El hilo de hoy abarca investigación criptoanalítica, generación multimodal, un MoE de activación densa en ruta de pesos abiertos, evaluación de agentes científicos y finanzas de consumo en solo lectura: Google DeepMind informó que agentes de IA guiados por humanos hallaron dos debilidades mayores en RSA de 1024 bits legado, subrayando que las claves modernas de 2048 bits y superiores siguen seguras; Gemini Omni 1.2 Flash pasó a disponibilidad general; Thinking Machines Lab publicó Inkling 2 Small con detalle de preentrenamiento y RL conjunta; OpenAI y Ligo lanzaron BioBasicsBench para tareas rutinarias de laboratorio húmedo; y Anthropic comenzó a desplegar Claude Finanzas personales para tramos de pago en EE. UU. vía Plaid, con énfasis en solo lectura y no uso para entrenamiento.

1. Google DeepMind: agentes de IA guiados por humanos exponen dos debilidades en RSA de 1024 bits legado

El 6 de noviembre de 2026, Google DeepMind —enmarcado por Pushmeet Kohli, VP de Ciencia— anunció que agentes de IA guiados por humanos habían descubierto dos debilidades mayores en RSA de 1024 bits legado. El trabajo lo dirigieron Dj Dvijotham y Abhradeep Thakurta, en colaboración con Nadia Heninger (UC San Diego e Inria) y Emmanuel Thomé (Inria). DeepMind y reportes afines subrayan que el RSA moderno de 2048 bits y superior permanece seguro, y que los experimentos de firma se ejecutaron en una sandbox sobre un benchmark de 1024 bits ya resuelto, sin tocar sistemas en producción.

Sobre firmas y relleno (padding), DeepMind afirmó que cuando un atacante controla aproximadamente la mitad o más del bloque firmado, el padding casi no aporta protección. En la sandbox, el enfoque mejorado usó unas 3,5× menos tiempo de CPU y menos de una milésima del cómputo necesario para romper la propia clave. Cuando el atacante controla solo una huella corta (por ejemplo 32 bytes), el nuevo algoritmo es unas 1600× mejor que el mejor previo para RSA de 1024 bits en estimaciones teóricas. Por separado, en el factorizado por lotes de módulos de igual longitud de bits, DeepMind reportó un coste medio unas 30× menor por cada clave 1024 adicional frente a métodos por lotes anteriores.

Clave: El criptoanálisis asistido por IA afila ataques al RSA de 1024 bits legado bajo supuestos declarados, mientras el propio marco de DeepMind mantiene el límite operativo: no se afirma que despliegues de 2048 bits y superiores estén rotos, y las pruebas de firma no tocaron producción en vivo.

2. Google: Gemini Omni 1.2 Flash disponible de forma general — vídeo nativo hasta 15 s, precio ~30 % menor

El product manager de Google DeepMind Anish Nangia anunció el 5 de noviembre de 2026 que Gemini Omni 1.2 Flash está disponible de forma general (GA) en la Gemini API y Gemini for business / Google Cloud. La model card lleva la misma fecha de publicación. Frente al tope de 10 segundos de Omni 1.1, 1.2 Flash amplía el vídeo nativo a 15 segundos, con duración seleccionable de 3–15 segundos en pasos de un segundo; el precio 720p baja cerca de un 30 % frente a Omni 1.1, hasta 0,07 dólares por segundo.

En capacidad, la nota enfatiza edición conversacional multiturno y mayor adhesión a imágenes de referencia, clips de movimiento de hasta unos tres segundos y audio. Los flujos pueden bosquejar a 360p / 720p y luego ampliar a 1080p / 4K, con marca de agua SynthID. Provisioned Throughput está disponible. El modelo también se despliega en Flow, Google Vids, la app Gemini (Ultra), Google Ads, AI Studio, Vertex AI, YouTube y Workspace.

Clave: La generación de vídeo pasa de «¿puede producir un clip?» a tramos de duración con precio, adhesión a referencias y garantías de rendimiento empresarial, con resolución de borrador más upscaling escritos en el flujo por defecto.

3. Thinking Machines Lab lanza Inkling 2 Small: 594B / 17B activos, pesos Apache 2.0 previstos

Thinking Machines Lab anunció Inkling 2 Small el 5 de noviembre de 2026: un modelo mixture-of-experts (MoE) con unos 594.000 millones de parámetros totales y 17.000 millones activos, con entradas de imagen y esfuerzo variable. La compañía citó un Artificial Analysis Intelligence Index de 31 (el post dice 31; una tabla muestra AA Index v5.0 en 30,6). El modelo debuta en Tinker con pesos cerrados; el anuncio prevé pesos completos bajo Apache 2.0 la semana siguiente tras pruebas de seguridad externas y red teaming.

Las revelaciones de entrenamiento incluyen: preentrenamiento H1 de unos 8,4 billones de tokens en unas 68 horas en NVIDIA GB300 NVL72 con NVFP4 nativo; H2 de unos 3,8 billones de tokens con contexto hasta 512K; luego RL conjunta durante 1.075 pasos y más de 17 millones de rollouts en unos nueve días con 2.048 GPUs. El laboratorio mostró demos de coding agéntico, visión y trabajo de conocimiento, y citó un DesignArena Website de 1340 en su captura.

Clave: La vía MoE de «poca activación, gran total» une el rendimiento de preentrenamiento, la escala de RL conjunta y el ritmo «lanzar cerrado, abrir pesos después» en una misma narrativa de publicación.

4. OpenAI lanza BioBasicsBench: medir cómo los agentes de IA manejan ciencia rutinaria de laboratorio húmedo

OpenAI publicó el 6 de noviembre de 2026 una presentación de BioBasicsBench, construido con la empresa de diseño enzimático Ligo. El benchmark cubre 100 tareas rutinarias de laboratorio húmedo en cinco áreas —métodos de proteínas, imagen / citometría, cuantificación y ensayos, métodos de ácidos nucleicos y clonación molecular— con entradas como geles crudos, placas, microscopía y exportaciones de instrumentos. La evaluación abarcó siete modelos, 37 configuraciones y cinco intentos por tarea, con unos 18.500 resultados.

Con razonamiento xhigh, GPT-6 Astra obtuvo una recompensa media del 66,7 % (IC 95 % 60,3 %–73,1 %), GPT-6.1 Sol el 62,0 % y GPT-5.6 Sol el 43,8 %. La compañía subraya que puntuaciones más altas aún no equivalen a un juicio de laboratorio fiable. Los ejemplos incluyen que Astra detecta un antibiótico incorrecto en la etiqueta del borde de una placa de control, y modos de fallo que persisten, como supuestos que anulan controles y, en un caso, un sobreconteo de colonias de cerca del 12 %.

Clave: Los proveedores convierten «leer artefactos experimentales crudos» en un benchmark reproducible de laboratorio húmedo, y usan intervalos de confianza y casos de fallo para frenar la extrapolación «alta puntuación igual a confianza».

5. Anthropic: beta de Finanzas personales en Claude — enlaces de cuenta de solo lectura vía Plaid

Anthropic comenzó esta semana a desplegar una beta de Finanzas personales (Personal Finance) para usuarios Pro, Max y Ultra en EE. UU.; Plaid confirmó la colaboración en una nota del 5 de noviembre de 2026, y TechCrunch y otros cubrieron el lanzamiento. Los usuarios pueden conectar bancos y tarjetas mediante Plaid. La capacidad es de solo lectura: no puede mover, gestionar ni invertir dinero, y no lleva anuncios ni productos patrocinados. Las cuentas conectadas pueden mostrar hasta unos dos años de transacciones; los chats del hub de Finanzas personales no se usan para entrenamiento; el usuario se autentica en el banco vía Plaid, de modo que Claude no ve la contraseña bancaria; se puede desvincular en cualquier momento. Anthropic declara que la función no es asesoramiento de inversión.

Clave: Los asistentes de consumo entran en la visión financiera a nivel de cuenta, pero con límites de solo lectura, no entrenamiento, no asesoramiento y desvinculación en cualquier momento, canalizando la conectividad por infraestructura de pagos en lugar de enlaces bancarios propios.

---

En una frase: DeepMind informa avances asistidos por IA contra RSA-1024 legado y afirma la seguridad moderna de 2048 bits+, Google hace disponible de forma general Gemini Omni 1.2 Flash con vídeo nativo más largo y precio unitario más bajo, Thinking Machines abre con Inkling 2 Small una vía MoE de «Apache 2.0 la semana que viene», OpenAI cuantifica el rendimiento de agentes de laboratorio húmedo con BioBasicsBench y advierte que puntuaciones altas no son juicio fiable, y Anthropic despliega Finanzas personales de solo lectura para usuarios de pago en EE. UU. vía Plaid.