Novedades más destacadas en el universo de la IA generativa del lunes 1 al lunes, 8 de septiembre del 2025:
¡Olvida todo lo que pensabas sobre los confines de la inteligencia artificial generativa, porque esta semana ha sido un auténtico torbellino que ha borrado las fronteras entre lo posible y lo extraordinario!
Del 1 al 8 de septiembre de 2025, el universo GenAI ha explotado con innovaciones que no solo empujan los límites técnicos, sino que invitan a creadores, desarrolladores y visionarios a soñar en grande. Imagina modelos que equilibran potencia y velocidad como nunca, herramientas que componen sinfonías en tiempo real, motores que forjan realidades virtuales con solo palabras, IAs que diagnostican mejor que expertos humanos, voces personalizadas que dan vida a tus ideas, algoritmos que unen cerebros digitales en una sinfonía colectiva… y ahora, el lanzamiento estelar de Nano-Banana de Google, que redefine la edición de imágenes con una magia semántica imparable, junto al coloso chino Qwen-3-Max-Preview de Alibaba, un monstruo de más de 1 billón de parámetros que eleva la agenticidad y las conversaciones a niveles divinos.
Esta no es una mera actualización semanal; es el amanecer de una era donde la colaboración, la creatividad y la escala masiva se entrelazan para transformar industrias enteras. En Skiller Academy, hemos diseccionado cada lanzamiento, cada demo y cada benchmark para entregarte el análisis más vibrante y profundo. ¡El futuro no espera, y aquí te lo servimos en bandeja de plata!
El golpe maestro de Google: T5Gemma, el encoder-decoder que supera a los LLMs tradicionales y equilibra calidad con velocidad sin precedentes:
Google ha sacudido el tablero una vez más con T5Gemma, una familia revolucionaria de modelos grandes de lenguaje (LLMs) que fusiona lo mejor de las arquitecturas encoder-decoder con la simplicidad de los decoder-only, creando bestias híbridas que dominan la frontera de calidad-eficiencia. Lanzado el 9 de julio de 2025 –pero resonando con fuerza esta semana en la comunidad dev–, este avance toma los pesos preentrenados de Gemma 2 (en versiones de 2B y 9B parámetros) y los transforma mediante técnicas innovadoras como UL2 y PrefixLM, permitiendo configuraciones asimétricas como un encoder robusto de 9B emparejado con un decoder ágil de 2B. ¿El resultado? Un equilibrio perfecto que mantiene la precisión en tareas complejas mientras acelera la inferencia, ideal para aplicaciones reales donde el tiempo es oro.
Lo que hace a T5Gemma un game-changer es su superioridad en benchmarks clave: supera a Gemma 2 9B en matemáticas (GSM8K) con un impresionante +9 puntos y en comprensión lectora (DROP) con +4, todo sin aumentar la latencia. Tras un fine-tuning con instrucciones, la variante 2B-2B eleva MMLU en casi 12 puntos y GSM8K del 58% al 70.7%, demostrando que no sacrifica inteligencia por velocidad. Disponible en tamaños Small, Base, Large y XL –tanto preentrenados como instrucción-tunados–, estos modelos están liberados para la comunidad con checkpoints listos para experimentación. Prueba un demo interactivo en este Colab notebook o sumérgete en el paper técnico en arXiv. Como destacan los ingenieros de Google, «esta adaptación ofrece una flexibilidad poderosa para equilibrar calidad y velocidad sin compromisos». ¡Si eres dev, esto es tu nuevo superpoder para apps que razonan profundo sin quemar recursos!
Más detalles: Google Developers Blog | Vídeo explicativo
Magenta RealTime: Google DeepMind arrasa también el monopolio de Suno.
Justo cuando creías que la IA musical había alcanzado su pico, Google DeepMind y el legendario equipo Magenta irrumpen con Magenta RealTime (Magenta RT), un modelo de 800 millones de parámetros que genera composiciones en tiempo real, liberado con pesos abiertos para que cualquiera lo ejecute en hardware cotidiano vía TPUs gratuitas en Colab. Este primo open-source de Lyria RealTime –el motor detrás de Music FX DJ y la API de Google AI Studio– convierte la generación musical en una experiencia viva y jugable, perfecta para DJs improvisando sets, artistas creando soundscapes inmersivos o devs integrando audio reactivo en juegos y instalaciones.
Entrenado en 190.000 horas de música instrumental stock, Magenta RT emplea una arquitectura MusicLM adaptada con block autoregression: produce segmentos de 2 segundos de audio estéreo a 48kHz, condicionados en los 10 segundos previos y embeddings de estilo manipulables en vivo mediante texto o muestras de audio.
A diferencia de MusicLM, incorpora SpectroStream para una fidelidad cristalina y MusicCoCa para alineaciones texto-música precisas; frente a Lyria, se enfoca en estilos occidentales instrumentales con latencia ultrabaja (1.6x real-time en TPU v2-8) y controles que responden al instante. ¡Imagina fusionar géneros, inyectar loops personales o evolucionar tracks sobre la marcha! Explora el demo interactivo en Colab, afina con tu propio audio en este notebook o integra audio en vivo aquí. Pesos disponibles en Hugging Face y código en GitHub –próximamente, inferencia local en dispositivos. «Magenta RT revive el espíritu open-source del proyecto, democratizando la música IA», celebran sus creadores. ¡La era de la composición colaborativa con IA ha llegado, y es pura adrenalina!
Más detalles: Sitio oficial de Magenta | Vídeo demo
Mirage: el primer motor de videojuegos «UGC» nativo de IA que forja mundos enteros en tiempo real, solo con texto o controles. La respuesta Open-source de Genie 3
Prepárate para un viaje alucinante donde tus palabras se convierten en realidades jugables: Mirage, el innovador motor de Dynamics Lab, es el primero en su clase como UGC (user-generated content) impulsado por IA nativa, capaz de generar mundos completos al vuelo con prompts de texto, teclado o control. Lanzado en septiembre de 2025 como una demo de investigación, este prodigio usa World Models en tiempo real para crear experiencias sostenidas –más de 10 minutos a 16 FPS en resolución SD–, abriendo puertas a géneros como racing, RPG y platformers donde cada acción moldea el entorno dinámicamente.
¿Te imaginas invocar una ciudad caótica, huir por un callejón laberíntico o convocar un coche deportivo en medio del juego? Mirage lo hace posible procesando inputs multimodales: describe «una metrópolis futurista con neones» y observa cómo se materializa; usa teclas para navegar y la IA adapta el mundo en respuesta. Demos como «Urban Chaos» (caos urbano interactivo) y «Coastal Drift» (drifts costeros evolutivos) demuestran su potencial para partidas únicas y compartibles. Técnicamente, un modelo de difusión autoregresivo basado en transformers, entrenado en datos de juegos web y gameplay humano, con encoders visuales customizados, KV caching para consistencia y optimización para GPUs consumer. Aunque aún en fase experimental –con límites en precisión de acciones y estabilidad visual–, Mirage presagia una revolución en UGC, donde los juegos no son preescritos, sino infinitamente reinventados. ¡Prueba la demo en demo.dynamicslab.ai y siente el poder de crear universos al instante!
Más detalles: Blog de Dynamics Lab | Vídeo introductorio
Microsoft MAI-DxO: La IA médica que supera a doctores «expertos» en diagnósticos complejos, alcanzando un 85% de precisión en casos extremos
En un avance que podría salvar innumerables vidas, Microsoft ha desvelado MAI-DxO (Microsoft AI Diagnostic Orchestrator), un sistema de IA que diagnostica con precisión el 85% de los casos clínicos más intrincados publicados por el New England Journal of Medicine –¡cuatro veces mejor que médicos expertos!– Evaluado en 304 escenarios desafiantes, MAI-DxO emula un panel virtual de especialistas al orquestar múltiples LLMs en flujos clínicos integrados, superando a titanes como GPT, Claude y Gemini en exactitud, costo y profundidad.
Anunciado en septiembre de 2025 como parte del «camino hacia la superinteligencia médica», este orquestador maneja complejidades donde los humanos tropiezan, reduciendo errores y acelerando decisiones críticas en entornos sanitarios. «MAI-DxO no es solo una herramienta; es el futuro de la medicina precisa y accesible», proclaman en Microsoft AI News. Imagina un mundo donde diagnósticos raros se resuelven en minutos, democratizando la expertise global. ¡Esto no es ciencia ficción; es el siguiente paso en la revolución sanitaria impulsada por IA!
Más detalles: Microsoft AI News | Vídeo explicativo
MiniMax Voice Design: La herramienta que crea voces sintéticas personalizadas desde cero, dando vida a tus proyectos con IA mágica
¿Sueñas con voces únicas para tus videos, podcasts, audiolibros o videojuegos? MiniMax Voice Design, de la plataforma Minimax Audio, es tu varita mágica: genera voces AI customizadas a partir de descripciones textuales, muestras de audio o ajustes precisos de parámetros, todo accesible con un simple login Gmail y sin costos iniciales. Describe «un narrador deportivo masculino entusiasta» o «un villano animado siniestro», y observa cómo la IA autogenera previews con frases como «¡Golazo espectacular!» –luego afina estilos, emociones e integra vía API para un flujo seamless.
Este tutorial paso a paso te guía: ingresa, describe, genera, prueba y regenera hasta la perfección. Ideal para creadores que buscan capitanes piratas roncos o locutores radiofónicos vibrantes, MiniMax eleva la producción sonora a niveles profesionales sin esfuerzo. ¡Transforma tus ideas en audio vivo y cautivador, como si hubieras contratado a un estudio de Hollywood!
Más detalles: MiniMax Voice Design | Vídeo tutorial
Sakana AB-MCTS: El algoritmo que une ChatGPT, Gemini y más en una inteligencia colectiva inspirada en la naturaleza, conquistando tareas imposibles
Sakana AI ha encendido la chispa de la colaboración digital con AB-MCTS (Adaptive Branching Monte Carlo Tree Search), un algoritmo de escalado en inferencia que fusiona LLMs como ChatGPT, Gemini y DeepSeek en un enjambre colectivo, resolviendo problemas complejos mediante trial-and-error evolutivo. Extiende el clásico MCTS de AlphaGo con Thompson Sampling para decidir si «ir ancho» (explorar ideas nuevas) o «profundo» (refinar existentes), inspirado en la evolución natural y la inteligencia grupal humana –piensa en el equipo Apollo resolviendo crisis en tiempo real.
En el benchmark ARC-AGI-2, una configuración multi-LLM (o4-mini + Gemini-2.5-Pro + DeepSeek-R1) logra más del 30% en Pass@250, eclipsando a modelos solitarios. Usa bandidos multi-arm para seleccionar IAs dinámicamente, abriendo puertas a razonamientos colectivos que escalan con más compute. Código liberado en GitHub TreeQuest y paper en arXiv. «AB-MCTS marca el amanecer de la IA cooperativa, donde el todo supera con creces a las partes», afirman en Sakana. ¡Imagina un futuro donde las IAs se unen como superhéroes para conquistar lo inconquistable!
Más detalles: Sakana AI | Vídeo explicativo
¡El Estrella de la Semana: Nano-Banana, el alias Secreto de Gemini 2.5 Flash Image – la revolución en edición y generación de imágenes que Google acaba de desatar!
¡Atención, creadores visuales y devs innovadores: Google ha ido completamente «bananas» con el lanzamiento de Nano-Banana, el apodo juguetón para Gemini 2.5 Flash Image, un modelo de imagen state-of-the-art que ha transformado la edición y generación de imágenes en una experiencia semántica y creativa sin precedentes! Anunciado el 26 de agosto de 2025 y ya integrado en la app Gemini como el modelo de edición de imágenes mejor calificado del mundo (según previews en LM Arena), Nano-Banana no es solo una actualización; es un salto cuántico que fusiona el vasto conocimiento mundial de Gemini con ediciones precisas y fusiones multimodales, todo con latencia baja, costos accesibles ($0.039 por imagen) y marcas de agua invisibles (SynthID) para transparencia total.
Imagina mantener la «esencia» de un personaje –ya sea una persona, una mascota o un objeto– mientras lo transportas a mundos alternos: cambia peinados extravagantes de los 60s, viste a un chihuahua con tutú, o visualiza a alguien en profesiones futuristas o décadas lejanas, todo sin perder detalles sutiles como expresiones faciales o texturas. Nano-Banana brilla en fusiones multi-imagen: combina fotos de un humano y su perro en una cancha de baloncesto, o aplica estilos locos como texturas de pétalos de flores a botas de lluvia o alas de mariposa a vestidos. Soporta ediciones iterativas multi-turno –pinta paredes, añade muebles a una habitación– y transformaciones locales con lenguaje natural: borra manchas, altera poses, coloriza fotos en blanco y negro, o elimina elementos no deseados con precisión quirúrgica. Gracias al conocimiento semántico de Gemini, incluso interpreta diagramas dibujados a mano para tutores educativos interactivos o restylea habitaciones con esquemas de color y texturas al instante.
Disponible ya en preview vía Gemini API, Google AI Studio (con templates listos para character consistency, photo editing, codrawing educativo y home canvas) y Vertex AI para enterprise, Nano-Banana eleva la narrativa visual: genera assets de marca consistentes, muestra productos desde ángulos múltiples o crea historias ricas donde el mismo personaje evoluciona en entornos dinámicos. Sube una foto a la app Gemini, describe «ponme en un restaurante elegante comiendo una nano-banana bajo la constelación de Gemini» (¡sí, el prompt de ejemplo es tan loco como suena!), y observa la magia. Próximamente estable, este modelo responde a la demanda por imágenes de mayor calidad y control creativo post-Gemini 2.0 Flash. «Nano-Banana democratiza la edición pro, haciendo que cualquiera sea un artista IA», celebran en Google. ¡Y justo a tiempo para nuestra MasterClass de hoy sobre Google Workspace –donde exploraremos cómo integrarlo en Studio, Gemini y más!
Más detalles: Blog de Gemini | Google Developers Blog | Gemini App
¡El titán chino que roba el espectáculo: Qwen-3-Max-Preview de Alibaba, el monstruo Open-source de 1 billón+ parámetros que redefine la agenticidad y las conversaciones naturales!
En un movimiento que consolida a China como potencia imparable en IA escalable, Alibaba ha desatado Qwen-3-Max-Preview, un coloso con más de 1 billón de parámetros que eclipsa a su predecesor Qwen3-235B-A22B-2507 y posiciona a Qwen como el rey de los modelos generalistas agenticos. Lanzado oficialmente esta semana, este preview no es un mero upgrade; es una declaración de guerra a la mediocridad, con capacidades expandidas en conocimiento amplio, cobertura multilingüe superior, conversaciones ultra-naturales con coherencia en diálogos largos y una agenticidad de élite que maneja planificación, ejecución en cadena y toma de decisiones en escenarios complejos y ambiguos.
¿Lo que lo hace legendario? Sigue instrucciones con maestría incluso en laberintos ambiguos, ofreciendo respuestas coherentes y contextuales que fluyen como charlas humanas genuinas –ideal para asistentes virtuales que no solo responden, sino que anticipan y actúan. En benchmarks implícitos, destaca en tareas agenticas donde otros fallan, y su escala masiva promete «sorpresas aún mayores en la versión oficial», como adelanta el equipo: «Scaling works». Disponible inmediatamente en Qwen Chat y API en Alibaba Cloud, Qwen-3-Max-Preview redefine el multilingüismo (cubriendo idiomas globales con profundidad cultural) y la inteligencia conversacional, haciendo que interacciones largas sean inmersivas y productivas. Imagina un agente que planea tu viaje entero, ejecuta reservas en cadena y decide rutas óptimas basándose en datos en tiempo real –todo con una naturalidad que engaña a la realidad. Alibaba no solo compite; lidera, y este preview es la prueba de que la escala china está lista para dominar el panorama GenAI. ¡Un must-try para devs globales buscando potencia sin límites!
Más detalles: Anuncio en LinkedIn | Qwen Chat/API
Extras de la Semana: destellos que Iluminan el horizonte GenAI de un Q4 bestial
No paramos aquí: esta semana también brillaron MiniCPM-V 4.5, una IA multimodal de 8B parámetros al nivel de GPT-4o, que corre en móviles con OCR en 30+ idiomas y video a 10FPS –totalmente open-source detalles aquí. DeepSeek se prepara para lanzar su agente IA autónomo open-source con datasets en mandarín a fin de año. Kimi K2-0905 eleva el estándar con 256k tokens de contexto, coding agentico mejorado y UI optimizada.
¡Acciona ya: integra T5Gemma en tus proyectos, compone con Magenta RT, explora Mirage, revoluciona diagnósticos con MAI-DxO, personaliza voces en MiniMax, une IAs con AB-MCTS, edita como un pro con Nano-Banana y despliega agentes épicos con Qwen-3-Max-Preview! En Skiller Academy, estos son los tools que impulsan a los pioneros –únete a nuestra comunidad para hacks exclusivos y mantente a la vanguardia.
Os recordamos a todos que hoy, lunes 8 de septiembre de 2025, a las 19:00 horas (hora española) celebraremos la ¡V MasterClass en vivo!, «Comprende y domina todo el AI Google Work Space».
Esta quinta sesión, solo se podrá ver desde nuestro canal de YouTube (https://lnkd.in/d7pnEKGv) gracias a un ENLACE PRIVADO que compartiremos, única y exclusivamente, a las 18.50 de la tarde en nuestra maravillosa comunidad de WHATSAPP «GenAI», cuyo enlace de invitación ABIERTO y DIRECTO tenéis disponible aquí:
Abre este enlace para unirte a mi grupo de WhatsApp: https://lnkd.in/dPcrHu8V
Además, aquellos que se incorporen estos días previos de nuestro segundo directo, podrán solicitarnos desde nuestro grupo cuáles son los supuestos de hecho, técnicas de optimización de prompting y de context engineering, escenarios a automatizar que quieran para customizar el directo, de conformidad a sus indicaciones (así, procuraremos que sea de la máxima utilidad posible).
¿Te la vas a perder?
Solamente tienes que ingresar en nuestra comunidad de WHATSAPP —donde, por cierto, yo comparto todos los días contenido de altísimo valor (noticias de última hora sobre el universo GenAI y realidades colindantes, tips, sugerencias, nuevos lanzamientos, aviso de nuevos updates, eventos) totalmente trazables (con enlaces directos) para que le sea de máxima utilidad a nuestros miembros— gracias a este enlace: https://lnkd.in/dPcrHu8V
Además, todos aquellos miembros de nuestra querida comunidad que inviten a 5 usuarios nuevos a «GenAI», recibirán un descuento directo en los cursos que vamos a lanzar, desde Skiller Academy, en la campaña de «vuelta del verano»:
Recordar también que si estáis en nuestra comunidad de WHATSAPP (https://lnkd.in/dPcrHu8V) podéis votar de qué va a ser la temática de las siguientes master-class de los lunes a las 17.00/18.00/19.00 y así, hacer que el contenido que generemos sea lo más práctico, resolutivo y útil para nuestros usuarios, posible.
Os esperamos, con mucha ilusión y deseos de seguir compartiendo a todos lo más puntero y extraordinario del universo GenAI el próximo lunes 8 de septiembre, en nuestro quinto evento en directo:
1) PRIMERA MASTER-CLASS: https://lnkd.in/dsVWcQXX
2) SEGUNDA MASTER-CLASS: https://lnkd.in/dJQTKBZ7
3) TERCERA MASTER-CLASS: https://lnkd.in/dx5PhyxM
4) CUARTA MASTER-CLASS: https://lnkd.in/dxzzr66Z
¡Enlace directo al evento de hoy: https://chat.whatsapp.com/IqHOw6tWwY8Kre1M4UU1Hm!
No olvides: Google AI Studio, «Comprende y domina todo el A.I. Google Workspace: desde “Nano-Banana” y Google A.I. Studio hasta Google Gemini y Gmail/Docs/NotebookLM».
¡Únete y conviértete en maestro del Workspace IA como nunca antes! 🚀
