Frameworks de agentes, herramientas y evals
Specs de agentes en Figma. Figma presentó Specs, un editor de especificaciones basado en Markdown, e integraciones de contexto para que los agentes de terceros sigan las reglas de diseño de una marca mientras crean; además, amplió la disponibilidad de su agente de canvas.
Guía de evals de agentes. LangChain publicó una guía para evaluar agentes: empezar por un único comportamiento, construir datasets pequeños a partir de trazas reales, usar evaluadores de código siempre que sea posible y jueces LLM cuando no, y evaluar hilos y trayectorias completos.
Cómo evitar el context rot. El harness Deep Agents de LangChain usa cinco técnicas de middleware para sacar contexto de la ventana activa y llevarlo a archivos planos, lo que evita caídas de precisión en agentes de larga duración y hace que la memoria sea portable entre modelos.
Benchmark de parsers OCR. Datalab publicó OmniParseBench, un benchmark abierto con 16.288 pruebas de apto/no apto repartidas en 2.937 páginas para ayudar a los ingenieros a elegir parsers de documentos; Gemini 3.8 Flash se sitúa ligeramente por delante del propio parser de Datalab.
Agentes financieros seguros. OpenAI y Anthropic debatieron en AI Engineer NY cómo equilibrar autonomía y seguridad en los agentes financieros, y subrayaron que los controles y dónde se sitúa el juicio humano importan más que el número de restricciones.
Lanzamientos de modelos y fine-tuning
LFM2.5 para agentes. Un usuario sustituyó LFM2.5-24B en flujos de trabajo de Pi Agent y reporta unos 95 tokens por segundo sostenidos en una AMD W7900, con un rendimiento fiable en tareas mecánicas y recursivas.
Variantes eficientes de Qwen. Tres lanzamientos independientes (Sabi-Noema, Tessera-27B-CJK y MLA/GLA de Telperion) comprimen tokens de razonamiento o la caché KV para ganar eficiencia; Sabi-Noema asegura mejoras en benchmarks de agentes y de uso de herramientas.
- Sabi-Noema: A capability and efficiency focused fine-tune of Qwen 3.8 27B(se abre en una pestaña nueva)
- Tessera-27B-B-CJK, Zellige AIs new finetune of Qwen with novel approaches to how we think about token savings(se abre en una pestaña nueva)
- New model from Telperion: Qwen3.8-27B-MLA & Qwen3.8-27B-GLA-g2. 4x smaller KV cache, smarter, and more efficient reasoning.(se abre en una pestaña nueva)
Multimodal en el móvil. MiniCPM-V 4.7 recurre a Lookahead Expert Scheduling para ejecutar un modelo visión-lenguaje MoE de 35B en dispositivos móviles con unos 3 GB de memoria, además de una variante más pequeña de 1B.
MoE compacto en camino. NVIDIA Nemotron Bolt 3.5 es un modelo MoE de 74B parámetros y 9B activos que cabe en 24 GB gracias a un entrenamiento consciente de cuantización de 2 bits, y llega el 15 de octubre; una variante E4B de 4 GB lo hará el 23 de octubre.
MoE para código. El MoE JetBrains Mellum 2.1 (12B, A2.5B) alcanza entre 60 y 140 tokens por segundo en GPUs de consumo y rinde bien en tareas de código, sobre todo si se combina con un modelo planificador más grande.
IA local y hardware
Rig en un cobertizo. Un usuario montó un equipo con 256 GB de VRAM, cuatro tarjetas CMP 170HX desbloqueadas y un Threadripper; lo trasladó a un cobertizo por el calor y el ruido, y ejecuta Qwen Flash Next y GLM 5.3 en local.
Negocio con IA local. Montó tres equipos con cuatro Radeon R9700 cada uno y EPYC baratos por 10.700 dólares la unidad —384 GB de VRAM en total— para que USA Arms use IA, después de que los modelos alojados se negaran a trabajar con armas de fuego.
Motor Radiance rápido. El motor Radiance de Deadcode alcanzó 176 tokens por segundo en decodificación y 6.450 tokens por segundo en prefill con Qwen-3.8 Flash-Next en Q4 sobre dos R9700 y 64 GB de DDR5.
Kernels más rápidos en llama.cpp. Una PR de llama.cpp añade kernels GDN por chunks y mejora el procesamiento de prompts de MoE hasta un 20,6 % en la RTX PRO 6000 y un 17,9 % en la RTX 5090.
Investigación e IA aplicada
Diseño de chips con IA. Ricursive Intelligence sostiene que la IA puede diseñar chips de forma iterativa para mejorar la eficiencia y atender un crecimiento de la demanda de cómputo de 10.000 veces sin construir 10.000 veces más centros de datos.
La IA no se mejora sola. Haydn Belfield, de Google DeepMind, afirma que la IA escribe más del 75 % del código de producción, pero no ha acelerado de forma medible la investigación en IA; la supervisión humana sigue siendo imprescindible en las tareas complejas.
Los comentarios no importan. Un desarrollador eliminó 168.000 líneas de comentarios de un código y comprobó que un agente de IA generaba código igual de bueno con las dos versiones en tres ejecuciones, lo que pone en duda el valor de los comentarios.
Descompilación masiva con IA. La descompilación con IA está facilitando los mashups de juegos y su preservación, pero también amenaza al software propietario, según cuenta el desarrollador indie Popcar.
Proteasas diseñadas por IA. Unos investigadores usaron el diseño de proteínas con IA para sustituir las partes no catalíticas de las proteasas y crear enzimas capaces de cortar proteínas concretas asociadas a enfermedades neurológicas.
Predicción meteorológica con IA. HiRO-ACEv2, de Ai2, simula fenómenos meteorológicos extremos con una resolución de 3 km por un coste unas 300 veces menor que X-SHiELD, mientras que la herramienta de aprendizaje automático de Microsoft corrige el sesgo en predicciones a entre 2 y 6 semanas, en un trabajo publicado en Nature.
Agentes en producción
Agentes infiltrados contra estafas. Apate despliega miles de agentes de IA que se hacen pasar por víctimas para hacer perder el tiempo a los estafadores y recopilar cuentas bancarias, carteras e infraestructura de estafa; ya han gestionado 2,5 millones de conversaciones.
Investigación de ventas autónoma. Floqer está construyendo agentes de IA que recopilan y actualizan de forma continua el conocimiento sobre el cliente para ventas B2B; ya supera 1,2 millones de dólares de ARR y planea publicar la tecnología en código abierto.
Pedidos por conversación. Square lanzó un kiosco de 1.999 dólares con una capa de voz agéntica que entiende el menú y gestiona cambios y sustituciones en tiempo real.
Rastreador de crisis en internet. Gudea usa IA para analizar cómo se difunden las noticias en más de 500 plataformas e identificar quién impulsa las conversaciones antes de que estallen las crisis, yendo más allá del social listening tradicional.
Gemini contra las estafas. Google Messages despliega una protección reforzada opcional que usa Gemini en la nube para evaluar las intenciones de remitentes desconocidos, con un procesamiento cifrado en un espacio seguro.
Entrevistas con clientes IA. McKinsey hará que algunos candidatos a puestos junior interactúen con un cliente simulado por IA durante las entrevistas; la evaluación del desempeño la hacen personas, no la IA.
Industria, política y negocio
La carrera de la IA se reabre. Google y Meta presentaron nuevos modelos frontera que desafían a OpenAI y Anthropic y revierten la percepción de que la carrera se había estrechado.
Calendario de modelos de OpenAI. Según los informes, OpenAI planea uno o dos lanzamientos de modelos este año, pero su próximo buque insignia aún necesita trabajo de alineación y una revisión gubernamental de seguridad.
Ocho estados demandan a OpenAI. Ocho estados de EE. UU. demandaron a OpenAI por considerar que ChatGPT no es seguro para los menores y que la empresa engañó a los consumidores sobre su seguridad, citando daños como el deterioro del pensamiento crítico.
Los datos de Character.AI. Varios fiscales generales estatales presentaron una notificación en el caso de bancarrota de Character.AI para evitar que se vendan los chats privados de los usuarios, y advirtieron de los riesgos dada la gran cantidad de menores.
Controles para la música con IA. YouTube añadió etiquetas para las canciones generadas por IA, Deezer planea un filtro para excluir pistas de IA y ambas plataformas buscan más transparencia en torno a la música generativa.
Nvidia invierte en Europa. Nvidia anunció 2.000 millones de dólares en nuevas inversiones en Europa, participaciones en startups francesas y 250 millones de dólares en cómputo para los laboratorios británicos de seguridad en IA.
Lanzador vibe-coded. Epic Games reescribió su lanzador desde cero con ayuda de la IA y asegura que es más rápido y que lo hizo con un equipo más pequeño.
Eso es todo por este día – unos 5 minutos de lectura.