CK Geek

3 de septiembre de 2026

GPT-6 Astra llega como el gran salto de OpenAI: puede hacer mucho más por nosotros, pero también será más difícil de supervisar

Cuanto más capaz es una inteligencia artificial de trabajar por nosotros, menos queremos tener que vigilar cada uno de sus movimientos. Ahí está precisamente una de las grandes promesas de los agentes: darles un objetivo y dejar que resuelvan por su cuenta buena parte del camino. OpenAI quiere llevar esa idea mucho más lejos con GPT-6 Astra, pero su lanzamiento llega acompañado de una tensión difícil de ignorar: la compañía sostiene que el modelo puede asumir más trabajo que sus predecesores mientras admite que entender y supervisar lo que hacen estos sistemas se vuelve cada vez más complicado.

El nuevo modelo se llama GPT-6 Astra y llega menos de dos meses después de GPT-5.6 Sol. OpenAI lo ha presentado este 3 de septiembre como un salto generacional en áreas como navegación web, uso del ordenador, ingeniería de software, ciberseguridad, ciencia y tareas profesionales, aunque conviene mantener esas valoraciones en su terreno: son afirmaciones de la propia compañía. Astra empieza a llegar primero a un conjunto limitado de organizaciones y, según OpenAI, se extenderá en los próximos días a los planes Plus, Pro, Business y Enterprise, así como a su API y a AWS.

La ambición se entiende mejor cuando bajamos a tareas concretas. OpenAI asegura que Astra puede encargarse de trabajos como preparar impuestos, buscar vivienda, desarrollar un videojuego, generar un render arquitectónico o dar formato a un informe legal, además de moverse por la web y utilizar herramientas para completar procesos con poca intervención humana. Esa es precisamente la lógica de la IA agéntica: no limitarnos a pedir una respuesta, sino delegar una tarea compuesta por varios pasos. En sus propias pruebas, la compañía afirma que una búsqueda de cuidador de gatos pasó de 30 minutos a 5 minutos y 27 segundos, y una búsqueda de empleo, de cinco horas a 2 minutos y 51 segundos.

En Xataka

Fable 5.1 reabre el debate sobre quién lidera la carrera de la IA: EEUU o China

En desarrollo.

Imágenes | OpenAI

En Xataka | La IA había prometido revolucionar la forma de trabajar. Un estudio revela que sus usuarios más fieles han acabado decepcionados

-
La noticia GPT-6 Astra llega como el gran salto de OpenAI: puede hacer mucho más por nosotros, pero también será más difícil de supervisar fue publicada originalmente en Xataka por Javier Marquez .

☞ El artículo completo original de Javier Marquez lo puedes ver aquí

RSA-260 ha caído: un número de 862 bits que llevaba décadas esperando una factorización

El número

4397328654844826923795068102505872571721883526553349659561256924505973939597593482272505698004801207988043088656411102133523080581

divide exactamente el número RSA-260.

El otro factor es

5028695206842569864686141618253083416610081090075366674776775706538324961364412200138116378509733307971876652984898985905923678379

Y multiplicando ambos, efectivamente se obtiene el RSA-260:

22112825529529666435281085255026230927612089502470015394413748319128822941402001986512729726569746599085900330031400051170742204560859276357953757185954298838958709229238491006703034124620545784566413664540684214361293017694020846391065875914794251435144458199

Ambos factores tienen 130 cifras, y al multiplicarlos se obtiene número original de 260 cifras decimales y 862 bits, un pseudoprimo. Los dos factores pasan además las pruebas de primalidad, de modo que son primos. El resultado ha aparecido hoy en un mensaje en X [perdón por el enlace] de Eric Lu (@penlume), que se limitó, elegantemente, a decir que el enorme número «divide el RSA-260».

Este tipo de problemas matemáticos tienen la elegancia de las funciones de un solo sentido: son fáciles de calcular en un sentido («multiplicar dos números»), pero computacionalmente muy difíciles de resolver en sentido contrario («encontrar los factores primos de un número»). Matemáticamente, la comprobación es inmediata: se multiplican los dos valores y se compara el número, algo que puede ser tedioso pero podría hacer incluso un niño de primaria a mano.

El conocido reto criptológico/matemático de los Números RSA consiste en encontrar la factorización de números cada vez con más cifras (bits). El RSA-250, de 250 cifras y 829 bits, se factorizó en febrero de 2020 y requirió el equivalente a 2.700 años-núcleo de CPU. El RSA-260 tiene 33 bits más (diez cifras decimales) y ha requerido 6 años más.

¿Es inseguro el RSA entonces, o qué?

¡Que no pande el cúnico! La importancia criptográfica de este hallazgo requiere verlo con cierta perspectiva. No significa que se haya roto el RSA-2048, que es el que se usa comúnmente hoy en día: El RSA-260 tiene 862 bits, mientras que una clave RSA-2048 utiliza un módulo de 2.048 bits, enormemente más difícil de factorizar con los algoritmos conocidos. (Y sí: es un poco lío que originalmente se refirieran a cierto «número de cifras decimales» y luego a «número de bits», pero es que en los Laboratorios RSA cambiaron de idea a medio camino, concretamente a partir del RSA-576.)

Lo interesante ahora será saber cómo se ha obtenido la factorización del RSA-260: el algoritmo, software, hardware y la cantidad de cálculo empleada. Porque eso es lo que cuenta.

Si se consiguió con una implementación convencional de métodos conocidos (como la Criba general del cuerpo de números, NFS en inglés) y simplemente más potencia de cálculo, supondrá un nuevo récord de cálculo, algo propio del progreso tecnológico. Si en cambio requirió muchos menos recursos de los previstos, sería bastante más relevante para estimar la seguridad futura de RSA.

Por ahora la factorización es correcta; lo que falta es saber cuánto trabajo costó encontrarla.

Relacionados:

# Enlace permanente

☞ El artículo completo original de alvy@microsiervos.com (Alvy) lo puedes ver aquí

Llevamos décadas pensando que la Luna tardó meses o años en formarse. Un nuevo estudio dice que pudo hacerlo en menos de lo que dura tu jornada laboral

Construir algo tan grande como la Luna no parece cuestión de un día. Debe ser un proceso lento y tedioso. Al menos, es la sensación que tenemos al pensar en ello. Sin embargo, según un estudio publicado recientemente, nuestro satélite pudo formarse en solo 5 horas. O quizás en mucho más tiempo. Todo depende de la Temperatura a la que se encontrasen en ese momento la Tierra y Theia, el protoplaneta cuyo impacto dio lugar a la formación de la Luna.

Parámetros que sí importan. En el pasado, se han realizado varias simulaciones sobre el impacto de la Tierra y Theia y la posterior formación de la Luna. Sin embargo, en dichas simulaciones no se ha tenido en cuenta la resistencia de los materiales de ambos planetas. Esto sí que se suele contemplar al simular el choque de objetos más pequeños. No obstante, en casos como este se consideraba que la energía implicada es tan alta que la resistencia de los materiales es despreciable.

Ahora, los científicos del New Southwest Research Institute (SwRI) y la Universidad de Arizona han querido añadir este factor a la ecuación. Al hacerlo, han comprobado que sí es un parámetro relevante, ya que los resultados con y sin él son distintos. No puede considerarse despreciable.

Formación de la Luna con resistencia y sin ella. Básicamente, se vio que, sin tener en cuenta la resistencia, la Tierra acreta el 91% de Theia y se produce un disco de escombros fundido, a partir del cual se formaría la Luna poco a poco. En cambio, si se contempla la resistencia de los materiales, la Tierra acreta solo el 84% de Theia. En este caso, podría formarse un satélite intacto más directamente y rápido. Eso sí, en este caso depende de la temperatura.

En Xataka

El manto terrestre esconde dos misteriosos “continentes” subterráneos. Y su efecto llega hasta el espacio

Planetas fríos o calientes. En las simulaciones realizadas por estos científicos se vio que el tiempo de formación de la Luna depende de la temperatura de la Tierra y Theia. Si los materiales estuviesen más calientes, se formaría un disco de escombros, a partir del cual se construiría poco a poco nuestro satélite. Es el escenario clásico. En cambio, con los planetas más fríos, se formaría una Luna intacta en solo 5 horas.

Planetas jóvenes o antiguos. La temperatura de los planetas suele depender de su antigüedad. Generalmente, los planetas empiezan su vida muy calientes y se van enfriando con el tiempo. Por eso, los planetas más jóvenes habrían provocado una formación de la Luna más lenta, mientras que la colisión de dos planetas antiguos generaría una Luna en solo 5 horas.

No sabemos exactamente cuánto tardó la Luna en formarse, porque tampoco conocemos la temperatura que tenían Theia y la Tierra cuando todo ocurrió. Al menos, ahora sabemos que la resistencia es importante y que no hay un solo estilo de formación. Quizás, la Luna se formó en mucho menos de lo que dura tu jornada laboral. Y pensar que la Sagrada Familia de Barcelona lleva más de 140 años en construcción y todavía le quedan unos cuantos…

Imagen | NASA

En Xataka | Estas imágenes reales eran impensables antes del telescopio Webb: son planetas orbitando otras estrellas a 130 años luz

-
La noticia Llevamos décadas pensando que la Luna tardó meses o años en formarse. Un nuevo estudio dice que pudo hacerlo en menos de lo que dura tu jornada laboral fue publicada originalmente en Xataka por Azucena Martín .

☞ El artículo completo original de Azucena Martín lo puedes ver aquí

La IA había prometido revolucionar el trabajo. Un estudio revela que sus usuarios más fieles han acabado decepcionados

Hace apenas dos años, la IA parecía la gran promesa del trabajo moderno. Los expertos y gurús aseguraban que la implantación de la IA Iba a liberarnos de tareas aburridas, a darnos horas extra de vida y, sobre todo, una herramienta imprescindible para mantener los puestos de trabajo. Muchos empleados cambiaron su forma de trabajar y confiaron en que la tecnología cumpliría lo prometido.

Por el momento, no ha cumplido ninguna de sus expectativas y un reciente estudio elaborado por la consultora Gallup confirma que, cuanto más usan la IA los empleados, menos les convence.

El optimismo que se apaga. Así lo confirma la última encuesta que la consultora ha elaborado con Bentley University. El 39% de los empleados estadounidenses cree ya que la IA hace más daño que bien, frente al 31% que tenía esa opinión el año anterior. Solo un 9% piensa que la IA aporta un beneficio real en su trabajo, frente al 12% de hace doce meses.

Entre los jóvenes de 18 a 29 años el giro es aún más brusco. Casi la mitad (47%) de la generación Z cree que la IA complica más su trabajo. Son once puntos más que los se registraban hace solo un año. Este segmento de la población activa es el que más usa esta tecnología, pero, a la vez, es quien más desconfía de ella. Que sea el grupo más susceptible de ser sustituido por una IA tiene mucho que ver en esa percepción.

En Xataka

Bill Gates: "A medida que la IA asuma más trabajos, podrás jubilarte antes y trabajar semanas laborales más cortas"

Cuanto más se usa, menos se cree. Sin embargo, el descubrimiento que más ha desconcertado a los analistas es que el desencanto de los empleados no llega por el desconocimiento de cómo se usan las herramientas de IA, sino precisamente por conocerla bien.

La Reserva Federal de EEUU calcula que el 41% de los empleados ya usa IA generativa en su trabajo. Es un 31% más que hace un año. El conocimiento sobre la tecnología también sube. El mismo estudio de Gallup señala que el 70% de los estadounidenses dice entenderla bien, seis puntos más que en 2024.

Es decir, que los empleados cada vez usan más y mejor las herramientas de IA y, aun así, cada vez confía menos en ella. Esa desconfianza nace de haberla probado y no encontrar lo que se esperaba en ella.

La generación que iba a salvarla se rebela. Un estudio muestra que el entusiasmo de la Generación Z por la tecnología era la gran esperanza para la IA. Una generación de nativos digitales, sin miedo a la pantalla y que comienza una carrera laboral con empresas que tienen implementadas herramientas de IA. ¿Qué podía salir mal?

Los datos de un estudio de Gallup con la Walton Family Foundation revelan que la generación Z es la que más rápido se ha desencantado del uso de la IA. El estudio muestra que el entusiasmo de estos jóvenes por la IA cayó del 36% al 22% en solo un año.

En cambio, el enfado de esta generación subió del 22% al 31%. Además, un 44% admite sabotear activamente las herramientas de IA en su empresa. Stephanie Marken, socia sénior de Gallup, aseguraba que "su creciente escepticismo indica la necesidad de una integración más reflexiva", dijo, y lo aplicó a las aulas y las empresas.

En EEUU, los expertos empiezan a verlo claro: "Si construimos las mejores IA y dejamos atrás a millones, no habremos ganado nada"

El miedo al empleo no da tregua. La gran sombra que se ciñe sobre la IA sigue siendo el puesto de trabajo. Casi ocho de cada diez estadounidenses (79%) cree que la IA reducirá el empleo en la próxima década. Son seis puntos más que en 2025. Ya en 2024, Pew Research recabó unas cifras similares: el 64% de los participantes esperaba menos empleo por la IA en las próximas dos décadas.

En España, un informe de Funcas calcula que la IA podría destruir entre 1,7 y 2,3 millones de empleos entre 2025 y 2035. La cifra asusta, aunque el propio estudio matiza que buena parte de ese impacto no se traducirá en una pérdida neta de empleo, sino en un desplazamiento porque la IA asumirá determinadas tareas, pero generará nuevos puestos que en la actualidad tienen poca demanda o, directamente, no existen.

En Xataka | "Será muy turbulento": por qué Bill Gates cree que no estamos preparados para lo que se nos viene encima con la IA

Imagen | Unsplash (Nguyen Dang Hoang Nhu)

-
La noticia La IA había prometido revolucionar el trabajo. Un estudio revela que sus usuarios más fieles han acabado decepcionados fue publicada originalmente en Xataka por Rubén Andrés .

☞ El artículo completo original de Rubén Andrés lo puedes ver aquí

NVIDIA compra Hugging Face por 12.930 millones y entra de lleno en una de las piezas de la IA que todavía no controlaba

NVIDIA ha acordado adquirir Hugging Face por 12.930 millones de dólares, una operación que coloca bajo su paraguas una de las plataformas más importantes del ecosistema de modelos abiertos de inteligencia artificial. El anuncio, realizado este 3 de septiembre por Jensen Huang, confirma oficialmente una compra que llevaba días circulando en la prensa tecnológica: The Information adelantó el 26 de agosto que ambas compañías habían alcanzado un acuerdo, aunque entonces ninguna de las dos lo había reconocido públicamente. Ahora ya existe un acuerdo definitivo, aunque la operación todavía debe completarse.

Hugging Face se ha convertido en uno de los grandes puntos de encuentro para quienes trabajan con modelos abiertos de IA. Su plataforma permite descubrir, compartir, evaluar y desplegar modelos, además de alojar datasets y aplicaciones creadas por la comunidad. Según las cifras difundidas ahora por NVIDIA, más de 18 millones de desarrolladores, investigadores y creadores utilizan el servicio, que reúne más de 3 millones de modelos, 500.000 conjuntos de datos y un millón de aplicaciones. La compañía añade que más de 200.000 empresas recurren a la plataforma.

NVIDIA quiere estar también donde se eligen los modelos

La operación encaja con una NVIDIA que hace tiempo dejó de depender únicamente de la venta de GPU. Su negocio abarca hoy chips, redes, sistemas completos, CUDA y una amplia capa de software para entrenar y ejecutar inteligencia artificial, mientras que el grueso de sus ingresos ya procede de los centros de datos. Hugging Face añade algo distinto: acceso directo a una comunidad que decide qué modelos utilizar, cómo adaptarlos y dónde desplegarlos. NVIDIA ya estaba presente en buena parte de la infraestructura; ahora busca acercarse también al lugar donde esa tecnología se descubre y se pone en circulación.

Hay algunos matices que conviene tener en cuenta antes de dar la compra por hecha. El acuerdo firmado por NVIDIA contempla unos 11.900 millones de dólares para los accionistas de Hugging Face, sujetos a determinados ajustes, y hasta 1.000 millones adicionales en un programa de retención basado en acciones para empleados que se incorporen a la compañía. La operación todavía no está cerrada y NVIDIA espera completarla durante la primera mitad de 2027. Antes tendrá que obtener las autorizaciones regulatorias necesarias y cumplir el resto de condiciones previstas, algo habitual en adquisiciones de esta magnitud y especialmente relevante cuando están implicadas grandes compañías tecnológicas.

Una de las grandes preguntas está en qué ocurrirá con la neutralidad de Hugging Face una vez quede bajo el control de NVIDIA. Jensen Huang asegura que la plataforma seguirá abierta a modelos de cualquier desarrollador, distintos frameworks, múltiples nubes y proveedores de inferencia, además de aceleradores de otros fabricantes. También deja por escrito que utilizar hardware de NVIDIA no será un requisito para construir o desplegar desde Hugging Face.

La relación entre ambas compañías viene de antes. NVIDIA ya había invertido en Hugging Face y en 2023 anunció con ella una integración para acercar su infraestructura DGX Cloud a los desarrolladores de la plataforma. Además, NVIDIA asegura ahora haber publicado en Hugging Face más de 500 modelos y más de 250 datasets abiertos. Así que no tenemos a la compañía liderada por Jensen Huang entrando en un terreno desconocido, sino profundizando una colaboración que llevaba años desarrollándose.

En Xataka

¿Por qué Nvidia compra Hugging Face? Entre otras cosas, porque OpenAI ya tiene su primer chip de inferencia propio

Si la operación llega a completarse, Hugging Face se convertiría en la mayor adquisición cerrada de la historia de NVIDIA, por encima de los aproximadamente 7.100 millones de dólares que pagó por Mellanox en 2020. Recordemos que la compañía llegó a acordar la compra de Arm por 40.000 millones, aunque aquel intento terminó abandonándose por los obstáculos regulatorios. Esta vez, NVIDIA busca sumar a su dominio de la infraestructura de IA una plataforma que ocupa un lugar central en la forma en que millones de desarrolladores descubren, comparten y despliegan modelos.

Imágenes | Nvidia

En Xataka | OpenAI y Anthropic tienen un problema: los nuevos modelos baratos de Google y Meta ya son demasiado buenos

-
La noticia NVIDIA compra Hugging Face por 12.930 millones y entra de lleno en una de las piezas de la IA que todavía no controlaba fue publicada originalmente en Xataka por Javier Marquez .

☞ El artículo completo original de Javier Marquez lo puedes ver aquí