Laboratorios de IA reducen a 44 días el lanzamiento de…
Las métricas internas en Anthropic y OpenAI apuntan a una automatización que comprime las ventanas de seguridad y aumenta el riesgo de cola en políticas y seguridad.
Los principales laboratorios de IA de EE. UU. y China han reducido el intervalo promedio entre lanzamientos de modelos de alto rendimiento a 44 días desde abril de 2026, bajando de 125 días entre enero de 2023 y marzo de 2026.
Este cambio está siendo impulsado por agentes de IA que realizan más del trabajo de construcción de modelos de próxima generación, acortando los plazos de verificación de seguridad en una carrera competitiva que puede desbordarse en mercados de riesgo.
De 125 días a 44: El nuevo ritmo de lanzamiento de modelos en laboratorios de EE. UU. y China
Una encuesta sobre lanzamientos de modelos de alto rendimiento que abarca cinco empresas de IA de EE. UU. y cuatro firmas chinas encontró que el intervalo promedio de lanzamiento cayó a 44 días desde abril de 2026 hasta septiembre de 2026, en comparación con 125 días desde enero de 2023 hasta marzo de 2026. El conjunto incluyó laboratorios de EE. UU. como Anthropic y OpenAI, y empresas chinas como Alibaba Group y Moonshot AI.
La cadencia ya no es un promedio abstracto. A principios de septiembre se proporcionó un ejemplo agrupado: Anthropic presentó “Claude Fable 5.1” el 1 de septiembre, Google lanzó “Gemini 3.8 Flash” el 2 de septiembre, y OpenAI lanzó “GPT-6 Astra” el 3 de septiembre. El lanzamiento de Google del 2 de septiembre fue descrito como el tercer modelo Flash en seis semanas.
El mismo patrón está apareciendo como un calendario base en lugar de un sprint único. Meta ha estado actualizando su modelo “Muse Spark” mensualmente desde julio, y DeepSeek, con sede en China, ha lanzado nuevas versiones cada mes desde julio, con Alibaba y Zhipu AI descritos como participantes en la carrera de lanzamientos más rápidos.
Para los mercados, el mecanismo que importa no es solo “más modelos”. Un ciclo de 44 días significa menos tiempo para pruebas externas, menos tiempo para que los integradores downstream endurezcan las implementaciones, y momentos más frecuentes donde disputas de políticas, seguridad o seguridad pueden convertirse en catalizadores a corto plazo.
IA construyendo IA: Métricas de automatización de I+D internas en Anthropic y OpenAI
El factor descrito para el ciclo comprimido es un cambio de la IA como asistente de codificación a la IA como ejecutor de I+D.Los agentes de IAse están utilizando para ejecutar experimentos, gestionar bucles de evaluación y analizar resultados, lo que permite a los laboratorios paralelizar el trabajo que solía estar limitado por la atención humana.
El informe de Anthropic del 17 de septiembre dijo que Claude lideró el 26% de las tareas de I+D de IA de la empresa hasta el mes pasado, un aumento del 0% en febrero de 2026. Anthropic también dijo, textualmente, "Claude aún no opera completamente de forma autónoma."
El informe enmarcó la medición como una forma de evaluar la proximidad a la auto-mejora recursiva, lo que significa un sistema que itera sobre su propio diseño o proceso de entrenamiento de una manera que puede acelerar las ganancias de capacidad sin supervisión humana proporcional.
Las métricas internas de OpenAI en el paquete apuntan en la misma dirección, pero con un proxy diferente: trabajo y gasto. Hasta el mes pasado, los agentes de IA en la organización de investigación de OpenAI registraron un total de horas de trabajo equivalente a 3.1 veces el trabajo diario de investigadores humanos.
El gasto en tokens de IA por investigador de OpenAI, una medida de costo de uso vinculada a cuánto output de modelo consumen los investigadores, aumentó de aproximadamente $1 por día para un investigador típico en febrero de 2026 a más de $600 por día hasta el mes pasado, con el 10% superior superando los $7,000 por día.
Los indicadores del lado de la producción se movieron con ello. El paquete dice que el volumen de código de programación escrito en OpenAI el mes pasado creció a siete veces el promedio del año pasado, mientras que el código de Anthropic adoptado en productos reales en el segundo trimestre alcanzó ocho veces el promedio de 2021 a 2025.
Así es como se ve operativamente "IA construyendo IA": más intentos paralelos, iteraciones más rápidas y menos holgura entre los saltos de capacidad.
Las Ventanas de Seguridad Se Reducen a Medida que la Competencia Se Convierte en un 'Dilema del Prisionero'
La preocupación por la seguridad es sencilla: si la velocidad de iteración aumenta, el tiempo disponible para que los humanos comprendan el comportamiento del modelo y verifiquen la seguridad se reduce. El paquete relaciona eso con los temores de que la auto-mejora recursiva desencadene una "explosión de inteligencia", un aumento hipotético descontrolado en la capacidad que supera el control y la gobernanza humana.
El riesgo de seguridad se está ajustando por su propia curva. El Instituto de Seguridad de IA del Reino Unido estimó en noviembre de 2025 que el tiempo de duplicación para la duración de las tareas de ciberataque que la IA puede realizar era de aproximadamente ocho meses.
Para febrero de 2026, el instituto estimó que ese tiempo de duplicación se había acortado a 4.7 meses, lo que implica una mejora más rápida en la capacidad ofensiva y una ventana más estrecha para la adaptación defensiva.
El problema son los incentivos. El entorno competitivo se describe como un "dilema del prisionero", donde cada laboratorio tiene razones para seguir compitiendo incluso si todos estarían más seguros desacelerando, porque la desaceleración unilateral corre el riesgo de perder terreno.
El paquete también incluye un dato de presión competitiva no verificado: cita a Reuters diciendo que Anthropic está considerando acelerar el lanzamiento de su próximo modelo para contrarrestar Astra de OpenAI antes de una OPI.
Las señales a corto plazo que confirmarían el régimen de 44 días son concretas. Los cambios de horario confirmados para el próximo lanzamiento de Anthropic mostrarían si "considerar la aceleración" se convierte en un movimiento real en el calendario.
Las actualizaciones a las métricas de intensidad de automatización interna, incluyendo si el múltiplo de horas-agente de 3.1x de OpenAI se mantiene o aumenta y si el gasto típico por investigador en tokens se mantiene por encima de $600 por día, indicarían si la aceleración se está estabilizando o aún aumentando.
Nuevas evaluaciones de capacidad cibernética del Instituto de Seguridad de IA del Reino Unido o pares que extiendan la estimación de ocho meses a 4.7 meses también serían importantes, porque esa es la clase de curva de riesgo externo a la que los reguladores y compradores empresariales pueden anclarse.
Mi Lectura: Ciclos Más Rápidos Aumentan la Probabilidad de Eventos de Riesgo Súbito que los Comerciantes No Pueden Ignorar
La parte que decide esto es si el ritmo de 44 días es un clúster de lanzamiento temporal o un nuevo ritmo operativo impulsado por la automatización.
La participación del 26% de I+D liderada por IA de Anthropic y el múltiplo de horas-agente de 3.1x de OpenAI se leen como un cambio significativo en cuánto trabajo está siendo ejecutado por máquinas, no solo asistido, y ese tipo de rendimiento tiende a comprimir el tiempo de verificación incluso si los presupuestos de seguridad aumentan.
El umbral que importa es si los laboratorios siguen publicando métricas que muestran que la intensidad de la automatización se mantiene alta mientras que los lanzamientos continúan agrupándose en días o semanas.
Si eso se mantiene, la configuración comienza a parecer estructural en lugar de impulsada por narrativas, y la consecuencia práctica es una mayor frecuencia de choques de políticas y seguridad que pueden filtrarse en la fijación de precios de riesgos más amplios.
