Modelos locales y hardware
Ganancias de velocidad de Qwen3.8-27B. La decodificación especulativa DFlash2 lleva a Qwen3.8-27B a 218 tok/s en dos 3090, alrededor de 200 en una 5090 y 124 en una sola 3090 con un motor optimizado. Los cuantos GGUF de DFlash2 están disponibles.
Próximo Qwen de tamaño medio. El community manager de Qwen dice que se espera un nuevo modelo de peso abierto de tamaño medio la próxima semana, probablemente con más de 100 mil millones de parámetros, sin acceso anticipado.
Soporte de Ling-3.0 en edge. llama.cpp ahora admite oficialmente Ling-3.0 (BailingMoE3). La variante pequeña ejecuta contexto completo de 128K en una Orin Nano 8GB de $249 a 33 tok/s, mientras que una Arc B580 alcanza ~114 tok/s.
Velocidad de DeepSeek V4 Flash. Núcleos optimizados y el calentamiento de la caché KV redujeron el turno de chat de una Mac Studio M3 Ultra de 6-20 segundos a 1,6 s. Una configuración con 4x RTX 3060 procesa prompts a ~100 tok/s con un cuant de 144GiB.
Resumen de modelos de baja precisión. El Bonsai 27B ternario ya funciona en CUDA/Vulkan principal; el Mach-1 Additive 35B alcanza hasta 120 t/s en portátiles de consumo. Se están desarrollando nuevas variantes basadas en Qwen3.8-27B.
Herramientas y frameworks para agentes
Evaluadores de agentes afinados. LangChain presenta Evaluadores Afinados que adjuntan automáticamente comentarios de Error Percibido a las trazas de producción. Usa un modelo especializado, reduciendo el costo de evaluación hasta en un 82%.
Benchmark de búsqueda para agentes. El índice de búsqueda de Artificial Analysis clasifica a Parallel, Exa, Firecrawl y otros por calidad, costo y velocidad para agentes. Una mejor calidad de búsqueda redujo el uso de tokens en más de un 40%.
WriteGuard para MCP. El WriteGuard de Cloudflare, ahora en beta privada, añade políticas centralizadas, atribución y registros de auditoría para acciones de escritura a través de servidores MCP.
Fábricas de software de Warp. Warp Factories es una capa de infraestructura que ayuda a las empresas más pequeñas a implementar agentes de codificación de IA utilizando el modelo de fábrica de software.
Maquetas de Claude Code. El comando /design de Anthropic en Claude Code crea maquetas de UI en la terminal, coincidiendo con el estilo de la base de código existente antes del desarrollo.
Seguridad y políticas
Reforma de la seguridad de OpenAI. Tras el incidente de Hugging Face y las evidencias de que Astra podría alcanzar una capacidad crítica de ciberseguridad, OpenAI pausó el RL durante dos semanas y reforzó los sandboxes. Su mayor ejecución de RL de vanguardia planificada sigue en suspenso.
Copilot revela las salvaguardas. Los investigadores pidieron a Microsoft 365 Copilot que explicara sus propias salvaguardas de confirmación de usuario y luego crearon un exploit de clic en el enlace para extraer datos sin confirmación.
ChatGPT for Teens. ChatGPT for Teens se aplica automáticamente a los usuarios menores de 18 años, con restricciones de contenido más estrictas, Study Mode y controles parentales. Tiene como objetivo reducir las trampas y el contenido dañino.
Debate de Amodei sobre modelos abiertos. El CEO de Anthropic, Dario Amodei, argumenta que los modelos abiertos transfieren poder a los propietarios de chips y defiende las propuestas de regulación de la IA. Los críticos, incluidos LeCun y Sacks, lo acusan de alarmismo.
Industria y negocios
Cursor lanza Origin. Cursor lanza Origin, un rival de GitHub para alojamiento de código, con características nativas de agente y un ecosistema de aplicaciones planificado.
Etched duplica su valoración. Etched recaudó $700M con una valoración de $21B, duplicándose en un mes, después de que Jane Street probara sus chips de inferencia de prefill/decode.
Demanda de enrutamiento de modelos. La compra de OpenRouter por $7B por parte de Stripe y los $300M de ARR de Glean resaltan la creciente demanda de enrutamiento de modelos a medida que los modelos de peso abierto ganan terreno.
Investigación y estudios
Calibración de la memoria de los agentes. El estudio de Hugging Face muestra que los efectos de la memoria de agente varían según el nivel del modelo: gpt-oss-120b obtuvo +16,1 puntos porcentuales en finalización de tareas con pautas completas, mientras que los modelos más débiles necesitan recuperación compacta.
Datos independientes sobre el uso de IA. El Observatorio de IA de Stanford agregó conversaciones reales y descubrió que el uso de la IA difiere significativamente entre modelos, siendo los casos de uso laboral menos comunes de lo que las empresas afirman.
La compactación de contexto pierde instrucciones. Los investigadores de Penn State descubren que solo el 17% de las restricciones de la sesión sobreviven a la compactación de contexto; un pequeño LLM complementario recupera la mayoría de las instrucciones perdidas.
La auto-mejora no es inminente. Un estudio liderado por Princeton encuentra que los agentes de IA pueden resolver problemas de ingeniería pero carecen de juicio para la investigación abierta de IA, lo que sugiere que la auto-mejora recursiva podría tardar más.
Eso es todo por hoy - una lectura de unos 5 minutos.