El radar

As search traffic dries up, Reddit announces it’s shifting to a logged-in experience

Reddit anunció en su llamada de resultados del tercer trimestre que pasará a una experiencia principalmente "logged-in", con el objetivo de proteger sus datos del scraping de IA y poder negociar acuerdos de licencia con proveedores de modelos. Las referencias de tráfico desde buscadores cayeron más de un millón por semana de media en octubre, y la compañía advirtió que sus usuarios activos diarios podrían caer a un porcentaje de dos dígitos bajo el próximo trimestre, aunque los ingresos crecieron un 53% interanual hasta 895 millones de dólares. El cambio empezará con pruebas en mercados fuera de EE. UU. en el cuarto trimestre, sin fecha definida para el despliegue global.

Por qué importa: La restricción del acceso a datos de Reddit impactará directamente en la calidad y disponibilidad de datasets de entrenamiento públicos para modelos de lenguaje, forzando a los proveedores de IA a depender más de acuerdos comerciales y afectando la viabilidad económica de sistemas RAG que actualmente se alimentan de este contenido.

↳ Contexto: Reddit is killing RSS feeds and ending public API access because of AI bots · ver hilo completo

Granite Switch 4.1.1 — Update models like you update software

IBM publica Granite Switch 4.1.1, una patch release totalmente backwards compatible con la 4.1 que añade mejoras incrementales mediante adapters especializados y cache-efficient sobre un base model intacto, junto con un nuevo modelo ASR y un Decision adapter. Lo destacado es el patrón de despliegue tipo software: solo se entrena lo nuevo y se componen los adapters deseados sin recalcular el modelo base. Anuncian tutorials y un Adapter SDK para que terceros construyan y versionen sus propios adapters; continúa la línea de Granite Switch 4.1, que unificaba chat, decisions y speech en un único endpoint.

Por qué importa: Este enfoque de composición modular mediante adapters permite desplegar actualizaciones de modelos sin reentrenamiento costoso ni recompilación de infraestructura de inferencia, reduciendo significativamente el overhead operacional en sistemas de agents y workflows autónomos que requieren iteración frecuente sobre capacidades especializadas.

↳ Contexto: Granite Switch 4.1: Chat, Decisions, and Speech from One Endpoint · ver hilo completo

v5.22.0: Mistral Large 4 (Le Chonk)

Mistral Large 4 (Le Chonk) es un modelo Mixture-of-Experts nativo multimodal de 1 billón de parámetros con 49 mil millones de parámetros activos por token, entrenado desde cero en 3.800 GPUs NVIDIA Grace Blackwell en los propios datacenters de Mistral en Europa. Unifica instruction following, razonamiento, coding y workflows agénticos en un único conjunto de pesos, destaca en ciberseguridad, finanzas y derecho, y se publica bajo la Mistral Ecosystem Open-Weight License (MIT modificada, con licencia comercial aparte para operar como Model-as-a-Service). La release de transformers v5.22.0 añade además soporte de adapter training (LoRA con PEFT) sobre modelos cuantizados en FP8, con backward en matmuls FP8 y dequantización de expertos por chunks que reduce el pico de memoria en la capa MoE de ~28.9 GiB a 2.8 GiB a 8k tokens.

Por qué importa: La optimización de memoria en MoE mediante dequantización por chunks y LoRA en FP8 permite entrenar y servir agents que usen Mistral Large 4 localmente con infraestructura GPU modesta, abriendo la puerta a sistemas agénticos complejos sin depender de APIs externas.

How we detect frontier model misalignment

OpenAI describe su enfoque de monitorización por capas para detectar misalignment en modelos frontera y comportamiento no autorizado de agentes, con el objetivo de que los equipos de respuesta puedan intervenir antes de que los incidentes escalen. El artículo se centra en la arquitectura de detección y el papel de los responders, sin entrar en detalles técnicos concretos en el extracto disponible.

Por qué importa: La capacidad de detectar misalignment en tiempo real es crítica para desplegar agentes autónomos en producción sin que ejecuten acciones no autorizadas que comprometan la seguridad de tu infraestructura o datos.

↳ Contexto: Our framework for reporting model misalignment · ver hilo completo

Can Frontier Models See Past a Decoy? Elorian Tests Visual Reasoning

Elorian, en colaboración con Mercor, publica DecoyCount, un benchmark que evalúa si los modelos cuentan objetos de verdad o recurren a atajos visuales, con resultados de modelos frontier por debajo del 50% de precisión (el mejor, GPT-6 Astra, con 43.17%). La compañía afirma que su modelo Glimpse alcanzó 50.48% en una prueba interna, aunque en una sola ejecución y sin agent ni tool harness, mientras los seis modelos del paper promediaban tres ejecuciones. El CEO Andrew Dai explica que Glimpse integra generación y edición de imágenes dentro del reasoning trace y diferencia su enfoque de "acción indirecta" frente a los world models.

Por qué importa: La evaluación de razonamiento visual de DecoyCount revela que los modelos frontier actuales dependen de atajos en lugar de verdadera comprensión espacial, lo que afecta directamente la confiabilidad de sistemas agénticos que requieren percepción visual precisa para tomar decisiones autónomas en entornos complejos.

↳ Contexto: Elorian’s first AI model wants to reason with images, not just about them · ver hilo completo

b12008

Commit en llama.cpp que reordena la creación de token_embd antes del output tied en gemma3n y gemma4, porque el output duplicado busca token_embd en su buffer context y debe existir primero. Con el orden anterior, una carga donde input y output comparten tipo de buffer (CPU-only, -ngl 0) mantenía la tabla duplicada; el caso citado (gemma-4-E2B-it Q4_K_M, sin mmap) pasó de 3163.73 a 2947.73 MiB de buffer de modelo.

Por qué importa: La reordenación del flujo de creación de embeddings en llama.cpp elimina desperdicio de memoria en modelos Gemma donde el output layer comparte buffer con el embedding input, liberando hasta 216 MiB en casos sin aceleración GPU—crítico para optimizar la inferencia local en hardware limitado.

b12006: memory: refuse rollbacks past the snapshots of the last ubatch (#31368)

Release b12006 de llama.cpp que corrige la gestión de rollbacks en la memoria recurrente y en la caché DSV4: ambos aceptaban cualquier rollback hasta n_rs_seq aunque el último ubatch no hubiera escrito ese snapshot. Ahora cada memoria registra el rollback más profundo que garantiza su último ubatch y seq_rm rechaza lo que lo exceda, con tests que verifican el límite exacto tras ubatches de 1, 2, n_rs_seq+1 y n_rs_seq+2 tokens.

Por qué importa: La corrección de los límites de rollback en la memoria recurrente de llama.cpp evita corrupción de estado en sistemas multi-agente y workflows autónomos que reutilizan sesiones con múltiples turnos, garantizando que los agentes no pierdan o sobrescriban contexto crítico entre inferencias.

b12004

Release b12004 de llama.cpp, con un único cambio funcional en `common`: terminar el "reasoning budget forcing" cuando aparece un end tag procedente del prompt. El resto del release son las compilaciones habituales para macOS/iOS, Linux, Android y Windows, incluyendo backends CUDA 12/13, ROCm 10.0, Vulkan, SYCL, OpenVINO y soporte para Snapdragon (CPU, Adreno GPU, Hexagon NPU).

Por qué importa: La corrección del reasoning budget forcing en llama.cpp evita que los agentes de razonamiento extended desperdicien tokens de inferencia al no respetar los end tags del prompt, mejorando la eficiencia y predictibilidad del consumo computacional en pipelines de inferencia local con modelos de reasoning.

Bouba Beats Kiki, and Other Regularities in the Subjective Preferences of LLMs

Paper de arXiv que aborda la evaluación subjetiva de LLMs: en lugar de medir aciertos, estudia cómo los modelos eligen entre respuestas igualmente válidas en tareas de comparación con números, nombres de bebé y ciudades ficticias, analizando 29 aspectos de sintaxis y semántica. Muestra que los modelos tienen preferencias fuertes y reproducibles por ciertos aspectos, que la formulación de la pregunta activa o desactiva esos aspectos, y que variaciones aparentemente menores en el enunciado alteran radicalmente las distribuciones de preferencia, lo que plantea interrogantes sobre manipulación. También detecta interacciones inesperadas cuando el mismo modelo genera las alternativas y luego las ordena.

Por qué importa: Comprender estas preferencias subjacentes y sesgos sistemáticos en cómo los LLMs eligen entre opciones equivalentes es crítico para diseñar evaluaciones confiables de modelos y para identificar vectores de manipulación en sistemas agénticos que toman decisiones basadas en preferencias de LLMs.

Multi-Draft On-Policy Distillation for Diffusion Drafters

Propone MDraft, un método de destilación on-policy para drafters de difusión de un solo paso usados en speculative decoding, que aborda el desajuste entre la predicción paralela del drafter y las condicionales del verificador sobre prefijos muestreados. MDraft muestrea varios bloques de draft desde el mismo contexto y agrega las condicionales de vocabulario completo del verificador a través de sus prefijos, mejorando la longitud de aceptación por encima del nivel de pre-training. Solo modifica el entrenamiento, mantiene arquitectura e inference del drafter, y supera a métodos de destilación previos en tareas matemáticas, de código y conversacionales.

Por qué importa: Mejorar la tasa de aceptación en speculative decoding mediante destilación on-policy reduce la latencia de inferencia en modelos grandes sin cambiar la arquitectura del drafter, lo que optimiza directamente el throughput en sistemas de model serving con constraints de GPU.

From synthetic enterprise data evaluations to real Microsoft Copilot AI confidence

Microsoft Research describe su Industry Evaluation Data Generation Platform, que genera entornos empresariales sintéticos a escala (llamados "tenants") a partir de fuentes públicas como O*NET, ofertas de empleo y filings SEC, con estructura temporal para soportar consultas dependientes del tiempo en Copilot. Un pipeline automatizado convierte tareas genéricas en queries específicas de industria, validadas para precisión y unicidad, y miden la calidad del entorno con un framework semántico interno. Reportan que la automatización redujo la creación de datasets de evaluación de varios días a ejecuciones automáticas, con un ahorro estimado de ~$100.000 por dataset y ~$300.000 en total, sin usar datos reales de clientes en ninguna etapa.

Por qué importa: Poder evaluar agentes como Copilot en entornos empresariales realistas sin datos de clientes reales te permite validar la confiabilidad y precisión de tus sistemas multi-agente en producción antes del deployment, reduciendo riesgos de alucinaciones y errores en consultas dependientes del contexto temporal.

Microsoft Research Focus – Edition #97

Microsoft Research repasa en su newsletter varios trabajos: ForkPilot, un framework de auto-mejora para agentes que decide cuándo revisar decisiones previas y reduce hasta un 59% la carga de procesamiento manteniendo resultados comparables a los mejores métodos en seis benchmarks. También presenta CABRA, que genera retos de código desde cero y revela que entender codebases desconocidos sigue siendo el mayor obstáculo para los coding agents, y TeleTune, que aprende skills y workflows reutilizables a partir de logs de actividad de usuario e infiere los objetivos de las tareas.

Por qué importa: ForkPilot reduce significativamente el costo computacional de los agentes autónomos al decidir dinámicamente cuándo revisar decisiones, lo que es crítico para hacer inferencia de agentes más eficiente en producción sin sacrificar calidad de resultados.

Build Specialized Agents on a Stack You Control with NVIDIA NemoClaw

NVIDIA presenta NemoClaw, una colección de blueprints abiertos que ensamblan un stack agéntico completo sobre harnesses existentes (OpenClaw, Hermes Agent y LangChain Deep Agents), combinando modelos Nemotron, herramientas de optimización NeMo, telemetría y el runtime seguro OpenShell con control de políticas sobre ficheros, red, credenciales y herramientas. LangChain ajustó su harness Deep Agents para Nemotron 3 Ultra mediante cambios en prompts, herramientas y middleware sin reentrenar el modelo, logrando rendimiento cercano a frontier con un coste por ejecución aproximadamente 10x menor. Los agentes pueden ejecutarse en cloud, data center, DGX Spark y PCs/workstations RTX, y colaborar con agentes frontier como Claude, Codex o Cursor delegando subtareas.

Por qué importa: NemoClaw te permite construir sistemas agénticos autónomos de produción con control total sobre la infraestructura, los modelos y las políticas de seguridad, reduciendo drasticamente los costos de inferencia mediante optimización local sin sacrificar capacidades comparables a modelos frontier.

↳ Contexto: Build Applications on NVIDIA BlueField Faster with NVIDIA DOCA Agent Skills · ver hilo completo

How to Check and Configure NVIDIA GPUDirect Storage for Your Platform

NVIDIA presenta gds-diag, una utilidad de línea de comandos open source (dentro del repositorio Magnum IO, licencia Apache 2.0) que evalúa entornos GPUDirect Storage, detecta problemas y propone mitigaciones mediante subcomandos agrupados en checks end-to-end, validación pre y post instalación y diagnóstico profundo de contenedores y puntos de montaje. Incluye un agent skill opcional (licencia CC BY 4.0) que actúa como capa de orquestación en lenguaje natural sobre un coding assistant como Claude o Codex, seleccionando subcomandos e interpretando resultados con razonamiento guiado por modelo; la herramienta no aplica cambios por sí sola, solo presenta hallazgos con badges FAIL/WARN/INFO/PASS y un plan de mitigación.

Por qué importa: La utilidad gds-diag simplifica la validación y optimización de GPUDirect Storage en infraestructuras de IA, eliminando cuellos de botella de I/O críticos para el entrenamiento distribuido y la inferencia de modelos a escala en Kubernetes/GPU clusters.

↳ Contexto: How to Read Data into GPU Memory in Python with NVIDIA GPUDirect Storage · ver hilo completo

Fujifilm to boost tape production 5x as AI fuels archiving demand

Fujifilm invertirá unos 10.000 millones de yenes (aproximadamente 63 millones de dólares) para multiplicar por cinco su capacidad de producción de cinta magnética LTO en su planta de Odawara (Kanagawa), entre los ejercicios fiscales 2026 y 2028. La compañía atribuye el aumento de la demanda de archivo al crecimiento exponencial de datos que impulsa la IA generativa, y señala que los grandes operadores de cloud y data centers usan cinta por su bajo coste y por la posibilidad de air-gap como defensa frente a ransomware. La expansión se centra en la cinta de última generación LTO Ultrium10.

Por qué importa: La demanda masiva de almacenamiento de largo plazo para entrenar y servir modelos de IA a escala requiere revisar tu estrategia de infraestructura de datos, considerando que la cinta magnética se perfila como componente crítico de costo-efectividad y resiliencia contra ataques en entornos de producción de IA.

Thousands of “ghost students” use AI to steal millions in student loans, DOJ says

El DOJ ha imputado a cinco personas en la primera operación federal amplia contra "ghost students", fraudsters que roban identidades de estadounidenses para hacerse pasar por estudiantes universitarios falsos y desviar ayudas federales; el esquema usaba IA para rellenar solicitudes FAFSA, completar coursework y simular asistencia a clases virtuales. El DOE ha identificado más de 830.000 cuentas de ayuda estudiantil potencialmente fraudulentas (pérdidas cercanas a 130 millones de dólares) y se incautaron más de 750.000 dólares en criptomonedas, con más de 32 millones en pérdidas reales ligadas a los imputados. El caso incluye detalles sobre los sistemas automatizados de verificación de identidad y risk scoring implantados para detectar el fraude, con advertencias sobre falsos positivos que podrían retrasar el acceso a ayudas de estudiantes reales.

Por qué importa: Los sistemas de verificación de identidad y risk scoring automatizados enfrentan ahora presión regulatoria para detectar fraude sofisticado con IA sin bloquear acceso legítimo, lo que exige mejorar observabilidad y evaluación de modelos en pipelines críticos de toma de decisiones.

API credits benefit for eligible ChatGPT subscriptions

OpenAI replica el modelo de créditos de API que Anthropic lanzó a principios de mes: los suscriptores de planes de 100, 200 y 500 dólares mensuales reciben una cantidad equivalente de créditos aplicables a una de sus organizaciones de API. Simon Willison señala que, al mantener suscripciones con ambas compañías, esto le cubre los créditos para publicar demos públicas.

Por qué importa: Los créditos de API incluidos en suscripciones reducen significativamente el costo operativo de servir modelos en producción, permitiendo que equipos de platform engineering ejecuten agentes y aplicaciones de inferencia a escala sin impacto directo en presupuesto de cloud.

↳ Contexto: A milestone in expanding access to AI · ver hilo completo