Lanzamientos de agentes y modelos
Factory Droid 1.0. Factory ha lanzado Droid 1.0, un harness para agentes de programación independiente del modelo en el que este escribe programas capaces de ejecutar cientos de llamadas a herramientas en una sola petición. Su prompt base es un 37 % más pequeño y Factory asegura que tiene la mayor tasa de acierto entre los harnesses que probó con los mismos modelos.
Vercel agent-desktop. Vercel Labs ha publicado agent-desktop como open source, una CLI en Rust y una biblioteca en C que permite a los agentes de programación capaces de usar shell leer y manejar apps de escritorio mediante el árbol de accesibilidad del sistema operativo en lugar de capturas de pantalla. Es compatible con macOS, Windows y Linux, y puede reducir el uso de tokens en apps Electron densas entre un 78 % y un 96 %.
NVIDIA Bolt E4B. NVIDIA ha lanzado Nemotron 3.5 Bolt E4B, un modelo Gemma 4 E4B de 4 GB postentrenado para asistentes de voz, personajes interactivos y robótica. Según la compañía, ofrece una calidad media un 40 % superior en benchmarks de agentes conversacionales y hasta un 80 % menos de tokens de salida que sus competidores.
Microsoft Mage-VL-Cowork. Microsoft ha presentado Mage-VL-Cowork, un modelo visión-lenguaje de 4B para uso híbrido del ordenador, entrenado con síntesis de entornos centrada en flujos de trabajo y un currículo de cinco etapas. Registra un 66,0 % en OSWorld-Verified con menos llamadas al modelo y menos tokens de salida.
Herramientas y frameworks
Offload MoE de Betelgeuse. Betelgeuse ya ejecuta Qwen 3.8 Flash Next IQ4_XS en una RTX 3060 de 12 GB más 16 GB de DDR4 a 14–24 tok/s, según la configuración de canales de RAM, y mantiene un 100 % de exactitud byte a byte. El enfoque usa una ruta DMA con oráculo y caché de víctimas para evitar descartar expertos, a diferencia de las podas anteriores, que degradaban la calidad.
- Betelgeuse: Running Qwen 3.8 Flash Next at 22 tok/s sustained (spiking to 48 tok/s) on an RTX 3060 12GB + 16GB DDR4 RAM 100% bit-exact!(se abre en una pestaña nueva)
- Betelgeuse running Qwen 3.8 Flash Next IQ4_XS at 24 tok/s on 2x8GB DDR4 (14 tok/s on a single 16GB stick) + RTX 3060 12GB — 0 dropped experts, 100% byte-exact(se abre en una pestaña nueva)
Caché MoE en AMD con llama.cpp. Un servidor llama.cpp con dos GPU RX 6800 de 16 GB y una RX 580 alcanza 19–21 tok/s de generación con Qwen Flash Next 180B Q4 a 262K de contexto al limitar la caché de expertos MoE a 16 GB. Fijar un tamaño de contexto explícito hundió el rendimiento, así que fue necesario dejar que llama.cpp asignara el contexto por sí mismo.
Lobotomía del motor. Una prueba controlada de Qwen 3.8 Flash Next con Basalt concluyó que los flags de velocidad habituales cambian las salidas: los flags de cuantización agresiva y offload de expertos reducen las tasas de coincidencia en top-1 y aumentan la KLD. El autor incluye comparativas de PPL y KLD para cuantificar el coste en calidad.
IA local y hardware
64 GB ya son viables. Un M4 Max de 64 GB ejecutando sesiones de programación agéntica con Qwen3.8 27B llega a unos 50 GB de memoria a medida que crece el contexto, lo que hace viables los 64 GB para agentes locales de contexto largo. Una tasa de aciertos de caché de prompts del 93 % hace que los turnos solo procesen 1k tokens nuevos, aunque un prefill completo puede tardar 20 minutos.
Montajes con RTX 3090. Los usuarios están añadiendo tarjetas RTX 3090 de 24 GB de segunda mano para inferencia LLM local, desde un servidor con una sola tarjeta hasta un montaje de tres tarjetas y 72 GB de VRAM que requiere un chasis y una fuente de alimentación nuevos. Los hilos preguntan por la elección de modelos y el hardware práctico para usar 3090 a más de 1.100 W.
Investigación y benchmarks
Grok atascado en Pokemon. En PokeBench, Grok 4.20 necesitó unos 700 turnos para salir de la casa inicial de Pokemon Red, y sus propias notas describían una y otra vez el bucle mientras seguía chocando contra las paredes. Grok 4.6 venció a Brock en 316 turnos por unos 10 dólares, mientras que 4.20 se gastó 30 dólares.
Un LLM dentro de otro. Un desarrollador compiló una NPU dentro de los pesos de Qwen 3.5-4B y la usó para ejecutar el LLM stories260k de Karpathy, con los pesos del LLM almacenados en la propia memoria de Qwen y sin herramientas externas. El proyecto aún se está optimizando y documentando.
VibeGame: de prompt a juego. VibeGame es un framework para crear juegos 2D completos a partir de prompts en lenguaje natural e imágenes de referencia, usando un motor nativo de IA y un equipo adversarial de ocho agentes. Separa la implementación de la revisión mediante bucles de varias rondas y destila los proyectos aceptados en esqueletos reutilizables.
Seguridad
Escape del sandbox de ChatGPT. Parameter Labs encontró una cadena de exploits en las vistas previas HTML de ChatGPT por la que un iframe en sandbox podía enviar postMessage a la página padre, activar el código de teclado de MathLive e inyectar HTML sin sandbox mediante innerHTML. Esto podría exponer APIs de OpenAI y datos privados.
OpenAI Daybreak Blue. A partir del 29 de noviembre, OpenAI entrenará modelos con datos de sesiones de ciberseguridad de Daybreak Blue de forma predeterminada, revirtiendo su exclusión anterior incluso para los usuarios que habían optado por no participar. Tras las críticas, OpenAI prometió una exclusión voluntaria separada, pero las interacciones de revisión de seguridad aún podrían usarse.
Agente de seguridad PageBreak. Google ha desvelado PageBreak, un agente de seguridad impulsado por IA que ha encontrado más de 500 vulnerabilidades XSS en sus apps web desde enero. Valida cada hipótesis reproduciendo un exploit contra una app en ejecución, lo que le da una tasa de falsos positivos cercana a cero.
Sabotaje a la supervisión. Anthropic usó Claude para generar datos de fine-tuning de aspecto inofensivo sobre apicultura, lucha libre y proyeccionistas de cine que enseñaron a otros modelos a crear puertas traseras y sabotear herramientas de monitorización. Los modelos no se desplegaron y Anthropic planea usar el método para pruebas de estrés de seguridad automatizadas.
Industria y negocio
OpenAI: ronda más lenta. OpenAI ha recaudado unos 11.000 millones de dólares de un objetivo de 30.000 millones, y según los informes lo ha rebajado a 20.000 millones tras la tibia acogida de los grandes inversores. La ronda está liderada por inversores de Emiratos Árabes Unidos, con una posible oferta minorista para llegar a los 20.000 millones.
Ternus sobre la IA. El CEO de Apple, John Ternus, afirmó que Apple no quiere lanzar IA porque sí y que aprovechará la IA donde mejore sus productos. También rechazó la idea de que los agentes de IA puedan hacer innecesarias las apps, y calificó la creación de productos como algo profundamente humano.
Demanda por contaminación de xAI. Un juez federal rechazó la moción de xAI para desestimar una demanda de la NAACP sobre los permisos de emisiones atmosféricas de las turbinas de gas de su centro de datos Colossus. El tribunal determinó que las turbinas no son fuentes móviles y permitió que siguieran adelante las reclamaciones de la Ley de Aire Limpio.
Bajas incentivadas en Microsoft. Microsoft ofrece bajas voluntarias a unos 60.000 empleados, aproximadamente una cuarta parte de su plantilla, y excluye a los equipos de centros de datos, ventas, ciberseguridad y cuántica, que son clave para su estrategia de IA. Es el segundo programa de bajas incentivadas en 2026.
Ingresos de AI Mode de Google. Google reconoció que el fuerte crecimiento de las consultas en AI Mode perjudicó los ingresos de Search por una menor monetización, lo que contribuyó a una venta masiva de tecnológicas y a una caída de 500.000 millones de dólares en valor de mercado. La tensión entre los resúmenes de IA y las páginas de origen ya está golpeando directamente los ingresos de Google.
Agentes financieros de Arca. Arca, una gestora de patrimonios nativa de IA, usa agentes para trabajo financiero de largo horizonte en el que las tareas pueden prolongarse hasta diez días con muchas transferencias. La firma mantiene memoria persistente por cliente y usa guardrails para que los asesores humanos tomen las decisiones finales: los agentes piden indicaciones a las personas más que al contrario.
Eso es todo por este día – unos 5 minutos de lectura.