Jorge Alvarado

[Dean W. Ball @deanwball]

Some observations on Kimi:

1. It's a very good model! I don't think its performance can be explained away by distillation or anything like that. In agentic coding sessions, it seems pretty much on par with the best public models of Q1 2026. In my fairly limited use, it also seemed very token hungry. It's not obvious to me that this model is actually that cheap to run.

2. I am personally surprised the Chinese state continues to allow the open sourcing of models this good, given potential risks. To be clear, I *myself* might be fine with models presenting this level of marginal risk being open weight, but I am surprised that China is fine with it. I suspect the reason they are is 75% explained by strategic blindness/lack of AGI-pilledness (the CCP is very Yann Lecun-y in its views of AI). The other 25% or so is their lack of compute for customer inference (making China's open-weight strategy an unintended byproduct of US export controls) and the normal Chinese strategy of aggressive exports. For the companies, as opposed to the government, the decision to open source is partially ideological and partially because they are behind, and they know that very few people would pay for sub-frontier models from China.

3. Open-weight models are inherently decelerationist, and I'm continually surprised to see the so-called "accelerationists" so excited about open-weight models. I suspect the reason they are is that they know open-weight models are effectively ungovernable, and they simply like the overall cloak of ungovernability open-weight models create over the whole of AI. It's not a bad strategy; it reminds me of James Scott's recounting of the hill people in "the art of not being governed." Still, in the end, open-weight models deter further AI capex.

4. One probable outcome of an open-weight-model-dominant world is full AI communism, which is precisely what China proposes: rather than a market product, AI is a "public good" which will ultimately be provided by the state as a kind of "digital public infrastructure." This future strikes me as a dystopian hellscape, but I've never met an open-weight models advocate who doesn't ultimately concede this is where things end. You'd be surprised how many 'accelerationists' lobbied me, while I was in government, to support an eleven or twelve-figure federally funded data center so that startups could train models at a subsidy and then give them away for free. There was no other way for AI to progress, they said. Perhaps this is the logical end state of things. Nonetheless, I find myself surprised to see supposed accelerationists excited about such an outcome. I think many of them just don't know what they're doing. Many accelerationists do not view the creation and serving of frontier models as a legitimate business.

5. I would guess that the Trump Administration will at some point realize that their best strategy here would be to create large amounts of regulatory risk around the use of open-weight Chinese models. You don't need to "ban open source" (one of the dumber motifs of AI policy discussion). You just need to direct every agency to issue soft law that creates FUD. "A Federal Reserve Advisory Bulletin found that there may be backdoors in Chinese AI models." It needn't be that well justified. You just create enough regulatory risk that every regulated enterprise backs off. You probably don't want to create so much regulatory risk that you scare off the hyperscalers from serving Chinese models; this will just drive startups to sketchier providers. There's a happy middle ground here. I'd assume they will do some version of this.

6. It's probably true that open-weight models of this capability make the world a bit more dangerous, but not so much more that you'll really notice. At some point the models will be capable enough that you will notice. "A nonliving, invisible, dangerous, and infinitely self-replicating agent escaped from a Chinese lab," you say? Color me shocked.

[Álvaro Alegría @alvaroalegriam]

Os explico brevemente por qué, este movimiento de OpenAI, igual que el de Anthropic de la semana pasada tienen bastante sentido estratégico:

1) Partamos de una realidad incuestionable. Los modelos, TODOS, tenderán a comoditizarse. Llegará un momento en que estén tan evolucionados que, para el 99% de los casos, el usuario no note la diferencia entre usar un proveedor de LLM u otro. Consecuencia: OpenAI y Anthropic necesitan ganar toda la cuota de mercado posible antes de que llegue ese momento.

2) Hay otra realidad en las empresas. Y esta la conozco de primera mano. La mayoría de ellas están sufriendo el efecto de "página en blanco" pero ahora con la IA Generativa y Agéntica. ¿Qué es esto? Pues básicamente que no saben bien por dónde empezar. No saben qué camino escoger, dónde aplicarla primero, cómo medir el éxito o cuánta libertad dar a sus trabajadores. Consecuencia: Las empresas no están implantando la IA tan rápido como necesitan OpenAI y Anthropic.

3) ¿Por qué ambas empresas necesitan que se acelere la implantanción? Porque desde que nacieron y hasta ahora, están soportando unos costes estratosféricos que no son sostenibles a largo plazo si los ingresos no crecen rápido. Y aquí es donde la idea de tener sus propias empresas de despliegue de IA tiene mucho sentido, por lo siguiente:

Por un lado. Tener equipos expertos en tu tecnología dentro de los clientes elimina el efecto de la página en blanco. Los Forward Deployment Engineers (Ingenieros desplegados en el propio cliente) llegarán con un playbook de casos de uso listos para desplegar desde el día 1 y además, ayudarán a desarrollar casos de uso específicos para cada cliente. Con esto, se acelera el despliegue de la IA y por tanto, se incrementa mucho el consumo de tokens.

Por otro lado. Integrar tu tecnología (tus modelos) en los procesos del cliente genera lo que los ingleses llaman "stickiness" (pegajosidad) cuyo objetivo es que al cliente le suponga mucho esfuerzo deshacerse de la misma. Si algo está muy pegado, el esfuerzo de despegarlo es elevado. El punto que se busca es que dicho esfuerzo sea tan alto, que termine por no merecer la pena. Si eso se consigue, tienes un cliente cautivo para siempre. Y esto tiene una consecuencia de segundo orden. Si todos tus procesos se basan en una tecnología concreta y ya has renunciado a cambiarla (por la pegajosidad) formarás a tu equipo en esa tecnología, olvidándote de las alternativas, lo que incrementa aún más la pegajosidad. Cambiar ya no sólo depende de cambiar la tecnología, sino que además tendrías que formar desde cero a todos tus empleados (doble esfuerzo, doble coste). (Que se lo pregunten a los bancos con COBOL).

Y por otro lado, aunque quizás menos importante, trabajar dentro de las empresas les permite obtener un conocimiento de primera mano de dónde están los cuellos de botella en el camino de la implementación y trabajar para resolverlos, incrementando así la velocidad de despliegue, en un bucle de mejora.

Mi duda es. ¿Cómo harán para que esto tenga escala y genere un impacto real? Porque esta estrategia es ultraintensiva en personas y es un tipo de negocio y operación totalmente diferente a desarrollar producto.

¿Mi visión? Creo que invertirán mucho dinero en cerrar exclusiva con agencias, que se conviertan en implantadores especialistas en sus tecnologías, al igual que existen empresas (enormes) especializadas en implantación de SAP o de otras tecnologías. No les veo de ninguna manera, intentando hacerlo por su cuenta, creando un negocio global de consultoría. Veremos.

[Catalina Oquendo @cataoquendo]

Ventana a la Verdad: Inteligencia Artificial para narrar el conflicto colombiano. Investigadores de la Javeriana y Notre Dame crean un modelo con 11.000 folios de información documentada por la Comisión de la Verdad. Les cuento:
https://t.co/Z8EPZIg2Br @elpaisamericaco

[Alan Daitch @AlanDaitch]

Brindemos por la IA, el problema y la solución a todos los problemas del fútbol!

[Gemma Goldie @gemagoldie]

A veces me da la impresión de que la idealización de la democracia directa se cura yendo a reuniones de asociaciones de vecinos.

[David @DavidRoldanP]

Te amo, Registraduría.

[Jorge Alvarado @joan_alva]

@callmepecass Totalmente! Gracias a ese voto el ganador se muerde las uñas por no llegar al 50% y el perdedor rabia porque con esos votos hubiera ganado. Que se sienta fuerte y claro que ninguno de los dos convence.

[John Allen Paulos @JohnAllenPaulos]

https://t.co/W4vQ5ye8Jf

[James Evans @profjamesevans]

Out today in @ScienceMagazine: with the amazing Haochuan Cui, Yiling Lin, & @LingfeiWu, we analyzed 3.6 million scientists publishing 1960–2020. The findings reshape a century-old debate about age and scientific creativity.

[César A. Hidalgo @cesifoti]

En lo que es ciencia: @KastPresidente se equivoca tres veces.

Primero, veamos la arista fiscal.

En Chile la ciencia representa 0.62% del gasto publico (de acuerdo al visualizador de presupuesto de la BCN). Incluso llevándo este gasto a cero, no ayuda a balancear las arcas fiscales.

Si el objetivo es reducir el gasto, apuntar a una partida tan pequeña es absolutamente contraproducente: en el mejor de los casos, el ahorro es marginal.

Segundo, veamos la dimension politica.

A pesar de ser pequeño, el gasto en ciencia tiene un impacto político enorme. Afecta directamente a las universidades, que concentran una población políticamente activa y dispuesta a movilizarse. El incentivo para gobernar, y ocuparse de objetivos importantes, como la seguridad pública, que fue el eje de su campaña, es buscar la estabilidad política. Esto implica no enfadar a un sistema de educación superior donde los recursos son escasos y la población dispuesta a movilizarse es enorme. La estrategia debería ser una de generosidad con ese sector, para asegurar la estabilidad política que se necesita para ocuparse de otros objetivos.

Pero más allá de lo fiscal y lo político, hay un tercer problema más profundo: que es apuntar al objetivo equivocado.

En un mundo complejo como el nuestro, el objetivo no es la reducción de costos a corto plazo, sino la maximización de la opcionalidad a largo plazo.

La evolución no premia a las especies, economías o sociedades que se especializan en las condiciones actuales, sino a las que desarrollan un conjunto diverso de capacidades que les permite seguir adaptándose en un mundo cambiante.

El salto al desarrollo implica lograr una sociedad que genere esa opcionalidad de manera endógena. Una sociedad que pueda resistir un shock como el que podría venir en un mundo donde el cobre deje de ser esencial, o donde las baterías eléctricas ya no requieran litio.

La ciencia, y más aun la formación de gente con curiosidad y vocación científica e innovadora, es parte esencial para generar una sociedad con opciones. No porque todas las opciones deban perseguirse, sino porque nunca sabremos con certeza cuáles necesitaremos en el futuro.

Por eso, ponerse en contra del mundo académico es tres veces una mala idea.

Es una estrategia que no reducirá el gasto, enemistará a un segmento políticamente muy activo, y reducirá la opcionalidad de la economía chilena a largo plazo.

[François Chollet @fchollet]

I wrote Deep Learning with Python to be the definitive guide to how deep learning works and how to best make use of it. Tens of thousands of people got their career start via this book. 120,000 copies sold, and downloaded by millions more.

And now it's free to read online: https://t.co/3CbcQ7hmjp

[David J Phillips @davj]

"Make no mistakes DO NOT HALLUCINATE. YOU ARE AN EXPERT SOFTWARE ENGINEER"

[Arvind Narayanan @random_walker]

The polarization of the discourse on the speed of AI progress & impacts is unhelpful. AI as Normal Technology is a project that advocates a strong view in this debate while also trying to improve mutual understanding between people who disagree. We don’t think those goals are contradictory.

In our latest, we included a "Why we could be wrong" section. We stand by our empirical findings, but we acknowledge that choices about what to measure and how to interpret the results inevitably involve judgment. We welcome other views on the state of AI reliability. My ideal state of AI discourse would be quick convergence on facts paired with robust, good-faith debate on matters of interpretation. https://t.co/FI5kuBkdRZ

[Omar U. Florez 🇵🇪🇺🇸 @OmarUFlorez]

A menudo recibo preguntas y leo comentarios como:

“¿Para qué crear un modelo de lenguaje más?”

La pregunta es válida. El mundo ya tiene modelos potentes, entrenados con billones de parámetros y desplegados a escala global. Entonces, ¿por qué invertir tiempo, talento y recursos en entrenar uno desde América Latina?

Porque se trata de un bien común.

Entrenar un modelo como #LatamGPT significa construir infraestructura estratégica. Un modelo de lenguaje no es solo una aplicación: es una capa base sobre la cual se desarrollan asistentes educativos, herramientas jurídicas, sistemas de apoyo clínico, análisis de política pública y nuevas startups. En la cuarta revolución industrial, es construir infraestructura.

Las grandes infraestructuras que transformaron sociedades, como los sistemas eléctricos de las ciudades, la infraestructura de internet y fibra óptica, las carreteras o las universidades públicas, no fueron pensadas como productos aislados, sino como plataformas compartidas que habilitan productividad, mejoran la economía y promueven movilidad social. La inteligencia artificial comienza a ocupar ese mismo lugar.

Cuando hablamos de #LatamGPT como bien público, no hablamos de un modelo más compitiendo en una tabla de benchmarks. Hablamos de construir una capacidad común para América Latina: una base tecnológica que pueda ser auditada, estudiada, mejorada y utilizada por universidades, startups, gobiernos y estudiantes.

Un modelo de lenguaje no es solo un chatbot. Es una capa fundacional sobre la cual se desarrollan sistemas educativos, asistentes legales, herramientas para política pública, investigación científica y nuevos emprendimientos. Si esa capa es cerrada, la capacidad de adaptación es limitada. Si es compartida, el ecosistema crece.

Además, los datos importan. Los contextos importan. Las variaciones del español y el portugués, así como las referencias históricas, legales y culturales de nuestra región, importan. Un modelo entrenado con mayor representación latinoamericana no es una cuestión identitaria; es una cuestión de utilidad y precisión contextual.

En una región donde el acceso a tecnología avanzada ha sido históricamente desigual, desarrollar infraestructura propia reduce dependencia y amplía el espacio de innovación.

#LatamGPT no es un fin en sí mismo. Es una base común.

Más que preguntarnos “¿para qué uno más?”, quizás la pregunta correcta sea:

¿Queremos seguir siendo usuarios de tecnología, o habilitar una nueva industria para los próximos 20 años?

[Archivo Presidencia de Chile 2022 - 2026 @Archivo20222026]

#LatamGPT ya es una realidad: El primer gran modelo de lenguaje de inteligencia artificial, abierto y colaborativo, fue lanzado hoy desde Chile en una ceremonia encabezada por el Presidente de la República, Gabriel Boric Font, quien destacó la importancia estratégica de ser parte del desarrollo de la IA con identidad y datos provenientes de Latinoamérica.

[Gabriel Boric Font @GabrielBoric]

La inteligencia artificial es la mayor revolución tecnológica del último tiempo y desde Latinoamérica y el Caribe es estratégico y urgente que tengamos un rol. Hoy desde Chile lanzamos Latam-GPT, un modelo de lenguaje abierto y colaborativo, resultado de una alianza con 15 países, que permitirá incluir datos e identidad latinoamericana en nuestra interacción con la IA. Soberanía tecnológica y cultural para que nuestra región sea parte de esta conversación global.

Felicitaciones al Ministerio de Ciencia, Tecnología, Conocimiento e Innovación y al Centro Nacional de Inteligencia Artificial por impulsar esta iniciativa que nos sitúa en el mapa.

[Matt Stoller @matthewstoller]

The Jeff Epstein saga isn't a scandal about pedophilia, it's about a Russian word called 'blat,' a Soviet-era word meaning 'the use of personal networks for obtaining goods and services in short supply and for circumventing formal procedures.' It's about a kind of government.

As with the large number of 'blatniks' in the Soviet era who made sure their factories got what they needed outside the formal state procurement process, Epstein greased the wheels for the neoliberal state. His job was governance.

What does that mean? Well it's clear that Epstein was an entrepreneurial broker across multiple public and private bureaucracies, helping organize 'under-the-table' deals among the legal, business, intelligence, and political elites to allow them to escape the rule of law and traditional conflict of interest restrictions. It's statecraft to allow a superclass to systemically escape the formalized rules.

The pedophilia and prostitution were part of it - that is obviously violating the rule of law - but so are the random favors Epstein bestowed. Like Epstein sending Senator Joe Manchin's request for a yacht, a request which came from the First lady of the Virginia Islands, to a random NY financier who might have one. Or working with Joi Ito at MIT and billionaire Reid Hoffman to restructure the Bitcoin Foundation. It's all about matching capital and talent and inputs outside of the restrictions ordinary people are subject to.

This kind of governance is particularly important in Soviet-style states, where everyone knows the rules are fake, where skirting the system IS the system. Epstein and his affiliates thrived because of the weakened institutions of the United States, institutions enfeebled in many cases by the men in his network, like Larry Summers. These men adopted multiple roles - advisor, businessman, academic, board member, regulator - and put on the hat that best maximized their self-interest and the self-interest of their narrow network at that moment.

The old world, where handing someone your business card meant you represented that institution, disappeared in the 1980s. Over the course of the 1990s, neoconservatives, neoliberals, bankers - ultimately Epstein's network - built this new social order. It was one where you couldn't succeed through the formal rules, but if you were let into the networks of trust by blatniks, you could do anything you wanted.

While all the specifics of Epstein's network are not known, and while conspiracy theorists often have crazy views, they have correctly fingered that the world of meritocracy and formalized systems is increasingly a fraud. And that the real government lies elsewhere.

In short, when formal democratic institutions like Congress stop governing, the networks of men like Epstein fill the power vacuum. Epstein built what Roy Cohn always wanted to have, but never achieved, because the then-institutions were too strong for him to break.

Here's a passage from sociologist Janine Wedel's Shadow Elite on how this form of governance works.

[Víctor Saavedra @vicsaavedraM]

20 días sin que el presidente @petrogustavo y su gobierno respondan por la Convocatoria de IA de regalías por 630 mil millones direccionada a InterNexa de Saúl Kattan.

Hoy se conoce que una resolución que le toma años a las entidades se lo dieron de forma express a InterNexa para poderle asignar los recursos. Los organismos de control son convidados de piedra y nos roban en las narices. @PGN_COL @CGR_Colombia

https://t.co/NWRP1KWBPH

[Pedro Domingos @pmddomingos]

Transformers were a giant leap forward for spaghetti code.

[Mario Jursich @JursichMario]

Los conciertos de Silvio Rodríguez en Colombia sólo han motivado notas de protesta por la mala organización de los eventos y por la pésima calidad del sonido (al menos en Medellín). Es muy sintomático que sea así: esa fijación en lo episódico demuestra que, cuando se trata de…