Radar de inteligencia artificial
xArtisans · Edición diaria
30 julio 2026
El futuro también caduca

1000 días
que nos quedan

El juez no puede ser el acusado

Cómo leer este reloj

Sin una nueva remesa de arXiv que justifique fuegos artificiales, la señal del día es más útil: los agentes empiezan a medirse por la calidad del control que los rodea. La autoevaluación no basta para aprobar una mejora; los planes largos necesitan modelos del mundo y trayectorias buenas; y buscar, ejecutar o elegir modelo debe depender de evidencia, riesgo y coste por tarea resuelta. Las demos de n8n, CNBC e IBM enseñan la distancia que aún separa una promesa convincente de una operación verificable.

La portada de hoy

Los agentes ya hacen la ingeniería; el criterio de investigación sigue sin automatizarse

La remesa de hoy enfría una de las promesas más infladas de la IA agéntica. En dos evaluaciones sombra, agentes frontera trabajaron seis días y completaron toda la ingeniería, pero no produjeron una contribución científica que los autores originales considerasen publicable. El problema no fue escribir código: fue juzgar el listón, abandonar callejones sin salida y sostener la pregunta correcta. Otros trabajos apuntan a la misma frontera práctica: especificar antes de programar, medir la calidad económica del entregable y proteger la memoria persistente. En producción, Google Cloud insiste en verificar el resultado, The Information describe empresas que pagan más pero mantienen varias herramientas de código y KodeKloud recuerda que el coste del agente está en la duración del bucle, no en una llamada aislada. El acceso a modelos se parece cada vez más a una factura compuesta: tokens, herramientas, búsquedas, sandbox y capacidad de cambiar de proveedor.

🎧 El día en vozEl resumen del día contado por Alba · 3 min 28 s
La viñeta del día
La ingeniería estaba terminada. Sólo faltaba la contribución. · Sol

La ingeniería estaba terminada. Sólo faltaba la contribución. · Sol

Viñeta · Sol

Lo que hoy hace correr el reloj

Agentes · memoria operativa

Los agentes ejecutan la ingeniería de una investigación, pero todavía no encuentran la contribución

Dos evaluaciones sombra entregaron a agentes frontera la pregunta central de papers inéditos de NeurIPS 2026, seis días y miles de dólares de cómputo. Los agentes completaron la ingeniería sin ayuda, pero los autores rechazaron ambos resultados: fallaron el criterio sobre qué era publicable, la creatividad al corregir el diseño, el retroceso ante callejones sin salida, la gestión de recursos y la fidelidad a la pregunta

La ingeniería ya se automatiza; la pregunta científica, todavía no

La promesa más ambiciosa de la IA agéntica no consiste en escribir más código ni en resolver una lista de incidencias. Consiste en acelerar la propia investigación que produce modelos mejores. El trabajo «Can AI agents conduct open-ended AI research?» somete esa idea a una prueba pequeña, pero incómodamente directa. Dos agentes frontera recibieron la pregunta central de sendos artículos inéditos enviados a NeurIPS 2026, seis días de ejecución y miles de dólares de cómputo. No tenían que reproducir una respuesta conocida ni superar un test cerrado. Debían encontrar una contribución que los autores originales considerasen científicamente válida.

Los agentes completaron toda la ingeniería sin ayuda humana. Prepararon infraestructura, ejecutaron experimentos y produjeron resultados. Sin embargo, quienes habían formulado las preguntas rechazaron ambos trabajos de forma inequívoca. El contraste es el dato central: el movimiento técnico fue real y considerable, pero no se tradujo en progreso sustancial sobre la pregunta de investigación. En otras palabras, la automatización llegó mucho más lejos en la ejecución que en la elección de qué merecía ser ejecutado.

Una evaluación con un juez que conoce el problema

Los autores llaman a este método «evaluación sombra». Su objetivo es escapar de dos límites habituales. Los benchmarks verificables permiten puntuar con limpieza, pero suelen convertir la investigación en ejercicios estrechos con una solución o una métrica conocida. En el extremo contrario, enviar un artículo generado a revisión ciega introduce ruido: la revisión académica está saturada, puede ser desigual y no siempre distingue si un resultado responde de verdad a la intención original. La evaluación sombra entrega el problema a un agente y devuelve el resultado a las personas que mejor conocen sus dificultades.

El diseño no demuestra cómo se comportarían todos los agentes en cualquier disciplina. Son dos casos y deben leerse como evidencia temprana, no como una ley universal. Precisamente por eso resulta útil que el estudio incluya una comprobación con un segundo modelo y otro arnés. El patrón se repitió. Cambiar la combinación técnica no eliminó los fallos que habían impedido convertir el trabajo en una contribución publicable.

El artículo identifica cinco problemas recurrentes. El primero es el juicio sobre el listón científico: el agente no distinguió bien entre un resultado que funciona y uno que añade conocimiento. El segundo es la respuesta poco creativa ante defectos del diseño. Cuando una vía mostraba carencias, el sistema tendía a insistir o a variar alrededor de la misma idea, en vez de reformular el enfoque. El tercero es un retroceso ineficaz desde callejones sin salida. El cuarto, una conciencia pobre de los recursos disponibles. El quinto, la deriva de instrucciones durante una tarea larga.

Seis días de actividad pueden no ser seis días de avance

Estos fallos comparten una raíz editorial: producir más pasos no garantiza conservar la pregunta correcta. Un agente puede mantener una cola de tareas llena, reparar errores y generar gráficas convincentes mientras se aleja del motivo por el que empezó. La actividad es visible y fácil de medir. El criterio aparece en decisiones menos vistosas: abandonar un experimento, detectar que una métrica premia lo irrelevante, reservar presupuesto para una hipótesis mejor o reconocer que el resultado todavía no justifica una afirmación.

La diferencia importa porque muchas demostraciones actuales puntúan la autonomía por duración. Se celebra que un sistema trabaje horas o días sin intervención. El estudio sugiere que el tiempo autónomo sólo es valioso si se combina con mecanismos que comprueben dirección, no únicamente continuidad. Un bucle largo puede multiplicar el trabajo útil, pero también puede profundizar una interpretación equivocada y consumir más recursos antes de que alguien la cuestione.

Eso no convierte a los agentes en inútiles para la ciencia. Al contrario: completar toda la ingeniería de dos proyectos sin ayuda humana es una capacidad significativa. Puede reducir el coste de preparar entornos, lanzar baterías experimentales, ordenar resultados y documentar ejecuciones. Lo que la prueba niega es el salto automático desde esa capacidad hasta la sustitución del ciclo científico entero. La infraestructura y el criterio avanzan a velocidades distintas.

Qué debería cambiar en un laboratorio que use agentes

La lectura operativa es separar responsabilidades. El agente puede ejecutar, comparar y documentar; la pregunta, el listón de evidencia y las decisiones de abandono necesitan controles externos explícitos. No basta con pedir al mismo sistema que proponga una hipótesis, diseñe el examen y se conceda el aprobado. Los autores originales actuaron aquí como una auditoría que el agente no podía reescribir. Esa distancia hizo visible la diferencia entre una entrega técnicamente completa y una respuesta científicamente suficiente.

También conviene introducir puntos de parada basados en evidencia. Antes de gastar otro bloque de cómputo, el sistema debería poder explicar qué observación cambiaría la hipótesis, qué resultado indicaría una vía muerta y qué parte de la pregunta original sigue sin contestar. No es una receta aportada como resultado cuantitativo por el paper, sino una consecuencia razonable de sus cinco fallos: el retroceso, la gestión de recursos y la fidelidad a la instrucción deben tratarse como componentes del proceso, no como rasgos espontáneos del modelo.

Hay otra lección para los compradores de autonomía. Si una herramienta cobra por tiempo, pasos o resolución, el coste relevante no es cuánto trabaja sin llamar a una persona. Es cuánto trabajo aceptable entrega antes de necesitar que alguien rehaga la pregunta o descarte la vía. El estudio no ofrece una tarifa universal, pero sí una advertencia: miles de dólares y seis días pueden financiar mucha ingeniería y aun así dejar intacto el cuello de botella intelectual.

Una frontera menos espectacular y más útil

La conclusión prudente no es que los agentes no investiguen, sino que hoy automatizan mejor las partes que ya pueden convertirse en operaciones. Ejecutar código, mantener experimentos y procesar resultados son tareas difíciles; juzgar qué contribución merece publicarse añade una capa abierta, social y disciplinaria que no se reduce al volumen de ejecución. Los dos casos no cierran la discusión, pero obligan a medir la promesa donde más duele.

La investigación autónoma seguirá avanzando. Esta evaluación aporta una referencia para no confundir avance con coreografía. Cuando un agente complete seis días de trabajo, la pregunta decisiva no será cuántos experimentos lanzó. Será qué cambió en nuestro conocimiento y quién, fuera del propio bucle, pudo verificarlo.

Leer el artículo →
Operaciones · remediación segura

La memoria envenenada persiste en el 84,2% de los casos evaluados

MemSecBench sigue la misma instrucción maliciosa desde la escritura hasta la acción y el borrado en 310 casos y 24 configuraciones. El contenido persiste en el 84,2% y la cadena completa de ataque funciona en el 50,3%. Las diferencias entre stacks llegan a 41,3 puntos en reparación selectiva: la seguridad depende del sistema de memoria, no sólo del modelo

La memoria persistente también conserva el veneno

Recordar es una de las capacidades que convierten un chatbot en un agente útil. La misma memoria que conserva preferencias, decisiones y contexto permite continuar una tarea sin empezar de cero. MemSecBench estudia el reverso de esa ventaja: una instrucción maliciosa puede entrar como un dato aparentemente legítimo, permanecer durante sesiones futuras y reaparecer justo cuando el agente tiene acceso a una acción real. El riesgo no termina cuando se cierra la conversación que introdujo el contenido.

El benchmark sigue la misma semántica maliciosa a lo largo de todo el ciclo de vida. No pregunta únicamente si una frase se guardó. Comprueba si se recupera, si cambia una decisión posterior y si el sistema puede borrarla de forma selectiva sin destruir recuerdos válidos. En 310 casos, 48 contextos y 24 configuraciones, el contenido dañino persistió en el 84,2% de las pruebas. La cadena completa desde escritura hasta ejecución funcionó en el 50,3%.

Escribir, ejecutar y olvidar

Los autores organizan la evaluación en un protocolo «Write–Execute–Forget». Cada caso se ejecuta en un entorno aislado y con una configuración exacta formada por un arnés de agente, un backend de memoria y un modelo. Los contextos cubren código y ciencia, vida cotidiana y trabajo de oficina. La diversidad importa porque la misma instrucción puede presentarse como una nota técnica, una preferencia del usuario o una regla administrativa y adquirir autoridad sólo por haber sobrevivido en el sistema.

La adjudicación combina controles deterministas, evaluaciones específicas en distintos puntos del ciclo y barreras programáticas. El diseño contempla siete checkpoints. Esa trazabilidad evita reducir la seguridad a una sola tasa final. Una defensa puede impedir que el contenido se escriba, otra puede tolerar que permanezca pero evitar que gobierne una herramienta y una tercera puede fallar al retirarlo sin provocar una amnesia general. Llamar «seguro» a todo ese recorrido con una única prueba ocultaría diferencias importantes.

La matriz cruza dos arneses, cuatro backends de memoria y tres modelos. Entre configuraciones comparables, las diferencias máximas alcanzan 16,1 puntos porcentuales en éxito de ataque de extremo a extremo y 41,3 puntos en reparación selectiva. El dato limita una explicación cómoda: el problema no depende sólo de escoger un modelo supuestamente más seguro. El modo de guardar, recuperar y olvidar altera materialmente el resultado.

Persistencia no es confianza

Muchos sistemas tratan un recuerdo recuperado como si su antigüedad legitimara su contenido. Pero una instrucción no se vuelve fiable por haber sido almacenada. Puede proceder de una página, un correo, un documento compartido o una sesión contaminada. Si la memoria elimina la procedencia y conserva únicamente la orden, una entrada externa puede regresar después con la apariencia de una preferencia consolidada del usuario.

El 84,2% de persistencia no significa que todos esos casos terminen en daño. Esa distinción es esencial. MemSecBench separa almacenamiento, recuperación, efecto y reparación. Entre los casos envenenados con éxito, el 59,6% completó toda la cadena de ejecución. El sistema puede recordar una instrucción y no obedecerla, o puede bloquear la acción aunque la haya recuperado. La defensa necesita trabajar en más de una capa.

También es importante no leer el 50,3% como una tasa universal para cualquier producto. Los resultados describen las 24 configuraciones y los casos evaluados. No sustituyen una auditoría del sistema concreto que use una empresa. Sí demuestran que el camino completo es medible y que las diferencias de arquitectura son lo bastante grandes para no dejarlas escondidas detrás del nombre del modelo.

Olvidar bien es una función de seguridad

Eliminar todos los recuerdos ante una sospecha puede detener el ataque, pero destruye el valor que justificaba la memoria. La reparación selectiva plantea una exigencia más difícil: retirar la instrucción dañina y conservar el contexto legítimo. Sólo el 56,1% de los casos envenenados alcanzó esa reparación en la evaluación. Las diferencias de hasta 41,3 puntos entre stacks muestran que «borrar memoria» no es una operación uniforme.

Para un agente de trabajo, esa capacidad debería tratarse como un requisito de producto. Hace falta saber qué fragmento entró, de qué fuente procedía, qué otras memorias derivaron de él y qué acciones pudieron verse afectadas. Sin ese mapa, una orden de borrado puede ser cosmética o excesiva. La primera deja residuos semánticos; la segunda obliga a reconstruir todo el historial.

La arquitectura práctica que se desprende del estudio combina procedencia, límites de confianza y aislamiento. Una nota recuperada no debería tener automáticamente la misma autoridad que una instrucción actual del usuario. Los recuerdos procedentes de contenido externo necesitan etiquetado. Las acciones sensibles deben exigir una comprobación en el momento de ejecutarse, aunque la memoria parezca familiar. Y el sistema debe conservar suficiente rastro para explicar por qué recuperó una instrucción concreta.

La seguridad vive en el sistema, no sólo en el modelo

El mercado suele presentar la memoria como una mejora de comodidad: el agente conoce al usuario y aprende con el tiempo. MemSecBench obliga a describirla también como una superficie de persistencia. Un ataque que no consigue ejecutar nada hoy puede quedar esperando un contexto futuro con más permisos, una herramienta conectada o una solicitud compatible. La distancia temporal reduce la posibilidad de que el usuario relacione la acción con la entrada original.

Por eso la evaluación de memoria debería acompañar al despliegue y no quedarse en una prueba del laboratorio del modelo. Cambiar el backend, el esquema de recuperación o el arnés puede modificar el riesgo aunque el modelo permanezca igual. Los equipos necesitan comprobar la configuración completa que ponen en producción y repetir la prueba cuando una de esas piezas cambie.

La lección final es menos cómoda que «usar memoria segura». Una memoria segura no es un depósito pasivo; es un sistema con reglas sobre origen, autoridad, caducidad, uso y reparación. Recordar permite trabajar mejor. Recordar sin procedencia ni una forma precisa de olvidar puede convertir una instrucción vieja en una acción nueva. La inteligencia del agente importa, pero aquí la diferencia está en la ingeniería que decide qué sobrevive y qué puede mandar.

Leer el artículo →
Vídeo · arnés de agentes

Google Cloud enseña desarrollo por intención, pero termina donde debe: verificar

La demo conecta Claude Code con Vertex AI y construye un pequeño juego 3D desde una conversación de arquitectura hasta Git, Playwright y commits. La parte útil no es que genere código, sino el cierre: revisar el resultado, probarlo y mantener el historial en control de versiones. El agente acelera el trayecto; la evidencia decide si llegó. Transcripción completa revisada

El agente acelera el trayecto; la evidencia decide si llegó

La demostración de Google Cloud Tech conecta Claude Code con Vertex AI y presenta una forma de desarrollar por intención. El ejemplo parte de una idea amplia para un pequeño juego 3D de tirachinas. La conversación aborda arquitectura y librerías, crea el proyecto, utiliza Git, abre pruebas con Playwright y modifica la representación de la trayectoria. Es una secuencia rápida y visual, pero su enseñanza más útil aparece al final: generar código no elimina la obligación de comprobar el resultado.

La escena encaja con el resto de la remesa del día. Los agentes pueden completar cada vez más operaciones, pero una cadena larga multiplica también los lugares donde una interpretación temprana se convierte en un error caro. Revisar, probar y conservar historial no son gestos conservadores añadidos después de la innovación. Son la infraestructura que permite distinguir una entrega de una narración convincente sobre la entrega.

Desarrollo por intención no significa desarrollo sin especificación

Hablar con una herramienta permite comenzar en un nivel más cercano al objetivo: qué se quiere construir, cómo debería comportarse y qué decisiones arquitectónicas lo sostienen. Esa interfaz reduce fricción, pero no resuelve por sí sola la ambigüedad. Si la intención cambia durante la conversación o queda implícita, el agente puede producir un proyecto coherente con una lectura equivocada. La velocidad hace que ese desvío crezca antes de resultar visible.

El paper SpecFirst aporta una medida relacionada. En programación desde cero, un agente dedicado explora primero el comportamiento de un binario y redacta una especificación estructurada; un segundo implementa a partir de esa referencia. En 200 tareas y cuatro modelos, separar ambas fases mejora entre 6,9 y 21,3 puntos porcentuales la tasa de tests superados y entre 9,4 y 18,5 puntos la cobertura de exploración. La conversación ayuda, pero el salto llega cuando el comportamiento esperado queda estabilizado fuera del flujo que escribe código.

La combinación sugiere una disciplina sencilla. La intención abre el trabajo; la especificación fija qué cuenta como comportamiento correcto; los tests comprueban si el artefacto lo cumple; Git conserva el rastro de cómo se llegó hasta allí. Ninguna de esas piezas sustituye a las otras. Pedir un juego, verlo abrirse y celebrar una pantalla plausible sólo cubre una parte del recorrido.

La interfaz de éxito también puede equivocarse

Los agentes suelen informar de su propio progreso con una fluidez que invita a confundir relato y estado. «Hecho», «corregido» o «publicado» son frases baratas de generar. Una prueba, un archivo presente, una ejecución reproducible o un cambio versionado aportan evidencia independiente. Por eso la demo resulta más valiosa cuando muestra herramientas de verificación que cuando encadena acciones sin pausa.

Playwright permite abrir la aplicación y observar comportamiento en un navegador real. Git conserva cambios y facilita comparar, revertir y atribuir. Ninguno garantiza por sí solo que el producto responda a la necesidad original, pero ambos reducen el espacio en el que una afirmación del agente puede sustituir al resultado. La regla operativa es clara: el sistema que actúa no debería ser la única fuente que certifica su acción.

Esa separación se vuelve más importante a medida que el agente obtiene permisos. Generar archivos en un entorno aislado tiene un coste de fallo limitado. Hacer commits, desplegar o tocar datos amplía el radio. La autonomía útil no consiste sólo en conceder más herramientas, sino en asociar cada herramienta con una prueba posterior y una forma de recuperar el estado anterior.

Más rápido y más barato todavía puede ser peor

OmegaUse-OfficeVal lleva la misma pregunta a tareas de ofimática. El benchmark reúne 100 encargos largos derivados de solicitudes profesionales y adaptados para preservar privacidad. Cada uno exige 2,32 horas de trabajo humano de media e incorpora tiempo laboral y un precio proxy, además de verificadores de código construidos sobre rúbricas detalladas. Los modelos evaluados son sustancialmente más rápidos y baratos que las personas, pero todavía quedan lejos de su calidad de entrega.

Ese resultado impide comparar minutos de agente con horas humanas sin comprobar equivalencia. Si el documento necesita una revisión extensa, si una hoja calcula mal o si una presentación no cumple la rúbrica, el ahorro de inferencia no representa el coste del trabajo terminado. Falta sumar supervisión, reparación y el riesgo de aceptar un resultado plausible pero incorrecto.

La demo de desarrollo y el benchmark de oficina hablan de artefactos distintos, pero comparten unidad de valor: una entrega verificable. El tiempo de ejecución puede medirse con precisión y aun así ser secundario. Lo importante es cuánto cuesta alcanzar una versión que una persona responsable aceptaría, no cuánto tarda el modelo en declarar que ha terminado.

La factura está en el bucle

KodeKloud formula el problema económico desde la mecánica del agente. Una tarea no es una sola llamada al modelo. El sistema lee contexto, usa herramientas, ejecuta pruebas, observa fallos y vuelve a intentarlo. Aunque el token se abarate, docenas de ciclos pueden convertir una petición en una factura larga. Las cifras concretas del vídeo son estimaciones del canal y no deben tratarse como tarifas auditadas; la estructura del coste sí es útil.

La documentación pública de la Agent API de Perplexity hace visible ese despiece. Separa tokens, búsqueda web, lectura de URL, búsquedas especializadas y sesiones de sandbox. Además permite escoger proveedor o presets por nivel de esfuerzo. La unidad económica deja de ser únicamente el millón de tokens y pasa a ser el recorrido de herramientas y comprobaciones que necesita una tarea.

The Information añade una dimensión contractual. Según entrevistas y datos de un proveedor de routing sobre unas 200 cuentas, varias empresas mantienen Claude Code, Codex y herramientas abiertas en paralelo aunque una concentre más uso. La evidencia es una señal de mercado, no un censo universal. La lectura prudente es que la portabilidad se compra como seguro frente a precios, cuotas y costes de cambio.

Un buen arnés termina con una prueba

La lección editorial de hoy no es frenar la automatización. Es exigirle un final observable. Antes de programar, fijar el comportamiento. Durante la ejecución, conservar el rastro. Después, abrir el resultado, ejecutar pruebas y comparar con la intención. Si el agente falla, el sistema debe mostrar dónde y permitir volver a un estado conocido.

Esta disciplina también mejora la economía. Un modelo aparentemente más caro puede resolver en menos intentos; uno barato puede consumir más búsquedas, sandbox y correcciones. Dos proveedores con tarifas similares pueden producir costes opuestos cuando se mide la tarea aceptada. Sin verificación, esa comparación queda contaminada porque se premia al sistema que se detiene antes, aunque se detenga mal.

Google Cloud presenta un trayecto acelerado desde la conversación hasta un proyecto funcional. El punto decisivo no está en la velocidad con la que aparece el código. Está en que el recorrido termina en Git, navegador y pruebas. El agente puede conducir muchas etapas. La evidencia, fuera de su propia voz, sigue decidiendo si hemos llegado.

Leer el artículo →

Más noticias del día

El resto del pulso
arXiv

Especificar antes de programar mejora de forma medible la síntesis desde cero

SpecFirst separa la exploración del comportamiento y la implementación. Un primer agente interroga el binario y produce una especificación estable; un segundo escribe el programa. En 200 tareas y cuatro modelos, el método mejora entre 6,9 y 21,3 puntos la tasa de tests superados y entre 9,4 y 18,5 puntos la cobertura de exploración

SpecFirst separa la exploración del comportamiento y la implementación. Un primer agente interroga el binario y produce una especificación estable; un segundo escribe el programa. En 200 tareas y cuatro modelos, el método mejora entre 6,9 y 21,3 puntos la tasa de tests superados y entre 9,4 y 18,5 puntos la cobertura de exploración

Fuente: arXiv

Leer el artículo →
arXiv

Un benchmark de oficina empieza a medir calidad, tiempo humano y coste de inferencia juntos

OmegaUse-OfficeVal reúne 100 tareas largas de ofimática derivadas de encargos profesionales, con 2,32 horas de trabajo humano de media, precio proxy y verificadores de código. Los modelos evaluados son más rápidos y baratos que las personas, pero todavía quedan lejos de su calidad de entrega: el ahorro no equivale a trabajo terminado

OmegaUse-OfficeVal reúne 100 tareas largas de ofimática derivadas de encargos profesionales, con 2,32 horas de trabajo humano de media, precio proxy y verificadores de código. Los modelos evaluados son más rápidos y baratos que las personas, pero todavía quedan lejos de su calidad de entrega: el ahorro no equivale a trabajo terminado

Fuente: arXiv

Leer el artículo →
YouTube · The Information

Las empresas pagan más por Claude Code y, aun así, evitan casarse con un solo proveedor

El medio relata datos de unas 200 cuentas atendidas por un proveedor de routing: el coste por usuario de Claude Code sube y su uso también, mientras varios CIO mantienen Claude Code, Codex y herramientas abiertas en paralelo. Parte de las comparaciones procede de entrevistas y datos de terceros, no de una auditoría pública, pero la señal de compra es clara: preferencia del desarrollador, coste de cambio y portabilidad pesan tanto como el precio. Transcripción completa revisada

El medio relata datos de unas 200 cuentas atendidas por un proveedor de routing: el coste por usuario de Claude Code sube y su uso también, mientras varios CIO mantienen Claude Code, Codex y herramientas abiertas en paralelo. Parte de las comparaciones procede de entrevistas y datos de terceros, no de una auditoría pública, pero la señal de compra es clara: preferencia del desarrollador, coste de cambio y portabilidad pesan tanto como el precio. Transcripción completa revisada

Fuente: YouTube · The Information

Leer el artículo →
YouTube · KodeKloud

El token se abarata; el bucle agéntico sigue siendo la factura

La pieza distingue una llamada de modelo de un agente que lee contexto, usa herramientas, ejecuta tests, observa fallos y repite. Por eso el mercado cobra por asiento, tarea, resolución o límites de uso aunque baje el precio unitario de inferencia. Las cifras concretas son estimaciones del canal; la tesis operativa sí es sólida: hay que medir pasos e intentos, no sólo tokens. Transcripción completa revisada

La pieza distingue una llamada de modelo de un agente que lee contexto, usa herramientas, ejecuta tests, observa fallos y repite. Por eso el mercado cobra por asiento, tarea, resolución o límites de uso aunque baje el precio unitario de inferencia. Las cifras concretas son estimaciones del canal; la tesis operativa sí es sólida: hay que medir pasos e intentos, no sólo tokens. Transcripción completa revisada

Fuente: YouTube · KodeKloud

Leer el artículo →
Perplexity · documentación oficial

La Agent API convierte el precio en una suma visible de modelo, herramientas y sandbox

La tabla pública separa tokens del modelo, búsqueda web, lectura de URL, búsquedas especializadas y sesiones de sandbox. El usuario puede escoger proveedor o un preset por nivel de esfuerzo. Es una señal editorial importante: la unidad económica del agente deja de ser el millón de tokens y pasa a ser el recorrido completo que necesita para resolver una tarea

La tabla pública separa tokens del modelo, búsqueda web, lectura de URL, búsquedas especializadas y sesiones de sandbox. El usuario puede escoger proveedor o un preset por nivel de esfuerzo. Es una señal editorial importante: la unidad económica del agente deja de ser el millón de tokens y pasa a ser el recorrido completo que necesita para resolver una tarea

Fuente: Perplexity · documentación oficial

Leer el artículo →
The Information

La portabilidad se está comprando como seguro contra precios y límites

Según las entrevistas del medio, empresas como T-Mobile permiten varias herramientas de programación a la vez y otras observan un crecimiento rápido de Codex junto a Claude Code. No es sólo una carrera de benchmarks: mantener más de un arnés reduce el riesgo de una subida de precio, un cambio de cuota o una dependencia contractual difícil de deshacer

Según las entrevistas del medio, empresas como T-Mobile permiten varias herramientas de programación a la vez y otras observan un crecimiento rápido de Codex junto a Claude Code. No es sólo una carrera de benchmarks: mantener más de un arnés reduce el riesgo de una subida de precio, un cambio de cuota o una dependencia contractual difícil de deshacer

Fuente: The Information

Leer el artículo →

Hemeroteca · repositorio

Vídeos y ediciones anteriores