Anthropic y Google revisan el marco de IA de Trump, pero los modelos abiertos quedan fuera de la red

Anthropic y Google han revisado un marco federal de seguridad para IA que añade un control de 30 días antes de que ciertos modelos fronterizos lleguen al público. Sin embargo, el marco supuestamente excluye los modelos abiertos, lo que crea una importante brecha entre los sistemas que Washington inspecciona y los riesgos que quiere controlar.

Las conversaciones entre Anthropic y Google no son simplemente otra ronda de compromisos voluntarios de seguridad. Marcan el intento de la administración Trump de crear un proceso federal de revisión tras desmantelar gran parte de la estructura de supervisión de IA de su predecesora.

La política también llega después de un notable conflicto entre Anthropic y el gobierno federal. Según se informa, los sistemas más recientes de Anthropic detectaron vulnerabilidades en redes gubernamentales sensibles en cuestión de horas. Más tarde, Washington restringió el acceso a esos sistemas y luego reincorporó a Anthropic a las negociaciones sobre las normas.

Esa historia convierte un proceso técnico de revisión en una disputa por el control. Los desarrolladores de modelos cerrados se enfrentan a un escrutinio gubernamental confidencial antes de su lanzamiento. Los desarrolladores de modelos abiertos, incluidas empresas que compiten con Google y Anthropic, aparentemente siguen fuera del mismo proceso.

Por tanto, la cuestión central no es si la IA avanzada merece pruebas. Es si un marco centrado en laboratorios estadounidenses cooperativos puede abordar capacidades comparables publicadas mediante pesos abiertos, desarrolladores extranjeros o proveedores menos cooperativos.

El marco crea una barrera de seguridad de 30 días

El cambio inmediato es una ventana de revisión federal confidencial para modelos cerrados avanzados antes de su lanzamiento público.

El presidente Donald Trump firmó la orden ejecutiva subyacente el 2 de junio de 2026. Esta instruye al gobierno a crear un proceso voluntario para examinar los riesgos para la seguridad nacional en sistemas de IA altamente capaces.

La orden concede a los revisores hasta 30 días. Ese periodo pretende permitir que especialistas federales prueben las capacidades cibernéticas antes de que un modelo llegue a una audiencia amplia.

Un modelo fronterizo es un sistema de IA cercano a la vanguardia de las capacidades generales. Según el marco descrito a representantes de la industria, la cobertura supuestamente depende de que un modelo sea cerrado, altamente capaz y relevante para los riesgos de seguridad nacional.

Ese lenguaje deja sin resolver términos importantes. No existe un umbral público que defina qué se considera el estado del arte. La administración tampoco ha publicado un estándar claro para decidir cuándo una capacidad cibernética se convierte en una preocupación de seguridad nacional.

Según el marco de revisión del que se ha informado, las empresas participantes presentarían modelos próximos a su lanzamiento público. Los revisores gubernamentales los examinarían en entornos de alta seguridad.

El acceso quedaría registrado, y los empleados podrían enfrentarse a restricciones mientras avanza la revisión. Participarían varias oficinas de la administración en lugar de dejar la evaluación en manos de una sola agencia.

El momento de entrega del modelo importa. Un laboratorio no proporcionaría un sistema de investigación a medio terminar meses antes del lanzamiento. Según se informa, entregaría algo cercano a la versión destinada a los clientes.

Ese enfoque ofrece a los revisores un objetivo más realista. También sitúa la revisión directamente en la ruta de lanzamiento, donde los retrasos o los hallazgos controvertidos pueden afectar los planes de producto.

La orden ejecutiva describe la participación como voluntaria. Se centra en sistemas con capacidades cibernéticas avanzadas, no en cada nuevo modelo comercial.

Sin embargo, «voluntario» no elimina la influencia del gobierno. Los laboratorios fronterizos venden a agencias, dependen del acceso a chips avanzados y trabajan con proveedores de infraestructura sujetos a normas federales.

Una empresa puede negarse a participar en principio. En la práctica, la negativa podría complicar contratos, autorizaciones de seguridad, decisiones de exportación o las relaciones con clientes de seguridad nacional.

Anthropic acogió favorablemente la orden de junio y afirmó que esperaba respaldar su implementación. Google y OpenAI también respondieron positivamente, presentando la evaluación federal como compatible con el desarrollo continuado de la IA.

Por tanto, el marco comienza con cooperación, no con un requisito legal universal. Su alcance depende en gran medida de qué desarrolladores participen y qué sistemas defina el gobierno como cubiertos.

Eso crea la tensión central del artículo. Washington está construyendo un control relevante en torno a empresas ya dispuestas a hablar de seguridad, mientras deja otras vías de lanzamiento en gran medida intactas.

Por qué las conversaciones entre Anthropic y Google tienen más peso ahora

Anthropic y Google están bajo presión porque sus modelos combinan un amplio uso comercial con capacidades cibernéticas cada vez más relevantes.

La administración no creó este proceso tras un debate político abstracto. Actuó después de que modelos avanzados demostraran la capacidad de identificar debilidades de software a una velocidad que alarmó a funcionarios gubernamentales.

Según se informa, un modelo de Anthropic llamado Mythos participó en pruebas relacionadas con sistemas gubernamentales altamente sensibles. Un funcionario estadounidense dijo a Associated Press que el modelo detectó vulnerabilidades en cuestión de horas.

Encontrar un fallo no es lo mismo que explotarlo. Esa distinción importa porque el descubrimiento de vulnerabilidades puede ayudar a los defensores a corregir sistemas antes de que un atacante llegue a ellos.

El senador Mark Warner ofreció un relato más dramático durante una audiencia de junio. Afirmó que el sistema había entrado en casi todos los entornos clasificados probados en cuestión de horas, atribuyendo la información a responsables de la NSA y el Cyber Command.

La versión oficial fue más limitada. Confirmó que se encontraron vulnerabilidades, pero no estableció que Mythos explotara con éxito todos los sistemas afectados.

Esa brecha de verificación ilustra la dificultad que enfrentan los responsables políticos. Un modelo puede ser útil para la defensa, peligroso en manos hostiles y difícil de evaluar mediante un único resultado llamativo.

Las pruebas gubernamentales de las que se ha informado se realizaron a través de Project Glasswing, una iniciativa de Anthropic que involucra a empresas tecnológicas y otros socios. El proyecto se centra en riesgos graves de software que los modelos avanzados pueden descubrir o amplificar.

Esas capacidades presionan a Anthropic en dos direcciones. Los clientes quieren mejores herramientas automatizadas de seguridad, mientras que las agencias gubernamentales buscan garantías de que las mismas herramientas no acelerarán operaciones ofensivas.

Google afronta un reto relacionado. Sus sistemas Gemini prestan servicio a consumidores, desarrolladores, clientes de la nube e instituciones públicas. Google DeepMind también mantiene su propio marco para detectar capacidades graves antes de su despliegue.

La conexión entre Anthropic y Google importa porque ambas empresas ya operan sistemas internos de evaluación. Washington les está pidiendo que trasladen prácticas privadas de prueba a un proceso controlado por el gobierno.

Para Anthropic, esa petición llega tras meses de conflicto directo con la administración. La empresa había impuesto límites relacionados con armas autónomas y vigilancia masiva nacional en sus acuerdos gubernamentales.

El Pentágono buscaba acceso para todos los fines lícitos. Anthropic argumentó que la autorización legal por sí sola no resolvía todas las preocupaciones de seguridad o libertades civiles.

Ese desacuerdo acabó ampliándose más allá del lenguaje contractual. La administración trató a Anthropic como un riesgo de contratación pública, mientras que los críticos cuestionaron si el gobierno estaba utilizando la autoridad de seguridad nacional para resolver una disputa política.

La relación más tarde viró hacia la cooperación. Anthropic trabajó con agencias en pruebas cibernéticas, restringió el acceso a modelos avanzados tras la intervención gubernamental y se sumó a conversaciones sobre normas de evaluación compartidas.

Google entra en el marco sin la misma confrontación pública. Su participación otorga mayor legitimidad al proceso y evita que las reglas parezcan un acuerdo específico con Anthropic.

Según se informa, OpenAI, Microsoft, Meta, Nvidia y empresas más pequeñas también asistieron a las conversaciones de agosto. Su presencia muestra que el marco se está convirtiendo en una política de la industria y no en un acuerdo bilateral.

Aun así, Anthropic sigue siendo el caso de prueba más importante. Es a la vez una destacada defensora de la seguridad y la empresa cuyas advertencias de seguridad ayudaron a desencadenar la acción gubernamental.

Si Anthropic acepta el marco, Washington puede argumentar que las pruebas externas complementan las salvaguardas privadas. Si la relación vuelve a deteriorarse, el proceso parecerá más una herramienta de presión que una colaboración.

La supervisión de Anthropic y Google se detiene en la línea de los modelos abiertos

La disyuntiva definitoria del marco es que examina modelos estadounidenses cerrados mientras supuestamente excluye lanzamientos abiertos con capacidades similares.

Los modelos cerrados mantienen sus pesos subyacentes, que son los parámetros numéricos aprendidos, bajo el control del desarrollador. Los usuarios acceden a ellos mediante productos alojados o interfaces de programación.

Los modelos de pesos abiertos distribuyen esos parámetros de forma más amplia. Los desarrolladores pueden descargarlos, modificarlos y ejecutarlos sin canalizar cada solicitud a través del proveedor original.

El proceso propuesto por el gobierno se centra en la primera categoría. Tiene sentido operativo porque una empresa de modelos cerrados puede proporcionar acceso controlado y retrasar un lanzamiento mientras se realizan las pruebas.

Los desarrolladores de modelos abiertos plantean un problema de aplicación más difícil. Una vez que los pesos de un modelo son públicos, ningún proveedor central puede retirar de forma fiable todas las copias ni restringir a todos los usuarios.

El marco del que se ha informado aborda ese problema dejando los modelos abiertos fuera de su sistema de revisión. También afirma que las normas no deben interpretarse como una restricción para ellos después de su lanzamiento.

Esa decisión reduce los obstáculos al desarrollo abierto. También crea un problema evidente de incentivos.

Una empresa que mantiene un control estricto sobre su modelo debe someterse a pruebas confidenciales. Un desarrollador que publique pesos comparables podría no enfrentarse a ningún control federal equivalente.

La distinción no siempre sigue el riesgo. Los métodos de distribución afectan a la facilidad con que pueden eliminarse las salvaguardas, pero no determinan la capacidad subyacente de un modelo para descubrir vulnerabilidades.

Google demuestra por qué la línea es complicada. La empresa desarrolla sistemas Gemini cerrados junto con la familia abierta Gemma. Por tanto, una organización puede operar a ambos lados de la frontera política.

Anthropic no publica los pesos de Claude. Sus sistemas permanecen bajo control centralizado, lo que hace que sea más fácil regular la empresa mediante acuerdos de acceso y revisiones de lanzamiento.

Esta asimetría puede recompensar al proveedor de modelos que otorga al gobierno menos control tras la publicación. También puede situar a los laboratorios estadounidenses de modelos cerrados en desventaja de velocidad.

Una revisión de 30 días es breve según los estándares regulatorios. Es larga en una industria donde el momento del lanzamiento determina los compromisos con clientes, la atención a los benchmarks y la adopción por parte de desarrolladores.

Si OpenAI, Anthropic o Google retrasan un modelo para su revisión, un competidor abierto puede aprovechar ese intervalo para atraer desarrolladores. Un laboratorio extranjero también podría publicar pesos comparables sin participar.

La administración parece aceptar esta disyuntiva porque quiere preservar el desarrollo estadounidense de IA. Trump pospuso una versión anterior de la orden después de expresar preocupación por ralentizar a Estados Unidos frente a China.

Por tanto, el enfoque final se dirige a un conjunto reducido de sistemas controlables. Busca visibilidad anticipada sin construir un régimen integral de licencias.

El propio marco de seguridad de Google DeepMind demuestra cómo la gobernanza privada puede abarcar más de un formato de lanzamiento. Hace seguimiento de los niveles de capacidad y exige revisiones de seguridad cuando aparecen riesgos específicos.

Su marco más reciente cubre riesgos como la manipulación dañina, capacidades avanzadas de investigación en IA y modelos que se resisten al control de los operadores. Google afirma que sus evaluaciones combinan pruebas de capacidad con decisiones explícitas sobre el riesgo aceptable.

Anthropic utiliza una estructura interna diferente, pero también evalúa capacidades graves y publica documentación sobre riesgos. Ambas empresas cuentan con procesos institucionales de los que los desarrolladores más pequeños pueden carecer.

El marco federal podría estandarizar partes de esas prácticas. Sin embargo, no alcanza automáticamente a los desarrolladores fuera del grupo participante.

Eso significa que el principal contraste no es Anthropic frente a Google. Es el desarrollo cerrado revisado por el gobierno frente a la distribución abierta menos supervisada.

La política puede reducir el riesgo entre los laboratorios de frontera que cumplen las normas, mientras deja intacto el canal de distribución más rápido. Ambos resultados pueden ser ciertos al mismo tiempo.

Un estándar secreto crea su propio riesgo de seguridad

El marco pide a las empresas y al público que confíen en un sistema de evaluación cuyos umbrales y procedimientos clave permanecen ocultos.

Cierto grado de secreto es inevitable. Publicar un benchmark detallado sobre capacidades cibernéticas ofensivas podría ayudar a los atacantes a optimizar modelos para superar la prueba.

La orden ejecutiva permite que el proceso de benchmarking siga clasificado. Los hallazgos sensibles también deben permanecer en entornos protegidos cuando conciernen a redes gubernamentales o software explotable.

Sin embargo, el secreto sobre el contenido de las pruebas es distinto del secreto sobre la gobernanza. El público puede entender quién toma las decisiones, qué pruebas cuentan y cómo apelan las empresas sin conocer cada exploit.

Según se informa, la administración no planea publicar el marco completo. Por lo tanto, las empresas excluidas de las reuniones de agosto podrían recibir poca orientación sobre si los sistemas futuros cumplen los requisitos.

Esta incertidumbre afecta a más personas que a los especialistas en políticas públicas. Los clientes empresariales elaboran sus hojas de ruta en torno a la disponibilidad de modelos, el acceso regional y los controles de seguridad previstos.

Un modelo retrasado puede alterar lanzamientos de software o revisiones de compras. Un modelo restringido puede obligar a los equipos a cambiar de proveedor después de integrar una interfaz de programación concreta.

Las organizaciones ya necesitan una forma fiable de conservar evaluaciones internas, declaraciones de proveedores y actualizaciones de políticas. Una base de conocimientos de IA con capacidad de búsqueda puede mantener conectados esos materiales a medida que cambian las normas.

La preocupación más amplia sobre la gobernanza implica la discrecionalidad. El gobierno parece poder decidir qué sistemas cumplen los requisitos, quién recibe acceso anticipado y qué respuesta sigue a un hallazgo adverso.

Juan Londoño, del Cato Institute, acogió favorablemente la preparación ante los riesgos de los modelos avanzados, pero cuestionó la vaguedad de la política. Advirtió que una amplia discrecionalidad podría usarse contra una empresa que ya esté en conflicto con la administración.

Esa posibilidad no puede descartarse, porque la relación de Anthropic con Washington ya ha oscilado entre la colaboración y la confrontación.

La disputa sobre seguridad nacional también implica una cuestión más profunda de autoridad. Un proveedor de modelos puede querer limitar la vigilancia o el uso de armas autónomas incluso cuando un cliente gubernamental afirma que la actividad es legal.

La administración Trump ha sostenido que los sistemas desplegados deben permanecer bajo el control operativo del gobierno. Anthropic ha considerado algunas restricciones de uso como un límite de seguridad esencial.

Un análisis de seguridad nacional del Council on Foreign Relations describe esto como una cuestión de quién controla un sistema desplegado. Los contratos, las salvaguardas técnicas y la autoridad gubernamental se cruzan.

La revisión previa al lanzamiento no resuelve ese conflicto. Puede revelar lo que hace un modelo, pero no puede decidir quién debe controlar cada uso permitido.

El marco también corre el riesgo de confundir capacidad con intención. Un modelo que encuentra vulnerabilidades graves puede fortalecer a los defensores cuando se despliega mediante un programa de seguridad supervisado.

La misma capacidad puede ayudar a un atacante cuando fallan las salvaguardas. Por tanto, los evaluadores deben probar tanto el rendimiento técnico como los controles de acceso que lo rodean.

La experiencia de Anthropic demuestra por qué las etiquetas simples son insuficientes. Según se informa, su modelo encontró debilidades graves, aunque líderes externos de seguridad argumentaron que otros modelos disponibles tenían capacidades similares.

Según se informa, más de 100 especialistas en ciberseguridad se opusieron a retirar las capacidades defensivas de Anthropic sin una razón clara. Su argumento no era que Mythos no supusiera ningún riesgo.

Cuestionaban si restringir a un proveedor estadounidense reduciría ese riesgo cuando seguían siendo accesibles alternativas. Esa es la misma debilidad que crea la exclusión de los lanzamientos abiertos.

Un marco secreto aún puede funcionar si sus resultados son coherentes y su autoridad está limitada. Sin esas cualidades, la revisión voluntaria puede convertirse en un filtro impredecible.

La administración aún no ha aportado suficientes indicios públicos para distinguir entre esos resultados. Esa incertidumbre debe seguir siendo central en cualquier evaluación de la política.

La política revierte el mensaje desregulador de Washington

El marco de Trump restablece una forma de supervisión previa al lanzamiento después de que su administración pasara meses sosteniendo que las normas federales sobre IA amenazaban la competitividad estadounidense.

Trump revocó elementos importantes de la política de IA de la administración Biden tras regresar al cargo. Su agenda más amplia hizo hincapié en el despliegue rápido, una menor regulación y la competencia con China.

El nuevo proceso de revisión no recrea el antiguo marco. El enfoque de Biden dependía en gran medida de obligaciones de información, trabajo de normalización y evaluación a través de instituciones civiles como NIST.

El sistema de Trump acerca las pruebas cibernéticas avanzadas a las agencias de seguridad nacional. También limita su cobertura y presenta la participación como una colaboración con la industria.

Aun así, la dirección ha cambiado. Washington antes trataba la revisión anticipada como un obstáculo. Ahora considera necesaria la visibilidad previa sobre ciertos modelos para la seguridad nacional.

El catalizador fue la capacidad, no un cambio general en la filosofía regulatoria. Los modelos de Anthropic concretaron el debate sobre seguridad al realizar tareas asociadas con operadores cibernéticos cualificados.

El giro también refleja la dependencia federal de los laboratorios privados. Las agencias gubernamentales utilizan infraestructura y modelos que no construyeron y no pueden reemplazar rápidamente.

Esa dependencia otorga a las empresas control técnico. La autoridad de contratación, los controles de exportación y las clasificaciones de seguridad otorgan a Washington un tipo distinto de influencia.

El marco intenta combinar esas fortalezas. Los laboratorios proporcionan sistemas próximos al lanzamiento y apoyo técnico, mientras que las agencias aportan entornos clasificados, información sobre amenazas y experiencia en seguridad nacional.

Este acuerdo puede producir mejores evaluaciones de las que cualquiera de las partes podría realizar por sí sola. Una empresa no puede reproducir por completo la inteligencia que poseen las agencias gubernamentales sobre adversarios activos.

Los evaluadores gubernamentales también necesitan a los ingenieros de un laboratorio para comprender el comportamiento del modelo, los controles del sistema y las limitaciones de una prueba concreta. Por tanto, la cooperación es más útil que una simple lista de verificación de cumplimiento.

Sin embargo, la cooperación se vuelve frágil cuando las partes discrepan sobre el uso aceptable. La disputa de Anthropic con el Pentágono demuestra que los objetivos compartidos de seguridad no garantizan límites de política compartidos.

Google ha evitado una ruptura pública equivalente, pero se enfrenta a la misma cuestión estructural. Un laboratorio privado puede identificar un riesgo inaceptable mientras un comprador gubernamental prioriza la flexibilidad operativa.

OpenAI también se enfrenta a ello. Lo mismo ocurre con los proveedores de nube que alojan modelos y los clientes empresariales que dependen de un acceso estable.

El contexto competitivo añade otra complicación. Anthropic revisó su política emblemática de seguridad a principios de 2026, eliminando un compromiso categórico que podría haber detenido el entrenamiento sin salvaguardas adecuadas.

Los líderes de la empresa argumentaron que las pausas unilaterales no mejorarían la seguridad si los competidores seguían avanzando. La política revisada pone el énfasis en hojas de ruta, informes de riesgo recurrentes y esfuerzos para igualar o superar las protecciones de sus pares.

Ese cambio hizo más importantes las normas coordinadas. Una empresa no puede mantener límites estrictos indefinidamente cuando sus rivales afrontan costes menores por avanzar más rápido.

El marco de Trump intenta proporcionar coordinación, pero solo para participantes seleccionados. No establece un único umbral vinculante para Anthropic, Google, OpenAI, los desarrolladores de modelos abiertos y los laboratorios extranjeros.

Esto deja al gobierno en una posición híbrida. Ha reintroducido la supervisión, al tiempo que preserva una fuerte presunción contra una regulación amplia.

El resultado no es ni una desregulación pura ni un régimen integral de seguridad. Es un punto de control negociado en torno a las empresas a las que Washington puede acceder.

Este enfoque puede responder rápidamente a una amenaza cibernética específica. Es menos adecuado para gobernar capacidades que se difunden entre formatos de modelos y fronteras nacionales.

Por tanto, la revisión de Anthropic y Google es un experimento de política pública. Su éxito depende de si una cooperación limitada puede generar seguridad real sin simplemente desplazar el desarrollo arriesgado a otros lugares.

Tres señales mostrarán si el marco funciona

La siguiente prueba consiste en determinar si Washington puede convertir un acuerdo a puerta cerrada en resultados de seguridad coherentes entre lanzamientos, empresas y formatos de modelos.

La primera señal será el tratamiento del próximo lanzamiento avanzado de un modelo cerrado. Un laboratorio participante debería presentar un sistema próximo al lanzamiento, completar la revisión y explicar las restricciones resultantes.

El gobierno no necesita revelar exploits clasificados. Debería comunicar si el proceso modificó los controles de acceso, el calendario de lanzamiento o las capacidades disponibles del modelo.

Un resultado claro reforzaría el argumento a favor de pruebas específicas previas al lanzamiento. Un retraso sin explicación o una restricción repentina reforzarían las preocupaciones sobre una aplicación discrecional.

La segunda señal será cómo gestiona la administración un modelo abierto con capacidades cibernéticas comparables. Esta es la mayor debilidad sin resolver del diseño actual.

Washington podría crear herramientas de evaluación voluntarias para desarrolladores abiertos, establecer salvaguardas de distribución o centrarse en proveedores de infraestructura posteriores. Cada vía conlleva costes técnicos y políticos.

No hacer nada debilitaría la lógica de seguridad del marco. Sugeriría que el formato de lanzamiento importa más que la capacidad que los funcionarios dicen temer.

La tercera señal será si Anthropic y la administración mantienen la cooperación durante el próximo desacuerdo. Su relación ya ha pasado del conflicto contractual a las restricciones de modelos y de vuelta hacia la elaboración conjunta de normas.

Un proceso estable permitiría que los hallazgos técnicos sobrevivieran a la tensión política. Una ruptura demostraría que el marco depende demasiado de la confianza informal entre los funcionarios actuales y los líderes empresariales.

El comportamiento de Google ofrecerá una comparación útil. Si ambas empresas reciben un trato similar para sistemas similares, la política se parecerá más a un estándar.

Si Anthropic afronta consecuencias distintas debido a su disputa anterior, los críticos verán la revisión como una herramienta de influencia del poder ejecutivo.

Los compradores empresariales deberían observar estas señales en lugar de asumir que «voluntario» significa irrelevante. El acceso a los modelos, las fechas de lanzamiento y la disponibilidad regional pueden cambiar cuando intervienen las revisiones de seguridad nacional.

Los desarrolladores también deberían seguir qué capacidades atraen atención. El descubrimiento automatizado de vulnerabilidades, la generación de exploits, la acción autónoma y la resistencia al control del operador probablemente recibirán un escrutinio estrecho.

Los trabajadores del conocimiento afrontan un problema relacionado. Un modelo puede seguir disponible mientras determinadas herramientas, conectores o modos avanzados quedan sujetos a límites.

Los equipos deberían documentar qué versión del modelo admite cada flujo de trabajo y conservar alternativas para las tareas críticas. También deberían distinguir entre las afirmaciones de los proveedores, las conclusiones gubernamentales y la evidencia independiente.

Las conversaciones entre Anthropic y Google han creado un verdadero punto de control federal, pero no han creado un sistema de seguridad completo. Las revisiones de modelos cerrados solo cubren una de las vías por las que las capacidades avanzadas llegan a los usuarios.

Un marco creíble debe explicar con el tiempo por qué capacidades similares reciben un trato diferente. También debe separar el secretismo necesario de la toma de decisiones sin rendición de cuentas.

Por ahora, los lectores deberían plantearse tres preguntas prácticas cada vez que un modelo importante se acerca a su lanzamiento. ¿Estaba cubierto, qué cambió tras las pruebas y podría un sistema abierto equivalente eludir el proceso?

Las respuestas revelarán si el marco de Anthropic y Google reduce el riesgo nacional o simplemente concentra la supervisión en las empresas más cooperativas. Siga de cerca el próximo lanzamiento de modelo, la próxima publicación abierta y la próxima disputa entre un laboratorio de frontera y Washington.