¡La noticia sacude el paddock y llega con toda la energía de la estrategia de alto voltaje! Red Bull ha promovido a Ben Waterhouse, su cabeza de rendimiento durante años, a un cargo aún más estratégico: chief performance and design engineer. En este nuevo rol, Waterhouse unirá diseño y rendimiento del vehículo y reportará al director técnico Pierre. Mientras tanto, Andrea Landi, deputy technical director de Racing Bulls, tomará su lugar, marcando un giro claro en la estructura técnica de la escudería. Esta transición subraya una filosofía: alinear el diseño con el rendimiento para reducir tiempos de desarrollo, acelerar iteraciones y afinar el coche para cada fin de semana grande. Con Waterhouse al timón de la coordinación entre diseño y rendimiento, esperamos una mayor cohesión en las áreas críticas del coche, desde el flujo de aire y la simulación hasta la puesta a punto en pista. ¿Qué significa esto para la cultura del equipo, para las decisiones de aerodinámica y para la velocidad en carrera? Todo apunta a una dinámica más integrada que podría dar ventajas rápidas en la próxima temporada. Para leer el artículo completo sobre este movimiento y sus posibles implicaciones, continúa leyendo aquí: Keep reading.
from Motorsport.com – Formula 1 – Stories https://ift.tt/0mY4qPW
via IFTTT IA
Daily Archives: April 17, 2026
Cooperación internacional desmantela red de ataques DDoS: cuatro detenidos
En un esfuerzo coordinado que involucró a Europol y numerosas agencias policiales nacionales, cuatro personas han sido detenidas en relación con una serie de ataques de denegación de servicio distribuido, DDoS. La operación destaca la capacidad de las autoridades para trabajar a través de fronteras y aplicar la ley frente a delitos informáticos que afectan a servicios críticos, empresas y usuarios.
from Latest from TechRadar https://ift.tt/j7N2d4f
via IFTTT IA
La interpretación generada por IA de Val Kilmer y el futuro de la actuación
La llegada de una interpretación generada por IA de Val Kilmer en un nuevo filme ilustra con claridad cómo la tecnología está redefiniendo la interpretación cinematográfica. No se trata únicamente de un truco visual: es una exploración de cómo las herramientas digitales pueden capturar gestos, timbre de voz y matices emotivos con una fidelidad cada vez mayor, y de qué manera estas capacidades cambian la relación entre actor, director y público. Este desarrollo plantea preguntas fundamentales sobre autenticidad, derechos y la naturaleza misma de la performance.
Qué está en juego cuando una IA asume el papel de un intérprete humano
– Modelado 3D y captura de movimiento para reproducir gestos, posturas y micro-expresiones que caracterizan a un actor.
– Síntesis de voz y clonación vocal para recrear el timbre y la prosodia de la interpretación, con posibles controles para evitar desequilibrios de realismo.
– Tecnologías de de-aging y doble digital para ajustar la apariencia física sin perder la esencia interpretativa.
– Integración de estas herramientas en un flujo de trabajo que acompaña, respalda y, en algunos casos, amplía la visión del director.
– Mecanismos de consentimiento, derechos de imagen y licenciamiento que permiten que la obra utilice la likeness de una persona de manera ética y legal.
Cómo está cambiando la experiencia de la actuación y la producción
– Ampliación de las posibilidades creativas: personajes que ya no podrían actuar físicamente pueden ser traídos a la pantalla mediante una interpretación IA, abriendo puertas a narrativas complejas y multigeneracionales.
– Continuidad y memoria cinematográfica: las franquicias y universos ficticios pueden mantener coherencia estética y emocional sin depender de la disponibilidad de actores específicos.
– Nuevos roles en la sala de montaje: directores, guionistas y artistas de efectos trabajan junto a especialistas en IA para moldear la interpretación y los matices de la escena en postproducción.
– Reducción de costos en determinadas secuencias y mayor flexibilidad logística, especialmente en proyectos de alto riesgo o de alto costo de logística de rodaje.
Desafíos éticos y legales que requieren atención
– Consentimiento y derechos de imagen: ¿qué nivel de autorización es suficiente para usar la likeness de un actor, y durante cuánto tiempo? ¿Qué compensación corresponde a actos, herederos o entidades propietarias de la imagen?
– Transparencia para el público: ¿debería indicarse de forma explícita cuando una actuación es generada por IA para evitar engaños sobre la autenticidad de una interpretación?
– Defensa de la integridad artística: ¿existe el riesgo de sustituir la interpretación humana por una versión algorítmica, afectando la diversidad de enfoques y la singularidad de cada actor?
– Propiedad intelectual y atribución: ¿cómo se protegen los derechos de los creadores de la voz y del movimiento cuando una IA los imita o los transforma?
– Riesgos de deshumanización: la abundancia de actuaciones generadas por IA podría erosionar la confianza del público en la autenticidad de la interpretación y la conexión emocional con la actuación humana.
Implicaciones para el público y para la industria
– Para el público: la experiencia de la narrativa podría volverse más rica y, a la vez, más compleja de interpretar. La claridad sobre qué es real y qué está generado por IA se convierte en un componente de la experiencia cinematográfica.
– Para la industria: surge la necesidad de marcos éticos y normativos claros, prácticas de créditos y reconocimiento, y modelos de negocio que contemplen nuevos tipos de acuerdos entre estudios, actores y herederos.
– Educación y transparencia: la alfabetización mediática se vuelve crucial para que el público entienda el alcance de estas herramientas y evalúe la calidad y la intención de la representación.
Conclusión: hacia una co-creación responsable entre talento humano y tecnología
La presencia de una interpretación IA de Val Kilmer en un filme simboliza una etapa de transición en la que la tecnología ofrece herramientas poderosas para contar historias, pero también exige una reflexión profunda sobre la ética, la dignidad del oficio y el futuro de la profesión. Cuando se gestionan de forma responsable, con consentimiento explícito, compensación adecuada y transparencia hacia el público, estas soluciones pueden ampliar las posibilidades narrativas sin menoscabar la humanidad de la actuación. En última instancia, la clave está en construir acuerdos que respeten la agencia de los intérpretes y preserven la confianza del público, permitiendo que la tecnología sea una aliada creativa y no un sustituto de la experiencia humana.
from Latest from TechRadar https://ift.tt/lpEk3vu
via IFTTT IA
Mansell impulsa a Russell a imponer su autoridad en Mercedes tras el ascenso de Antonelli
¡La Fórmula 1 está encendida! Nigel Mansell, campeón de 1992, ha lanzado una afirmación contundente: George Russell debe imponer su autoridad en Mercedes para mantener el impulso del equipo, ahora que su compañero Kimi Antonelli ha asumido el liderazgo de la clasificación de pilotos. Russell inició la temporada con un dominio claro, ganando el Gran Premio de Australia y la sprint de China. Sin embargo, dos carreras difíciles en China y Japón abrieron un nuevo capítulo cuando Antonelli aprovechó para ponerse al frente, con dos victorias de su cuenta que han sacudido la jerarquía dentro del equipo.
En este escenario, Mansell dice que Russell debe responder con un golpe de autoridad: volver a liderar desde el cockpit, marcar el ritmo de la carrera y dejar claro que Mercedes continúa contando con su principal referente. No es solo un duelo entre pilotos; es una prueba de liderazgo que podría definir el rumbo del equipo para lo que resta de temporada.
Desde la perspectiva de Russell, el reto es enorme pero no insuperable. El británico tiene la habilidad para volver a dominar las carreras, gestionar la estrategia con claridad y canalizar la presión de la competencia interna en una motivación para superar a Antonelli y a todos los rivales. Mercedes necesitará de su experiencia, de la precisión de la ingeniería y de una comunicación clara para que el coche y la dirección de equipo funcionen como una única unidad. Incluso cuando el equipo celebra victorias, la dinámica interna puede exigir disciplina y claridad para no diluir la responsabilidad de liderar el conjunto.
Con el campeonato en juego y un piloto joven empujando desde atrás, llega el momento de ver si Russell puede reavivar su autoridad y reconducir la historia de Mercedes. ¿Podrá imponer su ritmo y recuperar la delantera? Los próximos Grandes Premios dirán. Y mientras tanto, el debate está servido: liderazgo, estrategia y la eterna lucha entre dos pilotos que comparten un mismo coche.
Keep reading
from Motorsport.com – Formula 1 – Stories https://ift.tt/EWZzoim
via IFTTT IA
GPT-Rosalind: IA especializada para las ciencias de la vida y el descubrimiento de fármacos
La irrupción de modelos de inteligencia artificial cada vez más especializados en sectores concretos está cambiando el rumbo de la investigación científica. En este contexto, OpenAI ha presentado GPT-Rosalind, un sistema de IA centrado en las ciencias de la vida que aspira a convertirse en una pieza clave del engranaje de los laboratorios biomédicos, y no solo en una herramienta de propósito general.
Este nuevo modelo llega en un momento en el que la biomedicina y el descubrimiento de fármacos enfrentan costes elevados, plazos largos y una avalancha de datos difícil de gestionar con métodos tradicionales. GPT-Rosalind se coloca justamente ahí: un sistema de razonamiento científico especializado capaz de apoyar las primeras fases del desarrollo terapéutico y de gestionar información técnica con un énfasis especial en la seguridad y el control de acceso.
Qué es GPT-Rosalind y por qué lleva el nombre de Rosalind Franklin
GPT-Rosalind es un modelo de inteligencia artificial desarrollado con un enfoque claro en biología, bioquímica y medicina traslacional. Su nombre rinde homenaje a Rosalind Franklin, la científica cuya labor fue clave para desentrañar la estructura del ADN, una referencia simbólica que subraya la orientación del sistema hacia el análisis de estructuras moleculares y datos biológicos complejos.
A diferencia de los modelos generalistas de lenguaje, GPT-Rosalind ha sido diseñado como una herramienta de razonamiento científico especializado, preparada para trabajar con literatura académica, bases de datos biomédicas y resultados experimentales. El objetivo es que pueda desenvolverse de manera más robusta en tareas como la comprensión de proteínas, el análisis de secuencias de ADN o la interpretación de reacciones químicas, superando las limitaciones de generaciones previas de IA en el terreno de la física y la química.
OpenAI sitúa este lanzamiento en una estrategia más amplia de diversificación, en la que sus modelos dejan de centrarse exclusivamente en el uso general para el gran público y se orientan hacia soluciones verticales para industrias concretas, entre ellas la farmacéutica, la biotecnológica y los centros de investigación biomédica de referencia en Europa y otras regiones.
Un modelo pensado para el laboratorio y el descubrimiento de fármacos
El corazón de GPT-Rosalind reside en su capacidad para apoyar a los investigadores a lo largo del ciclo inicial de descubrimiento de fármacos. El modelo está optimizado para sincronizar cuatro funciones clave: síntesis de evidencia, generación de hipótesis, planificación experimental y soporte a investigaciones de varios pasos.
En la práctica, esto significa que un equipo puede consultar rápidamente bases de datos, filtrar la literatura más reciente, identificar patrones en resultados previos y proponer nuevos experimentos en torno a una diana terapéutica. En un sector donde los ciclos de desarrollo pueden superar los diez años, la automatización de estas fases iniciales podría acortar tiempos y reducir el número de candidatos que avanzan a ensayos clínicos.
Además de generar texto, GPT-Rosalind se presenta como una herramienta capaz de asistir en tareas como el diseño de proteínas o de compuestos químicos con propiedades específicas, un ámbito con implicaciones directas para la industria. La promesa es que el sistema ayude a simular interacciones moleculares y a descartar enfoques con baja probabilidad de éxito antes de invertir años de trabajo y recursos.
Rendimiento científico y mejoras frente a modelos anteriores
En las evaluaciones internas dadas a conocer por OpenAI, GPT-Rosalind muestra mejoras notables frente a versiones previas en tareas de biología y química. Las pruebas abarcan desde la comprensión de estructuras de proteínas y secuencias de ADN hasta reacciones químicas y funciones de ácidos nucleicos.
Uno de los datos más destacados proviene de ensayos con científicos en activo: el modelo habría mostrado rendimiento superior al de la mayoría de expertos humanos en determinados ejercicios de predicción de funciones de secuencias de ARN. Aunque OpenAI no detalla toda la metodología, se subraya que el objetivo no es sustituir al personal investigador, sino ampliar su capacidad de análisis.
Este incremento de rendimiento también se refleja en pruebas básicas de biología y química, donde GPT-Rosalind habría mejorado significativamente las puntuaciones en comparación con generaciones anteriores. Para el sector biomédico europeo, que compite en un entorno global altamente especializado, contar con IA capaz de entender la lógica química y biológica con mayor precisión puede marcar diferencias en tiempos y calidad de resultados.
Integración con bases de datos y herramientas científicas
Uno de los rasgos diferenciales de GPT-Rosalind es su integración con un ecosistema de herramientas de investigación. OpenAI ha anunciado un complemento específico para ciencias de la vida que conecta el modelo con múltiples fuentes de datos y utilidades científicas, pensado para que los investigadores trabajen desde una única interfaz.
Entre las funciones previstas destacan la consulta de estructuras de proteínas, la búsqueda de secuencias de ADN en repositorios especializados, la revisión de artículos recientes y la vinculación de resultados experimentales con modelos de predicción. El objetivo es evitar que los equipos tengan que saltar entre plataformas diversas, reduciendo la fragmentación típica de la investigación biomédica.
Esta integración se apoya en la infraestructura de OpenAI y se ofrece como una vista previa de investigación a través de ChatGPT, Codex y la API, dentro de un esquema de despliegue de acceso confiable. Además, se ha puesto en marcha un complemento gratuito de investigación en ciencias de la vida para Codex, orientado a programadores y científicos computacionales que necesiten automatizar tareas en sus pipelines de análisis.
Acceso restringido y bioseguridad como prioridad
A diferencia de otros productos de la empresa, GPT-Rosalind no se ha lanzado como un servicio abierto a cualquier usuario. El acceso está limitado a organizaciones de investigación verificadas y a clientes que cumplan determinados requisitos de seguridad.
Esta decisión responde a preocupaciones crecientes sobre bioseguridad y uso indebido de modelos avanzados en biología. La capacidad de la IA para asistir en el diseño de nuevos compuestos o la manipulación de material genético obliga a implementar salvaguardas adicionales, un factor especialmente relevante para la Unión Europea y sus normativas sobre protección de datos y riesgos biológicos.
OpenAI ha insistido en que el uso de GPT-Rosalind está acompañado de protocolos para el manejo de datos y controles sobre quién puede acceder al sistema y para qué fines. Este enfoque sitúa al modelo en una categoría de alto riesgo, priorizando uso profesional y supervisado frente a la disponibilidad masiva.
Colaboración con farmacéuticas, biotecnológicas e instituciones
GPT-Rosalind ya se está probando en entornos reales en colaboración con varias compañías del ámbito farmacéutico y biotecnológico. Entre los socios iniciales destacan Amgen, Moderna, Thermo Fisher Scientific y el Allen Institute, entre otros actores relevantes en investigación biomédica.
Estas organizaciones trabajan con el modelo para integrarlo en sus flujos de investigación, desde la identificación de dianas terapéuticas hasta el análisis de datos preclínicos. En Europa, donde los grandes grupos farmacéuticos y los centros de excelencia biomédica buscan reforzar su competitividad, la adopción de herramientas como GPT-Rosalind encaja con la tendencia a combinar automatización, análisis de datos a gran escala y razonamiento algorítmico en la toma de decisiones científicas.
Más allá de la industria, OpenAI plantea que el modelo puede resultar útil para instituciones académicas, laboratorios públicos y consorcios de investigación traslacional, que suelen enfrentarse a la interpretación de grandes bases de datos biológicos con recursos limitados. La empresa ha vinculado este desarrollo a una estrategia de inversión en IA para salud, con compromisos de financiación que superan los mil millones de dólares en proyectos relacionados.
Un paso más en la especialización de la inteligencia artificial
El lanzamiento de GPT-Rosalind marca un cambio profundo en el ecosistema de la IA: el desplazamiento de modelos generalistas hacia sistemas verticales afinados para resolver problemas concretos en industrias específicas. En el ámbito de las ciencias de la vida, el reto no es solo procesar lenguaje natural, sino interpretar datos experimentales, manejar conceptos de farmacología y biología molecular y conectar resultados dispersos en un marco coherente.
En este contexto, la IA pasa de ser un apoyo periférico a integrarse en el corazón de la investigación, participando en la generación de hipótesis, la priorización de experimentos y la evaluación de resultados. Para los laboratorios europeos, acostumbrados a plazos largos y altos índices de fracaso en el desarrollo de fármacos, la posibilidad de automatizar parte del trabajo intelectual más repetitivo y de filtrar información con mayor precisión abre un nuevo horizonte.
El desarrollo de GPT-Rosalind y de modelos similares apunta a convertirse en un indicador clave de cómo evolucionan las relaciones entre ciencia, industria y regulación en los próximos años. A medida que se consoliden las colaboraciones con farmacéuticas, centros académicos y organismos públicos, se observará hasta qué punto estos sistemas traducen su potencial en avances tangibles para la práctica clínica y la investigación básica en biomedicina.
from Linux Adictos https://ift.tt/xWNOc8B
via IFTTT
Thunderbolt de Mozilla: un cliente de IA soberana para organizaciones que exigen control y cumplimiento
\n
Mozilla ha decidido dar un paso estratégico en su apuesta por la inteligencia artificial con el lanzamiento de Thunderbolt, un cliente de IA open source orientado a empresas y administraciones que desean mantener el control sobre su infraestructura y sus datos. La iniciativa, liderada por MZLA Technologies Corporation, la filial responsable de Thunderbird, busca responder a una preocupación cada vez más común en Europa: cómo aprovechar la IA generativa sin depender por completo de grandes proveedores en la nube.
\n
Aunque el nombre ha generado cierto debate por su posible confusión con la interfaz de conexión homónima de Intel y Apple, la propuesta técnica es clara: ofrecer un espacio de trabajo de IA soberana, autoalojable y extensible que sirva como punto de acceso único a modelos, herramientas y datos corporativos. Todo ello con un enfoque centrado en la privacidad, la seguridad y la reducción del vendor lock-in, cuestiones especialmente sensibles en el contexto regulatorio europeo. Esta orientación encaja con iniciativas de nube soberana y autonomía digital.
\n
Mozilla Thunderbolt: un cliente de IA soberana para organizaciones exigentes
\n
Mozilla y MZLA definen Thunderbolt como un “cliente de IA soberana” pensado para desplegar IA sobre infraestructura propia, ya sea en centros de datos corporativos o en entornos híbridos. En lugar de ser otro chatbot más en la nube, Thunderbolt funciona como una capa de cliente que se conecta a los modelos y servicios que decida cada organización.
\n
La herramienta se presenta como un espacio de trabajo unificado donde el personal puede chatear con la IA, buscar información, hacer investigaciones y gestionar flujos de trabajo. La clave es que el backend no viene impuesto: son las empresas o entidades públicas las que eligen qué modelos de lenguaje y qué proveedores utilizan, y cómo se integran con sus sistemas internos.
\n
Elección flexible de modelos: comerciales, open source y locales
\n
Uno de los pilares del proyecto es la flexibilidad para combinar modelos de IA de distintos orígenes. Thunderbolt soporta modelos comerciales de proveedores líderes, modelos abiertos y despliegues locales que corren directamente sobre servidores propios, sin sacar los datos fuera del perímetro corporativo.
\n
En la documentación y los anuncios públicos se menciona soporte o integración con proveedores como Anthropic, OpenAI, Mistral u OpenRouter, además de compatibilidad con soluciones locales mediante herramientas como Ollama o llama.cpp. También se admite la conexión a modelos compatibles con APIs tipo OpenAI, siempre que se configure la clave correspondiente, lo que abre la puerta a una amplia variedad de opciones.
\n
En la práctica, esto permite a una organización diseñar una estrategia híbrida: usar modelos frontier en la nube para tareas más complejas, mientras que ciertos casos de uso sensibles pueden ejecutarse con modelos open source desplegados en servidores internos. El objetivo declarado es evitar quedar atado a un único proveedor y facilitar el cambio de modelo cuando lo requieran el negocio o la regulación.
\n
Integración profunda con datos corporativos y sistemas internos
\n
Thunderbolt no se limita a ofrecer una interfaz de chat. El proyecto está diseñado para conectarse a fuentes de datos empresariales y a la infraestructura existente mediante una serie de marcos y protocolos abiertos que ya se usan en el ecosistema de agentes de IA.
\n
La pieza central de esta integración es la colaboración con deepset, la empresa berlinesa que desarrolla el framework open source Haystack. A través de Haystack, Thunderbolt puede orquestar agentes, implementar RAG (Retrieval-Augmented Generation) y enlazar con sistemas de búsqueda y bases de conocimiento corporativas, algo especialmente relevante para compañías europeas y administraciones públicas que gestionan grandes volúmenes de documentación.
\n
Además, Thunderbolt soporta Model Context Protocol (MCP) para conectar servicios y herramientas externas y Agent Client Protocol (ACP) para coordinar agentes. Esto permite escenarios en los que la IA no solo responde a preguntas, sino que también interactúa con aplicaciones internas, ejecuta acciones programadas o desencadena flujos de trabajo de manera automatizada.
\n
Mozilla Thunderbolt y la automatización de tareas y flujos de trabajo
\n
Más allá de la conversación, el equipo de MZLA plantea Thunderbolt como un orquestador de tareas rutinarias y procesos de conocimiento. Entre los usos que señalan se encuentran la generación de informes diarios, el seguimiento automático de temas, la elaboración de resúmenes y reportes o la activación de acciones basadas en eventos o fechas concretas.
\n
Gracias a la combinación de agentes, RAG y conectores a sistemas internos, las organizaciones pueden montar flujos de trabajo que reduzcan tareas manuales repetitivas. Por ejemplo, compilar cada mañana un briefing con noticias relevantes para un ministerio, generar informes de actividad a partir de datos de varios departamentos o preparar dossieres sobre un cliente integrando CRM, documentación técnica y correos.
\n
Aplicaciones nativas y trabajo multidispositivo
\n
En cuanto al acceso, Mozilla ha optado por un enfoque amplio: Thunderbolt cuenta con aplicación web y clientes nativos para Windows, macOS, Linux, iOS y Android. De este modo, el mismo entorno de IA está disponible en sobremesa, portátil y móvil, lo que facilita la adopción en organizaciones con parques tecnológicos heterogéneos.
\n
Al recurrir a aplicaciones instaladas en cada dispositivo, combinadas con despliegues autoalojados en servidor, se busca que la experiencia sea fluida independientemente de dónde trabaje el usuario. Esta estrategia encaja con el perfil de empresas europeas y administraciones que combinan equipos de escritorio tradicionales, portátiles corporativos y móviles de empresa en su día a día.
\n
Seguridad, cifrado y control de acceso a Mozilla Thunderbolt
\n
La seguridad es otro de los ejes sobre los que Mozilla intenta diferenciar Thunderbolt. El proyecto propone un modelo de despliegue autoalojado, con posibilidad de cifrado de extremo a extremo y controles de acceso por dispositivo, aspectos muy alineados con los requisitos de cumplimiento normativo en la UE.
\n
Al mantener la infraestructura bajo control directo de la organización, se reduce la superficie de exposición de datos sensibles frente a soluciones totalmente alojadas por terceros. El equipo de desarrollo subraya que el producto se está sometiendo a auditorías de seguridad orientadas a su uso en entornos empresariales y del sector público, aunque recalcan que todavía se encuentra en una fase de preparación para despliegues de producción.
\n
Modelo de despliegue, estado del proyecto y roadmap
\n
Thunderbolt se describe oficialmente como software en desarrollo activo, aún no considerado “listo para producción”. El repositorio público está ya disponible en GitHub bajo la organización de Thunderbird, con el código licenciado bajo MPL 2.0 (Mozilla Public License), lo que permite su uso y modificación en un entorno relativamente flexible.
\n
En la documentación se explica que el proyecto apunta a ser “offline-first” a medio plazo, pero que por ahora depende de ciertos servicios como la autenticación y las funciones de búsqueda. Algunas de estas capacidades pueden desactivarse desde la propia interfaz, y se ofrece la opción de realizar pruebas en local utilizando un backend personalizado desplegado mediante Docker.
\n
En lo relativo a la inferencia, Mozilla no ofrece por el momento un endpoint público propio. Son las organizaciones las que deben integrar sus proveedores de modelos, ya sea a través de servicios comerciales o de soluciones locales gratuitas soportadas por herramientas como Ollama o llama.cpp. Esta decisión encaja con la idea de dejar el máximo margen de maniobra posible al usuario corporativo.
\n
Servicios profesionales y posibles ingresos para Mozilla
\n
Aunque Thunderbolt es open source y puede desplegarse sin coste de licencia, MZLA tiene claro que la sostenibilidad del proyecto pasa por un modelo de ingresos ligado a servicios empresariales. La organización planea ofrecer consultoría, soporte en despliegue e integración, y desarrollo de funcionalidades a medida para clientes corporativos que lo necesiten.
\n
En paralelo, la documentación pública menciona la posibilidad de una versión gestionada en la nube para organizaciones que no quieran autoalojar la solución, aunque sin detalles cerrados de fechas o precios. Para los despliegues empresariales, la tarificación se adaptaría al nivel de acompañamiento, las personalizaciones y la complejidad de la arquitectura de cada cliente.
\n
Alianzas estratégicas y foco en soberanía digital
\n
Thunderbolt se enmarca en una estrategia más amplia de Mozilla para impulsar una IA abierta y soberana, en sintonía con las preocupaciones de gobiernos y empresas europeas. Además de la colaboración con deepset y Haystack, la organización ha anunciado un acuerdo de investigación con Mila, el instituto de IA de Quebec, para avanzar en arquitecturas de memoria portables aplicadas a agentes de IA. Esta aproximación se relaciona con iniciativas europeas como GAIA-X.
\n
En este contexto, cobran sentido cifras como las de Gartner, que prevé que alrededor del 65 % de los gobiernos introducirán requisitos de soberanía tecnológica de aquí a 2028. Para administraciones en España, Francia, Alemania o el resto de la UE, contar con soluciones que puedan desplegarse dentro de sus propias infraestructuras y gobernarse con criterios propios resulta cada vez menos opcional y más una exigencia política y regulatoria.
\n
Recepción inicial y críticas al nombre de Mozilla Thunderbolt
\n
La acogida del anuncio ha sido variada. Algunos medios y comunidades técnicas han señalado que la idea de un cliente de IA autoalojable y extensible resulta prometedora, sobre todo para organizaciones que miran con recelo la dependencia absoluta de plataformas cerradas. En foros como Hacker News se han mostrado tanto voces entusiastas como otras más escépticas que cuestionan si Mozilla debería centrar tantos recursos en este frente.
\n
Uno de los puntos más repetidos es, curiosamente, el nombre. Diversos artículos consideran que “Thunderbolt” puede generar confusión con la tecnología de conexión de alta velocidad popularizada por Intel y ampliamente utilizada por Apple. Algunos medios han llegado a calificarlo de “nombre nefasto” pese a reconocer que la iniciativa de fondo resulta interesante, y muchos dan por hecho que tarde o temprano Mozilla podría optar por un cambio de marca.
\n
Disponibilidad de Mozilla Thunderbolt, acceso y foco en Europa
\n
Thunderbolt se puede explorar ya desde su web oficial en thunderbolt.io, donde se ofrece acceso mediante lista de espera para organizaciones que quieran probar el sistema. Desde allí se enlaza tanto a la documentación técnica como al repositorio en GitHub, donde se detalla el estado del desarrollo y las instrucciones para desplegarlo en distintos entornos.
\n
Para empresas y administraciones europeas, la combinación de código abierto bajo licencia MPL-2.0, despliegue autoalojado, integración con Haystack y soportes de cifrado y control de acceso puede encajar bien con exigencias como las del Reglamento de IA de la UE, las normativas de protección de datos y las políticas internas de soberanía digital.
\n
Con todo lo anterior, Thunderbolt se perfila como un intento de Mozilla y MZLA por llevar la IA generativa al terreno de la soberanía tecnológica y los despliegues autoalojados, ofreciendo un cliente multiplataforma capaz de hablar con modelos comerciales, open source y locales, integrarse con datos corporativos mediante Haystack, MCP y ACP, y ajustarse a las necesidades de organizaciones europeas preocupadas por la privacidad y el cumplimiento. Aunque el proyecto aún está en maduración y su nombre no convence a todo el mundo, la combinación de apertura, flexibilidad y foco en el control de los datos sitúa a Thunderbolt en un espacio destacable dentro del saturado mercado de herramientas de IA para empresas.
from Linux Adictos https://ift.tt/Gy4L5Tx
via IFTTT
La revolución de las reglas técnicas de la F1: entre espectáculo global y fidelidad de los puristas
La introducción de las nuevas regulaciones técnicas ha puesto en juego un fascinante equilibrio entre la audiencia mundial de la Fórmula 1 y los aficionados más fieles. F1 afirma que la mayoría de métricas, incluyendo asistencia y cifras de TV, han sido positivas hasta ahora, lo que anima a promotores y sponsors. Pero puristas y varios pilotos han sido más críticos, principalmente por las propuestas de lift-and-coast y el llamado super clipping para conservar energía, argumentos que apuntan a una posible pérdida de la magia de las carreras. Es un acto de equilibrio: mejorar el espectáculo sin perder el control de la competición. Los equipos deben encontrar formas de hacer que cada vuelta cuente, mientras la audiencia global se mantiene enganchada a la narrativa de adelantamientos, estrategia y emoción en cada sector. Este es un momento de ensayo y error, donde cada carrera sirve como banco de pruebas para ver qué funciona mejor para la diversidad de aficionados. Si quieres conocer más detalles y el punto de vista de la dirección, puedes leer más en el artículo asociado: Keep reading. En resumen, este capítulo promete discusiones intensas, pero también oportunidades: una Fórmula 1 más inclusiva para nuevos fans y, al mismo tiempo, una experiencia respetuosa con la tradición de quienes han seguido la categoría desde hace décadas. ¿Qué opinas tú? ¿La balanza se inclina hacia un futuro más sostenible sin perder la chispa de la competencia? Comparte tus ideas y debates en los comentarios.
from Motorsport.com – Formula 1 – Stories https://ift.tt/JMtU8ph
via IFTTT IA
Pacosite's Blog 