OpenAI Gemini Claude Agentes IA en Investigacion Profunda

Las plataformas de Modelos de Lenguaje Grandes (LLM) como ChatGPT, Gemini y Claude están transformando la investigación profunda, permitiendo realizar tareas complejas que implican la recolección masiva de información de la web durante períodos prolongados. Un solo proceso de investigación puede requerir múltiples búsquedas, filtrados exhaustivos y la compilación de un informe detallado, todo ello orquestado por un sofisticado sistema de agentes de IA.

En el núcleo de esta capacidad reside una arquitectura de agentes de IA cooperativos. Un agente es un servicio impulsado por un LLM que interpreta objetivos, diseña flujos de trabajo y utiliza herramientas como la búsqueda web o la ejecución de código. El proceso inicia con la consulta del usuario, recibida por un agente orquestador. Este líder formula una estrategia de investigación, la descompone en subtareas y las delega a múltiples subagentes especializados, como los de búsqueda web, que rastrean la información relevante.

Una vez que los subagentes recopilan los datos, devuelven el contenido extraído (fragmentos, resúmenes) junto con las citaciones exactas de las fuentes (URLs). Esta información pasa luego a la fase de síntesis. Aquí, un agente sintetizador organiza y unifica el contenido en un informe coherente, resolviendo redundancias y construyendo una narrativa fluida. Simultáneamente, un agente de citaciones verifica y asegura que cada declaración del informe esté correctamente respaldada por sus fuentes, insertando las citas pertinentes para prevenir "alucinaciones" y garantizar la fiabilidad del resultado.

Aunque el principio general es similar, los principales proveedores implementan variaciones. OpenAI usa aprendizaje por refuerzo para planificar tareas. Gemini, multimodal, integra texto e imágenes y propone planes autónomamente. Claude emplea una arquitectura multiagente definida con ejecución paralela. Perplexity ajusta sus búsquedas iterativamente y usa una arquitectura híbrida para seleccionar modelos óptimos. Otros, como Grok, Microsoft Copilot y Qwen, presentan enfoques únicos en la gestión de credibilidad, análisis de datos o orquestación concurrente, pero todos buscan transformar consultas complejas en informes exhaustivos y bien referenciados.

La fase inicial de planificación es fundamental. Algunos sistemas, como OpenAI, interactúan para clarificar la consulta, mientras que otros, como Gemini, proponen un plan detallado para la aprobación del usuario. Esta delegación a subagentes especializados y la ejecución paralela, junto con el uso de herramientas avanzadas, optimizan la eficiencia. Finalmente, el informe se entrega al usuario, un producto de la coordinación inteligente de estos sistemas de agentes de IA que prometen volverse aún más capaces y confiables a medida que la tecnología avanza.

Fuente Original: https://blog.bytebytego.com/p/how-openai-gemini-and-claude-use

Artículos relacionados de LaRebelión:

• Revoluciona Agentes IA Google Lanza Interactions API
• Android Accesibilidad Mejorada con Tema Oscuro y Gemini
• OpenAI Datos piratas borrados ocultando algo
• Claude Opus 45 IA Mas Barata y Potente
• Mozilla TABS API IA y Agentes Web

Artículo generado mediante LaRebelionBOT

Parte 2: 10 Ejercicios de Python Nivel Intermedio para Exámenes de Universidad

¿Superaste la Parte 1 sin problemas? Entonces es hora de subir la dificultad. En los exámenes finales de programación no solo basta con saber hacer un bucle; necesitas dominar la búsqueda eficiente, el manejo de errores y la Programación Orientada a Objetos (POO).

Aquí tienes otros 10 enunciados clásicos que tocan temas como Búsqueda Binaria, Ficheros, Herencia y Estructuras de Datos optimizadas.

11. Búsqueda Binaria (Binary Search)

El Enunciado: Dada una lista ordenada, encontrar la posición de un número objetivo. Si no existe, devolver -1. Debes hacerlo con una complejidad O(log n), no lineal.

def busqueda_binaria(lista, objetivo):
    izquierda = 0
    derecha = len(lista) - 1

    while izquierda <= derecha:
        medio = (izquierda + derecha) // 2
        
        if lista[medio] == objetivo:
            return medio # Encontrado
        elif lista[medio] < objetivo:
            izquierda = medio + 1
        else:
            derecha = medio - 1
            
    return -1 # No encontrado

numeros = [1, 3, 5, 7, 9, 11, 15]
print(busqueda_binaria(numeros, 9)) # Salida: 4 (índice)

12. Lectura de Archivos y Conteo de Líneas

El Enunciado: Escribe una función que lea un archivo de texto (ej. "datos.txt") y cuente cuántas líneas tiene. Debes manejar la posibilidad de que el archivo no exista.

def contar_lineas(nombre_archivo):
    try:
        with open(nombre_archivo, 'r') as archivo:
            lineas = archivo.readlines()
            return len(lineas)
    except FileNotFoundError:
        return "Error: El archivo no existe."

# Nota: Necesitas crear un archivo 'notas.txt' para probarlo
# print(contar_lineas("notas.txt"))

13. Herencia en Clases (POO)

El Enunciado: Crea una clase Persona y una clase hija Empleado. El empleado debe heredar el nombre de la persona y añadir un atributo salario.

class Persona:
    def __init__(self, nombre, edad):
        self.nombre = nombre
        self.edad = edad

class Empleado(Persona):
    def __init__(self, nombre, edad, salario):
        # Llamamos al constructor de la clase padre
        super().__init__(nombre, edad) 
        self.salario = salario

    def mostrar_datos(self):
        return f"Emp: {self.nombre}, Salario: ${self.salario}"

admin = Empleado("Ana", 30, 2500)
print(admin.mostrar_datos())

14. Eliminar duplicados de una lista

El Enunciado: Dada una lista con elementos repetidos, devolver una nueva lista con los elementos únicos (sin usar bucles anidados excesivos).

def eliminar_duplicados(lista):
    # Convertir a set elimina duplicados automáticamente
    # Luego volvemos a convertir a lista
    return list(set(lista))

items = [1, 2, 2, 3, 4, 4, 4, 5]
print(eliminar_duplicados(items))
# Salida: [1, 2, 3, 4, 5] (El orden puede variar)

15. Anagramas

El Enunciado: Determinar si dos cadenas de texto son anagramas (contienen exactamente las mismas letras en diferente orden).

def son_anagramas(palabra1, palabra2):
    # Ordenamos las letras y comparamos
    return sorted(palabra1.lower()) == sorted(palabra2.lower())

print(son_anagramas("Roma", "Amor")) # True
print(son_anagramas("Casa", "Caza")) # False

16. Comprensión de Listas con Condicionales

El Enunciado: Dada una lista de números, crear una nueva lista que contenga solo los números pares elevados al cuadrado, utilizando una sola línea de código.

numeros = [1, 2, 3, 4, 5, 6]

# Sintaxis: [expresion for item in lista if condicion]
cuadrados_pares = [x**2 for x in numeros if x % 2 == 0]

print(cuadrados_pares)
# Salida: [4, 16, 36] (2^2, 4^2, 6^2)

17. Diccionario de Listas (Agrupación)

El Enunciado: Tienes una lista de tuplas (alumno, materia). Crea un diccionario donde la clave sea la materia y el valor sea una lista de alumnos inscritos en ella.

datos = [("Juan", "Mate"), ("Ana", "Física"), ("Luis", "Mate")]

def agrupar_por_materia(datos):
    grupo = {}
    for alumno, materia in datos:
        if materia not in grupo:
            grupo[materia] = []
        grupo[materia].append(alumno)
    return grupo

print(agrupar_por_materia(datos))
# Salida: {'Mate': ['Juan', 'Luis'], 'Física': ['Ana']}

18. La Suma de Dos (Two Sum)

El Enunciado: Dada una lista de números y un valor objetivo, encuentra los índices de los dos números que suman ese valor.

def two_sum(nums, target):
    vistos = {} # Valor: Índice
    for i, num in enumerate(nums):
        complemento = target - num
        if complemento in vistos:
            return [vistos[complemento], i]
        vistos[num] = i

print(two_sum([2, 7, 11, 15], 9))
# Salida: [0, 1] (porque 2 + 7 = 9)

19. Generadores (Yield)

El Enunciado: Escribe una función generadora que produzca una secuencia de números pares hasta un límite dado, para ahorrar memoria.

def generar_pares(limite):
    num = 0
    while num < limite:
        yield num
        num += 2

# Uso del generador
for par in generar_pares(10):
    print(par, end=" ")
# Salida: 0 2 4 6 8

20. Manejo de Excepciones: División Segura

El Enunciado: Crea una función que divida dos números. Debe controlar si el usuario introduce texto en lugar de números o si intenta dividir por cero.

def division_segura(a, b):
    try:
        resultado = float(a) / float(b)
        return resultado
    except ZeroDivisionError:
        return "Error: No puedes dividir por 0"
    except ValueError:
        return "Error: Debes introducir números"

print(division_segura(10, 0)) # Error controlado
print(division_segura(10, "dos")) # Error controlado

---

Conclusión Parte 2

Si eres capaz de resolver estos ejercicios sin mirar la solución, ¡felicidades! Estás muy por encima de la media. Estos conceptos (especialmente diccionarios, manejo de errores y clases) son el pan de cada día en el mundo profesional.

¿Quieres seguir avanzando? Lo próximo sería entrar en estructuras de datos avanzadas como Árboles Binarios o algoritmos de grafos. ¡Dímelo en los comentarios si quieres una Parte 3!

10 Ejercicios Clásicos de Examen Universidad en Python (Resueltos y Explicados)

Si estás estudiando ingeniería, informática o ciencia de datos, es muy probable que te enfrentes a Python en tu primer año. Y seamos sinceros: la teoría está bien, pero en el examen te van a pedir código. 

Para ayudarte a practicar, he recopilado 10 enunciados típicos que aparecen una y otra vez en los exámenes universitarios. He incluido la solución en código y una breve explicación de cómo funciona.

¡Abre tu editor de código y vamos a ello!

1. Comprobar si un número es Primo

El Enunciado: Escribe una función que reciba un número entero positivo y determine si es primo o no.

La Solución:

def es_primo(numero):
    if numero < 2:
        return False
    # Iteramos desde 2 hasta la raíz cuadrada del número + 1
    for i in range(2, int(numero**0.5) + 1):
        if numero % i == 0:
            return False
    return True

# Prueba
n = 29
if es_primo(n):
    print(f"{n} es primo")
else:
    print(f"{n} no es primo")

Nota: Para optimizar, solo necesitamos comprobar hasta la raíz cuadrada del número. Si no hemos encontrado divisores hasta ahí, no los habrá después.

2. La Sucesión de Fibonacci

El Enunciado: Generar los primeros n números de la serie de Fibonacci, donde cada número es la suma de los dos anteriores (empezando por 0 y 1).

def fibonacci(n):
    secuencia = [0, 1]
    while len(secuencia) < n:
        # Sumamos los dos últimos elementos
        siguiente = secuencia[-1] + secuencia[-2]
        secuencia.append(siguiente)
    return secuencia[:n]

print(fibonacci(10))
# Salida: [0, 1, 1, 2, 3, 5, 8, 13, 21, 34]

3. Palíndromos (Detector de capicúas)

El Enunciado: Crear una función que detecte si una palabra o frase es un palíndromo (se lee igual de izquierda a derecha que de derecha a izquierda), ignorando espacios.

def es_palindromo(texto):
    # Eliminamos espacios y convertimos a minúsculas
    texto = texto.replace(" ", "").lower()
    # Comparamos el texto con su reverso
    return texto == texto[::-1]

print(es_palindromo("Anita lava la tina")) # True

4. Factorial Recursivo

El Enunciado: Calcular el factorial de un número n (n!) utilizando recursividad.

def factorial(n):
    if n == 0 or n == 1:
        return 1
    else:
        return n * factorial(n - 1)

print(factorial(5)) 
# Salida: 120 (5*4*3*2*1)

5. Contar frecuencia de palabras

El Enunciado: Dado un texto, devolver un diccionario donde las claves sean las palabras y los valores sean cuántas veces aparecen.

def contar_palabras(texto):
    palabras = texto.lower().split()
    frecuencia = {}
    
    for palabra in palabras:
        if palabra in frecuencia:
            frecuencia[palabra] += 1
        else:
            frecuencia[palabra] = 1
    return frecuencia

texto_prueba = "Hola mundo hola python mundo"
print(contar_palabras(texto_prueba))
# Salida: {'hola': 2, 'mundo': 2, 'python': 1}

6. Ordenamiento Burbuja (Bubble Sort)

El Enunciado: Ordenar una lista de números de menor a mayor sin usar la función sort(), implementando el algoritmo de burbuja.

def bubble_sort(lista):
    n = len(lista)
    for i in range(n):
        for j in range(0, n - i - 1):
            # Intercambiar si el elemento encontrado es mayor que el siguiente
            if lista[j] > lista[j + 1]:
                lista[j], lista[j + 1] = lista[j + 1], lista[j]
    return lista

numeros = [64, 34, 25, 12, 22, 11, 90]
print(bubble_sort(numeros))

7. Invertir una cadena manualmente

El Enunciado: Invertir un string sin usar slicing ([::-1]), utilizando un bucle.

def invertir_cadena(cadena):
    invertida = ""
    for caracter in cadena:
        invertida = caracter + invertida
    return invertida

print(invertir_cadena("Python")) # Salida: nohtyP

8. Encontrar el número mayor en una lista

El Enunciado: Encontrar el valor máximo de una lista de números sin usar la función max().

def encontrar_maximo(lista):
    maximo = lista[0]
    for numero in lista:
        if numero > maximo:
            maximo = numero
    return maximo

print(encontrar_maximo([10, 50, 2, 99, 23])) # Salida: 99

9. Transpuesta de una Matriz

El Enunciado: Dada una matriz (lista de listas), devolver su transpuesta (cambiar filas por columnas).

# Método clásico con bucles
def transpuesta_clasica(matriz):
    filas = len(matriz)
    columnas = len(matriz[0])
    nueva_matriz = []
    
    for j in range(columnas):
        nueva_fila = []
        for i in range(filas):
            nueva_fila.append(matriz[i][j])
        nueva_matriz.append(nueva_fila)
    return nueva_matriz

m = [[1, 2], [3, 4], [5, 6]]
print(transpuesta_clasica(m))
# Salida: [[1, 3, 5], [2, 4, 6]]

10. Clase básica: Estudiante

El Enunciado: Crear una clase Estudiante que tenga nombre y una lista de notas. Incluir un método para calcular su promedio.

class Estudiante:
    def __init__(self, nombre, notas):
        self.nombre = nombre
        self.notas = notas

    def promedio(self):
        if not self.notas:
            return 0
        return sum(self.notas) / len(self.notas)

alumno = Estudiante("Carlos", [8, 9, 7, 10])
print(f"El promedio de {alumno.nombre} es {alumno.promedio()}")

---

Conclusión

Dominar estos ejercicios te dará una base sólida para cualquier examen de introducción a la programación. Lo importante no es memorizar el código, sino entender la lógica que hay detrás de cada solución.

¿Te ha salido alguno diferente? ¿Tienes dudas con algún paso? ¡Déjame un comentario abajo y lo revisamos juntos!

Copiloto IA Control Intuitivo para Manos Bionicas

A pesar de los avances increíbles en la destreza y capacidad de las prótesis de manos biónicas modernas, sorprendentemente, hasta el 50% de los amputados las abandonan. La razón principal de este rechazo radica en su complejidad de control. A diferencia de nuestras manos naturales, que se benefician de un sistema elaborado de reflejos y bucles de retroalimentación automáticos (como el ajuste inconsciente del agarre para evitar que un objeto se resbale), las manos biónicas carecen de esta autonomía. Esto obliga a los usuarios a "microgestionar" cada movimiento, como si tuvieran que pensar conscientemente en la posición de 27 articulaciones y la fuerza de 20 músculos simultáneamente, una tarea mentalmente agotadora.

Los métodos de control existentes, ya sea a través de aplicaciones con tipos de agarre predeterminados o mediante electromiografía (señales eléctricas de los músculos restantes), resultan ser rudimentarios y exigen una concentración intensa para mantener un agarre estable. Para abordar esta frustración, un equipo de la Universidad de Utah, liderado por Jake George y Marshall Trout, ha desarrollado un innovador "copiloto" de inteligencia artificial para manos biónicas, cuyo objetivo es hacer que estas prótesis sean verdaderamente intuitivas, permitiendo a los usuarios realizar tareas sin esfuerzo consciente.

La clave de esta innovación reside en la integración de sensores personalizados de presión y proximidad en las yemas de los dedos de la prótesis, que permiten a la mano detectar objetos y medir con precisión la fuerza necesaria para sostenerlos sin aplastarlos ni dejarlos caer. Un controlador de IA procesa estos datos en tiempo real, ajustando los movimientos de las articulaciones y la fuerza de agarre. Tras un extenso entrenamiento para que la IA reconozca diversos objetos y cambie entre diferentes tipos de agarre, controlando cada dedo individualmente, la mano es capaz de adaptarse de forma natural al objeto. Lo más revolucionario es su enfoque de "control compartido": la IA actúa como un asistente silencioso en segundo plano, apoyando al usuario sin tomar el control total o "luchar" contra sus intenciones, permitiéndole mantener siempre la autonomía.

Los resultados de las pruebas fueron impresionantes: los participantes, tanto con manos intactas como amputados, vieron su tasa de éxito al manipular objetos frágiles (como un vaso de papel o un huevo) dispararse del 10-20% sin la IA al 80-90% con ella, reduciendo significativamente la carga cognitiva. Aunque el sistema todavía opera en condiciones de laboratorio y la integración con el cuerpo humano sigue siendo un desafío, este avance representa un salto cualitativo. El equipo busca llevar esta tecnología al mundo real, mejorar la interfaz usuario-máquina mediante implantes neuronales y colaborar con la industria para realizar ensayos clínicos a gran escala, acercándonos a un futuro donde las prótesis biónicas sean tan intuitivas y capaces como las extremidades naturales.

Fuente Original: https://arstechnica.com/ai/2025/12/scientists-built-an-ai-co-pilot-for-prosthetic-bionic-hands/

Artículos relacionados de LaRebelión:

• Google Antigravity Limites Ampliados para Suscriptores AI
• Ascentra Labs IA para Consultores Adios Excel
• Amazon Impulsa Kiro IA Propia para Ingenieros
• Record Eolico en Reino Unido Energia para Millones
• Alta Disponibilidad Estrategias Clave para Sistemas Resilientes

Artículo generado mediante LaRebelionBOT

Chandler Rechaza Gigante de Datos AI Pese a Lobby

La ciudad de Chandler, Arizona, ha tomado una decisión contundente al rechazar de forma unánime la propuesta para construir un centro de datos de inteligencia artificial. Esta votación marca un hito significativo, especialmente considerando la intensa presión y el cabildeo ejercido por grandes intereses tecnológicos y la exsenadora Kyrsten Sinema. La comunidad local se ha levantado en una clara demostración de su poder frente a las ambiciones de desarrollo a gran escala.

La controversia se intensificó cuando un desarrollador de Nueva York solicitó la rezonificación de terrenos para erigir este complejo de negocios y datos. El punto álgido llegó en octubre, cuando la exsenadora Sinema intervino en una reunión de la comisión de planificación. Su argumento se centró en la inminente "preemption federal", advirtiendo a los funcionarios locales que, si no actuaban proactivamente, perderían la prerrogativa de decidir sobre la construcción de estos innovadores centros de datos de IA. Su mensaje era claro: Chandler tenía la oportunidad de controlar su futuro, o el gobierno federal lo haría por ellos.

Sin embargo, la postura de los líderes de Chandler se mantuvo firme en la priorización de los intereses locales. La vicealcaldesa Christine Ellis, al explicar su voto negativo, enfatizó que su decisión se basó en los beneficios directos para Chandler, no en la narrativa nacional de la expansión de la IA. Recordó una reunión con Sinema en la que preguntó directamente: "¿Qué hay para Chandler?". La respuesta, o la falta de ella, fue determinante. Ellis dejó claro que, sin un beneficio tangible para la ciudad, la conversación era inviable, lo que culminó en su voto en contra del proyecto.

El proyecto y la intervención de Sinema generaron una considerable oposición de la comunidad. Los residentes expresaron serias preocupaciones sobre el consumo excesivo de agua y el posible aumento de los precios de la energía, dos recursos críticos en la región. Las cámaras del consejo se llenaron de ciudadanos portando carteles con el lema "No Más Centros de Datos", reflejando un sentir generalizado. La oficina de planificación de la ciudad registró más de 200 comentarios en contra de la propuesta, contrastando drásticamente con los escasos ocho a favor, lo que subraya la fuerte cohesión de la oposición local. Esta victoria ciudadana demuestra que, a veces, los intereses de la comunidad pueden prevalecer sobre la influencia de las grandes corporaciones y la política federal.

Fuente Original: https://news.slashdot.org/story/25/12/12/234225/arizona-city-rejects-data-center-after-lobbying-push?utm_source=rss1.0mainlinkanon&utm_medium=feed

Artículos relacionados de LaRebelión:

• Hacker Recurrente Borrado de Datos IA y Fracaso
• OpenAI Datos piratas borrados ocultando algo
• Bancos de EEUU Ciberataque y Robo de Datos
• Datadog Base de Datos Personalizada para Metricas Masivas
• Python Rechaza Subvencion por Restricciones de Inclusion

Artículo generado mediante LaRebelionBOT

US Chip Firms Sued Ukraine War Weaponry Allegations

Dozens of Ukrainian civilians have launched a series of lawsuits in Texas, accusing major US chip manufacturers – Texas Instruments (TI), AMD, and Intel – of negligently allowing their chips to power Russian and Iranian weapon systems. These lawsuits allege that the companies' failure to adequately track the final destinations of their products led to wrongful deaths and severe injuries in Ukraine, despite years of public reporting, government warnings, and shareholder pressure regarding chips evading export curbs.

The plaintiffs contend that these tech giants prioritised profits over human lives by continuing to use "high-risk" distribution channels without strengthening controls. According to legal representatives, chip firms relied on a superficial checkbox system where intermediaries merely confirmed they weren't shipping to sanctioned countries, lacking any genuine enforcement or accountability. This alleged oversight directly enabled five specific attacks detailed in the lawsuits, including a deadly incident targeting Ukraine's largest children's hospital in Kyiv in July 2024. The plaintiffs argue that Russia's advanced weapon systems, such as drones and missiles, would be ineffective without these US-made chips, which act as their crucial "brains" or "steering wheels."

While AMD and TI could not be reached for comment, TI previously stated its strong opposition to the use of its chips in Russian military equipment, deeming such shipments "illicit." Intel acknowledged the difficulty in controlling or tracing products that bypass sanctions, stating they operate in strict accordance with export laws and hold distributors accountable, but cannot always dictate end-user applications. However, evidence cited includes a 2023 report finding that 82% of recovered Russian drones used US-made components, with AMD parts also commonly found.

The lawsuits seek not only compensation for funeral expenses and medical bills but also "exemplary damages" to punish the alleged wrongful conduct and deter similar future actions. Ultimately, the litigation aims to send a clear message: American companies must take responsibility when their technologies are weaponised to cause harm. By making the process financially punitive, the plaintiffs hope to force changes that disrupt critical supply chains, preventing US tech from reaching weapon systems used against innocent civilians.

Fuente Original: https://arstechnica.com/tech-policy/2025/12/ukrainians-sue-us-chip-firms-for-powering-russian-drones-missiles/

Artículos relacionados de LaRebelión:

• Able Archer 1983 The Nuclear War Scare
• US Government Stake in Intel Trump Considers Deal After CEO Attack - What It Means for Chip Ma...
• Meta Sued Jury Finds Meta Illegally Collected Flo App Users Period Data

Artículo generado mediante LaRebelionBOT

Revoluciona Agentes IA Google Lanza Interactions API

Google DeepMind ha lanzado la API de Interacciones, una nueva interfaz unificada diseñada para revolucionar el desarrollo de aplicaciones con modelos y agentes de IA. Disponible en beta pública a través de la API de Gemini en Google AI Studio, esta herramienta aborda un desafío crucial: la gestión de contexto complejo en aplicaciones agenticas. A diferencia de las APIs tradicionales que manejan interacciones simples de solicitud-respuesta, la API de Interacciones está construida para orquestar mensajes entrelazados, procesos de "pensamiento", llamadas a herramientas y el seguimiento de su estado, elementos indispensables para la próxima generación de IA autónoma.

La API de Interacciones permite interactuar con modelos como Gemini 3 Pro y agentes especializados mediante un único endpoint RESTful. Un gran avance es la inclusión de Gemini Deep Research (Preview), un agente de investigación avanzado capaz de ejecutar tareas complejas a largo plazo y sintetizar informes detallados. Google planea expandir esta oferta, permitiendo a los desarrolladores conectar modelos Gemini, agentes preestablecidos y sus propios agentes personalizados en un ecosistema cohesivo. Sus ventajas técnicas incluyen la gestión de estado opcional en el lado del servidor, lo que simplifica el código del cliente y optimiza costes. También ofrece un modelo de datos interpretable para depuración, ejecución en segundo plano para procesos de inferencia largos y soporte para herramientas remotas MCP.

La motivación principal para esta API surge de la evolución de la IA. Los modelos actuales se están transformando en sistemas complejos y agentes capaces de "pensar" y usar herramientas avanzadas. Intentar integrar estas capacidades en APIs diseñadas para tareas más simples, como `generateContent`, resultaría en soluciones frágiles. La API de Interacciones proporciona una base robusta y nativa para estas interacciones complejas. Aunque está en beta pública y sujeta a cambios, representa el camino a seguir para aplicaciones agenticas. Para empezar, los desarrolladores pueden usar su clave API de Gemini de Google AI Studio, y Google fomenta activamente la retroalimentación. Se espera una integración más amplia en herramientas de código abierto como ADK y A2A, y su futura llegada a Vertex AI, consolidando su rol como pilar fundamental para el futuro de la IA agentica.

Fuente Original: https://blog.google/technology/developers/interactions-api/

Artículos relacionados de LaRebelión:

• Google Antigravity Limites Ampliados para Suscriptores AI
• Artesania Mexicana Viva Celebrando la Cultura con Google
• Mozilla TABS API IA y Agentes Web
• Westinghouse Energia Nuclear Reinventada con IA y Google
• Gemini 3 La IA mas inteligente de Google

Artículo generado mediante LaRebelionBOT

Oracle Millones en IA Acciones en Picada

Las acciones de Oracle sufrieron una significativa caída tras el anuncio de un incremento de 15 mil millones de dólares en su gasto planificado para centros de datos, elevando la inversión total a 50 mil millones de dólares para el año fiscal. Este ambicioso desembolso está dirigido a satisfacer la creciente demanda de infraestructura para grupos de inteligencia artificial, marcando una etapa crucial en la estrategia de la compañía.

La noticia provocó una disminución del 11 por ciento en las acciones de Oracle. A pesar de que los ingresos del último trimestre crecieron un 14 por ciento, alcanzando los 16.1 mil millones de dólares, no cumplieron con las estimaciones. Paralelamente, la deuda a largo plazo de la compañía se incrementó un 25 por ciento, llegando a casi 100 mil millones de dólares, lo que generó preocupación en el mercado.

Oracle busca competir con gigantes como Google, Amazon y Microsoft en el suministro de potencia computacional para la IA, apoyando a empresas como OpenAI y Anthropic. Clay Magouyrk, co-CEO, defendió las inversiones, proyectando que los contratos en la nube impulsarán rápidamente ingresos y márgenes. Sin embargo, el pronóstico de ingresos totales para el año fiscal actual se mantuvo sin cambios, aunque se espera un aumento de 4 mil millones el próximo año, sugiriendo un desfase entre el gasto inicial y su monetización.

Los inversores, inicialmente entusiasmados con la apuesta por la IA, ahora expresan inquietud. La magnitud de los préstamos necesarios y la dependencia de un reducido número de grandes clientes, como OpenAI (con acuerdos por 1.4 billones de dólares en ocho años), plantean dudas sobre la capacidad de Oracle para generar retornos oportunos. A diferencia de sus rivales, que demuestran sólidas ganancias en sus unidades de nube, el negocio de infraestructura en la nube de Oracle reportó ingresos por debajo de lo esperado, exacerbando las preocupaciones.

Para gestionar esta expansión, Oracle implementa estrategias innovadoras, como el alquiler de capacidad a especialistas en centros de datos y acuerdos de arrendamiento. Un ejemplo es el clúster de Abilene, Texas, para OpenAI, cuya deuda fue financiada por terceros, con Oracle pagando solo una vez que los centros estén operativos. A pesar de las proyecciones de deuda neta que podrían dispararse a 290 mil millones de dólares para 2028, Oracle reafirma su compromiso de mantener sus calificaciones de deuda de grado de inversión, buscando un equilibrio entre la audaz inversión en IA y una gestión financiera responsable.

Fuente Original: https://arstechnica.com/information-technology/2025/12/oracle-shares-slide-on-15b-increase-in-data-center-spending/

Artículos relacionados de LaRebelión:

• Record Eolico en Reino Unido Energia para Millones
• Nuevas Vulnerabilidades Explotadas Afectan Oracle y Microsoft
• Cl0p Ataca Oracle EBS CVE-2025-61882 Explotada
• Hackers Extorsionan a Ejecutivos con Datos de Oracle
• SoftBank invierte 2 mil millones en Intel Impulso para el Gigante de los Chips en la Era de la IA

Artículo generado mediante LaRebelionBOT

ThreatsDay Bulletin AI Transforms Cloud Security Defence

The digital landscape is constantly evolving, with cyber threats becoming increasingly sophisticated and pervasive. In this challenging environment, traditional reactive cloud security measures are no longer sufficient to safeguard valuable assets. This is where agentic Artificial Intelligence (AI) emerges as a truly transformative force, revolutionising how organisations defend their critical cloud infrastructure against an ever-growing array of attacks.

Agentic AI systems are designed to operate autonomously, capable of continuous learning, sophisticated reasoning, and independent action to achieve specific security goals. Unlike conventional AI tools that might merely flag anomalies for human review, agentic AI takes proactive and decisive steps. It continuously monitors vast cloud environments, analysing enormous quantities of data – from network traffic to user behaviour and system logs – in real-time. This allows it to detect subtle indicators of compromise and emerging threats that human analysts or even less advanced automated systems might easily overlook.

The fundamental shift from reactive to real-time protection is paramount in modern cyber defence. Reactive security typically involves responding to an incident *after* it has already occurred, often leading to potential data breaches, significant operational downtime, and considerable financial and reputational damage. Agentic AI, however, facilitates a crucial paradigm shift. It possesses the capability to identify emerging threats with remarkable speed, predict potential attack vectors before they materialise, and even neutralise threats autonomously, often before they can inflict any significant harm. This predictive and preventive capability is precisely what makes agentic AI an absolutely essential component of any contemporary cloud defence strategy.

Implementing an effective AI-driven cloud defence involves an essential checklist that encompasses several critical areas. These include ensuring continuous integration of the latest threat intelligence, deploying intelligent anomaly detection mechanisms across all cloud layers, establishing automated incident response workflows, and committing to proactive vulnerability management. Agentic AI excels in these domains, dynamically reconfiguring security policies, intelligently isolating compromised systems, and even actively hunting for hidden threats across the entire cloud estate without the need for constant human intervention. This not only significantly enhances an organisation's overall security posture but also frees up valuable human security teams to focus on more strategic and complex initiatives. Embracing agentic AI is no longer merely a luxury but an absolute necessity for achieving robust, resilient, and future-proof cloud security in today's increasingly threat-filled digital world.

Fuente Original: https://thehackernews.com/2025/12/threatsday-bulletin-spyware-alerts.html

Artículos relacionados de LaRebelión:

• Phone NPUs AI Improvement or Cloud Hype
• The Hidden Cost of Censorship: How DeepSeek-R1 Compromises Code Security
• Secure Containers Build to Runtime Security Guide
• Private AI Compute IA Privada y Potente en Cloud
• ChatGPT Atlas Exploit Hidden Commands and Browser Security

Artículo generado mediante LaRebelionBOT

Rage Bait Palabra del Ano Oxford 2025

La expresión "rage bait" ha sido nombrada palabra del año 2025 por Oxford University Press. Este término describe tácticas manipuladoras utilizadas en línea para fomentar la participación, a menudo provocando indignación o ira en los usuarios. Su uso se ha triplicado en los últimos 12 meses, lo que refleja su creciente prevalencia en el panorama digital actual.

El "rage bait" superó a otros términos preseleccionados, como "aura farming" y "biohack", para obtener el título. La lista de palabras pretende reflejar algunos de los estados de ánimo y conversaciones que han moldeado 2025. El comentarista sinij señala que el problema fundamental de las redes sociales es que explotan el pensamiento emocional de las personas, ubicando los videos de gatos lindos y el "rage bait" en extremos opuestos del mismo espectro.

Este fenómeno subraya la necesidad de una mayor conciencia sobre las estrategias de manipulación en línea y la importancia de desarrollar habilidades para discernir y responder de manera crítica al contenido que consumimos. Algunos incluso sugieren que las futuras sociedades podrían enseñar técnicas de disociación en la escuela primaria para mitigar los efectos negativos de la sobreexposición al "rage bait" y otras tácticas similares.

Fuente Original: https://tech.slashdot.org/story/25/12/06/026245/rage-bait-named-oxford-word-of-the-year-2025?utm_source=rss1.0mainlinkanon&utm_medium=feed

Artículos relacionados de LaRebelión:

• AI in 2025 Reasons to Be Thankful
• IA Impacta el 12 del Mercado Laboral EEUU
• Genes del Perro Influyen en Humanos Tambien
• Cybersecurity Hacking Online Courses November 2025
• Disquetes 3M Lecciones Olvidadas del Manual

Artículo generado mediante LaRebelionBOT

Google Antigravity Limites Ampliados para Suscriptores AI

Google Antigravity, la nueva plataforma de desarrollo agentic de Google, ha generado una respuesta increíble, y la compañía está trabajando para satisfacer la alta demanda. Una de las formas de hacerlo es ofreciendo un soporte mejorado a los suscriptores de Google AI.

Los suscriptores de Google AI Pro y Ultra ahora reciben acceso prioritario, con límites de tasa más altos y generosos, y cuotas que se actualizan cada cinco horas. Esto significa que estos usuarios pueden aprovechar al máximo la plataforma sin preocuparse tanto por alcanzar los límites.

Para los usuarios del plan gratuito, Google ha implementado un límite de tasa semanal más amplio para minimizar la posibilidad de alcanzar los límites rápidamente durante un proyecto. Es importante recordar que el uso está correlacionado con el "trabajo realizado" por el agente; las tareas sencillas consumen menos cuota que el razonamiento complejo. Sin importar el nivel de suscripción, todos los usuarios continuarán disfrutando de Gemini 3 Pro, finalizaciones de código de pestañas ilimitadas y acceso a todas las funciones del producto, como el Administrador de agentes y la integración del navegador.

Fuente Original: https://blog.google/feed/new-antigravity-rate-limits-pro-ultra-subsribers/

Artículos relacionados de LaRebelión:

• Ascentra Labs IA para Consultores Adios Excel
• Amazon Impulsa Kiro IA Propia para Ingenieros
• Artesania Mexicana Viva Celebrando la Cultura con Google
• Record Eolico en Reino Unido Energia para Millones
• Westinghouse Energia Nuclear Reinventada con IA y Google

Artículo generado mediante LaRebelionBOT

Netflix Compra Warner Bros Impacto en Streaming

Netflix planea adquirir Warner Bros. Discovery en una operación valorada en $82.7 mil millones, lo que le permitiría hacerse con HBO, franquicias icónicas y una significativa infraestructura de estudio. Según el acuerdo, los accionistas de Warner Bros. recibirán $27.75 por acción en efectivo y acciones de Netflix. Se espera que la operación se cierre después de que Warner Bros. complete la escisión planificada de su división de redes, que incluye canales de cable como CNN, TBS y TNT, prevista para el tercer trimestre de 2026.

Esta adquisición otorgaría a Netflix la propiedad de la cadena HBO y su extenso catálogo de series de éxito como "The Sopranos" y "The White Lotus". Además, Netflix incorporaría los estudios de Warner Bros. en Burbank, California, y un amplio archivo de películas y programas de televisión, incluyendo franquicias como Harry Potter y Friends. Netflix ha manifestado su intención de mantener las operaciones actuales de Warner Bros. y fortalecer sus puntos fuertes, incluyendo los estrenos de películas en cines, un aspecto que había generado preocupación en Hollywood. La compañía espera que la adquisición le permita "expandir significativamente" su capacidad de producción en EE. UU. e invertir en contenido original, lo que creará empleos y fortalecerá la industria del entretenimiento.

Sin embargo, la fusión también generaría ahorros de costos estimados entre $2 mil millones y $3 mil millones anuales a partir del tercer año. La propuesta ha provocado reacciones encontradas en el ámbito político. El senador republicano Mike Lee, líder del comité antimonopolio del Senado, advirtió que la adquisición "debería alarmar a los reguladores antimonopolio de todo el mundo", argumentando que aumentaría la dominancia de Netflix y podría significar el fin de la Edad de Oro del streaming para creadores de contenido y consumidores. Por su parte, la senadora Elizabeth Warren calificó la operación como una "pesadilla" antimonopolio que perjudicaría a trabajadores y consumidores, al crear un gigante mediático con control de una parte significativa del mercado de streaming, lo que podría traducirse en precios de suscripción más altos, menos opciones y menor control creativo para los artistas.

Fuente Original: https://entertainment.slashdot.org/story/25/12/05/1728256/netflix-to-buy-warner-bros-in-72-billion-cash-stock-deal?utm_source=rss1.0mainlinkanon&utm_medium=feed

Artículos relacionados de LaRebelión:

• Stranger Things Algorithm Era Defining Streaming TV
• AI Music Streaming Labels Strike Klay Deals
• FCC Aumenta Tarifas Telefonicas para Prisioneros Impacto
• Apple Secures US Formula 1 Streaming Rights
• Qualcomm compra Arduino Impulso a la Robotica

Artículo generado mediante LaRebelionBOT

RFK Jrs Panel Rejects Hep B Vaccine

A federal vaccine advisory panel, reportedly hand-picked by anti-vaccine advocate Robert F. Kennedy Jr., has voted to remove the recommendation for universal hepatitis B vaccination of newborns on their first day of life. This decision has sparked controversy, as it was made without any presented evidence indicating harm from the current practice or demonstrable benefits from delaying the vaccination.

Numerous public health and medical experts, including some members of the advisory panel itself, have voiced strong opposition to this change. They cite studies and historical data suggesting that delaying or forgoing the birth dose of the hepatitis B vaccine will likely lead to a rise in infections among infants. This, in turn, could result in increased cases of chronic liver disease, liver cancer, and premature deaths. One pediatrician on the committee emphasised that changing the recommendation would actively cause harm, going against the fundamental principle of 'do no harm'.

The committee also suggested that parents and healthcare providers should consider testing a child's antibody levels after each dose of the three-dose hepatitis B series, and potentially foregoing the remaining doses if a certain threshold is met. Medical experts criticised this recommendation too, pointing out that the vaccine's efficacy data is based on the complete three-dose series and antibody levels alone don't guarantee lifelong protection. The recommendation was described as being based on baseless scepticism and compared to 'Never Never Land', due to the lack of data or discussion on the administrative burden or clinical feasibility of such widespread antibody testing.

Fuente Original: https://arstechnica.com/health/2025/12/without-evidence-rfk-jr-s-vaccine-panel-tosses-heb-b-vaccine-recommendation/

Artículos relacionados de LaRebelión:

• CDC Panel Dudoso Desmantela el Calendario de Vacunas
• CDC Ex-Directora testificara tras acusaciones de RFK Jr
• COVID Vaccine Access Whos Eligible Where

Artículo generado mediante LaRebelionBOT

CDC Retraso en Votacion Sobre Vacuna Hepatitis B

Un panel de asesores federales de vacunas designado por el Secretario de Salud Robert F. Kennedy Jr. pospuso nuevamente la decisión sobre si retirar las recomendaciones de vacunación contra la hepatitis B para recién nacidos. Este intento fallido ya se había presentado en septiembre, antes de que el panel se diera cuenta de que no comprendía completamente el tema.

La decisión de retrasar la votación se produjo repentinamente cuando los miembros del panel admitieron que aún no comprendían el tema en cuestión ni lo que estaban votando. Antes de la votación para retrasar la decisión, hubo confusión sobre la redacción de una nueva recomendación propuesta. Los miembros del panel recibieron tres versiones diferentes de la propuesta en las 72 horas previas a la reunión.

La reunión fue criticada por ser desorganizada y por abandonar el marco basado en la evidencia para establecer la política de vacunas. En cambio, se presentaron presentaciones no verificadas con tergiversaciones, teorías de conspiración y estudios seleccionados. Expertos médicos y de salud pública consideran que la vacunación al nacer es crucial para proteger a los bebés de contraer el virus altamente infeccioso de la hepatitis B, que puede causar infecciones crónicas, enfermedades hepáticas, cáncer y muerte temprana. No hay datos que sugieran daños por la dosis para recién nacidos, ni datos de seguridad que sugieran que retrasar la primera dosis sea más seguro o mejor. Sin embargo, los estudios indican que tal retraso conduciría a más infecciones por hepatitis B en bebés.

En lugar de presentaciones de científicos de los CDC o expertos en la materia, el panel escuchó solo a activistas anti-vacunas, quienes presentaron información errónea y afirmaciones falsas sobre la transmisión de la hepatitis B y los beneficios de las vacunas. Un pediatra presente en la reunión señaló que una activista anti-vacunas había malinterpretado un estudio clave que en realidad mostraba que la protección inmune basada en células de la vacuna ofrece una protección robusta de por vida.

Fuente Original: https://arstechnica.com/health/2025/12/cdc-vaccine-panel-realizes-again-it-has-no-idea-what-its-doing-delays-big-vote/

Artículos relacionados de LaRebelión:

• CDC Panel Dudoso Desmantela el Calendario de Vacunas
• IA El Padrino Alerta sobre la Extincion Humana
• CDC Ex-Directora testificara tras acusaciones de RFK Jr
• Vacuna COVID Pfizer Impulso Inmunologico Resultados Positivos
• Uso IA Will Smith en su Ultimo Video El Debate Sobre la Autenticidad y el Futuro del Contenido...

Artículo generado mediante LaRebelionBOT

Hacker Recurrente Borrado de Datos IA y Fracaso

Dos hermanos, Muneeb y Sohaib Akhter, con antecedentes de hackeo a sistemas gubernamentales, han sido acusados nuevamente. Esta vez, por intentar borrar bases de datos gubernamentales justo después de ser despedidos de su trabajo como contratistas.

Según el Departamento de Justicia, los hermanos, que trabajaban para una empresa de software que presta servicios a 45 agencias estadounidenses, eliminaron bases de datos y documentos pertenecientes a tres agencias gubernamentales. La acusación detalla que, tras ser despedidos el 18 de febrero, intentaron acceder al sistema de su empleador y a las bases de datos federales.

Al parecer, uno de los hermanos accedió a la base de datos de una agencia gubernamental y emitió comandos para impedir que otros usuarios se conectaran o realizaran cambios. Luego, eliminó 96 bases de datos que contenían archivos de investigación y registros relacionados con la Ley de Libertad de Información (FOIA). Intentando encubrir sus acciones, uno de los hermanos recurrió a una herramienta de chat con inteligencia artificial para obtener instrucciones sobre cómo borrar los registros del sistema. Buscó específicamente cómo borrar los registros de eventos y aplicaciones de Microsoft Windows Server 2012. Sin embargo, sus intentos fueron en vano, ya que los investigadores lograron obtener registros de sus acciones y discusiones posteriores sobre la eliminación de pruebas.

Este no es el primer encuentro de los hermanos con la justicia. En 2015, se declararon culpables de conspirar para hackear el Departamento de Estado y una empresa privada, robando información sensible de pasaportes y visas, así como datos personales de compañeros de trabajo. Muneeb Akhter recibió una sentencia de 39 meses de prisión, mientras que Sohaib Akhter fue sentenciado a 24 meses.

Ahora, Muneeb Akhter enfrenta cargos de conspiración para cometer fraude informático y destruir registros, fraude informático, robo de registros gubernamentales y robo de identidad agravado. Sohaib Akhter está acusado de conspiración para cometer fraude informático y destruir registros, así como fraude informático por tráfico de contraseñas. Si son declarados culpables, Muneeb Akhter podría enfrentar una pena mínima obligatoria de dos años de prisión por cada cargo de robo de identidad agravado y una pena máxima de 45 años por los cargos restantes. Sohaib Akhter se enfrenta a una pena máxima de seis años de prisión.

Fuente Original: https://arstechnica.com/information-technology/2025/12/previously-convicted-contractors-wiped-gov-databases-after-being-fired-feds-say/

Artículos relacionados de LaRebelión:

• Artemis de la NASA Fracaso Inminente ante China
• OpenAI Datos piratas borrados ocultando algo
• Bancos de EEUU Ciberataque y Robo de Datos
• Datadog Base de Datos Personalizada para Metricas Masivas
• OpenAI Inversion Billonaria en Infraestructura Datos y IA

Artículo generado mediante LaRebelionBOT

Artemis de la NASA Fracaso Inminente ante China

El Congreso de Estados Unidos ha recibido una dura advertencia: el programa Artemis de la NASA, tal como está planteado actualmente, "no puede funcionar". La creciente preocupación se centra en la competencia con China en la carrera espacial y la posibilidad de que China llegue a la Luna antes que Estados Unidos.

Durante una audiencia en el Comité de Ciencia, Espacio y Tecnología de la Cámara de Representantes, expertos expresaron su inquietud sobre la capacidad de la NASA para mantener su liderazgo global en el espacio frente al avance chino. El ex Administrador de la NASA, Mike Griffin, criticó duramente la arquitectura del programa Artemis, especialmente su dependencia de múltiples vuelos de reabastecimiento en órbita baja terrestre, una tecnología aún no probada. Griffin argumentó que este enfoque es inviable y propuso cancelar las misiones Artemis III y posteriores para empezar de nuevo con un plan más realista, similar al programa Apolo.

Otros expertos señalaron la importancia de que la NASA siga impulsando la innovación y el desarrollo tecnológico en el sector espacial, destacando el éxito del programa Commercial Lunar Payload Services (CLPS). También se enfatizó la necesidad de una mayor responsabilidad por parte de la NASA y sus contratistas. Se instó al Congreso a establecer prioridades claras y a exigir consecuencias, tanto presupuestarias como legales, para aquellos que no cumplan con los plazos y presupuestos establecidos.

En resumen, la audiencia puso de manifiesto la urgencia de abordar los problemas del programa Artemis y de replantear la estrategia de la NASA para asegurar que Estados Unidos pueda competir con China en la exploración lunar y mantener su liderazgo en el espacio. La clave parece estar en un plan más realista, una mayor responsabilidad y un compromiso bipartidista con los objetivos a largo plazo.

Fuente Original: https://arstechnica.com/space/2025/12/congress-told-there-needs-to-be-consequences-for-nasa-delays-amid-chinas-rise/

Artículos relacionados de LaRebelión:

• China Lanzamiento de Nave de Rescate Espacial
• Cometa Interestelar 3IATLAS Lo Que la NASA Revela
• China Refuerza Industria y Tecnologia en Plan Quinquenal
• China Surpasses America A Power Shift
• China Roba Datos Secretos del Reino Unido

Artículo generado mediante LaRebelionBOT

Phone NPUs AI Improvement or Cloud Hype

The relentless march of technological innovation has placed generative AI at the forefront, with neural processing units (NPUs) in consumer devices touted as key enablers. Chipmakers consistently boast about NPU speed improvements, yet the tangible benefits for users remain vague. While the vision of secure, personal AI tools powered by on-device intelligence is appealing, the reality is that most significant AI applications still reside in the cloud, leaving many to question the true purpose of the NPU in their phone.

An NPU is a specialised component within a system-on-a-chip (SoC), designed to accelerat e AI workloads through parallel computing. Though not strictly necessary for edge AI, NPUs offer speed and efficiency advantages over CPUs and GPUs for specific tasks. However, the dominance of cloud-based AI, fuelled by large language models (LLMs) requiring substantial resources for training and operation, often leaves NPUs underutilised. Cloud-based models boast significantly larger context windows and parameter counts compared to their on-device counterparts, enabling more comprehensive data processing.

Optimising AI models for mobile devices necessitates compromises, such as reducing model parameters and employing quantization techniques. These adjustments can impact accuracy and limit the scope of on-device AI to narrow use cases like screenshot analysis or calendar suggestions. The rapid pace of development in cloud-based AI further complicates matters, potentially rendering edge AI optimisations obsolete. Furthermore, third-party developers face challenges in leveragin g NPU processing due to rapidly evolving development targets and restrictions associated with existing on-device models.

Despite the advantages of cloud-based AI, edge AI offers enhanced privacy and reliability. Processing data locally mitigates dependence on external servers and reduces the risk of personal information exposure. Samsung stands out by providing users with a toggle to disable cloud AI and run all workloads on-device, prioritising privacy and control. While the full potential of NPUs may not yet be realised, their presence encourages device makers to invest in improved hardware, such as increased RAM, which benefits overall performance. Interest in edge AI ensures the continued development of more effective mobile AI experiences.

Fuente Original: https://arstechnica.com/gadgets/2025/12/the-npu-in-your-phone-keeps-improvin g-why-isnt-that-making-ai-better/

Artículos relacionados de LaRebelión:

• Private AI Compute IA Privada y Potente en Cloud
• Google Pixel 10 Pro Fold The Most Durable Foldable Phone Yet - A Comprehensive Overview
• Motorola Razr Ultra Grab a Folding Phone Bargain with a 200 Discount

Artículo generado mediante LaRebelionBOT

Ataque DDoS Record Botnet AISURU 297 Tbps

Un ataque de denegación de servicio distribuido (DDoS) sin precedentes, alcanzando los 29.7 Tbps, ha sido atribuido a la botnet AISURU. Este ataque establece un nuevo récord en términos de magnitud, superando significativamente los incidentes anteriores.

La botnet AISURU, según los informes, está compuesta por hasta 4 millones de hosts infectados, lo que la convierte en una de las mayores botnets jamás descubiertas. La vasta escala de la botnet permite la amplificación masiva de ataques DDoS, lo que explica el volumen récord de tráfico observado en el incidente reciente.

Los investigadores de seguridad están investigando activamente la botnet AISURU para comprender mejor su infraestructura, métodos de propagación y objetivos. La mitigación efectiva de este tipo de ataques requiere una colaboración estrecha entre proveedores de servicios de Internet, empresas de seguridad y agencias gubernamentales.

Este incidente subraya la creciente amenaza que representan los ataques DDoS y la necesidad de medidas de seguridad robustas para proteger la infraestructura crítica de internet. Las organizaciones deben implementar estrategias de defensa multicapa, que incluyan la detección temprana de anomalías, la filtración de tráfico malicioso y la capacidad de escalar recursos rápidamente para absorber los picos de tráfico durante un ataque.

Fuente Original: https://thehackernews.com/2025/12/record-297-tbps-ddos-attack-linked-to.html

Artículos relacionados de LaRebelión:

• AI Powers Record Black Friday Online Spending
• Record Eolico en Reino Unido Energia para Millones
• Microsoft Ataque DDoS record en la nube mitigado
• RondoDox Botnet Ataca Servidores XWiki Vulnerables
• Noisy Bear Ataque Phishing al Sector Energetico

Artículo generado mediante LaRebelionBOT

Simuladores de Amplificadores de Guitarra Son tan Buenos

Los simuladores de amplificadores y pedales de guitarra han alcanzado un nivel de calidad asombroso en los últimos años, convirtiéndose en reemplazos sónicos casi indistinguibles de los amplificadores y equipos físicos. Incluso guitarristas reconocidos están optando por estos modelos digitales. Recientemente, Universal Audio (UA) lanzó Paradise Guitar Studio, un plugin que emula amplificadores y efectos clásicos de estudio, ofreciendo una amplia gama de herramientas para modelar el sonido de la guitarra.

Paradise Guitar Studio incluye seis amplificadores, entre ellos Fender, Marshall, Vox AC30 y Dumble, con varias variantes y modificaciones. El plugin también ofrece una generosa selección de pedales de distorsión, efectos de modulación, compresores, delays, reverbs y ecualizadores. Permite combinar cualquier amplificador con cualquier conjunto de micrófonos y cabinas, y ofrece hasta 10 unidades de efectos (cinco antes del amplificador y cinco después).

La calidad del sonido es excepcional, gracias a las emulaciones de compresores 1176, delays de cinta y reverbs Lexicon de UA. El plugin también permite controlar la cantidad de "tono de sala" capturado por los micrófonos, lo que contribuye a un sonido más realista y convincente. Paradise destaca por ofrecer una amplia gama de opciones sin ser abrumador, con una interfaz clara y fácil de usar y cientos de presets de alta calidad.

Si bien existen otras opciones en el mercado, como Amplitube, NeuralDSP y Polychrome DSP, Paradise destaca por su calidad de sonido y facilidad de uso. Amplitube, por ejemplo, puede resultar confuso debido a la gran cantidad de opciones y la complejidad de la interfaz. Sin embargo, Paradise tiene desventajas como su precio relativamente alto, la falta de una versión independiente (solo funciona como plugin) y una orientación hacia los tonos de rock clásico, lo que puede no ser ideal para guitarristas de metal de alta ganancia o músicos experimentales.

A pesar de estas limitaciones, los simuladores de amplificadores de guitarra han avanzado enormemente, permitiendo a los guitarristas de todos los niveles acceder a una amplia gama de sonidos de alta calidad sin necesidad de invertir en equipos costosos. La clave de un buen simulador es que inspire la creatividad, y Paradise parece cumplir con este objetivo.

Fuente Original: https://arstechnica.com/culture/2025/12/guitar-amp-sims-have-gotten-astonishingly-good/

Artículos relacionados de LaRebelión:

• Cine y Realidad Que Peliculas Son Veraces
• Por que las consolas de videojuegos actuales son historicamente caras Analisis de precios y te...
• Alerta Roja La Contaminacion Quimica Una Amenaza Tan Grave Como el Cambio Climatico Segun los ...

Artículo generado mediante LaRebelionBOT

ATT y Verizon vs Herramienta T-Mobile

AT&T y Verizon están contraatacando la nueva herramienta "Switching Made Easy" de T-Mobile, que escanea las cuentas de sus clientes para recomendar planes comparables. AT&T ha presentado una demanda, alegando que T-Mobile utilizó bots para extraer más de 100 campos de datos confidenciales de los clientes. Según la demanda, T-Mobile actualizó las capacidades de rastreo de la aplicación T-Life tres veces en un intento de evitar la detección por parte de AT&T, en un juego del gato y el ratón. AT&T también afirma que T-Mobile está ocultando intencionalmente el hecho de que es su rastreador el que accede a una cuenta, pretendiendo ser un usuario final.

AT&T envió a T-Mobile una carta de cese y desistimiento el 24 de noviembre exigiendo que detuviera el proceso de rastreo. T-Mobile respondió dos días después negándose, afirmando que el proceso era legal porque "los propios clientes... inician sesión en su propia cuenta inalámbrica". El 26 de noviembre, AT&T dice que detectó que T-Mobile ya no está rastreando el sitio web de AT&T, y en su lugar pide a los usuarios que suban un PDF de su factura o introduzcan alguna información manualmente. Sin embargo, señalan que, en el momento, la aplicación todavía parecía rastrear cuentas de Verizon. La demanda explica además que AT&T se puso en contacto con Apple alegando que la aplicación T-Life de T-Mobile también está violando las Directrices de Revisión de la App Store. T-Mobile respondió también a esta queja, haciendo afirmaciones similares de que el proceso de rastreo no viola esas directrices.

Según AT&T, la aplicación T-Life recopila mucha más información de la necesaria para un simple cambio de operador. La compañía alega que T-Mobile toma más de 100 datos separados de la cuenta de un cliente, incluyendo información sobre otros usuarios en la cuenta y otros servicios no relacionados con el servicio inalámbrico. También vale la pena señalar que, aparentemente, T-Mobile está almacenando esta información, no sólo utilizándola temporalmente, incluso si el cliente no termina cambiando. T-Mobile ha respondido a nuestra solicitud de comentarios, y dice que en realidad, AT&T está equivocada sobre los hechos, y Easy Switch es segura.

Fuente Original: https://mobile.slashdot.org/story/25/12/04/006245/att-and-verizon-are-fighting-back-against-t-mobiles-easy-switch-tool?utm_source=rss1.0mainlinkanon&utm_medium=feed

Artículos relacionados de LaRebelión:

• NotebookLM Ahora al Alcance de Usuarios Mas Jovenes Una Nueva Herramienta para el Aprendizaje

Artículo generado mediante LaRebelionBOT

Django Hit By SQL Injection and DoS Vulnerabilities

Recent security releases address two vulnerabilities affecting all supported Django versions, including the upcoming Django 6.0. These vulnerabilities pose significant risks to Django-based applications, potentially leading to SQL injection and denial-of-service (DoS) attacks. It's crucial for developers and security teams to understand and mitigate these risks promptly.

The first vulnerability, CVE-2025-13372, is a high-severity SQL injection flaw affecting deployments using PostgreSQL. This vulnerability lies within the `FilteredRelation` class and how the ORM manages column aliases. An attacker could exploit this by crafting a malicious dictionary in applications that expose parameters ending in `QuerySet.annotate()` or `QuerySet.alias()`. This allows the attacker to inject SQL fragments into Django-generated queries, potentially enabling them to read, modify, or delete data, or gain broader access to the database than intended.

The second vulnerability, CVE-2025-64460, focuses on service availability, leading to a DoS attack. The flaw is within the XML serializer, specifically the `django.core.serializers.xml_serializer.getInnerText()` method. Due to inefficient string concatenation, a specially crafted XML document can cause the server to consume excessive time and resources during processing. This can lead to high CPU and memory usage, ultimately resulting in a denial of service.

Django has released patched versions 5.2.9, 5.1.15, and 4.2.27 to address these vulnerabilities. The Django team strongly advises upgrading to these versions as soon as possible. Furthermore, it is recommended to review logs for anomalous queries or unusual XML usage patterns and reinforce input validation and perimeter controls to minimize exposure.

Fuente Original: https://unaaldia.hispasec.com/2025/12/inyeccion-sql-y-dos-nuevas-vulnerabilidades-sacuden-el-ecosistema-django.html?utm_source=rss&utm_medium=rss&utm_campaign=inyeccion-sql-y-dos-nuevas-vulnerabilidades-sacuden-el-ecosistema-django

Artículos relacionados de LaRebelión:

• Revive Clasicos DOS Multijugador Juega en tu Navegador
• Holiday Planning Gemini AI Tips and Tricks
• ChatGPT Atlas Exploit Hidden Commands and Browser Security
• Dos Zero-Days de Windows Explotados Activamente
• ChatGPTs Grown-Up Mode Gore and Eroticism

Artículo generado mediante LaRebelionBOT

Android Accesibilidad Mejorada con Tema Oscuro y Gemini

Android se está volviendo más accesible con una serie de nuevas características diseñadas para mejorar la experiencia del usuario para personas con diversas necesidades. La actualización incluye mejoras en el tema oscuro, subtítulos expresivos, Voice Access y más.

Una de las mejoras más destacadas es la opción expandida del tema oscuro. Ahora, Android 16 puede oscurecer automáticamente la mayoría de las aplicaciones, incluso aquellas que no tienen su propio tema oscuro nativo, proporcionando una experiencia visual más consistente y cómoda, especialmente para personas con baja visión o sensibilidad a la luz.

Los subtítulos expresivos ahora pueden detectar y mostrar el tono emocional del habla, agregando contexto importante a las conversaciones y los medios. Por ejemplo, los subtítulos pueden incluir etiquetas como [alegría] o [tristeza] para indicar el tono del hablante. Además, las capacidades de los subtítulos expresivos se están expandiendo a YouTube, mostrando la intensidad del habla, expresiones de sonidos y ruidos del entorno en videos en inglés subidos después de octubre.

Para aquellos que usan un mouse externo, AutoClick ahora ofrece una experiencia de cursor mejorada, permitiendo a los usuarios personalizar el tiempo que el cursor debe permanecer en un elemento antes de que se realice automáticamente un clic. También se puede personalizar la acción misma, eligiendo entre clic izquierdo, clic derecho, doble clic, pulsación larga, desplazamiento o arrastre. La función TalkBack facilita el uso del dictado por voz en Gboard con un simple toque doble con dos dedos. Guided Frame, impulsado por modelos Gemini, ofrece descripciones más ricas de lo que está en la vista de la cámara para ayudar a las personas ciegas o con baja visión a tomar mejores fotos. Voice Access ahora se puede iniciar directamente con Gemini diciendo "Hey Google, start Voice Access", permitiendo el control manos libres del teléfono. Voice Access también está disponible en japonés y mejora en la comprensión de comandos de voz, incluyendo puntuación, acentos y patrones de habla. Finalmente, Fast Pair facilita la conexión de audífonos habilitados para Bluetooth LE Audio a dispositivos Android compatibles con un solo toque.

Fuente Original: https://blog.google/products/android/accessibility-update-expanded-dark-theme-gemini-talkback/

Artículos relacionados de LaRebelión:

• Arcee IA Open Source Americana Revive con Trinity
• Hackean Apple Podcasts con Ataques XSS
• Artesania Mexicana Viva Celebrando la Cultura con Google
• Seguridad Contenedores Detecta Riesgos y Parchea con Exito
• Holiday Planning Gemini AI Tips and Tricks

Artículo generado mediante LaRebelionBOT

Ascentra Labs IA para Consultores Adios Excel

Ascentra Labs ha conseguido una ronda de financiación de 2 millones de dólares con el objetivo de introducir la inteligencia artificial en el sector de la consultoría, un mercado global de 250 mil millones de dólares que se ha mantenido sorprendentemente analógico. La startup, fundada por ex-consultores de McKinsey, se centra en automatizar tareas repetitivas y laboriosas como el análisis de encuestas en Excel, permitiendo a los consultores centrarse en tareas de mayor valor.

La plataforma de Ascentra Labs ingiere datos de encuestas sin procesar y genera hojas de cálculo de Excel formateadas con fórmulas trazables. Esto elimina la necesidad de que los consultores juniors dediquen horas a construir estos informes manualmente. La empresa se enfoca específicamente en el análisis de encuestas dentro de la diligencia debida de capital privado, un nicho donde el trabajo es más estandarizado y, por lo tanto, más fácil de automatizar. Ascentra argumenta que incluso las firmas de consultoría más grandes carecen de herramientas internas dedicadas a este tipo de análisis.

Un desafío clave para Ascentra es la precisión. Los consultores deben evitar errores en los modelos financieros, ya que pueden tener consecuencias significativas. Para ello, Ascentra utiliza modelos GPT de OpenAI para la ingesta e interpretación de datos, pero el análisis en sí se realiza mediante scripts de Python deterministas, garantizando resultados consistentes y verificables. Además, la compañía ha obtenido certificaciones de seguridad empresarial como SOC 2 Type II e ISO 27001, lo que les da una ventaja competitiva frente a otras startups.

Ascentra planea utilizar la financiación para expandirse a los Estados Unidos, donde se encuentra la mayoría de sus clientes. La compañía adopta un modelo de precios por proyecto, que se alinea con la forma en que las firmas de consultoría asignan sus presupuestos. Si bien la IA no eliminará los trabajos de consultoría, transformará fundamentalmente el trabajo de los consultores, permitiéndoles concentrarse en tareas más estratégicas.

Fuente Original: https://venturebeat.com/ai/ascentra-labs-raises-usd2-million-to-help-consultants-use-ai-instead-of-all

Artículos relacionados de LaRebelión:

• Amazon Impulsa Kiro IA Propia para Ingenieros
• Record Eolico en Reino Unido Energia para Millones
• Alta Disponibilidad Estrategias Clave para Sistemas Resilientes
• Analogue 3D El N64 Moderno Para Fans
• Adios Boton Me Gusta Facebook Externo Meta Retira

Artículo generado mediante LaRebelionBOT