LATIDIA / EXPLORAR
Chatbots: descargas, empresas y actualidad
Compará diez asistentes de IA con cifras públicas de Android y acceso a sus sitios oficiales.
Cómo leer las cifras
Google Play publica umbrales de instalaciones acumuladas, no descargas exactas por mes. Esta selección no constituye un top mundial certificado.
Una aplicación puede cambiar de nombre y conservar instalaciones anteriores. Copilot queda sin clasificación mientras no haya una cifra comparable de su aplicación independiente.
Últimas noticias relacionadas
Desde enero de 2026. Archivo recuperado: 2315 publicaciones en este filtro; cobertura parcial de las fuentes accesibles. Una nueva noticia aparece primero sin cambiar la fecha de las anteriores.
Este año · Todo el archivo conservado
Los riesgos de ciberseguridad en la era de la IA se han multiplicado por 10, según JPMorgan
El nombre de Jamie Dimon puede que no os suene, pero se trata del consejero delegado de uno de los bancos más grandes del mundo: JPMorgan Chase. En una reciente entrevista en Bloomberg , Dimon ha reforzado el mensaje de
XatakaMicrosoft convierte Windows en un sistema operativo para agentes de IA locales y anuncia el Surface Laptop Ultra con RTX Spark
El 7 de octubre de 2026, Microsoft celebró un evento de hardware y software centrado en la inteligencia artificial local. El resultado es una declaración de intenciones: Windows quiere ser la plataforma donde los agentes
WWWhat’s NewGoogle convierte Gemini en un agente único para empresas que también usa Claude: las claves de Gemini at Work 2026
Google lanza el agente Gemini para empresas: crea compañeros con correo propio y usa modelos Claude. Orange España ya tiene 1.000 agentes. Sin precio. La noticia Google convierte Gemini en un agente único para empresas q
WWWhat’s NewSophos reduce el tiempo de investigación de amenazas en un 96% con OpenAI Daybreak
Descubra cómo Sophos utiliza OpenAI's Daybreak para reducir el tiempo de investigación de amenazas cibernéticas en un 96% y automatizar el 52% de los casos de MDR, al tiempo que preserva la supervisión humana.
OpenAI · Fuente oficialAsana reduce los costos del modelo 76 veces en pruebas de navegador con GPT-6.1 Sol
Usando GPT-6 Astra en Codex, Asana hizo que su agente de navegador fuera 76 veces más barato y 5 veces más rápido en las pruebas para ofrecer a los clientes modelos más capaces.
OpenAI · Fuente oficialAnthropic lanza Haiku 5.5: el modelo más barato de su historia supera a GPT-6 Luna en velocidad
Anthropic publicó el 7 de octubre de 2026 el lanzamiento de Claude Haiku 5.5, el modelo de lenguaje más económico que ha producido hasta ahora. Para prompts de hasta 100.000 tokens —que representan alrededor del 90% de l
WWWhat’s NewPóster: Un estudio preliminar de la inferencia de destilación de LLM
arXiv:2610.12137v1 Tipo de anuncio: nuevo Resumen: La destilación de modelos no autorizados, en la que un modelo se entrena en los resultados de un modelo de lenguaje grande patentado (LLM), es una amenaza creciente para los proveedores de modelos. Estudiamos di
arXiv · cs.CRReSI: Mejora recursiva de la seguridad hacia una IA resistente y resiliente
arXiv:2610.12233v1 Tipo de anuncio: nuevo Resumen: La auto-mejora recursiva, la participación de los sistemas de IA en la mejora de sus propias capacidades, está comenzando a pasar de la perspectiva teórica a la práctica, planteando ambas
arXiv · cs.CRORCAGen: Orquestación del engaño de malware consciente del contexto con IA generativa guiada por RAG
arXiv:2610.12415v1 Tipo de anuncio: nuevo Resumen: Las defensas contra malware a menudo eliminan o aíslan programas sospechosos lo más rápido posible. Si bien es efectivo para la contención, este enfoque también puede desperdiciar la oportunidad de observar
arXiv · cs.CRDe la contención reactiva a la garantía proactiva: lecciones de los incidentes de seguridad de OpenAI, Anthropic y Google Agent
arXiv:2610.12463v1 Anuncio Tipo: nuevo Resumen: En 2026, las evaluaciones de ciberseguridad que involucran agentes de OpenAI, Anthropic y Google alcanzaron sistemas reales fuera de su ámbito de prueba autorizado. Los caminos fueron diferentes. OpenAI
arXiv · cs.CRROMA: Sistema LLM para la percepción activa multisensorial centrada en objetos del mundo real
arXiv:2610.06955v2 Anuncio Tipo: reemplazar Resumen: Los humanos entienden inherentemente el mundo físico a través de un proceso activo. Cuando la evidencia sensorial es insuficiente para inferir propiedades físicas, naturalmente interactuamos con
arXiv · cs.RODe fallas de investigación a agentes de SOC confiables: comprensión y mejora del triaje de alertas basado en LLM
arXiv: 2610.10608v1Tipo de anuncio: nuevo Resumen: Los centros de operaciones de seguridad (SOC) deben clasificar grandes volúmenes de alertas, la mayoría de las cuales son benignas, mientras que los ataques perdidos pueden permanecer sin investigar. Herramienta que utiliza un lenguaje grande
arXiv · cs.CRCuando la IA encuentra mensajes ocultos, ¿informa?
arXiv:2610.10620v1 Announce Type: new Abstract: Cuando un asistente encuentra un mensaje para otra IA, ¿se lo dice a su usuario? Cuatro implementaciones fijas de modelo-proveedor realizan tareas de origen simuladas en 1280 notas ordinarias y
arXiv · cs.CRSUCURSAL: sin pasar por las barandillas de IA de múltiples escáneres
arXiv: 2610.10742v1Announce Type: new Resumen: Los sistemas de IA dependen cada vez más de los Modelos de Lenguaje Grande (LLM) como motores centrales de razonamiento, lo que los convierte en objetivos para la inyección rápida y los jailbreaks. Monitor de barandas y vali
arXiv · cs.CRAtaque de inferencia de membresía de Power Side-Channel en el aprendizaje automático integrado
arXiv:2610.10909v1 Tipo de anuncio: nuevo Resumen: Los ataques de inferencia de membresía (mias) amenazan la privacidad de los datos de entrenamiento de aprendizaje automático (ML) al determinar si se utilizó una muestra para entrenar un modelo de destino. M existente
arXiv · cs.CRSpeedbumps: Ataques de rechazo a la decodificación especulativa
arXiv: 2610.10929v1Tipo de anuncio: nuevo Resumen: La decodificación especulativa es una técnica popular para aumentar la velocidad y reducir los costos de la inferencia del modelo de lenguaje grande (LLM) mediante la verificación de múltiples tokens de borrador en un
arXiv · cs.CRSoK: ¿Son fiables los LLM en la recuperación del código fuente? Una taxonomía y una evaluación empírica
arXiv: 2610.11556v1Tipo de anuncio: nuevo Resumen: La recuperación efectiva del código fuente es fundamental para las aplicaciones de seguridad, como el análisis de malware, la evaluación de vulnerabilidades y el mantenimiento heredado. Los modelos lingüísticos grandes (LLM) son
arXiv · cs.CR¿A dónde van los tokens? Comprensión y reducción de costes en agentes de LLM para el descubrimiento de vulnerabilidades
arXiv:2610.11602v1 Announce Type: new Abstract: Los agentes de LLM pueden gastar millones de tokens durante el descubrimiento de vulnerabilidades sin producir una prueba de concepto (PoC) de trabajo. ¿Qué consume ese presupuesto y por qué falla?
arXiv · cs.CRDetección válida en cualquier momento de la exfiltración de peso LLM
arXiv: 2610.11843v1Tipo de anuncio: nuevo Resumen: Un servidor de inferencia LLM comprometido puede filtrar los pesos del modelo codificando bits de carga útil en opciones de token que de otro modo serían plausibles. Una repetición del mismo mensaje en un servidor de confianza puede
arXiv · cs.CRDe publicaciones públicas a citas de búsqueda de IA: medición de la fragilidad de la búsqueda de IA
arXiv: 2610.11932v1Tipo de anuncio: nuevo Resumen: A medida que más usuarios solicitan información a los sistemas de IA, las plataformas de búsqueda de IA se están convirtiendo en una puerta de entrada común a la información web. A diferencia de la búsqueda tradicional, que asigna palabras clave para clasificar
arXiv · cs.CRProtección de la IA de la CPU en los TEE de borde: la promesa y los desafíos prácticos de WebAssembly
arXiv:2610.12050v1 Announce Type: new Resumen: Los modelos de IA en el hardware de borde contienen propiedad intelectual (IP) importante, pero un adversario puede robarla cuando logran acceso root. Entornos de ejecución de confianza (TEE) l
arXiv · cs.CR¿La detección de marcas de agua de LLM podría ser pública?
arXiv: 2610.12106v1Announce Type: new Resumen: La marca de agua de modelos de lenguaje grandes es popular para rastrear salidas de chatbot y agentic, sin embargo, los detectores permanecen inéditos ya que exponerlos podría permitir a los atacantes
arXiv · cs.CRNullify: Null-Space Activation Steering for Training-Free LLM Unlearning
arXiv: 2610.10655v1Tipo de anuncio: Cross Resumen: Los modelos de lenguaje grandes (LLM) inevitablemente internalizan cantidades sustanciales de información confidencial o privada durante la capacitación previa, mientras que el desaprendizaje de LLM tiene como objetivo selectivamente
arXiv · cs.CRConstelaciones de habilidades: rastreo de la cadena de suministro de habilidades de agentes en GitHub
arXiv: 2610.11169v1Announce Type: cross Resumen: Las habilidades del agente son instrucciones y scripts de SKILL.md que los agentes de codificación de IA, como Claude Code y Codex, ejecutan con los permisos de su usuario. Los desarrolladores comparten habilidades por
arXiv · cs.CR