Noticias de IA: enero de 2026

Enero de 2026 ha sido un mes de agentes y modelos abiertos. La historia principal es Cowork, el agente de escritorio de Anthropic que saca a Claude del chat y lo pone a trabajar sobre las carpetas locales del usuario. Alrededor, OpenAI abrió frente en salud con ChatGPT Health, y los modelos abiertos (FLUX.2 klein, NousCoder-14B, Kimi K2.5) empujaron los precios y la latencia hacia abajo.

Anthropic lanza Cowork, el agente de Claude Desktop para archivos locales

Anthropic presentó Cowork el 12 de enero como research preview: una pestaña nueva en la app de escritorio de Claude, junto a Chat y Code, que da al modelo acceso con permisos a carpetas locales para leer, editar y crear documentos sin subir archivos a mano. Ante una tarea, el agente formula un plan, ejecuta pasos en paralelo, revisa su propio trabajo y pregunta si se atasca; admite encolar varias tareas a la vez. En el lanzamiento era exclusivo para suscriptores de Claude Max (100-200 dólares al mes) y solo en macOS.

Para un equipo que ya usa Claude, esto extiende al resto del trabajo de oficina el patrón de Claude Code y sus servidores MCP: informes, hojas de cálculo y documentos que viven en el disco, sin pasar por integraciones manuales.

Fuente: VentureBeat · también en Anthropic y Simon Willison

OpenAI estrena ChatGPT Health

OpenAI anunció ChatGPT Health el 7 de enero: un espacio dedicado que conecta historiales médicos y apps de bienestar (vía el socio b.well, más Apple Health, MyFitnessPal, Weight Watchers y Function) para responder con el contexto clínico del usuario. Las conversaciones de salud llevan cifrado y aislamiento propios y, según OpenAI, no se usan para entrenar sus modelos base. La compañía cita 230 millones de usuarios preguntando sobre salud cada semana. El acceso inicial es limitado y excluye de momento el Espacio Económico Europeo, Suiza y Reino Unido.

Para equipos de producto en salud digital marca dónde pone el listón el mayor proveedor del sector: integración de datos clínicos reales con un tratamiento de privacidad separado.

Fuente: OpenAI · también en TechCrunch y CNBC

Grok Imagine API: generación de vídeo de xAI para desarrolladores

xAI abrió el 28 de enero la Grok Imagine API, un paquete de generación y edición de vídeo. El modelo genera clips de 1 a 15 segundos a 24 fps en 480p o 720p a partir de texto, de una imagen o de hasta 7 imágenes de referencia, y edita o extiende escenas ya generadas para reestilizarlas o añadir y quitar objetos. Según la documentación de xAI, la generación cuesta del orden de 0,08 dólares por segundo de vídeo. El evaluador Artificial Analysis lo situó primero en su clasificación de texto-a-vídeo, muy por debajo del precio de Sora.

Para equipos de producción de vídeo es otra API de generación de gama alta a precio agresivo, útil para maquetas y piezas cortas; los clips de hasta 15 segundos marcan el alcance.

Fuente: xAI · también en Latent.Space y OpenRouter

FLUX.2 klein: imagen en menos de medio segundo con pesos abiertos

Black Forest Labs publicó FLUX.2 klein el 15 de enero: una familia de modelos de imagen en tamaños 9B y 4B (más versiones Base sin destilar y cuantizaciones FP8 y NVFP4), con inferencia por debajo de 0,5 segundos según el fabricante. El 4B corre en unos 13 GB de VRAM, es decir, en una GPU de consumo, y lleva licencia Apache 2.0; el 9B usa una licencia no comercial. Una prueba independiente de 302.AI confirma la velocidad, pero señala fallos en texturas realistas y en prompts con lógica espacial precisa.

Para quien genera imagen en producción, un modelo abierto de este rendimiento en hardware propio cambia el cálculo de costes frente a las APIs cerradas, con la salvedad de la licencia del 9B y los límites de calidad que reporta la prueba independiente.

Fuente: Black Forest Labs · también en Hugging Face y 302.AI Benchmark Lab

NVIDIA Cosmos Reason 2 lleva el razonamiento visual a la IA física

NVIDIA publicó Cosmos Reason 2 el 5 de enero en tamaños de 2B y 8B, con la ventana de contexto ampliada de 16K a 256K tokens y soporte nuevo de OCR, localización 2D/3D y datos de trayectoria. Según NVIDIA, lidera Physical AI Bench entre los modelos abiertos. Uber lo usa para describir vídeo de conducción autónoma, y Salesforce, Hitachi o VAST Data aparecen como primeros usuarios en robótica y analítica de vídeo. Los modelos están en Hugging Face; el despliegue en AWS, Google Cloud y Azure se anunció como próximo, no disponible aún.

Interesa a equipos que trabajan con vídeo industrial, robótica o inspección visual: es un VLM abierto que razona sobre física del mundo real y se puede ajustar con datos propios. Los benchmarks citados son del propio fabricante.

Fuente: NVIDIA en Hugging Face · también en VentureBeat y documentación de NVIDIA

Veo 3.1 Ingredients to Video: personajes coherentes entre planos

Google DeepMind actualizó Veo 3.1 el 13 de enero con “Ingredients to Video”: hasta 4 imágenes de referencia para mantener el mismo personaje, objetos y paleta entre tomas, vídeo vertical 9:16 nativo y escalado a 1080p y 4K (este último solo en Flow, Gemini API y Vertex AI). Los vídeos llevan marca de agua SynthID y la app de Gemini puede verificarla. En la API, fuentes de terceros sitúan el precio en 0,15 dólares por segundo en la variante Fast y 0,40 en la estándar, con cobertura centrada en EE. UU. de momento.

La coherencia de personaje era el fallo típico que impedía usar vídeo generado en piezas de más de un plano; con esta actualización, un equipo de contenido puede plantearse producir secuencias cortas con el mismo personaje en varios planos.

Fuente: Google · también en soporte de YouTube

Ray3.14 de Luma Labs: 1080p nativo, 4 veces más rápido

Luma Labs lanzó Ray3.14 el 26 de enero: según la compañía, 4 veces más rápido y 3 veces más barato que Ray3 a 720p, con 1080p nativo en Dream Machine y vídeos de hasta 18 segundos en el flujo Modify. El propio fabricante lista las limitaciones: sin referencias de personaje y sin HDR/EXR en Modify Video. Las reseñas de terceros destacan el movimiento humano fotorrealista y la coherencia de cámara, y confirman esas mismas carencias.

Para producción de vídeo con IA, la bajada simultánea de precio y tiempo de espera hace viable iterar más versiones por el mismo presupuesto; la falta de referencia de personaje lo deja un paso por detrás de Veo en series con protagonista fijo.

Fuente: Luma Labs · también en precios de Luma

NousCoder-14B: código abierto entrenado en cuatro días

Nous Research publicó NousCoder-14B, un modelo de código construido sobre Qwen3-14B y afinado con aprendizaje por refuerzo sobre 24.000 problemas verificables: el código generado se ejecuta y se puntúa. El entrenamiento llevó unos cuatro días en 48 GPU. Alcanza 67,87% en LiveCodeBench v6, 7 puntos más que su modelo base, según cifras de Nous Research. La compañía publicó además el entorno de refuerzo completo, el benchmark y el harness de entrenamiento sobre su framework Atropos.

Más que el modelo en sí, lo aprovechable es la receta completa publicada: un equipo con GPUs puede reproducir el proceso sobre sus propios problemas de código.

Fuente: VentureBeat · también en Nous Research

Kimi K2.5 añade visión y enjambres de agentes

Moonshot AI lanzó Kimi K2.5 el 27 de enero, entrenado sobre unos 15 billones de tokens de visión y texto. Llega en cuatro modos (Instant, Thinking, Agent y Agent Swarm, este último en beta): el enjambre coordina hasta 100 subagentes con hasta 1.500 llamadas a herramientas, con una reducción de tiempo de hasta 4,5 veces según Moonshot. La compañía cita 76,8% en SWE-Bench Verified. El precio, 0,60 dólares por millón de tokens de entrada y 2,50 por millón de salida, queda muy por debajo de los modelos frontera occidentales. Una reseña independiente reporta resultados de seguridad muy bajos sin system prompt y alucinaciones frecuentes en uso real.

Es la opción a vigilar para cargas agénticas masivas donde el coste por token domina; los matices de seguridad y fiabilidad de la reseña independiente aconsejan probarlo con evaluaciones propias antes de usarlo en producción.

Fuente: Moonshot AI · también en GitHub y Awesome Agents

Mistral Vibe 2.0: agente de código de terminal sobre Devstral 2

Mistral presentó Vibe 2.0 el 27 de enero, su agente de código nativo de terminal basado en Devstral 2 (123B, 72,2% en SWE-bench Verified según benchmarks de terceros). Añade subagentes personalizados, preguntas de aclaración antes de ejecutar y skills por comando de barra. Devstral 2 cuesta 0,40 dólares por millón de tokens de entrada y 2,00 por millón de salida. En la evaluación humana de la propia Mistral gana a DeepSeek V3.2, aunque la compañía reconoce que Claude Sonnet 4.5 sigue siendo preferido con claridad. Las reseñas señalan solvencia en tareas acotadas y pérdida de hilo en trabajo multi-archivo complejo.

Para equipos europeos con requisitos de soberanía de datos es la alternativa local más completa a los agentes de código estadounidenses, con la expectativa ajustada que la propia Mistral admite.

Fuente: Mistral AI · también en Awesome Agents