January | 2026
Physical Intelligence is building general-purpose robotic foundation models through a loop of data collection, training, and real-world testing, TechCrunch reported on January 30th. In the company's San Francisco space, off-the-shelf robotic arms practice folding pants, turning shirts inside out, peeling vegetables, and using a test kitchen as training ground. The startup has raised more than $1 billion, spends heavily on compute, and has avoided giving investors a firm commercialization timeline while testing systems with partners in logistics, grocery, and food production.
The clumsy hand is the honest image of robotic intelligence. Software can appear brilliant in language because language tolerates polish, omission, and speed. A kitchen does not. A zucchini slips, fabric folds badly, hardware breaks, and a task that looks trivial becomes a lesson in force, grip, angle, friction, and recovery. Physical Intelligence is betting that general robotic skill will emerge from enough bodies, environments, and failures. The wager is expensive because physical knowledge resists theatrical demos. A model cannot merely describe peeling. It has to hold the vegetable, lose it, adjust pressure, collect the shaving, and try again while investors wait for a machine that can finally touch the world without pretending it understands it.
Physical Intelligence construye modelos fundacionales robóticos de propósito general mediante un ciclo de recolección de datos, entrenamiento y pruebas en el mundo real, informó TechCrunch el 30 de enero. En el espacio de la empresa en San Francisco, brazos robóticos comerciales practican doblar pantalones, dar vuelta camisas, pelar verduras y usar una cocina de prueba como terreno de entrenamiento. La startup recaudó más de 1.000 millones de dólares, gasta mucho en cómputo y ha evitado dar a los inversores un calendario firme de comercialización mientras prueba sistemas con socios en logística, supermercados y producción de alimentos.
La mano torpe es la imagen honesta de la inteligencia robótica. El software puede parecer brillante en el lenguaje porque el lenguaje tolera pulido, omisión y velocidad. Una cocina no. Un calabacín se resbala, la tela se dobla mal, el hardware se rompe y una tarea que parece trivial se vuelve una lección de fuerza, agarre, ángulo, fricción y recuperación. Physical Intelligence apuesta a que la habilidad robótica general emergerá de suficientes cuerpos, entornos y fallas. La apuesta es costosa porque el conocimiento físico resiste las demostraciones teatrales. Un modelo no puede limitarse a describir cómo pelar. Tiene que sostener la verdura, perderla, ajustar la presión, recoger la viruta y volver a intentarlo mientras los inversores esperan una máquina que por fin pueda tocar el mundo sin fingir que lo entiende.
CISA's acting director, Madhu Gottumukkala, uploaded sensitive contracting documents marked for official use only to ChatGPT, TechCrunch reported on January 28th, citing Politico. The uploads reportedly triggered automated security warnings designed to prevent theft or accidental disclosure from federal networks. Gottumukkala had been granted an exception to use ChatGPT while other employees were prohibited, and Homeland Security officials examined whether the uploads harmed government security.
The leaking exception turns AI policy into a hierarchy of permissions. A public agency can forbid a tool to ordinary staff, warn against data leaving the network, and still allow the person at the top to carry internal files into a commercial model. The danger is not dramatic espionage. It is administrative confidence meeting a product built to absorb language. A contract document marked for internal use becomes prompt material, and the security system records the contradiction after the gesture has already occurred. The episode also weakens the theater of institutional caution. Rules look different when leaders treat them as temporary obstacles, and the chatbot becomes the place where that difference leaves a log.
Madhu Gottumukkala, director interino de CISA, subió a ChatGPT documentos sensibles de contratación marcados para uso oficial, informó TechCrunch el 28 de enero, citando a Politico. Las cargas habrían activado advertencias automáticas de seguridad diseñadas para impedir robo o divulgación accidental desde redes federales. Gottumukkala tenía una excepción para usar ChatGPT mientras otros empleados lo tenían prohibido, y funcionarios de Seguridad Nacional examinaron si las cargas dañaron la seguridad gubernamental.
La excepción filtrada convierte la política de IA en una jerarquía de permisos. Una agencia pública puede prohibir una herramienta al personal ordinario, advertir contra la salida de datos de la red y aun así permitir que la persona de arriba lleve archivos internos a un modelo comercial. El peligro no es un espionaje dramático. Es la confianza administrativa encontrándose con un producto construido para absorber lenguaje. Un documento contractual marcado para uso interno se vuelve material de prompt, y el sistema de seguridad registra la contradicción después de que el gesto ya ocurrió. El episodio también debilita el teatro de la cautela institucional. Las reglas se ven distintas cuando los líderes las tratan como obstáculos temporales, y el chatbot se vuelve el lugar donde esa diferencia deja un registro.
Google expanded prompt-based editing in Google Photos to India, Australia, and Japan, TechCrunch reported on January 27th. The feature lets Android users ask for changes in plain language, from removing objects and reducing blur to restoring an old photo, changing a friend's pose, removing glasses, or opening a subject's eyes after a blink. Google says the edits run inside the app and that C2PA Content Credentials will indicate when an image was created or altered with AI.
The edited memory moves image manipulation from specialist software into ordinary speech. A family picture no longer needs a trained editor, a menu of tools, or visible labor. It needs a sentence. That makes repair easier, especially for damaged archives and bad snapshots that people still want to keep. It also changes the moral temperature of the album. The unwanted motorcycle, closed eyes, bad background, awkward pose, and inconvenient object become defects waiting for instruction. Metadata may record the intervention, but the eye meets the improved scene first. Memory has always been selective. Google Photos gives that selectivity a command box and makes correction feel as natural as asking.
Google expandió la edición por prompts en Google Photos a India, Australia y Japón, informó TechCrunch el 27 de enero. La función permite a usuarios de Android pedir cambios en lenguaje común, desde eliminar objetos y reducir desenfoque hasta restaurar una foto antigua, cambiar la pose de un amigo, quitar gafas o abrir los ojos de una persona que parpadeó. Google dice que las ediciones se ejecutan dentro de la app y que las credenciales C2PA indicarán cuándo una imagen fue creada o alterada con IA.
La memoria editada mueve la manipulación de imágenes desde el software especializado hacia el habla ordinaria. Una foto familiar ya no necesita un editor entrenado, un menú de herramientas ni trabajo visible. Necesita una frase. Eso facilita la reparación, sobre todo en archivos dañados y malas instantáneas que la gente aún quiere conservar. También cambia la temperatura moral del álbum. La motocicleta indeseada, los ojos cerrados, el fondo malo, la pose incómoda y el objeto inconveniente se vuelven defectos a la espera de una instrucción. Los metadatos pueden registrar la intervención, pero el ojo encuentra primero la escena mejorada. La memoria siempre fue selectiva. Google Photos le da a esa selectividad una caja de comandos y hace que corregir parezca tan natural como pedir.
San Diego Comic-Con and the Science Fiction and Fantasy Writers Association tightened their rules against generative AI, TechCrunch reported on January 25th. SFWA revised Nebula Award eligibility after backlash, barring works written wholly or partly by large language models and disqualifying work if LLMs were used at any point in creation. Comic-Con changed art show rules after artists objected, moving from a partial allowance for AI-generated art to a clear ban on material created wholly or partly by AI.
The rejected future carries special force inside science fiction. The genre spent more than a century imagining intelligent machines, artificial minds, synthetic artists, obedient tools, rebellious servants, and technical miracles. Its writers now confront a machine sold in the language of their own inheritance, trained on the cultural archive, and offered as a shortcut through the labor that made the archive valuable. The ban is imperfect because software companies keep embedding LLM features into ordinary tools. It still names a boundary. A convention hall and an awards ballot are declaring that speculative culture cannot be reduced to a prediction engine fed by previous dreams. The future may enter the story, but it does not get automatic authorship.
San Diego Comic-Con y la Science Fiction and Fantasy Writers Association endurecieron sus reglas contra la IA generativa, informó TechCrunch el 25 de enero. La SFWA revisó la elegibilidad de los premios Nebula tras una reacción negativa, prohibiendo obras escritas total o parcialmente por grandes modelos de lenguaje y descalificando trabajos si se usaron LLM en cualquier punto de la creación. Comic-Con cambió las reglas de su muestra de arte después de las objeciones de artistas, pasando de una autorización parcial para arte generado con IA a una prohibición clara de material creado total o parcialmente por IA.
El futuro rechazado tiene una fuerza especial dentro de la ciencia ficción. El género pasó más de un siglo imaginando máquinas inteligentes, mentes artificiales, artistas sintéticos, herramientas obedientes, sirvientes rebeldes y milagros técnicos. Sus escritores enfrentan ahora una máquina vendida en el lenguaje de su propia herencia, entrenada con el archivo cultural y ofrecida como atajo por el trabajo que hizo valioso ese archivo. La prohibición es imperfecta porque las empresas de software siguen incrustando funciones de LLM en herramientas comunes. Aun así, nombra un límite. Un centro de convenciones y una papeleta de premios declaran que la cultura especulativa no puede reducirse a un motor de predicción alimentado por sueños anteriores. El futuro puede entrar en la historia, pero no recibe autoría automática.
Sparkli, an AI-powered learning app founded by former Google employees, is trying to turn children's questions into interactive learning expeditions, TechCrunch reported on January 24th. The app generates audio, video, images, quizzes, games, and choose-as-you-go adventures around topics a child selects or asks about. The company says it has tested the product in more than 20 schools, built a teacher module, and added safety rules for sensitive subjects, while targeting children ages 5 to 12.
The captive lesson borrows the grammar of games to compete with games. Sparkli's founders describe curiosity, but the product also uses streaks, rewards, quest cards, avatars, daily topics, and generated media that can appear within minutes. Education has always needed attention. The new bargain is that attention must be won with the same machinery that trains children to return to apps. That can make a difficult idea more vivid than a worksheet or a wall of text. It can also make learning depend on a private engine that decides which path, image, voice, and reward will keep a child moving. The classroom receives an expedition, and the child receives a lesson shaped like a retention loop.
Sparkli, una aplicación de aprendizaje con IA fundada por exempleados de Google, intenta convertir las preguntas de los niños en expediciones interactivas de aprendizaje, informó TechCrunch el 24 de enero. La app genera audio, video, imágenes, cuestionarios, juegos y aventuras de elección alrededor de temas que un niño selecciona o pregunta. La empresa dice que probó el producto en más de 20 escuelas, construyó un módulo para docentes y agregó reglas de seguridad para asuntos sensibles, mientras apunta a niños de 5 a 12 años.
La lección cautiva toma prestada la gramática de los juegos para competir con los juegos. Los fundadores de Sparkli hablan de curiosidad, pero el producto también usa rachas, recompensas, tarjetas de misión, avatares, temas diarios y medios generados que pueden aparecer en minutos. La educación siempre necesitó atención. El nuevo pacto exige ganar esa atención con la misma maquinaria que entrena a los niños a volver a las aplicaciones. Eso puede volver una idea difícil más viva que una hoja de ejercicios o un muro de texto. También puede hacer que aprender dependa de un motor privado que decide qué camino, imagen, voz y recompensa mantendrá al niño en movimiento. El aula recibe una expedición, y el niño recibe una lección con forma de bucle de retención.
Blockit, a startup founded by former Sequoia partner Kais Khimji and John Han, raised $5 million to build AI agents that negotiate calendar scheduling directly with one another, TechCrunch reported on January 22nd. Instead of sending availability links, users can copy the agent on email or message it in Slack. The system learns preferences such as nonnegotiable meetings, movable appointments, skipped lunches, location choices, and even tonal cues in emails that might change a meeting's priority.
The negotiated hour turns time into a social database. A calendar once looked like a private grid of obligations, evasions, habits, and status. Blockit asks that grid to speak with other grids and settle conflicts before the owner returns to the thread. The promise is relief from small coordination labor. The cost is a formal model of preference, where lunch, hierarchy, urgency, politeness, and fatigue become instructions a system can apply. That shift may be useful because scheduling is miserable. It is also revealing because the agent must learn the secret grammar of a person's day. The meeting appears on the calendar as a clean block. Behind it, two delegated machines have already decided whose time could bend.
Blockit, una startup fundada por el exsocio de Sequoia Kais Khimji y John Han, recaudó 5 millones de dólares para construir agentes de IA que negocian directamente entre sí la programación de calendarios, informó TechCrunch el 22 de enero. En vez de enviar enlaces de disponibilidad, los usuarios pueden copiar al agente en un correo o escribirle en Slack. El sistema aprende preferencias como reuniones inamovibles, citas movibles, almuerzos sacrificables, opciones de ubicación e incluso señales de tono en correos que podrían cambiar la prioridad de una reunión.
La hora negociada convierte el tiempo en una base de datos social. Un calendario parecía antes una cuadrícula privada de obligaciones, evasiones, hábitos y estatus. Blockit pide a esa cuadrícula hablar con otras cuadrículas y resolver conflictos antes de que el dueño vuelva al hilo. La promesa es aliviar una pequeña labor de coordinación. El costo es un modelo formal de preferencia, donde almuerzo, jerarquía, urgencia, cortesía y cansancio se vuelven instrucciones que un sistema puede aplicar. Ese cambio puede ser útil porque coordinar reuniones es miserable. También revela demasiado porque el agente debe aprender la gramática secreta del día de una persona. La reunión aparece en el calendario como un bloque limpio. Detrás, dos máquinas delegadas ya decidieron de quién podía doblarse el tiempo.
GPTZero scanned 4,841 papers accepted by NeurIPS and found 100 confirmed hallucinated citations across 51 papers, TechCrunch reported on January 21st. The number is small against the conference's total citation volume, and NeurIPS said incorrect references do not necessarily invalidate the research itself. The embarrassment sits elsewhere. The papers passed through a prestigious AI venue whose reviewers are asked to flag hallucinations, while researchers working in the field still allowed nonexistent references into the record.
The false footnote is a minor error with institutional teeth. Citations are the credit system of academic life. They route reputation, establish ancestry, justify claims, and help decide who receives jobs, grants, invitations, and authority. A fabricated reference does not need to destroy a paper to damage the room around it. It adds a phantom witness to an argument and asks reviewers to patrol thousands of tiny doors under impossible pressure. The irony is precise because the mistake appears among people who know the failure mode by name. The conference does not collapse because 51 papers contained bad references. It becomes harder to pretend that expertise alone can catch every fluent invention before it enters the archive.
GPTZero revisó 4.841 trabajos aceptados por NeurIPS y encontró 100 citas alucinadas confirmadas en 51 artículos, informó TechCrunch el 21 de enero. La cifra es pequeña frente al volumen total de citas de la conferencia, y NeurIPS dijo que las referencias incorrectas no invalidan necesariamente la investigación misma. La vergüenza está en otro lugar. Los artículos pasaron por una sede prestigiosa de IA cuyos revisores deben señalar alucinaciones, mientras investigadores del campo todavía dejaron entrar referencias inexistentes al registro.
La nota falsa al pie es un error menor con dientes institucionales. Las citas son el sistema de crédito de la vida académica. Distribuyen reputación, establecen genealogía, justifican afirmaciones y ayudan a decidir quién recibe empleos, becas, invitaciones y autoridad. Una referencia fabricada no necesita destruir un artículo para dañar la sala que lo rodea. Agrega un testigo fantasma a un argumento y pide a los revisores vigilar miles de puertas diminutas bajo una presión imposible. La ironía es precisa porque el error aparece entre personas que conocen ese modo de falla por su nombre. La conferencia no se derrumba porque 51 trabajos contuvieran malas referencias. Se vuelve más difícil fingir que la experiencia basta para atrapar cada invención fluida antes de que entre al archivo.
BioticsAI received FDA clearance for software that helps detect fetal abnormalities in ultrasound images, TechCrunch reported on January 19th. The company, winner of TechCrunch Disrupt's 2023 Battlefield competition, says its computer vision system supports fetal ultrasound quality assessment, anatomical completeness, automated reporting, and integration into clinical workflows. Founder Robhy Bustami told TechCrunch that the harder task was proving reliability outside ideal cases, including across patient subgroups with higher risk.
The prenatal screen places machine vision inside one of medicine's most charged images. An ultrasound is already a strange document, part clinical evidence and part family apparition, read by specialists while parents search the blur for reassurance. Adding AI changes the authority around that blur. The system does not replace the scan; it judges whether the scan is complete enough, whether anatomy has been seen, and whether a possible abnormality deserves attention. That can help in clinics where skill, time, and access are uneven. It also makes prenatal care depend on a second reader whose confidence must survive bodies, demographics, equipment, and poor images. Before a child has a name, the image may already have passed through a regulatory file and a model trained to decide what the eye might miss.
BioticsAI recibió autorización de la FDA para un software que ayuda a detectar anomalías fetales en imágenes de ultrasonido, informó TechCrunch el 19 de enero. La empresa, ganadora de la competencia Battlefield de TechCrunch Disrupt en 2023, afirma que su sistema de visión computacional apoya la evaluación de calidad del ultrasonido fetal, la completitud anatómica, los informes automatizados y la integración con flujos clínicos. Su fundador, Robhy Bustami, dijo a TechCrunch que la tarea más difícil fue demostrar confiabilidad fuera de casos ideales, incluso en subgrupos de pacientes con mayor riesgo.
La pantalla prenatal coloca la visión de máquina dentro de una de las imágenes más cargadas de la medicina. Un ultrasonido ya es un documento extraño, parte evidencia clínica y parte aparición familiar, leído por especialistas mientras los padres buscan tranquilidad en la mancha. Agregar IA cambia la autoridad alrededor de esa mancha. El sistema no reemplaza el escaneo; juzga si el escaneo está suficientemente completo, si la anatomía fue vista y si una posible anomalía merece atención. Eso puede ayudar en clínicas donde habilidad, tiempo y acceso son desiguales. También hace que la atención prenatal dependa de un segundo lector cuya confianza debe sobrevivir a cuerpos, demografías, equipos e imágenes pobres. Antes de que un niño tenga nombre, la imagen quizá ya pasó por un expediente regulatorio y por un modelo entrenado para decidir lo que el ojo podría perder.
Signal co-founder Moxie Marlinspike launched Confer, a privacy-conscious alternative to ChatGPT and Claude, TechCrunch reported on January 18th. The service is designed so that conversations cannot be used for training or advertising because the host does not have access to them. Confer uses passkey encryption, Trusted Execution Environments, remote attestation, and open-weight models to process prompts while keeping the chat hidden from the operator. Its free tier is limited, while unlimited access costs $35 a month.
The sealed confession treats privacy as an engineering cost rather than a slogan in a settings menu. A chatbot asks for material people rarely place in ordinary search boxes, including fear, money, illness, desire, family conflict, and professional doubt. Marlinspike's design answers that intimacy with encryption and constrained access, then passes the bill to the user. The price is higher than mainstream plans because the system refuses the cheaper bargain of retention, targeting, and model training. Privacy becomes visible as friction, limit, and monthly fee. A person can still talk to a machine, but the host is built to remain outside the room.
Moxie Marlinspike, cofundador de Signal, lanzó Confer, una alternativa a ChatGPT y Claude centrada en la privacidad, informó TechCrunch el 18 de enero. El servicio está diseñado para que las conversaciones no puedan usarse en entrenamiento ni publicidad porque el anfitrión no tiene acceso a ellas. Confer usa cifrado con passkeys, Trusted Execution Environments, atestación remota y modelos abiertos para procesar prompts mientras mantiene el chat oculto para el operador. Su nivel gratuito es limitado, mientras que el acceso ilimitado cuesta 35 dólares al mes.
La confesión sellada trata la privacidad como un costo de ingeniería, no como un lema dentro de un menú de ajustes. Un chatbot pide materiales que la gente rara vez coloca en buscadores comunes, incluidos miedo, dinero, enfermedad, deseo, conflicto familiar y duda profesional. El diseño de Marlinspike responde a esa intimidad con cifrado y acceso restringido, y luego pasa la factura al usuario. El precio es más alto que el de los planes masivos porque el sistema rechaza el pacto más barato de retención, segmentación y entrenamiento de modelos. La privacidad se vuelve visible como fricción, límite y cuota mensual. Una persona todavía puede hablar con una máquina, pero el anfitrión está construido para permanecer fuera de la habitación.
