Lanzamientos de agentes y modelos
Arete-27B de Nous. Nous Research publicó Arete-27B, un SFT de Qwen3.8-27B que reduce el encuadre estatal chino del 22% al 0,9% en su evaluación de 803 prompts; los pesos Apache 2.0 y las cuantizaciones GGUF ya están disponibles.
Kimi K3.1 cuantizado. Un cuantizado experimental de 775 GB de Kimi-K3.1-Pro-Coder se ejecuta en una sola GPU con RAM del sistema/NVMe mediante Strata y cuantización MoE por niveles, y alcanza 36,8 TPS por lotes y un 96,7% en AIME/LiveCodeBench.
Agente Terminal-RSI-27B. El proyecto Terminal-RSI publicó un modelo de agente de terminal basado en Qwen3.8 para inspeccionar repositorios, editar código y ejecutar tareas de varios pasos; usa autorreescritura recursiva y refinamiento de políticas con herencia del crítico.
Modelo de decisión Drex Max. Nace lanzó Drex Max, un modelo multimodal de decisión que ocupa el n.º 1 en Artificial Analysis y alcanza la frontera de Pareto; los pesos son abiertos bajo Open RAIL-M y la v1.1 está prevista para inferencia local.
DSpine 3x de Tencent. Tencent publicó Qwen3.8-27B-DSpine-b16 en Hugging Face, un método de decodificación especulativa que afirma decodificar hasta 3 veces más rápido los modelos de 27B.
Herramientas y frameworks
Plugin de código spec-first. Google publicó como código abierto el plugin Elephant-Goldfish Model, que obliga a los agentes de código a escribir primero una especificación y luego hace que subagentes nuevos la revisen antes de escribir código; lo usan miles de ingenieros de Google, aunque el consumo de tokens es elevado.
Herramienta Torchlens. Torchlens es un repositorio de GitHub para inspeccionar, visualizar e intervenir en cualquier operación de cualquier red neuronal, lo que ayuda a la interpretabilidad.
SQLite en C vs. Rust. Simon Willison usó Claude para comparar extensiones SQLite en C y Rust para parse_number; la de Rust fue más rápida al principio gracias a strtod, pero un parser en C personalizado acabó igualándola o superándola, mientras que la extensión en C era mucho más pequeña.
Domar las descripciones de PR. Simon Willison propone ocultar las descripciones de PR escritas por IA detrás de <details><summary>, porque son demasiado exhaustivas y parecen relleno; una introducción aprobada por una persona debería resumir el cambio.
Investigación destacada
Robótica Open-HumanScale. Investigadores publicaron Open-HumanScale, una receta abierta y un corpus de 50.000 horas de vídeo egocéntrico para preentrenar políticas de robots; escalar vídeo humano produce mejoras logarítmico-lineales, y el entrenamiento híbrido humano-robot alcanza el 92,08% en RoboTwin 2.0 Clean2Clean.
Limpieza tras agentes de código. Alibaba y varios socios crearon Co-Design Bench a partir de solicitudes de cambio reales de usuarios; el mejor modelo, GPT-6 Astra, solo completa por completo el 26,4% de las tareas, lo que significa que hace falta limpieza humana en alrededor de tres de cada cuatro tareas.
Complejidad de código Parsimony. El nuevo benchmark Parsimony mide unidades de sintaxis en los parches; la mediana de los modelos añade 1,9 veces la corrección humana en SWE-bench Verified, y la elección del harness por sí sola puede mover la sobrecarga de código de 0,80x a 0,99x.
Comparativa de routing en MoE. Dos guías comparan las estrategias de routing en modelos MoE abiertos: el número de expertos va de 8 a 384, el top-k de 1 a 8, y el equilibrado de sesgos sin pérdida es la receta dominante; la elección de expertos puede filtrar tokens futuros en modelos causales.
Sutton: límites del escalado. Richard Sutton sostiene que la potencia de cálculo por sí sola no producirá inteligencia: la IA necesita métodos nuevos e ingeniosos y agentes con modelos del mundo que aprendan de forma continua; además, considera que los datos sintéticos son un gran error.
Industria y negocio
Investigación de espionaje en Nvidia. El consejo de Nvidia está poniendo en marcha una investigación independiente sobre la relación del CEO Jensen Huang con Alice Huang, una ejecutiva de IA que, según los informes, fue reclutada por el MSS de China; Huang se disculpó por una aventura en un memo, mientras que el consejo afirma que no hay pruebas de que se comprometieran secretos.
Apple acelera Siri. Apple está acelerando la hoja de ruta de Siri: se espera un control detallado de las apps propias en iOS 27.3 y la integración con apps de terceros más entrada la primavera, con el objetivo de competir con OpenAI Dots y Meta Muse.
Demandas contra Suno. Los titulares de derechos de Elvis Presley y Eminem demandan a Suno, alegando clonación ilegal de voces y letras amparándose en la Ley ELVIS de Tennessee y en el common law.
Karpathy y HackerTube. Andrej Karpathy usó Claude Opus 5.5 y Claude Code para crear HackerTube en un fin de semana, filtrando 43 millones de comentarios de HN y convirtiéndolos en 6.454 vídeos seleccionados, con casi todo el trabajo automatizado.
Curso AI-native de Stanford. Mihail Eric cuenta cómo Stanford CS146S se adaptó a los agentes de código con IA haciendo que los estudiantes aprendan repositorios desconocidos, propongan cambios y expliquen parches a los mantenedores de código abierto; su equipo de Monaco usa espacios de trabajo para agentes y agentes de guardia.
IA local y hardware
Valor de Intel Arc 32 GB. La Intel Arc Pro B70 de 32 GB, por 1.299 dólares, ofrece aproximadamente la mitad de velocidad de generación y un tercio del prefill de una RTX 5090 (más de 6.500 dólares) con Qwen3.8-27B, lo que la convierte en una opción muy sólida en relación precio/rendimiento.
Benchmarks de 4x R9700. Una configuración de unos 16.000 CAD con cuatro GPU Radeon R9700 alcanza 190 tok/s con un solo usuario, 6.800 tok/s de prefill y entre 80 y 225 tok/s por usuario para 8 usuarios con contexto de 128K; las respuestas de seguimiento del agente empiezan entre 0,2 y 2,5 s.
Inferencia Qwen en Assembly. Qwen3.5-0.8B se ejecuta en Assembly puro en un solo hilo de CPU a 6,51 tok/s, más rápido que la referencia de PyTorch, sin libc ni runtime de Python.
CUDA en GPU antiguas. Un desarrollador portó el stack moderno de entrenamiento de LLM a GPU CUDA antiguas (SM 3.5-7.5) en Windows, lo que permite ejecutar Mamba-1 en tarjetas NVIDIA antiguas, con planes de portar también Mamba-2/3.
Asistente bash local. Un Qwen3.5-0.8B ajustado convierte inglés sencillo en bash sin conexión en 1,7 s en CPU; el autor cuenta que se topó con una meseta del 74% y la lección de que el desajuste entre las distribuciones de entrenamiento y prueba importa.
Casos de uso locales. Un usuario ejecuta DeepSeek v4.1 Flash en local para exploradores que alivian a los modelos frontera de la investigación web, constructores que generan código a partir de especificaciones de modelos frontera y agentes de filtrado de contenido.
Motion graphics en local. Qwen3.8 Flash Next IQ3_XXS, con 16 GB de VRAM, generó un vídeo de motion graphics con Three.js/Playwright/ffmpeg en unas 2 horas, lo que demuestra que los modelos locales pueden abordar tareas de programación creativa.
Eso es todo por este día – unos 5 minutos de lectura.