El radar

Open-sourcing AstaBrief, the fast report-generation model in Asta

Ai2 open-sourcea AstaBrief 8B, un modelo entrenado a partir de Qwen3-8B que genera informes científicos citados a partir de una pregunta de investigación y extractos de literatura recuperados, ya disponible como modo Fast en la plataforma Asta. El entrenamiento se basó en SFT sobre 47K ejemplos generados desde 90K queries reales filtradas y DPO con pares de preferencia, evitando deliberadamente RL por su inestabilidad y coste. Genera el informe completo en una sola pasada, logrando 51.1 segundos por informe frente a 178.5 segundos del modo Thinking (unas 3.5× más rápido), y se liberan pesos, datos de entrenamiento y un workflow de ejemplo para ejecución local.

Por qué importa: Libera pesos y datos de entrenamiento de un modelo de 8B afinado para generación de informes con grounding en citas, un caso concreto de sustitución de modelos propietarios por uno open-weights ejecutable en infraestructura propia, con cifras de latencia medidas.

Inside-Out AI: Rebuilding Airbnb Behind the Scenes and Across the Guest Experience

Airbnb detalla su estrategia de "inside-out AI": usa IA internamente para acelerar el desarrollo y luego aplica esas capacidades a la experiencia del cliente. Según su responsable de IA, el 60% del código ya lo escribe la IA, han lanzado casi un 80% más de features interanuales y el throughput de pull requests por ingeniero sube ~1.6x; cerca de la mitad de los tickets de soporte se resuelven solo con IA. La empresa usa un grafo de contexto interno llamado Everest (con LLMs, embeddings y retrieval), despliega al menos 10 modelos custom, post-entrena sobre modelos abiertos y empieza a usar agentes asíncronos en contenedores para automatizar on-calls. IMPORTA: Muestra un patrón replicable de plataforma: grafo de contexto interno sobre el código, evals por caso de uso con trade-offs de coste/latencia y agentes asíncronos disparados por eventos de observabilidad para triaje de on-call.

Por qué importa: Muestra un patrón replicable de plataforma: grafo de contexto interno sobre el código, evals por caso de uso con trade-offs de coste/latencia y agentes asíncronos disparados por eventos de observabilidad para triaje de on-call.

Meta open sources code to let you make Muse AI gadgets

Meta ha liberado como open source el código para conectar su agente de IA Muse a hardware propio, permitiendo programar una placa ESP32 o montar un Raspberry Pi con sus SDKs y vincular Muse a pantallas, botones, sensores y actuadores. Entre los proyectos sugeridos están cargar Muse en una pantalla E Ink a color, en un HDMI stick o en un dispositivo táctil pequeño tipo DIY Muse Charm. Además, regala 5.000 unidades de su gadget Muse Home Link —con skills de la comunidad para controlar luces, TV o impresoras— y ya hay lista de espera para su envío este mes. Esta noticia continúa la cobertura previa sobre Meta y su agente Muse.

Por qué importa: Publicar SDKs y código abierto para correr un agente de IA en hardware barato tipo ESP32 o Raspberry Pi abre la puerta a prototipar dispositivos agénticos físicos fuera de los ecosistemas cerrados de altavoces y asistentes habituales, algo directamente relevante para quien diseña sistemas de agentes embebidos.

↳ Contexto: Meta is making Muse more powerful and will let you video chat with it, too · ver hilo completo

Apple will limit Mac disk access as AI agents ‘substantially’ increase risk

Apple añadirá nuevos límites al permiso de "full disk access" en macOS en respuesta a los riesgos que plantean los agentes de IA, exigiendo "muy explícita" acción del usuario para conceder ese nivel de acceso. La medida llega semanas después de que se reportara que Muse, la IA de Meta, conocía el contenido de mensajes de un usuario sin permiso explícito, aunque Meta sostiene que ese acceso es totalmente opt-in. Apple no especificó cuándo lanzará la actualización. IMPORTA: Si construyes o integras agentes que corren en el Mac de un usuario, este cambio anticipa un endurecimiento del modelo de permisos que puede romper flujos de acceso a ficheros y obligar a rediseñar cómo tu agente solicita y justifica capacidades amplias.

Por qué importa: Si construyes o integras agentes que corren en el Mac de un usuario, este cambio anticipa un endurecimiento del modelo de permisos que puede romper flujos de acceso a ficheros y obligar a rediseñar cómo tu agente solicita y justifica capacidades amplias.

↳ Contexto: Meta AI is getting a Mac app · ver hilo completo

OpenAI’s Dot agent is enterprise software that can also order your dinner

The Verge prueba Dots, la plataforma de agentes de OpenAI lanzada esta semana, disponible primero para cuentas de gama alta como el plan Pro de 100 dólares al mes, con avatares antropomórficos y una máquina virtual que accede a apps como Blender y GIMP. En tareas personales como reservar citas o gestionar cuentas el agente se atasca a menudo en verificaciones de seguridad y controles anti-bot, mientras que rinde mejor cuando se le da acceso al propio ordenador, donde completó la edición de vídeo y el despliegue de cambios en un sitio web personal. La autora lo describe como "Codex, pero para gente normal" y señala que su monetización por pago anticipado lo orienta a uso empresarial. Es continuación de la noticia de su lanzamiento.

Por qué importa: Muestra en la práctica los límites actuales de los agentes que operan navegadores contra defensas anti-bot y verificaciones humanas, un cuello de botella real para cualquiera que construya automatización web o agentes de navegador en producción.

↳ Contexto: OpenAI launches Dots, its Muse competitor · ver hilo completo

AI hallucinations are making entitled customers even worse

Reportaje de The Verge sobre cómo las alucinaciones de chatbots de IA generativa están cambiando la interacción con clientes en restaurantes, parques y otros servicios: comensales que cuestionan avisos de alérgenos porque ChatGPT dice lo contrario, piden vinos inexistentes sugeridos por IA, o llegan con itinerarios de camping con rutas geográficamente imposibles. Trabajadores de atención al cliente y rangers relatan que los usuarios confían más en la IA que en el personal o los mapas, y en un restaurante de Providence llegaron peticiones de reservas y menús supuestamente generadas por agentes de IA que los clientes luego no reconocieron.

Por qué importa: Muestra un efecto secundario real de los agentes que actúan en nombre del usuario: peticiones automatizadas que nadie reclama después, lo que anticipa problemas de trazabilidad, identidad y verificación en cualquier sistema donde un agente negocie o reserve en nombre de una persona.

↳ Contexto: The sameness problem behind those unappetizing AI-generated menus · ver hilo completo

If a data center is camouflaged in the woods, will anyone hate it?

Microsoft está expandiendo iniciativas de "biomimicry" en sus data centers para integrarlos en el paisaje natural, con más jardines y árboles nativos, tras las críticas de comunidades locales por ruido, contaminación, uso de agua y tala de árboles. En San Antonio, donde cortó más de 2,600 árboles en 2022 para construir un data center, un concejal y grupos como Public Citizen califican estos gestos como insuficientes frente al impacto real de la expansión de infraestructura para IA.

Por qué importa: Para quien planifica infraestructura de IA, muestra que la oposición comunitaria y las restricciones ambientales (agua, energía, ruido) se están volviendo un factor operativo real que condiciona ubicación y coste de los data centers, no solo un tema de relaciones públicas.

↳ Contexto: Data centers are black boxes, but California wants to change that · ver hilo completo

Meta wants your next gadget to be Muse-infused

Meta ha lanzado Muse Gadgets, un proyecto open-source que permite a desarrolladores construir su propio hardware conectado a Muse, su agente personal de IA que reserva viajes, rellena formularios y compra en nombre del usuario. Meta aporta firmware open-source y un SDK de Linux, con ejemplos como conectar Muse a una Raspberry Pi o una placa ESP32, o cargarlo en un stick HDMI para TV. La compañía también presentó Muse for Small Business y una nueva unidad de negocio, Meta Enterprise Platform, para llevar sus productos de IA a empresas. IMPORTA: Para quien construye agentes, es un caso raro de hardware abierto y SDK de Linux pensado para que el agente salga del navegador y controle dispositivos físicos, sensores y actuadores.

Por qué importa: Para quien construye agentes, es un caso raro de hardware abierto y SDK de Linux pensado para que el agente salga del navegador y controle dispositivos físicos, sensores y actuadores.

Apple says it’s tightening macOS ‘Full Disk Access’ controls due to new risks from AI agents

Apple añadirá nuevos controles al permiso "Full Disk Access" de macOS, advirtiendo que los agentes de IA cada vez más capaces hacen más arriesgado el acceso amplio a archivos, mensajes, correo e historial de navegación del usuario. El anuncio responde a los nuevos riesgos que introduce el software agéntico en el sistema operativo. IMPORTA: Si construyes o despliegas agentes que operan sobre el escritorio del usuario, este precedente anticipa que los permisos amplios a disco dejarán de ser viables y tendrás que diseñar flujos con accesos acotados y consentimiento granular.

Por qué importa: Si construyes o despliegas agentes que operan sobre el escritorio del usuario, este precedente anticipa que los permisos amplios a disco dejarán de ser viables y tendrás que diseñar flujos con accesos acotados y consentimiento granular.

Toward provably private learning from federated data

Google Research anuncia la próxima generación de su sistema de Federated Learning, que usa Trusted Execution Environments (TEEs) para ofrecer garantías de privacidad verificables externamente, publicando las access policies en el log de transparencia Rekor y con binarios reproducibles desde código abierto. El sistema mueve cómputo al servidor, permitiendo calcular dinámicamente el schedule óptimo de participación de dispositivos y ajustar parámetros de DP, lo que reduce el multiplicador de ruido. Gboard ya lo adoptó para modelos de next-word prediction en inglés y japonés, con garantías de privacidad más fuertes y mejor accuracy. IMPORTA: Para quien despliega entrenamiento o serving sobre datos sensibles, marca un patrón concreto —TEEs + attestation remota + log de auditoría público— para pasar de "confía en el operador" a privacidad verificable por terceros, algo directamente trasladable a pipelines de fine-tuning federado o confidential computing en infraestructura propia.

Por qué importa: Para quien despliega entrenamiento o serving sobre datos sensibles, marca un patrón concreto —TEEs + attestation remota + log de auditoría público— para pasar de "confía en el operador" a privacidad verificable por terceros, algo directamente trasladable a pipelines de fine-tuning federado o confidential computing en infraestructura propia.

b11374

El backend ggml-openvino de llama.cpp se actualiza a OpenVINO 2026.4.1 e incorpora optimizaciones de rendimiento y nuevas ops. Entre ellas destaca FuseMoeCompressedFusedGateUp, que fusiona el bloque MoE de gemma-4, pasando pp512 de 66.16 a 1608.73 t/s en un Arc B390 con `GGML_OPENVINO_REQUANT_KQUANT=q4_asym64_all`, sin cambios de perplejidad. También corrige el manejo de ejes en ejecución stateful (rank 3 vs 4), arregla la enumeración de dispositivos multi-GPU y el error de `clEnqueueMemcpyINTEL not available` al buscar entry points en la plataforma equivocada.

Por qué importa: Muestra cómo el soporte por backend y la fusión de ops específicas (MoE en GPU Intel) pueden dar mejoras de orden de magnitud en prefill, un dato directamente aplicable a quien optimiza serving de modelos MoE.

b11372

Release de llama.cpp (b11372) que optimiza el indexer de atención en un modelo qwen4exp: en lugar de materializar dos tensores f32 [n_pool, n_idx_h, n_tokens] simultáneamente, cada head se calcula y suma in-place en un único score [n_pool, n_tokens], reduciendo a la mitad la memoria del indexer a contexto largo. Además se despachan 4 heads al kernel vectorial (aceptado en supports_op, cubierto por test-backend-ops) y el indexer pasa a llamar a ggml_lightning_indexer sobre las keys pooled con máscara f16, leyendo las keys una sola vez para todas las heads. IMPORTA: Reduce a la mitad la memoria del buffer más grande del grafo a contexto largo, lo que se traduce directamente en mayor contexto servible con la misma VRAM en inference local.

Por qué importa: Reduce a la mitad la memoria del buffer más grande del grafo a contexto largo, lo que se traduce directamente en mayor contexto servible con la misma VRAM en inference local.

b11370

Nuevo release de llama.cpp (b11370) que fusiona los shared experts dentro del kernel MMVQ en el backend CUDA, con ajustes menores como la comprobación de buffer nulo y el paso de stride_col_dst a los argumentos de fusión. Es un cambio de optimización de inferencia orientado a modelos con shared experts sobre GPU NVIDIA, publicado junto a los artefactos habituales para el resto de backends. IMPORTA: Es una optimización concreta del path CUDA que puede traducirse en mejor rendimiento de inference para arquitecturas MoE con shared experts, algo directamente aplicable si sirves modelos locales en GPU.

Por qué importa: Es una optimización concreta del path CUDA que puede traducirse en mejor rendimiento de inference para arquitecturas MoE con shared experts, algo directamente aplicable si sirves modelos locales en GPU.

↳ Contexto: b10950 · ver hilo completo

b11368

El release b11368 de llama.cpp introduce sampling probabilístico para el draft simple y MTP en speculative decoding, con verificación mediante rejection sampling en el modelo target. Incluye fallback a argmax para requests con gramática restringida, un flag para habilitar el draft probabilístico (por defecto greedy), corrección de la renormación tras el masking, y gestión de la rng del sampler para no compartir el stream del target. También mueve el replay al servidor y trunca los candidatos junto con el draft. IMPORTA: Cambia el comportamiento del speculative decoding por defecto en llama.cpp y añade control explícito sobre el muestreo del draft, algo directamente relevante para quienes ajustan latencia y calidad en inferencia local.

Por qué importa: Cambia el comportamiento del speculative decoding por defecto en llama.cpp y añade control explícito sobre el muestreo del draft, algo directamente relevante para quienes ajustan latencia y calidad en inferencia local.

Apple changes full-disk access permissions to curb abuse from AI agents

Apple anunció cambios en los permisos de acceso total al disco (Full Disk Access) de macOS para evitar que desarrolladores los usen de forma que expongan archivos, correo, mensajes e historial de navegación sin conocimiento del usuario, citando explícitamente los riesgos crecientes de los agentes de IA autónomos. El anuncio llega tras la polémica por Muse, el agente de IA de Meta, que según el columnista Jason Aten envió una notificación no solicitada referenciando una conversación de Apple Messages, y después de que el experto en seguridad de macOS Patrick Wardle revelara una configuración de Muse que permitía a cualquier app o código en el Mac tomar control total del asistente. Amazon bloqueó Muse en su plataforma y Meta sostuvo que la integración con Messages es opt-in y requiere Full Disk Access más el conector habilitado, versión que el anuncio de Apple parece contradecir.

Por qué importa: Marquca un precedente regulatorio y de plataforma: los agentes con acceso amplio al sistema operativo dejan de ser una decisión de permisos del usuario y pasan a tener consecuencias de seguridad explícitas, algo crítico si diseñas o despliegas agentes con acceso a datos locales.

↳ Contexto: Meta disputes claim that Muse read a user’s private messages without permission · ver hilo completo