El radar

Grounding AI agents in biological reality: Building blocks for autonomous wet labs

Google Research presenta tres proyectos que conectan agentes de IA con la experimentación física en wet labs, incluyendo VERID, un gemelo digital semántico y con estado en 3D del workcell construido sobre el framework open-source PyLabRobot, que permite a un agente planificar, simular y ejecutar protocolos de manipulación de líquidos. En un sandbox de aptámeros de ADN con ciclos cerrados de diseño-test durante 3 rondas sobre dos proteínas diana (mioglobina y α-trombina), los agentes elevaron las tasas de hits confirmados hasta 33,5% y 42,1% respectivamente, tras identificar y corregir fallos del wet lab como overhangs de primers que impedían el folding o enriquecimiento de G-quadruplex no específicos. El artículo subraya que la validación experimental real sigue siendo el cuello de botella frente a la generación de hipótesis in-silico.

Por qué importa: Muestra un patrón de diseño relevante para cualquier sistema agéntico que actúe sobre el mundo físico: un gemelo digital con estado vivo que valida la seguridad física de un comando antes de ejecutarlo, con trazas reproducibles que permiten al agente separar señal de ruido experimental entre ciclos.

↳ Contexto: Putting Earth AI to work: Geospatial agents for our planet's biggest challenges · ver hilo completo

A week with RTX Spark: everything we’ve learned using Nvidia’s new laptops

Análisis de una semana de uso de los portátiles con el chip RTX Spark N1X de Nvidia, un SoC Arm con 20 núcleos CPU, 6.144 núcleos CUDA y hasta 128GB de memoria unificada, en modelos como el Surface Laptop Ultra, Asus ProArt P16, Lenovo Yoga 9n y HP OmniBook Ultra, con precios de entre 2.599 y 6.999 dólares. La compatibilidad con apps Arm en Windows es buena gracias a la emulación Prism, el rendimiento en juegos es decente pero limitado por la CPU en títulos exigentes, y el potencial para ejecutar modelos locales de IA grandes es uno de los argumentos del chip. Todo apunta a que es un producto pensado para desarrolladores y creadores de gama alta, con ruido y calor notables. Para quien despliega o prueba modelos de IA en local, estos portátiles ponen sobre la mesa hasta 128GB de memoria unificada en formato móvil, una alternativa a estaciones de trabajo para inference local aunque con un coste muy alto y limitaciones de CPU en cargas exigentes

Por qué importa: Para quien despliega o prueba modelos de IA en local, estos portátiles ponen sobre la mesa hasta 128GB de memoria unificada en formato móvil, una alternativa a estaciones de trabajo para inference local aunque con un coste muy alto y limitaciones de CPU en cargas exigentes.

↳ Contexto: Surface RTX Spark Dev Box is available for preorder for $5,999 · ver hilo completo

Meta’s new terms may allow it to train AI on news sites for free

Meta actualiza sus términos comerciales, con entrada en vigor el 30 de octubre, para permitir el crawling y scraping automatizado de dominios y páginas "asociadas" a cuentas de empresa en Facebook, Instagram, WhatsApp y Messenger, y usar ese contenido para "desarrollar, mejorar, investigar" y "entrenar" sus productos de IA. Según Nieman Lab, los expertos legales señalan que estos términos podrían esgrimirse para que las condiciones comerciales prevalezcan sobre instrucciones de bloqueo como robots.txt, mientras Meta afirma que no cambia el uso de sus crawlers y que los dueños de contenido pueden seguir usando robots.txt. Las cuentas que no acepten las nuevas políticas podrían perder el acceso a los productos de Meta para fines comerciales.

Por qué importa: Marca un precedente de que los términos contractuales de una plataforma puedan imponerse sobre controles técnicos como robots.txt, algo crítico para quien diseña pipelines de datos, respeta licencias de contenido o gestiona scraping a escala.

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

Elorian’s first AI model wants to reason with images, not just about them

Elorian, startup de Palo Alto que levantó una seed de 55 millones de dólares antes de lanzar producto, publica Glimpse, su primer modelo, en research preview con API y chat. Glimpse mantiene un "visual scratch space" que le permite recortar regiones, extraer frames de vídeo o ejecutar código a mitad de razonamiento para volver a la imagen original en vez de razonar solo sobre tokens. Según sus propias evaluaciones supera a GPT-6 Astra en razonamiento sobre gráficos científicos y captioning de vídeo corto, con un precio de 0,60 $/M tokens de entrada y 3 $/M de salida, entrenado con un equipo pequeño sobre unos cientos de GPUs. IMPORTA: Frente al patrón dominante de ver la imagen una vez y razonar en texto, un modelo que re-consulta la fuente durante el razonamiento cambia el coste y el diseño de los pipelines multimodales y de vídeo, y a ese precio es una alternativa a evaluar para workloads visuales.

Por qué importa: Frente al patrón dominante de ver la imagen una vez y razonar en texto, un modelo que re-consulta la fuente durante el razonamiento cambia el coste y el diseño de los pipelines multimodales y de vídeo, y a ese precio es una alternativa a evaluar para workloads visuales.

↳ Contexto: The Pelican comparison grid for Astra is pretty interesting · ver hilo completo

Jev is Vercel’s fastest-adopted AI model ever

Datos de Vercel muestran que Jev, un modelo de decisión ligero de TypeSafe AI lanzado en limited release el 15 de septiembre y diseñado para elegir entre un conjunto predeterminado de salidas, alcanzó un 35% de los equipos de pago en sus dos primeras semanas, casi el doble del alcance del segundo modelo más popular, Sonnet 5.5. Los datos provienen del AI gateway de Vercel, que también indica que los modelos open source ya suponen más de 70% de los tokens procesados y cerca del 25% del gasto total. El gasto en laboratorios frontier se multiplicó por diez, aunque con menor cuota relativa del gasto total.

Por qué importa: Es evidencia cuantitativa de que los modelos especializados y baratos para clasificación pueden desplazar a modelos generalistas en producción, y de que la elección de modelo en un gateway se está volviendo una decisión de coste dominante para quien opera inference a escala.

b11715

Release b11715 de llama.cpp, correspondiente al commit 9d1878a, etiquetado el 17 de octubre. El cambio es en ggml-cuda: en el backend HIP se usa `__builtin_amdgcn_perm` para el desempaquetado (unpacking) del formato de cuantización q1_0, vía el PR #29927. IMPORTA: Afecta a quien ejecuta inference de modelos cuantizados en GPUs AMD vía ROCm/HIP, ya que toca directamente el kernel de desempaquetado de un formato de cuantización de 1 bit.

Por qué importa: Afecta a quien ejecuta inference de modelos cuantizados en GPUs AMD vía ROCm/HIP, ya que toca directamente el kernel de desempaquetado de un formato de cuantización de 1 bit.

b11714

La release b11714 de llama.cpp añade a su UI de escritorio una superficie "Discover" para explorar y descargar modelos GGUF directamente del Hugging Face Hub, con panel de detalles, readme, metadatos y descarga por quant. Incluye gestión de descargas reanudables desde disco del sidecar correspondiente (draft MTP/DFlash para speculative decoding, mmproj, imatrix), agrupadas por repo con pausa, reanudación y cancelación, y descarta del catálogo los modelos de decisión que responden con probabilidades en vez de texto. IMPORTA: Si usas llama.cpp, la descarga y gestión de pares main+sidecar (draft/mmproj) desde la propia UI evita el trabajo manual de emparejar quants y sidecars para speculative decoding, y la reanudación por hash de contenido importa a quien mantiene despliegues con artefactos parciales o pipelines que reinician el router.

Por qué importa: Si usas llama.cpp, la descarga y gestión de pares main+sidecar (draft/mmproj) desde la propia UI evita el trabajo manual de emparejar quants y sidecars para speculative decoding, y la reanudación por hash de contenido importa a quien mantiene despliegues con artefactos parciales o pipelines que reinician el router.

b11712

El PR #30674 de llama.cpp reescribe el generador de modelos aleatorios de sus tests para usar una tabla de fillers por tensor, en lugar de flags embebidos en el write path. El problema de fondo: el generador dibujaba cada tensor por separado, rompiendo la restricción alpha^2 + beta^2 == 1 de un gate residual con preservación de norma, lo que amplificaba el error y hacía fallar test-llama-context con Muse Spark (NMSE de 1.0e-05 a 1.4e-05 frente a un umbral de 1e-05). Con más de mil seeds en build de CPU, el peor caso baja de 1.36e-05 a 2.48e-06 y la mediana de 4.10e-06 a 5.48e-07, sin ningún seed por encima del umbral; los otros 131 modelos quedan idénticos bit a bit y ctest pasa en CPU y CUDA. IMPORTA: Ilustra cómo un generador de tests aleatorizado puede enmascarar bugs reales de capas con sliding window attention (SWA) y

Por qué importa: Ilustra cómo un generador de tests aleatorizado puede enmascarar bugs reales de capas con sliding window attention (SWA) y producir fallos intermitentes difíciles de diagnosticar, algo relevante si mantienes suites de verificación de kernels o modelos en inferencia.

b11709

llama.cpp añade soporte para Kolibri-1, un modelo MoE de razonamiento bilingüe alemán/inglés de Aleph-Alpha con 78B parámetros totales y 3.46B activos por token, 50 capas y 384 expertos enrutados más uno compartido. La atención intercala cuatro capas sliding de ventana 513 con una capa full, usando NeoX RoPE en las sliding y NoPE en las full, con GQA de 48 cabezas query frente a 4 KV a head_dim 128. El converter reutiliza AfmoeModel para el layout por experto y el sesgo de selección, añade tres nombres de tensor al mapping y registra el vocabulario de 128k con el pre-tokenizer qwen2 por hash.

Por qué importa: Es la vía para correr un MoE de 78B con solo 3.46B activos en llama.cpp, lo que condiciona directamente los requisitos de memoria, el rendimiento de inference y la planificación de despliegue de quien sirve modelos localmente.

b11703

El release b11703 de llama.cpp vectoriza softplus en el backend Hexagon con HVX, sustituyendo el bucle escalar `logf(1.0f + expf(x))` de softplus_f32 y tile_softplus_f32 por un helper compartido hvx_softplus_f32_aa() construido sobre las primitivas hvx_vec_exp_f32 / hvx_vec_log_f32 ya existentes, sin introducir nuevas aproximaciones numéricas. Como hvx_vec_exp_f32 clampa su entrada a (-88, 88), la composición naive saturaría en ~88.72 para x grandes; el select Q6_V_vmux_QVV mantiene el guard x > 20 de la referencia escalar para que la ruta vectorial coincida con el resultado de CPU.

Por qué importa: Es una optimización concreta de kernel en el backend Hexagon NPU de llama.cpp, relevante para quien lleva inferencia local de LLMs en hardware Snapdragon, donde el detalle del clamp y el guard determinan que la activación vectorizada no diverja de la referencia en CPU.

Open-world AI: a Tale of Three Requirements

Paper de arXiv que formaliza tres requisitos para IA en entornos abiertos: aprendizaje en tiempo de inferencia, una representación rica que retenga más de lo que exige la generalización iid, y un "predictive disentanglement" que alinee entradas y salidas en grupos de baja dimensión. El análisis deriva además la necesidad de un inner learner consistente y el beneficio de contextos largos que abarquen tareas relacionadas. Los experimentos, con modelos de lenguaje de hasta 8B, evalúan cualitativamente si un modelo cumple cada propiedad en vez de cuánto gana: los que satisfacen los requisitos mejoran según se acumulan datos de tareas relacionadas, mientras el resto degrada, sin que el escalado ni el interleaving de tipos de capa lo remedien. IMPORTA: Ofrece un marco predictivo para distinguir por qué unos modelos aprovechan datos de tareas relacionadas y otros empeoran, algo directamente aplicable al diseño de entrenamiento continuo y contextos largos en sistemas con aprendizaje en inferencia.

Por qué importa: Ofrece un marco predictivo para distinguir por qué unos modelos aprovechan datos de tareas relacionadas y otros empeoran, algo directamente aplicable al diseño de entrenamiento continuo y contextos largos en sistemas con aprendizaje en inferencia.

EvolvingBrain: An Adaptive Skill System for Multi-modal Agents Self-Evolution in Open Worlds

Se propone EvolvingBrain, un sistema de habilidades adaptativo para la autoevolución de agentes multi-modales en mundos abiertos. Combina una autoevolución de habilidades estratificadas que extrae patrones procedimentales y problemáticos de trayectorias para construir una arquitectura de habilidades por dominio, plan y acción/trampa, junto con una ejecución adaptativa consciente del estado basada en memoria abstractiva estructurada. Los experimentos en VAB-Minecraft y DiscoveryWorld muestran mejoras en tasas de éxito y capacidad de generalización. Plantea una alternativa al fine-tuning supervisado y al RL basado solo en resultado para que agentes aprendan de la información intermedia de sus trayectorias, algo directamente aplicable a quien diseña memoria y aprendizaje continuo en sistemas agénticos.

Por qué importa: Plantea una alternativa al fine-tuning supervisado y al RL basado solo en resultado para que agentes aprendan de la información intermedia de sus trayectorias, algo directamente aplicable a quien diseña memoria y aprendizaje continuo en sistemas agénticos.