El Pulso del 18 de junio de 2026

Midjourney parece estar haciendo un giro brusco: de generación de imágenes a una apuesta nueva en imagen médica, con “Ultrasonic CT” / ultrasonido de cuerpo completo. Es el tipo de jugada rara y de alta convicción de un founder que puede dominar la conversación de IA durante varios días.

Es exactamente la clase de historia de “la IA pasa del chat a la ejecución en laboratorio” que viaja más allá de Twitter de IA. Si el resultado se sostiene, alimenta el relato más amplio de que las próximas grandes ganancias de la IA están en flujos científicos reales, no solo en demos más lindas.

Es uno de los giros arquitectónicos más interesantes del mes: difusión para texto, optimizada para uso local y de baja concurrencia. Google afirma hasta 4x más velocidad de generación en GPUs dedicadas, con más de 1000 tok/s en H100 y más de 700 en RTX 5090.

El ángulo importante no es solo “otra Gemma nueva”. Es el diseño sin encoder: audio y visión entran directo al backbone, y eso baja latencia y overhead de memoria. Es una señal fuerte de hacia dónde van los agentes multimodales locales.

Está más abajo en la pila que la cobertura típica de creators, y por eso importa. ACE define nuevas extensiones x86 para multiplicación de matrices, registros tile y formatos ML de precisión reducida: exactamente el tipo de historia de infraestructura que se vuelve relevante antes de que el mainstream la explique.

Es una de las apuestas más limpias de workspace de IA local-first: agentes, deep research, memoria, email, compare, docs y serving de modelos en un solo stack self-hosted. Funciona bien como “objeto de tendencia”: la cobertura de creators ya arranca, pero el repo y el sitio siguen siendo la fuente upstream.

Los modelos chicos vuelven como categoría de contenido. Un stack completo de TTS de texto a forma de onda con menos de 5M de parámetros es justo el tipo de cosa que puede pegar fuerte en dispositivos embebidos, asistentes locales, demos en browser y el relato de “IA en hardware débil”.

Este paper importa porque ataca un cuello de botella central del self-play de largo plazo en LLMs: el reward-hacking y la degeneración de las tareas generadas. El resultado de tapa es fuerte: después de suficiente self-play, un modelo de 7B puede superar a uno de 671B en pass@4 en tareas de theorem proving.

Los agentes de voz todavía se sienten lentos cuando entra el uso de herramientas. Este trabajo interesa porque predice las consultas a herramientas mientras el usuario sigue hablando, y reporta una mejora relativa de accuracy del 200% y 20% menos latencia de herramientas.