📰 FLASH NEWS

🧠 OpenAI lanza GPT-5.6 en tres versiones y estrena GPT-Live para hablar como una persona

OpenAI ha desplegado GPT-5.6 en tres variantes: Sol, su modelo más potente; Terra, pensado para el trabajo cotidiano; y Luna, la versión más rápida y barata. Además, ha presentado GPT-Live, una nueva generación de voz capaz de hablar y escuchar al mismo tiempo, mantener conversaciones más naturales e incluso dejarse interrumpir.

Lo importante es que OpenAI no solo está compitiendo por tener el modelo más potente, sino por cubrir todos los frentes a la vez: alto rendimiento técnico, versiones más baratas para uso masivo y una interfaz de voz mucho más natural. La batalla ya no va solo del cerebro de la IA, sino también de cómo se usa.

🎨 Meta presenta Muse Image para crear imágenes pensadas para redes sociales

Meta ha lanzado Muse Image, un nuevo modelo de generación de imágenes integrado en su asistente y orientado a crear contenido visual de alta calidad para compartir en redes sociales.

Lo importante es el movimiento de fondo: Meta no quiere solo que publiques en sus plataformas, también quiere que generes ahí mismo el contenido con IA. Es otro paso para convertir sus apps en un entorno cerrado donde crear, editar y publicar sin salir de su ecosistema.

🤖 Claude Cowork ya se puede usar en móvil para delegar tareas a la IA desde cualquier sitio

Anthropic ha llevado Claude Cowork a iPhone, Android y web, permitiendo delegar tareas completas a la IA sin depender del ordenador. La idea es que puedas arrancar un trabajo en un dispositivo, dejar que Claude siga por su cuenta y revisar el resultado o responder a sus dudas desde el móvil.

Lo importante es el cambio de uso que representa: la IA deja de ser solo un chat al que preguntas cosas y se convierte más en un asistente al que le encargas trabajo para que lo haga en segundo plano.

🔐 Google cambia los CAPTCHA porque la IA ya se los salta sin problema

Google está empezando a sustituir los CAPTCHA clásicos por un sistema que te pide escanear un QR con el móvil para demostrar que eres humano. La razón oficial es clara: los tests visuales y puzzles de toda la vida ya no sirven porque la IA los resuelve cada vez mejor.

Lo importante es la otra lectura: esta verificación no solo combate bots, también ata más la navegación al móvil y a los servicios de Google. Es decir, no es solo un cambio de seguridad, también es una nueva capa de control sobre cómo accedes a la web.

🤖 JADEPUFFER ya no es una prueba rara: confirma que el ransomware autónomo ya está aquí

Nuevos análisis refuerzan que JADEPUFFER no fue solo un ataque con IA “de apoyo”, sino una operación donde un agente autónomo recorrió prácticamente toda la cadena del ataque por su cuenta: explotar fallos, moverse por sistemas, robar credenciales, corregir errores y desplegar el ransomware.

Lo importante es el cambio de escala que sugiere: si este modelo se consolida, los ciberataques pueden volverse mucho más rápidos, baratos y difíciles de frenar, porque ya no dependen tanto de equipos humanos ejecutando cada paso manualmente.

🇨🇳 DeepSeek ya quiere su propio chip para dejar de depender de NVIDIA

DeepSeek está desarrollando su propio chip de inferencia para reducir su dependencia del hardware de NVIDIA y Huawei. La idea no es usarlo para entrenar grandes modelos, sino para la parte más cotidiana y costosa: responder a las consultas de los usuarios una vez el modelo ya está desplegado.

Lo importante es que esto va más allá de DeepSeek. Cada vez más empresas de IA quieren controlar también el silicio, porque depender de terceros para la infraestructura se está convirtiendo en un riesgo estratégico y económico.

🤖 EL CHIP MAESTRO

Tiempo de lectura: 3 minutos

🕵️ Deepfakes, IA y periodismo en 2026: cuando la mentira empieza a parecer noticia

Durante años, los deepfakes parecían una rareza de internet.

Un vídeo falso de un político.

Una voz clonada.

Una cara cambiada en una imagen.

Algo llamativo pero puntual.

Eso ya no es así.

Entre 2020 y marzo de 2026, los incidentes mensuales de deepfakes pasaron de cifras casi anecdóticas a más de 3.000 casos registrados en un solo mes.

Y el salto no llega por casualidad.

Coincide con la explosión de herramientas de IA generativa capaces de crear vídeo, imagen, voz y texto con una calidad cada vez más difícil de detectar a simple vista.

La desinformación ya no necesita un gran equipo técnico.

Ni un estudio.

Ni conocimientos avanzados.

Necesita una buena herramienta, una narrativa emocional y una plataforma que la distribuya rápido.

Y eso cambia el problema de escala.

Porque el riesgo ya no es solo que alguien fabrique una mentira.

El riesgo es que esa mentira empiece a circular con la forma, el tono y la apariencia de una noticia legítima.

🧨 La nueva escala del engaño

Los deepfakes han dejado de ser un experimento marginal.

Ahora son una herramienta de manipulación política, fraude económico y daño reputacional.

La mayoría de incidentes detectados son audiovisuales: vídeos, imágenes, medios mixtos o clonaciones de voz.

Y tiene sentido.

Una imagen impacta más rápido que una explicación.

Una voz falsa puede convencer más que un texto.

Un vídeo manipulado puede incendiar una campaña electoral antes de que nadie tenga tiempo de verificarlo.

Pero lo más preocupante no es solo la calidad técnica.

Es el cambio de objetivo.

Antes se intentaba engañar a una persona.

Ahora se intenta derrotar un sistema.

Un deepfake puede colarse en procesos de verificación de identidad.

Una voz clonada puede superar controles telefónicos.

Un vídeo sintético puede entrar en una plataforma KYC.

La pregunta deja de ser:

“¿Puede un humano detectar que esto es falso?”

Y pasa a ser:

“¿Puede una infraestructura entera resistir ataques generados por IA?”

Ese es otro nivel de amenaza.

🗳️ Cuando la política se llena de realidad sintética

Las campañas electorales son el terreno perfecto para este tipo de contenido.

Porque no hace falta convencer a todo el mundo.

Basta con sembrar duda.

Inflamar emociones.

Reforzar una narrativa.

Hacer que algo falso parezca posible durante el tiempo suficiente.

La campaña húngara de 2026 se ha convertido en uno de los ejemplos más claros.

Deepfakes de figuras europeas.

Audios manipulados.

Vídeos con apariencia informativa.

Logos falsos de medios reputados.

Dominios fraudulentos que imitaban webs de noticias.

Y algo especialmente inquietante: algunos clips estaban etiquetados como generados por IA.

Pero aun así funcionaban.

Porque una etiqueta no desactiva una emoción.

Puedes saber que algo está generado por IA y, aun así, quedarte con la sensación que te provoca.

Miedo.

Rabia.

Sospecha.

Desconfianza.

Ese es uno de los grandes errores del debate actual.

Pensar que basta con poner una etiqueta de “contenido generado por IA” para neutralizar su efecto.

No basta.

Si el contenido está diseñado para reforzar una realidad paralela, la etiqueta puede convertirse casi en un detalle secundario.

📰 El periodismo también está usando IA

Aquí es donde el asunto se vuelve más incómodo.

Porque mientras los deepfakes crecen fuera de las redacciones, la IA también está entrando dentro de ellas.

No siempre como sustituto del periodista.

A veces como herramienta de apoyo.

Para analizar datos.

Buscar patrones.

Transcribir entrevistas.

Resumir documentos.

Ayudar en investigación.

Ordenar información.

Eso puede ser útil.

El problema aparece cuando la IA empieza a producir contenido público sin suficiente transparencia ni verificación.

Un estudio reciente sobre periódicos estadounidenses analizó más de 100.000 artículos y concluyó que cerca del 9% de las piezas recién publicadas estaban parcial o totalmente generadas por IA.

La mayoría no lo indicaba.

Y los artículos generados por IA tenían muchas más probabilidades de incluir afirmaciones falsas que los escritos por humanos.

Ahí está la grieta.

No es que todo uso de IA en periodismo sea malo.

No lo es.

El problema es usarla para publicar más rápido sin explicar cómo se ha usado, quién ha revisado el contenido y qué controles editoriales hay detrás.

Porque desde fuera, para el lector medio, todo puede parecer igual.

Una noticia real.

Un resumen automatizado.

Una pieza generada por IA.

Una web falsa con tono periodístico.

Un deepfake con logo de medio reconocido.

La apariencia deja de ser suficiente.

🔎 La diferencia ya no está en cómo se ve, sino en cómo se verifica

Este es el punto central.

La diferencia entre periodismo legítimo y desinformación generada por IA no estará cada vez más en la superficie.

No bastará con mirar si el vídeo “parece raro”.

No bastará con leer si el texto “suena artificial”.

No bastará con confiar en que una imagen tenga buena calidad.

La diferencia estará en el proceso.

Quién lo publica.

Cómo lo verifica.

Qué fuentes muestra.

Qué política tiene sobre IA.

Qué correcciones hace.

Qué metodología sigue.

Qué responsabilidad editorial asume.

Por eso medios y equipos como BBC Verify, AP Fact Check o iniciativas similares están reforzando unidades dedicadas a rastrear imágenes, vídeos, metadatos, ubicaciones y contexto.

Pero incluso estos equipos reconocen que las señales obvias están desapareciendo.

Antes un deepfake podía tener errores visibles.

Bocas extrañas.

Manos raras.

Voces metálicas.

Movimientos poco naturales.

Ahora muchos fallos son más sutiles.

Y cuando la mentira circula más rápido que la verificación, llegar tarde también tiene coste.

🧠 El texto puede ser más peligroso que la imagen

Hay otro giro interesante.

Mucha gente piensa en deepfakes como vídeos o imágenes.

Pero algunos estudios recientes apuntan a que la desinformación textual generada por IA puede ser incluso más persuasiva que la visual.

Tiene sentido.

Nos hemos vuelto más escépticos con imágenes raras.

Sabemos que una foto puede estar manipulada.

Sabemos que una voz puede clonarse.

Pero un texto bien escrito, con tono experto y apariencia de análisis, puede colarse con más facilidad.

Especialmente si imita el estilo de una fuente autorizada.

Un falso experto.

Una columna aparentemente seria.

Una nota de prensa fabricada.

Un artículo generado con datos inventados.

Ese tipo de contenido no grita “fake”.

Suena razonable.

Y quizá por eso es más peligroso.

Porque no busca sorprenderte.

Busca parecer normal.

💡 El gran riesgo de la IA no es solo fabricar mentiras espectaculares. Es producir falsedades perfectamente aburridas, creíbles y compartibles.

⚖️ La frontera no desaparece de golpe

La línea entre desinformación sintética y periodismo legítimo se está estrechando.

Pero no se ha borrado del todo.

Y probablemente no habrá un único momento en el que todo colapse.

Lo más probable es una mezcla incómoda.

Medios serios con procesos robustos.

Granjas de contenido generadas por IA.

Campañas políticas con deepfakes.

Redacciones usando IA de forma responsable.

Otras usándola para publicar más rápido.

Lectores cada vez más desconfiados.

Plataformas intentando etiquetar contenido cuando el daño ya se ha producido.

En ese entorno, la pregunta ya no será:

“¿Esto parece real?”

Sino:

“¿Puedo reconstruir de dónde viene?”

La confianza dependerá menos de la estética y más de la trazabilidad.

Menos del formato y más del proceso.

Menos de si algo está bien escrito y más de si alguien puede responder por ello.

🧩 La nueva alfabetización mediática

Durante años, aprender a informarse significaba distinguir medios fiables de webs dudosas.

Ahora eso se complica.

Porque una web dudosa puede parecer profesional.

Un vídeo falso puede tener buena producción.

Un texto generado por IA puede sonar experto.

Y una noticia real puede circular en el mismo feed que una manipulación sintética diseñada para activar tus emociones.

Eso obliga a desarrollar nuevos hábitos.

Mirar la fuente.

Comprobar fechas.

Desconfiar de lo que llega demasiado perfecto para confirmar lo que ya pensabas.

No compartir en caliente.

Valorar medios que expliquen su metodología.

Exigir transparencia cuando se use IA.

Y aceptar una idea incómoda:

en la era de la IA generativa, informarse bien va a requerir más trabajo.

No menos.

📢 La pregunta incómoda

La IA no solo está creando nuevos bulos.

Está cambiando el terreno sobre el que decidimos qué es verdad.

Y eso afecta al periodismo, a las plataformas, a la política y a cualquiera que consuma información.

Porque cuando una mentira puede parecer noticia, y una noticia puede estar parcialmente escrita por IA, la confianza ya no se sostiene solo por la apariencia.

Se sostiene por procesos.

Por transparencia.

Por verificación.

Por responsabilidad.

Quizá el futuro del periodismo no dependa únicamente de usar mejor la IA.

Dependa de demostrar, una y otra vez, por qué todavía merece ser creído.

📢 ¿Estamos preparados para vivir en un internet donde la pregunta ya no sea “esto parece real”, sino “quién puede demostrar que lo es”? ¿O a caso ya vivimos en ese internet?

🍿 LA BUTACA DEL CAOS

Nightcrawler (2014)

Dirección: Dan Gilroy

Louis Bloom no miente. Simplemente edita la realidad hasta que se parezca a lo que tú quieres ver.

🎯 Trama

Lou Bloom es un ladrón de chatarra que descubre su verdadera vocación una noche cualquiera, filmando un accidente antes de que llegue la ambulancia. Así nace un cazador de noticias nocturno: compra una cámara, un escáner policial y empieza a vender sangre fresca a un canal de Los Ángeles desesperado por audiencia. Cuanto más grotesca la imagen, más paga la cadena. Y Lou, que aprende rápido, deja de esperar la tragedia para provocarla. Mueve cadáveres, retrasa avisos, reordena escenas de crimen como quien decora un escaparate. No inventa datos falsos con un algoritmo, los inventa con sus propias manos, pero el resultado es idéntico al que hoy firma cualquier IA generativa: una versión de los hechos diseñada exclusivamente para viralizarse, no para ser cierta. El Chip Maestro de esta semana hablaba de mentiras que parecen noticias. Lou Bloom es la prueba de que ese negocio no necesitó esperar a la inteligencia artificial. Solo necesitó a alguien sin escrúpulos y una redacción dispuesta a mirar hacia otro lado si las cifras de audiencia subían.

👥 Personajes

Jake Gyllenhaal construye a Bloom como un manual de management leído por un sociópata: sonríe, negocia, cita frases de autoayuda corporativa mientras extorsiona a su propia jefa. Rene Russo es Nina, la productora que necesita el material de Lou tanto como él necesita venderlo, una complicidad que empieza siendo profesional y termina siendo culpable. Nadie en esta película es inocente, solo hay distintos grados de necesidad.

🎬 Estilo y narrativa

Gilroy filma Los Ángeles como un organismo nocturno, todo neón sucio y avenidas vacías, con una cámara que persigue a Bloom con la misma frialdad clínica con la que él persigue sus historias. El montaje nunca juzga, se limita a mostrar, y esa distancia es lo que vuelve la película tan incómoda. No hay villano de caricatura, hay un sistema que premia exactamente este comportamiento.

🧨 Conclusión

Lou Bloom no truca vídeos con IA porque no le hace falta: la cámara ya miente lo suficiente cuando la sostiene alguien sin conciencia. El problema nunca fue la herramienta, fue el mercado dispuesto a pagar por la mentira más vendible. Ahora que cualquiera puede fabricar su propio Lou Bloom sintético en segundos, la pregunta deja de ser si nos van a engañar. La pregunta es si alguna redacción va a tener el valor de apagar la cámara.