La IA sale de la pantalla. Google muestra agentes de IA que planifican experimentos y se los pasan a robots de laboratorio reales, y una máquina neerlandesa planta esquejes sola gracias a la visión artificial. Además, las nuevas herramientas de búsqueda de DeepSeek para agentes, el plan de CERN y Mistral para un modelo de física y agentes que razonan sin escribir cada pensamiento.
1. Agentes de IA de Google manejan robots de laboratorio
El 16 de octubre Google Research presentó VERID (VERified Infrastructure for Discovery Laboratories), un gemelo digital de una estación de laboratorio basado en el software libre PyLabRobot. Sigue el brazo robótico, el líquido de cada pocillo, los reactivos y las puntas de pipeta que quedan. Un agente de IA ensaya primero el protocolo en ese modelo y los controles de seguridad bloquean órdenes imposibles para el equipo.
Los resultados son concretos: con aptámeros contra la alfa-trombina, la tasa de aciertos pasó del 0 % al 26,0 % y al 42,1 % en tres rondas. Un flujo de diseño de proteínas logró ligandos con afinidad nanomolar de un dígito contra FAP, una proteína sobreexpresada en muchos tumores sólidos.
La advertencia: es un prototipo de investigación sin revisión por pares, y personas aprueban cada secuencia, verifican los protocolos y supervisan los robots.
▶ Ver el vídeo de VERID en el artículo original de Google
2. Un robot neerlandés planta hasta 3.000 esquejes por hora
La empresa neerlandesa TTA-ISO presentó la CuttingPlanter 2.0 en julio de 2026: no es noticia de hoy, pero sigue la misma tendencia. El software CuttingVision revisa los esquejes en una cinta ancha y elige los que están listos. Una pinza eléctrica basculante los planta a la misma profundidad; los que fallan vuelven a pasar.
TTA-ISO habla de hasta 3.000 esquejes por hora. Es el máximo del fabricante, no una medición independiente, y la velocidad real depende del cultivo. En muchos invernaderos este trabajo aún se hace a mano.
▶ Ver la CuttingPlanter 2.0 en acción (TTA-ISO) · LinkedIn
3. DeepSeek abre la búsqueda web a los agentes de IA
El 19 de octubre DeepSeek lanzó dos API, Search y Fetch, para que los agentes de IA busquen en la web y lean páginas a través de DeepSeek. Según TechNode, 1.000 consultas exitosas cuestan 5 yuanes (unos 0,70 dólares); los fallos, resultados vacíos y tiempos agotados no se cobran.
Dos días antes DeepSeek actualizó su modelo a V4.1 Flash-1017, con mejor razonamiento, programación y tareas de agente según la empresa. Los pesos están en Hugging Face con licencia MIT. Las mejoras son datos de DeepSeek.
4. CERN y Mistral planean una IA para la física
El 15 de octubre el CERN y la empresa francesa Mistral firmaron una declaración de intenciones para una alianza a largo plazo. El primer objetivo es un «Large Physics Model», que el CERN llama el primer modelo fundacional para la física de colisionadores, entrenado con miles de millones de colisiones protón-protón simuladas del LHC. Serviría para reconstruir colisiones, identificar partículas y señalar señales inesperadas.
Por ahora es un plan, no un sistema en marcha. Esa misma semana Mistral publicó Timestral, modelos de previsión de 5 a 209 millones de parámetros; según Mistral, el mayor es el primero en GIFT-Eval, TIME y fev-bench, resultados de la propia empresa.
5. Agentes de IA que razonan sin palabras
Un preprint en arXiv, «Hybrid Reasoning Agents», de Jiaru Zou, James Zou y coautores, hace que el agente razone en una forma interna oculta y solo escriba sus acciones. Los autores reportan entre un 35,5 % y un 54,7 % menos de tokens de salida y una inferencia de 1,8 a 2,6 veces más rápida. Fue de lo más comentado en Hacker News el 19 de octubre.
Son cifras de los autores y falta la revisión por pares. Pero la idea importa: agentes más baratos y rápidos hacen viables robots y laboratorios como los de arriba.
También hoy en Hacker News
Sale Linux 7.3, una versión récord con 18.765 commits de 3.021 desarrolladores. Construction Physics pregunta qué hace falta de verdad para entrenar a un robot. Y 3Blue1Brown cree que nunca ha habido un momento mejor para estudiar matemáticas:
Fuentes
- Google Research: Grounding AI agents in biological reality (16 Oct 2026)
- PyLabRobot documentation
- TSN Media: Google AI wet-lab agents
- TTA-ISO: CuttingPlanter 2.0
- TTA-ISO: Introducing our newest CuttingPlanter 2.0 (July 2026)
- TechNode: DeepSeek launches web search and page-fetching APIs (19 Oct 2026)
- TechNode: DeepSeek releases V4.1 Flash-1017 (19 Oct 2026)
- CERN: CERN and Mistral join forces to accelerate AI for science (15 Oct 2026)
- Mistral AI: Timestral (15 Oct 2026)
- arXiv 2610.18861: Hybrid Reasoning Agents
- LWN: Linux 7.3 released
- Construction Physics: How to train your robot
- 3Blue1Brown on YouTube
Deja una respuesta