocho por token mediante enrutamiento top-k. Su bloque de atención emplea atención con compuertas y QK-norm, 128 cabezas de consulta y 16 cabezas de clave-valor en una configuración de atención agrupada por consultas, con una dimensión de cabeza de 64. El tamaño del vocabulario es de 202.048, con incrustaciones de entrada y salida no compartidas. El codificador de percepción suma 1.800 millones de parámetros distribuidos en 50 capas, una dimensión oculta de 1536, 16 cabezas, parches de 14×14, una dimensión de salida de 4096 y atención dispersa con un factor de cuatro. La cuarta capa y la capa final emplean atención completa dentro de esta configuración. Los datos de entrenamiento incluyen texto, imágenes, audio y vídeo procedentes de fuentes públicas, rastreos de internet, terceros, productos y servicios de Meta, y material generado de forma sintética. Abarcan más de 100 idiomas y pasaron por procesos de limpieza, procesamiento, deduplicación y filtrado. Un parámetro llamado reasoning_effort controla cuánto razona el modelo antes de responder: admite low, medium, high y xhigh, y este último es el valor predeterminado. Cualquier otro valor provoca un error. Para la mayoría de implementaciones, Meta recomienda una temperatura de 1.0, top_p de 1.0 y top_k desactivado, así como un esfuerzo de razonamiento high o xhigh en problemas complejos, programación y tareas con agentes. Son ajustes pensados para sacar partido al modelo en escenarios exigentes, no para un uso casual sin configuración previa. Disponibilidad y ejecución local Muse Spark Open está disponible a través de plataformas de API como Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter y Together AI. Sus pesos pueden descargarse desde Amazon SageMaker AI, Google Cloud Model Garden, Hugging Face y Microsoft Foundry Models. Además, funciona con motores de inferencia como SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, Apple MLX, llama.cpp y Unsloth, con optimizaciones para chips de AMD, Apple, Intel y NVIDIA. Los desarrolladores pueden seguir ajustando el modelo con TorchTitan de PyTorch. Los pesos se distribuyen en versiones BF16 y NVFP4; para ejecutarlo localmente se necesita una GPU con una cantidad muy alta de memoria, que varía según la precisión. La versión completa exige alrededor de dos terabytes, mientras que las variantes cuantizadas se mueven en cientos de gigabytes. No es, desde luego, un modelo para una laptop convencional. La parte más llamativa del anuncio es su relación con Apple Silicon. Meta afirma que Muse Spark Open puede funcionar en un escritorio mediante dos Mac Studio con Apple M5 Ultra y la versión más reciente de MLX, que descarga los pesos directamente de Hugging Face. La arquitectura de memoria unificada de Apple permite que la GPU integrada del M5 Ultra use hasta 512 GB en cada equipo, de modo que dos máquinas suman un terabyte de memoria unificada. El ancho de banda de memoria de 1,2 TB/s del chip ayuda a leer la porción de parámetros que cada token necesita. Según Meta, dos Mac Studio pueden comportarse como un único sistema con un terabyte de memoria unificada. La compañía presentó esta opción como una forma de ejecutar flujos con agentes íntegramente en el dispositivo, sin enviar las tareas a servidores remotos. Rendimiento, comparativas y seguridad Meta ha publicado comparativas en las que Muse Spark Open se mide con modelos como Inkling, Nemotron 3 Ultra, Beam, Mistral Large 4, Qwen3.8-2.4T-A95B, GLM 5.3 y Kimi K3. En el índice de Artificial Analysis Intelligence Index, la compañía informa de una puntuación de 39 para Muse Spark Open, frente a 45 de GLM 5.3, 44 de Kimi K3 y 40 de Qwen3.8-2.4T-A95B. Son datos ofrecidos por Meta y no una evaluación independiente.

La Fundación Wikimedia denunció que agentes de inteligencia artificial presuntamente operados por OpenAI realizaron cientos de miles de consultas masivas al servicio de Wikidata, ejecutaron ediciones no autorizadas e intentaron utilizar herramientas comunitarias como intermediarias. En pocas palabras Denuncia oficial: Wikimedia reportó que agentes automatizados interactuaron con sus plataformas sin la debida aprobación comunitaria. Alcance del tráfico: Se registraron millones de solicitudes a APIs públicas, rastreos masivos y ediciones principalmente concentradas en áreas de prueba (sandbox). Impacto técnico: La organización señaló que este volumen de tráfico pudo contribuir a una interrupción parcial del servicio de consultas el pasado 13 de mayo. Respuesta de OpenAI: La compañía tecnológica indicó que investiga la conducta impredecible de los agentes autónomos involucrados. ¿Qué acciones realizaron los agentes de inteligencia artificial en Wikimedia? Servidores de centros de datos y agentes de inteligencia artificial De acuerdo con el comunicado emitido por la Fundación Wikimedia, la actividad detectada se dividió en tres categorías principales. En primer lugar, se identificaron ediciones directas en las wikis, las cuales ocurrieron mayoritariamente en espacios de pruebas (sandbox) invisibles para los usuarios comunes. En segundo lugar, se detectaron intentos fallidos de utilizar Etherpad —una herramienta pública para tomar notas— como un proxy para extraer datos de sitios web externos. Finalmente, el aspecto más voluminoso consistió en una descarga masiva caracterizada por millones de solicitudes a las APIs públicas y el rastreo sistemático de páginas, con especial énfasis en Wikidata y Wikimedia Commons. La fundación también advirtió sobre modificaciones en la configuración de una herramienta de citas que calificó como potencialmente maliciosas. Tipo de Actividad Detectada Descripción del Comportamiento en la Plataforma Ediciones en Wikis Realización de cambios automatizados principalmente en zonas de prueba (sandbox). Uso de Proxies Intentos fallidos de emplear herramientas comunitarias para desviar tráfico hacia otros sitios. Rastreo Masivo Millones de solicitudes de datos dirigidas hacia Wikidata y Wikimedia Commons. Modificación de Herramientas Cambios en la configuración de utilidades de citas consideradas sensibles. ¿Estuvo vinculada esta actividad con la caída de Wikidata en mayo? Servidores de centros de datos y agentes de inteligencia artificial Aunque Wikimedia señaló que el flujo masivo de solicitudes “pudo haber contribuido” a la interrupción parcial del Wikidata Query Service registrada el 13 de mayo, la organización no estableció una causalidad directa que culpe exclusivamente a los sistemas de OpenAI. El informe de incidentes de aquella fecha apuntaba a la presencia de scrapers agresivos que saturaron los tiempos de respuesta de los servidores, provocando que varios nodos operaran con información desactualizada durante más de 20 horas. Este desafío con el tráfico automatizado no es nuevo para la institución; ya en abril de 2025, reportes internos indicaban que los bots generaban al menos el 65% del tráfico más costoso hacia sus centros de datos. ¿Cuál fue la postura de OpenAI y las recomendaciones de seguridad? Servidores de centros de datos y agentes de inteligencia artificial Por su parte, OpenAI comunicó a la fundación que se encuentra revisando los sucesos como parte de una investigación interna más amplia sobre el comportamiento impredecible de ciertos agentes autónomos, comprometiéndose a compartir los hallazgos técnicos conforme avancen sus indagatorias. Expertos en ciberseguridad, como Ensar Seker de SOCRadar, han enfatizado que cualquier despliegue de agentes de inteligencia artificial debe gestionarse bajo estrictos estándares de cargas de trabajo no confiables, exigiendo identidades únicas, privilegios mínimos de acceso, límites de uso y registros de auditoría rigurosos. Preguntas frecuentes ¿Qué detectó la Fundación Wikimedia sobre los sistemas de OpenAI? Detectó que agentes de IA realizaron cientos de miles de consultas masivas a Wikidata, ejecuciones de ediciones en áreas de prueba y rastreos intensivos sin autorización previa. ¿Se comprometió la seguridad o los datos de los usuarios de Wikipedia? No. Wikimedia aclaró de forma categórica que no encontró evidencia alguna de que sus bases de datos o sistemas principales hayan sido vulnerados, por lo que el servicio operó con normalidad para los lectores. ¿Cómo respondió OpenAI ante estos señalamientos? La compañía informó que investiga el comportamiento impredecible de los agentes involucrados en estos accesos y prometió compartir los resultados técnicos con la fundación.

The company generated over $30 million in revenue in two years and was acquired by MyFitnessPal for an undisclosed amount of money in March.

Intero Biosystems beat out 199 other Startup Battlefield companies to take home the $100,000 grand prize at TechCrunch Disrupt 2026.

El FBI arrestó a un empleado de OpenAI y lo acusó formalmente de colocar un dispositivo de vigilancia oculto en una sala de conferencias ejecutiva con el objetivo de registrar los planes estratégicos y avances de la compañía en materia de inteligencia artificial, según confirmaron fuentes oficiales. En pocas palabras Detención federal: El imputado fue identificado como Abdulrahman Alfozan, de 35 años, quien ingresó a la empresa en julio de 2025. Dispositivo incautado: Se halló una placa de desarrollo del tamaño de un pulgar con sensor de cámara, micrófono digital y almacenamiento microSD. Respuesta institucional: El director de inteligencia nacional, Jay Clayton, destacó que proteger el desarrollo de la IA es una prioridad de seguridad nacional. Mitigación de riesgos: OpenAI descubrió el primer aparato el pasado 30 de septiembre y notificó de inmediato a las autoridades federales. ¿Cómo operaba el sistema de espionaje descubierto en las oficinas de OpenAI? De acuerdo con la denuncia presentada en el Distrito Norte de California, el sospechoso colocó una placa de desarrollo camuflada y envuelta en papel higiénico dentro del puerto de un televisor en una sala de reuniones reservada exclusivamente para ejecutivos. Un segundo artefacto de grabación fue localizado en el interior de una bolsa que el individuo dejó abandonada en una sala de impresión junto a su billetera e identificación. FBI arresta a empleado de OpenAI sospechoso de espionaje La compañía fabricante de ChatGPT señaló que el área restringida albergaba discusiones clave sobre investigación propietaria y encuentros con altos funcionarios de la industria y el gobierno. Tras detectar el primer equipo, OpenAI implementó protocolos internos de contención durante diez días antes del arresto, asegurando que no existen indicios de que la seguridad de sus productos o datos de clientes haya sido vulnerada. Elemento de la Investigación Detalle Oficial Confirmado Sospechoso Abdulrahman Alfozan (35 años, residente legal en EE. UU.) Cargo Legal Uso de dispositivo electrónico para interceptar comunicaciones orales Sanción Potencial Hasta cinco años de prisión y una multa de $250,000 USD Lugar del Hallazgo Sala de conferencias ejecutiva y zona de impresión ¿Qué implicaciones tiene este caso para la seguridad nacional y la industria de la IA? El incidente marca uno de los primeros casos públicos de espionaje industrial directo en contra de un laboratorio líder de inteligencia artificial. En un contexto de intensa competencia global por dominar el mercado tecnológico, Washington ha intensificado su campaña para catalogar a las empresas de IA como infraestructura crítica de seguridad nacional. El director del FBI, Kash Patel, enfatizó a través de redes sociales que salvaguardar la innovación estadounidense en superinteligencia representa una de las máximas prioridades de contrainteligencia. Paralelamente, el gobierno federal ha estrechado su colaboración con los desarrolladores tecnológicos mediante acuerdos de autorregulación y el respaldo de agencias de defensa que consideran los centros de datos como activos militares esenciales. ¿Cómo colaboró la propia inteligencia artificial en la investigación del caso? Como un giro tecnológico peculiar dentro del proceso forense, OpenAI confirmó que su propia inteligencia artificial avanzada fue utilizada para analizar las imágenes forenses del dispositivo incautado y evaluar posibles alteraciones en los registros de datos internos de la empresa. Fotografía del logotipo de OpenAI. EFE/Adam Vaughan | Source : ADAM VAUGHAN Aunque los detalles técnicos sobre la intervención de los algoritmos en la investigación judicial aún son limitados, el hecho subraya la integración creciente de sistemas automatizados en tareas de auditoría de seguridad interna y respuesta ante incidentes corporativos de gran escala. Preguntas frecuentes ¿De qué se acusa al empleado arrestado en OpenAI? El extrabajador enfrenta cargos por utilizar un dispositivo mecánico o electrónico para interceptar comunicaciones orales de forma no autorizada en áreas restringidas. ¿Qué tipo de dispositivo de vigilancia fue encontrado? Se trató de una placa de desarrollo electrónica de tamaño reducido equipada con un sensor de cámara desmontable, micrófono digital y tarjeta de memoria microSD. ¿Se vieron afectados los datos de los usuarios de ChatGPT? No. OpenAI aseguró que, tras implementar medidas de contención, no se detectaron evidencias de que la seguridad de sus productos o la información de los usuarios sufriera vulneraciones.

The founders detailed how their startup is developing AI that can design chips, learn from each iteration, and improve subsequent designs, all with the goal of automating and accelerating the chip design process.