Google lanza funciones de mapas de la API Gemini; Tencent presenta a la programadora de IA Ada → ¡Aquí están las últimas noticias sobre IA!

Expreso de la Frontera de la IA ↓↓

01 Google abre las funciones de mapas de la API Gemini, lo que permite a los desarrolladores crear aplicaciones de IA con conciencia de ubicación de última generación.
Google anunció la disponibilidad a gran escala de las funciones de integración cartográfica para la API Gemini. A partir de hoy, los desarrolladores pueden utilizar esta API para acceder a datos geoespaciales en tiempo real —que abarcan 250 millones de ubicaciones en todo el mundo—, incluidos direcciones, horarios de atención, calificaciones y más. Gracias a las capacidades de comprensión del lenguaje natural de Gemini, la API puede analizar automáticamente consultas basadas en ubicaciones y generar respuestas de alta precisión. Por ejemplo, la IA puede recomendar directamente restaurantes cercanos y mostrar condiciones de tráfico en tiempo real, o bien planificar itinerarios con múltiples paradas según las preferencias del usuario. Esta funcionalidad se integra de manera fluida con Google Search: mientras Maps proporciona datos fácticos estructurados, Search los complementa con información dinámica, lo que aumenta significativamente la exhaustividad de las respuestas. Los desarrolladores pueden incorporar rápidamente esta característica mediante el SDK de Python o Google AI Studio. El precio es de 25 dólares por cada mil consultas fundamentadas en hechos. Esta capacidad resulta ideal para aplicaciones como la planificación de viajes, los servicios de estilo de vida local y las recomendaciones inmobiliarias, ayudando a los desarrolladores a crear experiencias inmersivas de inteligencia espacial.

02 El modelo de lenguaje de gran tamaño de desarrollo nacional, MiniMax-M2, ha sido liberado como código abierto y se ha ubicado entre los cinco mejores a nivel mundial, con un costo equivalente a solo una doceava parte del de Claude 4.5, y su rendimiento es comparable al de GPT‑5.

El 27 de octubre, la empresa de inteligencia artificial con sede en Shanghái, MiniMax, hizo público su modelo de lenguaje grande de próxima generación, MiniMax‑M2. En el reconocido benchmark mundial Artificial Analysis, MiniMax‑M2 se ubicó entre los cinco mejores a nivel mundial y se convirtió en el primer modelo chino de código abierto en integrar este selecto grupo. Su costo total representa apenas el 8 % del de Claude 4.5 (alrededor de una doceava parte) y una séptima parte del de GPT‑5, mientras que su velocidad de inferencia casi se ha duplicado. M2 destaca en tareas clave como la generación de código y la invocación de herramientas, admitiendo la depuración automática en múltiples archivos y una colaboración fluida con cadenas de herramientas complejas. En las dos semanas siguientes a su lanzamiento como código abierto, las llamadas a su API han sido gratuitas a nivel global. Expertos del sector elogian a MiniMax‑M2 por lograr un avance significativo en el equilibrio entre “alta inteligencia y bajo costo” gracias a innovaciones tecnológicas como la función de pérdida CISPO, y prevén que contribuirá a acelerar la adopción generalizada de las tecnologías de IA.

03 ¡Meituan ha publicado como código abierto LongCat-Video! Este modelo admite la conversión de texto a video, de imagen a video y la continuación de videos, permitiendo generar videos de hasta 5 minutos sin pérdida alguna de calidad y abriendo el camino hacia un nuevo capítulo en la exploración de modelos del mundo.

El 27 de octubre, el equipo LongCat de Meituan lanzó y abrió el código fuente del modelo de generación de video LongCat-Video. Este modelo soporta tres tareas principales —de texto a video (alta definición, 720p/30 fps), de imagen a video (preservando estrictamente el sujeto principal y el estilo de la imagen) y de continuación de video— utilizando una arquitectura unificada sin necesidad de adaptaciones adicionales. Apoyándose en el preentrenamiento para la continuación de video y en el mecanismo Block-Causal Attention, el modelo puede generar de manera estable videos largos de hasta 5 minutos, abordando problemas críticos del sector como las discontinuidades temporales entre fotogramas y movimientos físicamente poco plausibles. Su velocidad de inferencia se ha acelerado en un factor de 10,1. En benchmarks públicos como VBench, el modelo obtuvo un rendimiento global de vanguardia (SOTA), con una puntuación de comprensión de sentido común del 70,94%, ocupando el primer lugar. En el futuro, esta tecnología se integrará en aplicaciones como la conducción autónoma y la inteligencia incorporada, contribuyendo a construir un puente entre los mundos digital y físico.

04 Tencent lanza el programador de IA Ada: la programación automatizada de extremo a extremo inaugura una revolución en la eficiencia del desarrollo

El 27 de octubre, Tencent lanzó Ada, la primera versión tecnológica preliminar del sector de un programador impulsado por IA, que revoluciona el proceso de desarrollo de software gracias a cuatro capacidades fundamentales. Los usuarios simplemente envían sus requisitos a través de WeChat Work, y Ada gestiona automáticamente todo el flujo de trabajo —desde la generación de código y la implementación del entorno hasta el despliegue en producción—, al tiempo que corrige de forma automática los defectos en línea, genera documentación y produce código de pruebas unitarias. En el Festival del Desarrollador 1024 de 2025, Ada completó con éxito el desarrollo de un easter egg oculto en el sitio web oficial y de un juego en estilo pixelado. Sus capacidades de revisión inteligente de código y de automatización integral han aumentado significativamente la eficiencia del desarrollo. Actualmente, Ada está recopilando retroalimentación mediante una lista de espera para optimizar aún más sus funciones, y se perfila como una herramienta clave para los desarrolladores.

05 ¡La revolución de la creación de sitios web con IA! Skywork, de Kunlun Wanwei, lanza la función de clonación de sitios web, que le permite crear un sitio de calidad profesional en tan solo 10 minutos.

El 27 de octubre de 2025, Skywork AI, una filial de Kunlun Wanwei, lanzó oficialmente su función de Clonación Web. Los usuarios solo necesitan proporcionar el enlace de una página web, subir un archivo o introducir una descripción textual, y la IA generará en cuestión de minutos un prototipo web completamente funcional y fiel en su estilo. Esta función emplea algoritmos avanzados para analizar la lógica y la jerarquía de la página a nivel estructural, lo que permite reconstruir con precisión las páginas web. Asimismo, admite la generación de elementos interactivos dinámicos y permite a los usuarios editar y ajustar el resultado en tiempo real. Los usuarios empresariales pueden transformar de inmediato la información de su empresa en un sitio web oficial plenamente operativo, mientras que los creadores de contenido pueden generar páginas web dinámicas —incluyendo mapas e imágenes— simplemente proporcionando descripciones textuales, revolucionando por completo los procesos tradicionales de creación de sitios web. Este avance reduce significativamente la barrera técnica y marca la llegada oficial de una era impulsada por la IA, en la que “una idea equivale a un sitio web”.

06 ¡Gemini potencia Google Earth! Una importante actualización en el razonamiento espacial — los suscriptores de Estados Unidos pronto podrán acceder a una nueva experiencia geoespacial impulsada por inteligencia artificial.

Google Earth ha anunciado la integración del modelo de lenguaje amplio Gemini, lo que permite realizar análisis geográficos interdimensionales mediante interacciones en lenguaje natural. Los usuarios ahora pueden entablar conversaciones directas para consultar riesgos ambientales, como identificar infraestructuras vulnerables a las amenazas de tormentas o rastrear zonas afectadas por floraciones algales. El sistema vincula de forma automática pronósticos meteorológicos, imágenes satelitales y datos demográficos para generar insights integrales. Por el momento, esta función está disponible para los usuarios inscritos en el “Programa de Probadores de Confianza”. En las próximas semanas, se desplegará a los suscriptores de Google AI Pro/Ultra en Estados Unidos y a los usuarios de la edición Earth Professional, acelerando la transición de la información geoespacial desde herramientas especializadas hacia servicios inteligentes y accesibles para el público en general.

07 El gran modelo de IA “lee imágenes para identificar genes” en solo 1 minuto.

El diagnóstico y el tratamiento de precisión del cáncer de pulmón logran un avance revolucionario.

En octubre de 2025, Kingmed Diagnostics, en colaboración con Tencent y el Primer Hospital Afiliado de la Universidad Médica de Guangzhou, anunciaron conjuntamente el lanzamiento oficial de DeepGEM, un modelo genómico patológico oncológico a gran escala. Este modelo es capaz de predecir las mutaciones de genes conductores en el cáncer de pulmón mediante el análisis de imágenes rutinarias de láminas patológicas, completando la prueba en menos de un minuto con una tasa de precisión que oscila entre el 78 % y el 99 %. El costo resulta varias veces inferior al de la secuenciación genética tradicional. Investigaciones previas han sido publicadas en The Lancet Oncology y han sido validadas con una muestra de 4.260 casos procedentes de 30 provincias de todo el país. En la actualidad, el modelo ya se encuentra implementado en la plataforma de Kingmed Diagnostics, ofreciendo a los pacientes de atención primaria un itinerario diagnóstico‑terapéutico inclusivo que combina “cribado inicial basado en IA con confirmación específica de genes”. En el futuro, las tres partes ampliarán el alcance del modelo para abarcar múltiples tipos de cáncer, incluido el de mama, y desarrollarán un modelo patológico genómico multimodal a gran escala que integre datos multiómicos, inaugurando así una nueva era de “predicción inteligente” en el diagnóstico y tratamiento del cáncer.

08 Revelan el “Simulador del Mundo” de Tesla: la IA practica 500 años de conducción en un solo día; la coevolución entre robots y cerebros conmociona a la industria

En la conferencia de visión por computadora más importante de 2025, ICCV, Tesla presentó oficialmente el “Simulador del Mundo”, un sistema de entrenamiento virtual impulsado por redes neuronales. Este sistema puede generar escenarios de conducción multicámara de gran realismo a partir de datos del mundo real, lo que permite que los algoritmos de conducción autónoma acumulen una experiencia equivalente a 500 años de conducción humana en tan solo un día. En su núcleo, el sistema adopta una arquitectura de extremo a extremo que traduce directamente los píxeles de las cámaras en órdenes de conducción, abordando así la pérdida de información inherente a los enfoques modulares tradicionales. Además, aprovecha una tecnología llamada “Generative Gaussian Splash” para lograr la interpretabilidad de las escenas en 3D. Más allá de utilizarse para las iteraciones de FSD, este sistema también está entrenando simultáneamente a los robots Optimus para navegar por entornos complejos como fábricas, lo que refleja la ambición de Musk de construir un motor de IA de propósito general. En la actualidad, las ingentes cantidades de datos recopiladas diariamente por la flota de Tesla se optimizan mediante un ciclo de retroalimentación con el simulador, lo que impulsa la seguridad de la conducción autónoma hasta alcanzar un nivel cinco veces más seguro que la conducción humana.

09 ¡Una revolución visual! DeepSeek lanza un modelo de OCR que logra una compresión del texto de 10 veces y procesa 200.000 páginas de documentos en un solo día

Recientemente, DeepSeek ha publicado como código abierto un nuevo modelo de visión‑lenguaje llamado DeepSeek‑OCR. Gracias a la tecnología de “compresión óptica contextual”, este modelo transforma texto en imágenes, logrando una compresión sin pérdida de 10× (con una precisión de OCR del 97%) y manteniendo una exactitud del 60% incluso con una compresión de 20×. En su núcleo, la arquitectura DeepEncoder integra SAM y CLIP, admitiendo entradas multiresolución, desde el modo Tiny hasta el modo Gundam. Con tan solo 100 tokens visuales, supera a GOT‑OCR2.0 (que requiere 256 tokens), mientras que con 800 tokens supera ampliamente a MinerU2.0 (que exige más de 6.000 tokens). Una única GPU A100 puede generar 200.000 páginas de datos de entrenamiento al día, soportando el análisis de 100 idiomas, así como contenido complejo como gráficos, fórmulas químicas y mucho más. Este modelo revolucionario ofrece una solución transformadora para el procesamiento de textos extensos y el entrenamiento de modelos multimodales. El modelo ha sido liberado como código abierto en GitHub, suscitando un intenso debate en la comunidad de IA sobre el paradigma de la “compresión visual”.

Fuente: Escuela de Inteligencia Artificial, AI Zhi Qian Yan

Editor: Yu Li

Corrección de pruebas: Zeng Xiong

Revisado por: Zhang Weitian