Modelos23 de agosto de 2026

Una herramienta de código abierto elude el nuevo sistema de marcas de agua de Claude de Anthropic

Un desarrollador ha lanzado una herramienta de código abierto que elimina las marcas de agua invisibles que Anthropic añadió recientemente a sus resultados de IA. Estas marcas de agua tenían como objetivo ayudar a la empresa a cumplir con los próximos requisitos de transparencia de la Ley de IA de la UE. La elusión demuestra la rapidez con la que las herramientas impulsadas por la comunidad pueden neutralizar las funciones de seguridad del proveedor.

Por qué importa

Para los equipos empresariales, esto resalta la fragilidad de los mecanismos actuales de seguridad y cumplimiento de la IA. Confiar únicamente en las marcas de agua del proveedor para la procedencia o el cumplimiento normativo puede resultar insuficiente a medida que evolucionan las herramientas adversarias.

Puntos clave

Anthropic introdujo marcas de agua para cumplir con los estándares de transparencia de la Ley de IA de la UE
Un proyecto popular de GitHub demuestra con qué facilidad se pueden eliminar estas marcas del texto generado
El incidente plantea dudas sobre la viabilidad a largo plazo de la identificación de IA basada en metadatos

Soluciones relacionadas

IA generativa IA soberana

Todas las noticias de IA

Más noticias de IA

Modelos

Moonshot AI presenta Kimi K3.1 Pro y una variante de alta velocidad para evaluación comercial

Moonshot AI ha lanzado oficialmente su modelo Kimi K3.1 Pro junto con una versión de alta velocidad dedicada y diseñada para un procesamiento más rápido. Las organizaciones que evalúan el lanzamiento están examinando minuciosamente los costes operativos y las políticas de gestión de datos del proveedor antes de comprometerse con el despliegue en producción.

Modelos

Kimi K3.1 Pro asegura el quinto lugar en la tabla de clasificación SevenLab AI

Kimi K3.1 Pro, del desarrollador Kimi, ha entrado oficialmente en el top diez de la tabla de clasificación SevenLab AI, asegurando la quinta posición general. La prueba de referencia realiza un seguimiento de los modelos fundacionales líderes mediante una metodología especializada ajustada al valor, derivada de los datos de evaluación de Artificial Analysis.

Modelos

La selección de hardware empresarial para LLM locales prioriza la capacidad y el ancho de banda de la memoria

Los equipos empresariales que evalúan hardware para ejecutar modelos de lenguaje locales deben centrarse en la capacidad y el ancho de banda de la memoria por encima de la potencia de cálculo pura. La arquitectura de memoria unificada permite que las estaciones de trabajo de desarrollo carguen modelos con mayores parámetros directamente en memoria. Los líderes de planificación están evaluando estas especificaciones para garantizar una inferencia en el dispositivo que resulte rentable.

Ready to build something extraordinary?

15 minutes. No pitch deck. Just a conversation about what AI can do for your team.

Talk directly with our AI specialists

15 min, sin compromiso

Sin presión comercial

Prototipo en 7 días