Hoy el primer puesto del radar lo ocupa una comparación incómoda: un paper que muestra a una CNN de diez años —de esas que se entrenaban con una sola GPU y paciencia— superando a los modelos de frontera en diagnóstico de cáncer de piel. No es una anécdota de nostalgia. Es un recordatorio de que la carrera por el parámetro más grande tiene un punto ciego: hay tareas donde la arquitectura específica, el dataset bien curado y el problema acotado siguen ganándole al generalismo a escala.
Y ese hallazgo se cruza, de forma casi perfecta, con otra noticia que apareció más abajo en la lista: OpenAI y Anthropic recortaron sus precios de LLM hasta un 80% en pocos meses. Leídas juntas, las dos noticias cuentan la misma historia desde ángulos opuestos. Por un lado, los modelos gigantes son cada vez más baratos. Por el otro, hay problemas donde ni siquiera hace falta gastarlos. El radar de hoy es, en el fondo, una discusión sobre qué significa que una herramienta sea "suficientemente buena" —y sobre quién decide ese umbral.
Entre medio aparecen un montón de pistas más chicas que apuntan en la misma dirección: papers sobre cómo evaluar agentes que actúan con evidencia faltante, un dashboard para cumplir con la EU AI Act, un artículo sobre el estado del "context engineering", y una extensión de navegador que convierte tus pestañas abandonadas en un jardín. Todo eso, más una elección en Serbia que ganó un movimiento estudiantil y un mapa interactivo de las batallas de los romanos, arma el día.
🩺 El CNN de diez años y el mito del modelo más grande
El paper de lynchlab.net hace algo que incomoda: compara un modelo convolucional entrenado hace una década contra LLMs de frontera en la tarea de diagnosticar cáncer de piel a partir de imágenes. Y el CNN gana. No por poco, aparentemente. Gana porque está especializado, porque fue entrenado con un dataset pensado para esa tarea específica, y porque no tiene que "razonar" sobre el contexto: mira la lesión y dice qué es.
El dato no obvio es que esto no debería sorprender a nadie que haya trabajado en ML aplicado. Los modelos chicos, específicos y bien entrenados son la norma en producción desde hace años. Lo que sorprende es que la conversación pública sobre IA sigue atada a la idea de que el modelo más grande es siempre el mejor. El paper no dice "los LLMs son malos"; dice algo más fino: hay dominios donde la especialización le gana a la escala, y la medicina —con datasets acotados, métricas claras y consecuencias altas— es el ejemplo perfecto.
Hay una ironía adicional. La noticia salió el mismo día en que se discute el precio de los LLMs. Si un CNN de una década hace mejor el trabajo, ¿por qué pagar por un modelo de frontera para esa tarea? La respuesta corta es que no deberías. La respuesta larga es que el mercado de la IA todavía no tiene buenos mecanismos para decir "para este problema, usá lo chico".
💸 La IA se abarató un 80% y nadie sabe bien por qué
El post de minimaxir.com pone números sobre la mesa: OpenAI y Anthropic recortaron precios hasta un 80% en pocos meses. La pregunta del título —"¿por qué?"— es la parte interesante. Las respuestas habituales (más eficiencia, más competencia, más GPUs) son todas parcialmente ciertas, pero el artículo se queda con una sensación incómoda: nadie sabe exactamente qué está pasando, y eso debería preocuparnos un poco.
La lectura más cínica es que los precios bajan porque el producto se está comoditizando: cuando todos tienen un modelo "suficientemente bueno", la diferenciación se va al precio. La lectura más optimista es que la eficiencia real mejoró tanto que ahora es posible cobrar menos sin perder margen. Probablemente las dos cosas. Lo que sí es seguro es que el abaratamiento cambia el cálculo de todo el ecosistema: si un LLM cuesta una fracción de lo que costaba hace seis meses, más gente lo usa, más casos de uso aparecen, y más presión hay para que el próximo recorte llegue antes.
Y acá se conecta con el CNN. Cuando el precio de un modelo general baja lo suficiente, la pregunta "¿vale la pena entrenar uno específico?" cambia de respuesta. Pero no para todos los casos: en medicina, donde el costo de un error es altísimo, la especialización sigue teniendo sentido aunque el LLM sea gratis. La economía de la IA no es una sola curva descendente; es un mapa de decisiones donde cada dominio tiene su propio punto de equilibrio.
🧪 Agentes, evidencia faltante y el problema del contexto
Los papers de hoy insisten en un tema que viene creciendo hace meses: los agentes que actúan sobre el mundo necesitan saber cuándo no actuar. EpiSEM-Bench evalúa qué pasa cuando un agente recibe una respuesta de herramienta que omite un dato relevante para la seguridad. El resultado esperable: a veces el agente hace igual la acción prohibida. El paper propone un benchmark para medir eso, que es el primer paso para arreglarlo.
Del mismo lado juega el artículo sobre el estado del context engineering: la idea de que armar bien el contexto que recibe un modelo es una disciplina en sí misma, distinta del prompt engineering y del fine-tuning. Y del lado de la gobernanza, VERA propone un dashboard para que las instituciones puedan mostrar evidencia técnica de prácticas responsables de IA antes de desplegar, en línea con la EU AI Act. La conexión con el CNN y los precios es la misma de todo el día: la pregunta ya no es "¿qué tan grande es el modelo?" sino "¿qué tan bien encaja en este problema, con estas restricciones, bajo esta regulación?".
🔧 Herramientas: Thinkrail, jardines de pestañas y el radar de lo cotidiano
En el capítulo de herramientas nuevas, JetBrains Thinkrail apareció con 175 puntos y promete algo que el ecosistema venía pidiendo a gritos: una forma de hacer visible y navegable el razonamiento de un agente mientras trabaja. No es un modelo nuevo; es infraestructura para mirar lo que ya existe. Del otro lado del espectro, Overgrown convierte tus pestañas abandonadas en plantas que crecen: un recordatorio visual, medio irónico, de que la acumulación digital también tiene su ecología. Y en el fondo del radar, el mapa interactivo de las batallas romanas es el tipo de proyecto que recuerda que la web sigue siendo un lugar donde alguien puede pasar meses armando algo hermoso y regalarlo.
📺 Para cerrar
Hay una película de 1993 que trata exactamente sobre esto, aunque no lo parezca: Parque Jurídico. No por los dinosaurios, sino por la escena en que el experto en caos explica que el sistema de control falló porque nadie se preguntó si debía funcionar. Los científicos de Jurassic Park construyeron algo espectacular y se olvidaron de que la pregunta importante no era "¿podemos?" sino "¿qué pasa cuando algo sale mal?". El CNN de diez años que le gana a los LLMs en cáncer de piel es, en cierto modo, el matemático de la película: el que mira el sistema desde afuera y dice "che, esto tiene un agujero".
La diferencia es que esta vez el agujero no está en un parque temático, está en cómo decidimos qué herramienta usar para cada problema. Y la buena noticia es que, a diferencia de los personajes de Spielberg, nosotros podemos elegir no construir el T-Rex cuando un CNN de diez años ya hace el trabajo. La pregunta que queda flotando, como el famoso vaso de agua temblando en el tablero del jeep, es si vamos a tener la humildad de mirar el radar completo —y no solo el titular más grande— antes de encender el sistema.