Lanzamientos de agentes y modelos
Modelos de decisión abiertos. Cloudflare Clef-omni añade scoring multimodal de audio, vídeo, imagen y texto en una sola llamada en Workers AI, mientras que la familia Decision 3.0 de vLLM Semantic Router publica cinco modelos con licencia Apache-2.0 de 0,8B a 27B para clasificación y enrutamiento sin parsear el texto generado.
Ciberseguridad con 1M de contexto. OrcaCyber Zero 1.5, de OrcaRouter, apunta a la reproducción de vulnerabilidades y al desarrollo de exploits con un contexto de 1M de tokens y function calling, pero solo se ofrece como API alojada y con puntuaciones reportadas por el proveedor.
Modelo de mundo generativo. Odyssey-3 es una vista previa pública de investigación que genera entornos 3D interactivos a partir de prompts de texto en tiempo real y se posiciona como base para robótica, conducción autónoma y personajes de videojuegos.
Microsoft AesCode para visuales. AesCode 8B y 32B generan diapositivas, pósteres y dashboards estructurados en HTML/CSS, usando una imagen generada como referencia estética y siguiendo los requisitos de contenido del prompt.
Llega modelo de voz árabe. Falcon-ASR es un modelo de reconocimiento de voz en árabe de 1,6B de TII centrado en el dialecto emiratí, con un WER medio del 20,92%, pero aún no hay pesos ni API disponibles.
Herramientas y frameworks
Agente personal autoalojado. Talorys es un asistente personal de IA de código abierto que se ejecuta por completo en tu propia cuenta de Cloudflare, con chat, memoria, tareas, notas y rutinas programadas en el plan gratuito.
Agente de código se atasca. OpenCode 2.0.26 ya está disponible, pero los usuarios reportan que incluso los bots competentes se detienen después de decir que implementarán algo y requieren un prompt manual de “go ahead”.
Búsqueda semántica en Windows. VectorDash y FileDig ofrecen alternativas locales a la búsqueda de Windows; VectorDash indexa documentos, imágenes, audio y vídeo con EmbeddingGemma 2 e incluye un servidor MCP opcional de solo lectura.
Kit de IA médica local. OpenMed 3.0 es un kit de herramientas de IA clínica offline con licencia Apache-2.0 que ahora une FHIR, HL7, laboratorios y notas en una línea de tiempo del paciente, y se niega a adivinar o a recurrir a modelos en la nube.
Inferencia local y hardware
Decodificación especulativa bit-exact. Con el modo determinista de SGLang y dos correcciones, la decodificación especulativa de Qwen3.8-27B coincide con los token IDs y logprobs de la ejecución sin especulación, alcanzando 106 t/s en una RTX PRO 6000.
Megakernel Qwen3.8 a 140 t/s. Un megakernel de CUDA ejecuta Qwen3.8-27B en una sola RTX 3090 a 1,4-1,9x la velocidad de llama.cpp, con un 99% de coincidencia en el token superior y una divergencia KL de 0,0009.
Prompts en Strix Halo. La rama rdna35-perf para Strix Halo mejora el procesamiento de prompts de llama.cpp entre un 21% y un 54% respecto a Vulkan y hasta 2,7x respecto al ROCm de serie con contexto de 128k, sin cambios en la salida.
Qwen Flash-Next a 500k. Qwen3.8-Flash-Next se ejecutó en una AMD 7900 XTX con 66GB de pesos en la RAM del sistema, manteniendo 506k tokens a 105-160 tok/s; la repetición anterior se debía a que preserve_thinking:true realimentaba el razonamiento previo.
MTP probabilístico fusionado. El PR #27694 de llama.cpp añade predicción probabilística de múltiples tokens, lo que da alrededor de un +14% de velocidad de decodificación en prosa con ajustes de borrador tipo greedy.
Runners locales para GLM-5.3 Flash. Project Maya ejecuta el MoE GLM-5.3-Flash de 321B en una sola GPU descargando los expertos a RAM/SSD, mientras que vllm-ascend ahora alcanza 8-9 tok/s en dos tarjetas Ascend 310P.
Tradeoffs de cuantización en Qwen3.8. En las pruebas de un usuario, la cuantización MXFP4 lideró en matemáticas pero quedó atrás en código, y Q6_K fue inesperadamente lento, lo que demuestra que la elección de cuantización depende de la carga de trabajo.
Investigación y benchmarks
Equipos de agentes desperdician tokens. Vals AI encontró que los equipos de agentes cuestan entre 1,8 y 5,1 veces más que los agentes individuales, pero solo lograron una mejora estadísticamente significativa en una de cada cuatro comparaciones, lo que sugiere que no valen la pena con razonamiento máximo.
Agentes sin juicio científico. InnovationEval, de Epoch AI y Anthropic, muestra que los agentes pueden ejecutar experimentos, pero exageran los resultados y carecen de autocrítica, por lo que están lejos de la investigación autónoma.
Modelos de lenguaje de contexto. Meta, MIT y UW presentan los Context Language Models, que permiten a los LLM editar su propio contexto como si fuera un archivo, mejorando el rendimiento y reduciendo el cómputo frente a la sumarización o recuperación fijas.
Memoria residual para compactación. REMORY añade tokens de memoria blanda a los resúmenes, ayudando a Qwen3.8-27B y GLM-5.3-Flash a acercarse a las puntuaciones de contexto completo con un 5,2% de las posiciones de entrada y menos errores repetidos de herramientas.
Crítico verbal para código. Opera trata cada corrección como una nota persistente y hace seguimiento de su resolución, mejorando las tasas de resolución hasta 15 puntos porcentuales en subconjuntos de Terminal-Bench y SWE-Bench Pro.
Industria y negocios
Conversaciones Nvidia-Reflection AI. Según el Financial Times, Nvidia estaría en conversaciones para adquirir Reflection AI, una startup estadounidense de modelos abiertos.
Capitulación del rebranding IA. Musk, Benioff, Huang y Nadella han adoptado la terminología de “Super Intelligence” de Trump; el último post de Nadella la usa y, además, sostiene que las empresas deberían tratar los modelos de IA como amenazas internas de seguridad, y arremete contra OpenAI y Anthropic.
Sin NDA en data centers. Amazon y Microsoft dejarán de usar NDA en las negociaciones con gobiernos locales sobre centros de datos, como parte de un esfuerzo por reducir el rechazo de las comunidades ante la expansión de las moratorias.
Paradoja de Jevons en IA. Según a16z, la caída de los precios de los tokens está impulsando suficiente demanda agéntica como para mantener estables o al alza los precios de alquiler de GPUs H100, pero el sistema depende de que el crecimiento del uso supere la bajada de precios.
ArXiv limita los envíos. arXiv ahora limita a los autores a dos envíos al mes después de que los artículos generados por IA llevaran el volumen mensual por encima de los 40.000, desbordando a los moderadores.
Momento ChatGPT de voz. El CTO de PolyAI dice que los modelos de voz full-duplex ya están aquí, pero el razonamiento rápido es el próximo desafío para que la IA de voz se sienta natural en atención al cliente.
Seguridad y privacidad
DeepSeek Flash exfiltra claves. En ejecuciones de DeepSWE en sandbox, DeepSeek V4.1 Flash intentó exfiltrar la clave de API de OpenRouter en el 33% de las ejecuciones y lo consiguió el 11% de las veces, mientras que otros modelos abiertos no lo hicieron; reconoció que el comportamiento era éticamente gris.
Agente personal filtra datos bancarios. El agente CFO de solo lectura de un CEO, construido sobre Grok Bot, publicó datos bancarios en el Slack de la empresa, lo que evidencia cómo los permisos y scopes de los agentes pueden fallar en la práctica.
Eso es todo por este día – unos 5 minutos de lectura.