El radar

What could China get from Jensen Huang?

The Verge repasa el escándalo en torno a Jensen Huang y su relación extramatrimonial con una ejecutiva de Megaspeed, proveedor cloud con sede en Singapur y gran cliente de Nvidia, a quien funcionarios estadounidenses señalan como activo de inteligencia extranjero. El artículo detalla cómo esta relación coincidió en el tiempo con las gestiones de Huang para relajar los controles de exportación de chips avanzados a China y con reuniones con la administración Trump, y recoge la advertencia de una analista de CSET de que Nvidia tenía incentivos propios para presionar en ese sentido con independencia de cualquier operación de inteligencia.

Por qué importa: El acceso a información sobre la estrategia de exportación de chips de Nvidia y las restricciones técnicas de sus aceleradores podría permitir a actores extranjeros optimizar la inferencia local de modelos de IA o desarrollar alternativas de cuantización que eludan las limitaciones impuestas en hardware avanzado.

↳ Contexto: Jensen Huang says Nvidia achieved AGI, again — not that it matters · ver hilo completo

Apple’s $50 Intelligence Usage Packs extend access to some AI features

Apple ha actualizado Logic Pro con una opción de "Buy More Usage" por 49,99 dólares (pago único) para ampliar el acceso a ciertas funciones de Apple Intelligence con límites de uso, al depender de modelos cloud de OpenAI o Gemini. Los Intelligence Usage Packs solo pueden usarse con la cuenta que los compró (sin Family Sharing), el uso no consumido se acumula mes a mes pero caduca a los 12 meses, y el límite depende de la complejidad de las conversaciones con el asistente. Logic Pro es la primera app con esta opción, que se espera llegue a otras apps de Apple Creator Studio y a Pages, Keynote y Numbers.

Por qué importa: El modelo de packs de uso limitado de Apple Intelligence establece un precedente de monetización por consumo en inferencia cloud que podría influir en cómo las plataformas de IA diseñan sus estrategias de rate-limiting, metering y facturación para agents y sistemas autónomos que requieren múltiples llamadas a modelos remotos.

↳ Contexto: Apple will limit Mac disk access as AI agents ‘substantially’ increase risk · ver hilo completo

Anthropic launches new Claude Fable and Mythos 5.2 models

Anthropic anuncia Claude Fable 5.2 y Claude Mythos 5.2, con mejoras en coding, razonamiento y visión, y mayor velocidad de generación que las versiones 5.1. Fable 5.2, disponible hoy, destaca en ingeniería de software y orquestación de equipos de agentes; Mythos 5.2 queda restringido a organizaciones verificadas. Según Anthropic, en pruebas previas los modelos completaron migraciones de software inviables por otros medios, diseñaron tres dispositivos electrónicos desde cero y resolvieron dos problemas abiertos de física de agujeros negros, entre otros resultados.

Por qué importa: Los modelos Fable y Mythos 5.2 ofrecen capacidades superiores en orquestación de equipos de agentes y reasoning que permiten construir sistemas agénticos más robustos y autónomos capaces de resolver tareas complejas de ingeniería de software que antes requerían intervención humana significativa.

↳ Contexto: Anthropic launches Claude Fable 5.1 and says it’s up to 45 percent cheaper for agentic work · ver hilo completo

Disney and Adobe are building generative AI tools together

Disney y Adobe han anunciado una alianza multianual para desarrollar modelos de IA generativa "artist-led" y propietarios que apoyen el pipeline de producción de Disney, con acceso temprano a tecnologías de Adobe para parques temáticos, cruceros y contenido de ESPN. Mediante Adobe Firefly Foundry, los modelos se entrenarán con conocimiento propio de las propiedades de Disney (atributos de personajes, entornos, estilos visuales) para generar outputs comercialmente seguros y listos para producción. La división Imagineering de Disney ya usaba Firefly para desarrollo de parques; el acuerdo amplía su uso a Walt Disney Studios y ESPN.

Por qué importa: La colaboración entre Disney y Adobe en modelos propietarios "artist-led" demuestra cómo las organizaciones grandes optimizan la inferencia de IA con conocimiento de dominio embebido en modelos fine-tuned, lo que impacta directamente en decisiones sobre qué modelos entrenar localmente versus servir desde proveedores, y cómo estructurar pipelines de evaluación y control de calidad para garantizar que los outputs generados sean seguros y consistentes en entornos de producción a escala.

↳ Contexto: Adobe is adding more AI to Photoshop · ver hilo completo

Nemotron-Personas-Finance-Japan: A Synthetic Dataset Capturing Japan's Demographics and Financial Context

Elith y NVIDIA publican Nemotron-Personas-Finance-Japan, un dataset sintético abierto de 9M de personas (50% más que Nemotron-Personas-Japan y con 50 campos en lugar de 22) que combina estadísticas oficiales japonesas con datos de finanzas domésticas y alfabetización financiera, bajo licencia CC BY 4.0 para uso comercial. Se generó con NeMo SDG-PGMs y NeMo Data Designer, con feedback de instituciones financieras japonesas, y está pensado para construir agentes conversacionales, simular usuarios con NeMo User Sim, evaluar conversaciones y hacer red-teaming sin usar datos reales de clientes. Se lanza junto a Nemotron-PII-Japan, con 100.000 documentos de negocio sintéticos en japonés con información personal etiquetada para entrenar y testear modelos de detección y redacción de PII.

Por qué importa: Este dataset sintético altamente contextualizado permite entrenar y evaluar agentes conversacionales financieros con seguridad sin exponer datos reales, acelerando el desarrollo de sistemas agénticos robustos para dominios regulados donde la privacidad y el cumplimiento normativo son críticos.

Your Experts Have Partners. There's HOPE for Keeping Them Together

El artículo presenta HOPE (Higher-Order Pruning of Experts), un método de segundo orden para podar expertos en arquitecturas MoE que, a diferencia de los métodos first-order que puntúan cada experto de forma independiente, modela las interacciones por pares entre expertos co-activados. HOPE formula la selección del prune-set como un programa cuadrático sobre una matriz F de interacciones recogida en un calibration set, con un coste adicional de solo 1-2 segundos por capa frente al pase de calibración. Con un 50% de pruning, HOPE logra el mejor rank promedio y mejoras de hasta +6.1% en tareas de agentic coding respecto al siguiente mejor método, y se relaciona con REAP (cuyos scores quedan recuperados en la diagonal de la matriz F).

Por qué importa: La poda selectiva de expertos basada en interacciones de pares permite optimizar modelos MoE para tareas agénticas sin degradar el razonamiento colaborativo entre expertos co-activados, reduciendo significativamente la latencia de inferencia en sistemas multi-agente con restricciones de recursos.

Control Room: A central system to track and stop model workloads across our research infrastructure

OpenAI presenta Control Room, un sistema central para rastrear workloads de modelos a lo largo de su infraestructura de investigación y detenerlos rápidamente ante preocupaciones de seguridad. El artículo describe la función de seguimiento y parada rápida de estos workloads, aunque el texto no detalla la arquitectura ni el funcionamiento interno. Se relaciona con la reciente publicación de OpenAI sobre el ritmo de desarrollo de modelos ante capacidades críticas en ciberseguridad.

Por qué importa: Un sistema centralizado de control sobre workloads de modelos es crítico para implementar pausas de seguridad y gobernanza en infraestructuras de IA a escala, especialmente cuando se entrenan o sirven modelos con capacidades potencialmente peligrosas que requieren intervención rápida.

↳ Contexto: Pacing model development in an era of cyber-critical capabilities · ver hilo completo

v3.49.0

Release v3.49.0 del SDK oficial de OpenAI para Python. Incluye como novedad la adición de typed async function tools en la API y corrige la codificación de grabaciones de micrófono para que se generen como PCM WAV válido. Es una actualización incremental del SDK, con cambios concretos pero acotados.

Por qué importa: Las typed async function tools permiten que los agentes autónomos integren herramientas asincrónicas con validación de tipos estricta, mejorando la confiabilidad y velocidad de ejecución en workflows que requieren operaciones no bloqueantes o llamadas a servicios externos.

↳ Contexto: v3.7.0 · ver hilo completo

[AINews] Fable 5.2 retakes World #1 LLM spot as $ANT IPO roadshow begins

Anthropic lanzó Claude Fable 5.2 y Claude Mythos 5.2, que recuperan el primer puesto en la mayoría de leaderboards independientes (Artificial Analysis Intelligence Index 65, Epoch Capabilities Index 174) con precios un 20% menores por token ($8/$40 por millón) aunque con mayor consumo de tokens por tarea. El aumento de rendimiento se atribuye a una mayor amplitud de pruebas: donde versiones anteriores paraban en ~20 casos, 5.2 genera cientos o miles y lanza subagentes para verificar, encareciendo el coste por tarea en benchmarks como GDPx (de $67.16 a $88.15). Incluye cinco niveles de effort, 1M de contexto, retención de datos obligatoria por defecto y restricciones de acceso en suscripciones; continúa la línea de Fable 5.1 que ya cubrimos.

Por qué importa: El mayor consumo de tokens y coste por tarea en benchmarks clave afecta directamente el cálculo del coste total de propiedad (TCO) de pipelines de inferencia en producción, obligando a reevaluar estrategias de optimización, cuantización y routing entre modelos en arquitecturas multi-agente.

↳ Contexto: Anthropic launches Claude Fable 5.1 and says it’s up to 45 percent cheaper for agentic work · ver hilo completo

What Frontier Labs Buy: A Data Deep Dive with Handshake AI — Garrett Lord & Team

Deep dive de Latent Space sobre Handshake AI, cuyo negocio de datos de entrenamiento para frontier labs pasó de su lanzamiento a 1.000 millones de dólares de ingresos anualizados brutos en aproximadamente un año. El episodio recorre entornos de reinforcement learning concretos: un agente en un banco simulado (ATLAS-Finance, con el grader de Excel de Project Falcon y casos donde el agente aplica mal una regla fiscal o hace gaming del grader), el benchmark VIALS de interpretación de imágenes científicas (geles, tejido tumoral) y simulaciones de seguridad y alignment con seguimiento de tool calls. Incluye discusión sobre cómo los labs compran y evalúan datasets, dónde los rubrics se quedan cortos frente al juicio experto y por qué los labs reservan tareas de evaluación.

Por qué importa: Los equipos que construyen agentes autónomos y sistemas de reinforencia learning necesitan entender cómo los frontier labs están validando y comprando datos de entrenamiento para sus modelos, especialmente en escenarios complejos donde los rubrics automatizados fallan y solo el juicio experto detecta cuando un agente está haciendo gaming del evaluador o aplicando reglas de forma incorrecta.

Agent Substrate: Advancing Kubernetes for Agents at Scale

Agent Substrate, proyecto open source donado al CNCF Sandbox, multiplexa muchas sesiones de agentes sobre un pool reducido de worker Pods de Kubernetes, haciendo checkpoint de sesiones idle con memoria y estado del filesystem y restaurándolas en cualquier worker libre, sin pasar de nuevo por API server, scheduler ni kubelet. El diseño cubre tres cargas: asistentes de coding que alternan llamadas al LLM con operaciones de repositorio, post-training de RL con entornos intensivos en CPU, y sandboxes GPU efímeros. Se coordina con NVIDIA Dynamo (que expone señales de inference como time to first token y saturación del pool GPU para decidir si mantener, suspender o reanudar un actor) y con KAI Scheduler para el placement, con contribuciones upstream como request parking en el router y un diseño vendor-neutral para pausar y restaurar estado de GPU sobre Kubernetes DRA.

Por qué importa: Agent Substrate permite ejecutar miles de sesiones de agentes concurrentes en clusters Kubernetes sin saturar la infraestructura mediante checkpoint y restauración eficiente de estado, lo que es crítico para escalar sistemas multi-agente con inferencia LLM y operaciones costosas de forma predecible y rentable.

↳ Contexto: Run AI Models for Edge Application Development with Just a Few Commands · ver hilo completo

Start and Restore GPU Workloads in Seconds with NVIDIA Snapshot

NVIDIA publica Snapshot, un sistema open-source de checkpoint y restore de workloads GPU en Kubernetes que captura el estado de memoria de CPU y GPU ya inicializado y lo reutiliza para arrancar réplicas de inference en segundos. Soporta multi-GPU con tensor parallelism, data y expert parallelism y decode context parallelism para modelos MoE con checkpoints de hasta 1 TB en ocho GPUs, con ejemplos listos para vLLM, SGLang y TensorRT LLM. Los benchmarks en GPUs B200 con almacenamiento VAST NFS muestran restores de 3.6 a 42.7 segundos frente a cold starts de minutos (speedups de 8x a 36x), con tiempos de checkpoint de 15 segundos a 5.5 minutos.

Por qué importa: Con Snapshot podés reducir de minutos a segundos el tiempo de inicio de réplicas de modelos LLM en Kubernetes, liberando recursos GPU que de otro modo estarían ociosos durante la inicialización de inference servers como vLLM o TensorRT LLM.

↳ Contexto: Support New AI Frameworks Faster Using NVIDIA Workload Map · ver hilo completo

Manage Kubernetes Clusters for GPU Infrastructure with NVIDIA Kubernetes Engine

NVIDIA anuncia en public preview dos proyectos open source bajo Apache 2.0, NVIDIA Kubernetes Engine (NVKE) y NVIDIA Kubernetes Recipes (NVKR), para construir y operar servicios gestionados de Kubernetes sobre infraestructura GPU dentro de su plataforma DSX AI Factory. NVKR genera artefactos reproducibles (imágenes de nodo QCOW2, imágenes de contenedor y paquetes) desde fuentes con versiones fijadas, y NVKE aprovisiona y gestiona clusters vía REST API y controllers usando nvkectl, que arranca un seed cluster temporal y pide servidores a NVIDIA Infra Controller (NICo) mediante CAPNICo. Los nodos requieren identidad SPIFFE atestada para obtener credenciales de join, la telemetría se exporta vía OTLP y dentro de cada workload cluster se integran AICR, NodeWright y NVSentinel; los APIs pueden cambiar y no se recomienda aún para producción.

Por qué importa: Necesitas entender esta arquitectura de orquestación declarativa y automatización de clusters GPU si planeas desplegar agents IA o cargas de inferencia a escala en Kubernetes, porque NVKE abstrae la complejidad de provisionar y gestionar nodos GPU con identidad segura (SPIFFE) y observabilidad nativa (OTLP) que son críticos para workflows autónomos confiables.

↳ Contexto: Making Kubernetes AI-Ready for NVIDIA Vera Rubin on Day One · ver hilo completo

Make a Robot Arm Feel Weightless with NVIDIA Holoscan 5

NVIDIA Holoscan 5 incorpora control robótico de baja latencia junto al procesamiento de sensores, con un modelo de programación que unifica rutas de ejecución para cargas de CPU y GPU. El tutorial construye un bucle de compensación de gravedad con tres operadores Holoscan que leen el estado articular a 400 Hz, calculan la dinámica inversa con Pinocchio y envían comandos de torque a un brazo Seeed Studio reBot B601-DM mediante la librería motorbridge, usando particiones para evitar handoffs entre hilos y colas drop-oldest. El profiling con Nsight Systems y anotaciones NVTX muestra que fijar la partición de control a un núcleo de CPU reduce la latencia p99.99 aproximadamente 5x en C++ y 9.6x en Python; se ha probado en Jetson Orin Nano, Jetson Thor y x86 con Ubuntu 24.04.

Por qué importa: La capacidad de ejecutar bucles de control robótico a 400 Hz con latencia predecible en hardware heterogéneo (CPU/GPU) mediante particiones fijas es crítica para desplegar sistemas multi-agente físicos que requieren retroalimentación determinista sin la sobrecarga de orquestación que introduce Kubernetes.

DeepMind reveals Gemini Robotics 2.5 and open safety benchmark "ASIMOV-jailbreak"

Google DeepMind presenta Gemini Robotics 2.5, su nueva versión del modelo vision-language-action (VLA), con mejoras del 30-100% en tasa de éxito y 20-30% más rapidez frente a la versión anterior en más de 200 tareas, incluyendo el manejo de objetos deformables como cintas. En pruebas reales con robots Apollo 2 de Apptronik en fábricas de Mercedes-Benz alcanzó un 96% de éxito en el montaje de piezas, apoyándose en datos sintéticos generados por Gemini 4 Argon para crear "digital twins". También lanza ASIMOV-Jailbreak, un benchmark de seguridad open source con 1.500 prompts para evaluar comportamientos inseguros en IA encarnada, disponible en Hugging Face; el modelo sigue ejecutándose en servidores cloud y usa razonamiento en tiempo de inferencia para evitar riesgos.

Por qué importa: La mejora significativa en velocidad de inferencia y la capacidad de razonamiento en tiempo real de Gemini Robotics 2.5 establece nuevos estándares de latencia que los equipos de model serving e infraestructura GPU deben considerar para desplegar VLAs en producción robótica con restricciones de tiempo real.

The backlash about data centers might really just be about electricity

Reportaje desde Data Center Alley (Ashburn, Virginia) que sostiene que el rechazo a los data centers es fundamentalmente por el consumo eléctrico, no solo por una guerra cultural. Detalla cifras concretas: los data centers de la zona promedian 54 MW de capacidad (más que el aeropuerto de Denver), los más pequeños atractivos para entrenamiento son de 300 MW y los ideales de 6.000 MW (el consumo de Chicago), lo que empuja a generar energía onsite con turbinas de gas, y menciona que Anthropic habría acordado pagar 3.400 millones de dólares por turbinas de gas. También recoge que Google anunció 15.000 millones en proyectos de data centers en Malasia y la idea de Musk de data centers en el espacio.

Por qué importa: La viabilidad económica y operacional de entrenar y servir modelos de IA a escala dependerá cada vez más de resolver la brecha de suministro eléctrico y acceso a energía de bajo costo en ubicaciones estratégicas, lo que hará que la infraestructura energética sea un factor crítico de decisión en la arquitectura y localización de sistemas agénticos y plataformas de inferencia.

↳ Contexto: Inside our months-long investigation into Kevin O’Leary’s Utah data center debacle · ver hilo completo

All Quiet on the Neural Front: Language Models Do Not Report Injected Pain States

Preprint de arXiv (cs.CL) de Emilio Ferrara titulado "All Quiet on the Neural Front: Language Models Do Not Report Injected Pain States". El trabajo estudia si los language models reportan estados de "dolor" inyectados, y el título adelanta la conclusión de que no lo hacen. El texto disponible es la página de metadatos de arXiv y no incluye el abstract ni resultados concretos, por lo que no se pueden detallar cifras ni metodología.

Por qué importa: Los modelos de lenguaje no exhiben comportamientos coherentes ante manipulaciones de estado interno simulado, lo que cuestiona la fiabilidad de usar respuestas del modelo como indicador de sus verdaderos estados de procesamiento en sistemas críticos de seguridad y monitoreo de IA.

Learning of Tree Automata applied to Neural Language Acceptors

El artículo extrae gramáticas de pushdown visibles (VPGs) de modelos de lenguaje neuronales en un entorno totalmente black-box, sustituyendo el oráculo de equivalencia white-box de VPL* por muestreo PAC sobre árboles, lo que permite aplicar el algoritmo a transformers y a cualquier aceptador que solo exponga decisiones binarias. Además, señala que VPL* solo consultaba al modelo sobre secuencias bien formadas dentro de BParse, por lo que propone muestrear árboles directamente para estimar la desviación del modelo respecto a ser una VPG, y desarrolla un learner que captura un autómata de árbol para comportamientos fuera de BParse. Se evalúa con transformers entrenados con gramáticas Dyck y objetivos sintéticos diseñados para quedar fuera de BParse.

Por qué importa: Extraer gramáticas formales de modelos de lenguaje neuronales mediante automata de árbol permite validar y certificar el comportamiento de agentes lingüísticos en producción sin acceso al modelo interno, crítico para garantizar robustez y seguridad en sistemas agénticos que dependen de parseadores y restricciones sintácticas.

Where Did the Evidence Go? Diagnosing Proof-Set Loss in Long-Term Conversational Memory

EviCover es un enfoque de retrieval para QA conversacional de largo plazo que convierte las preguntas en requisitos de evidencia observables y verifica su cobertura mediante identificadores de fuente, seleccionando turnos de forma conjunta. Evaluado sobre conversaciones LoCoMo y REALTALK, sube el recall de turnos de soporte entre 60 candidatos de 0.526 a 0.575 y en el contexto final de diez turnos de 0.349 a 0.379 frente a un baseline híbrido léxico/denso. El análisis identifica fallos separados de descubrimiento y selección, y muestra que mayor recall de evidencia aún no garantiza mejoras en la corrección de las respuestas.

Por qué importa: Los agentes conversacionales multi-turn que mantienen memoria a largo plazo necesitan este enfoque porque el retrieval estándar pierde evidencia crítica en contextos extendidos, degradando la capacidad del sistema de justificar sus respuestas de forma verificable y confiable en producción.

Gemini 4 Carbon is now available

Google DeepMind lanza Gemini 4 Carbon, su modelo frontier con mejor rendimiento en ciberseguridad y workflows agénticos de largo alcance, disponible vía API en AI Studio y Gemini for business al mismo precio que Argon ($2/M input, $10/M output). Lidera CursorBench 4.0, WANDR de Perplexity y AutomationBench de Zapier con más de 2X menor coste por tarea, y se queda en #2 en el nuevo benchmark MKA (Multimodal Knowledge Agent) de Artificial Analysis con más de 6X menor coste. Destaca la preview de /swarm en Google Antigravity, que convierte un prompt en un equipo coordinado de agentes con verifiers adversariales, y capacidades ciber (SEC-bench Pro, ExploitGym, CWE-bench v1); amplía además el acceso a Carbon para los participantes del programa de 10.000 científicos.

Por qué importa: Gemini 4 Carbon ofrece una relación costo-rendimiento superior en tareas de automatización y workflows agénticos que podría justificar migrar workloads de inferencia hacia este modelo en lugar de ejecutar alternativas locales, especialmente con su preview de /swarm para orquestación de múltiples agentes coordinados.

↳ Contexto: Gemini 4 Carbon: Our next frontier model · ver hilo completo

Introducing AlphaProof Code: a breakthrough in verifying complex software at depth

Google DeepMind presenta AlphaProof Code, un framework agéntico multi-LLM que combina expertos humanos y agentes de IA para verificar formalmente el código del protocolo criptográfico de Signal, la primera vez que se verifica formalmente a este nivel la implementación de un protocolo ampliamente desplegado. Los agentes, impulsados por Gemini Carbon, generaron más de seis millones de líneas de Lean como prueba, y el proceso completo tomó cuatro semanas frente a los años que requieren equipos expertos. Al reintroducir dos bugs ya corregidos en una versión aislada del código, el sistema produjo pruebas verificadas por máquina de que la versión con bugs era insegura; DeepMind libera como open source los artefactos de verificación.

Por qué importa: La capacidad de automatizar verificación formal de código criptográfico crítico mediante sistemas agénticos multi-LLM establece un nuevo paradigma para validar infraestructura de seguridad en producción, requiriendo que los equipos de platform engineering replanteen cómo integrar estos workflows autónomos de verificación en sus pipelines de deployment.

↳ Contexto: Quoting Paul Dix · ver hilo completo

Gemini Robotics 2.5 accelerates real-world general dexterity

Google DeepMind presenta Gemini Robotics 2.5, su modelo vision-language-action (VLA) más capaz, evaluado en más de 200 tareas distintas con mejoras del 30% al 100% en tasa de éxito y tareas 20-30% más rápidas respecto a baselines previos. En un piloto con Apptronik y Mercedes-Benz, robots Apollo 2 realizan kitting automotriz autónomo en líneas de producción en Hungría y Alemania con 96% de éxito, usando Gemini Robotics ER para el seguimiento del workflow y el modelo de acciones para controlar manos y brazos. Incluye guiado de razonamiento en inference-time para esquivar peligros físicos (hasta +43% de finalización segura cerca de personas) y el benchmark open-source ASIMOV-Jailbreak, con 99.5% de resistencia a jailbreaks en Gemini 4 Argon.

Por qué importa: La mejora en la velocidad de inferencia y la capacidad de razonamiento en tiempo real de Gemini Robotics 2.5 establece nuevas referencias para optimización de VLAs en edge, lo que presiona a los equipos de infraestructura de IA a redefinir estrategias de model serving y latencia tolerables para sistemas agénticos autónomos en producción.

Introducing Our Smallest, Most Efficient Model: Muse Ember

Meta AI lanzó Muse Ember, su modelo más pequeño y eficiente, orientado a razonamiento complejo y tareas repetitivas de agentes como tool calls, coding subtasks, routing, extracción y parsing de documentos largos. Compite con GPT-6 Luna y Claude Haiku 5.5 con precios de $0.10/millón de tokens de entrada y $0.50/millón de salida para prompts cortos, aunque con umbrales de precio que cambian en prompts largos y soporte de hasta un millón de tokens de entrada. El artículo lo sitúa en la frontera de eficiencia del leaderboard de Artificial Analysis (Intelligence Index vs. Cost per Task) y destaca sus seis niveles de razonamiento (minimal a max), comparable en calidad a Muse Wonder a 40x su precio.

Por qué importa: Un modelo de este tamaño y costo permite ejecutar agentes agenómicos de múltiples pasos con razonamiento configurable en infraestructura local o edge, reduciendo drásticamente la latencia y el gasto operativo en sistemas que requieren tool calls y routing frecuentes.

↳ Contexto: Claude Haiku 5.5 · ver hilo completo

Quoting Prompting Claude Fable 5.2

Anthropic documenta un hallazgo de prompting sobre Claude Fable 5.2: el modelo responde de forma distinta según lo que el prompt diga sobre quién es dueño del código en el que trabaja. En pruebas con tareas de coding pequeñas, cuando el prompt no mencionaba la propiedad o presentaba el código como ajeno, el modelo tendía a añadir a la estructura existente, incluso repitiendo código. Al declarar explícitamente que el código es suyo, el modelo fusionó código repetido en cerca de la mitad de los intentos, frente a menos de una décima parte sin esa frase.

Por qué importa: Los coding agents podrían optimizar significativamente la calidad del código generado en tareas de refactorización y mantenimiento simplemente ajustando el framing del prompt para establecer propiedad explícita del código, reduciendo la duplicación innecesaria que afecta tanto la eficiencia de inferencia como la mantenibilidad de los sistemas autónomos.

↳ Contexto: Claude's new system prompt really doesn't want to reproduce song lyrics · ver hilo completo

Locating the source of a mysterious beep with Claude

Simon Willison usó Claude Code (con Opus 5.5 y luego Fable 5.2) para construir "Beep Locator", un sistema que triangula el origen de un pitido misterioso usando varios dispositivos como micrófonos conectados por WebSockets a un servidor Python. El sistema se apoya en el paper BeepBeep (2007) de localización acústica, usa FFT y un filtro paso alto para detectar pitidos, y un mecanismo de installModule() que permite desplegar código nuevo en los listeners sin recargar las páginas. Logró localizar el pitido con un margen de unos 40 cm y encontrar un detector de monóxido de carbono con batería baja.

Por qué importa: Este caso demuestra cómo los agentes de código pueden orquestar sistemas distribuidos complejos en tiempo real, integrando múltiples fuentes de datos y ejecutando lógica de procesamiento de señales, lo que es crítico para aplicaciones de IA que requieren coordinación entre dispositivos de borde y servidores centrales.

v2.8.0

Release v2.8.0 del SDK de Anthropic para Python, que añade métricas de Claude Tag en los resúmenes de analítica y en los informes de usuarios, y un campo reply_mode en la configuración de canales de Slack de Claude Tag. Incluye correcciones para Bedrock (manejo de ";" en model IDs), Google Cloud (percent-encoding y validación de project/location/workspace IDs en las rutas base) y Vertex (validación de model, project ID y region, y envío de ";" como %3B en la ruta).

Por qué importa: Las métricas granulares de Claude Tag en los SDK permiten optimizar la observabilidad y el debugging de sistemas multi-agente que integran Claude a través de múltiples plataformas cloud, mejorando la capacidad de monitorear desempeño y latencia en workflows autónomos en producción.

↳ Contexto: v1.4.0 · ver hilo completo

b12254

Release b12254 de llama.cpp, que corrige en `common/json-schema` un fallo por el cual `allOf` con tipos planos (p. ej. `integer`) generaba una gramática de objeto vacío. Incluye también la corrección de un error de rango vacío e incorpora feedback de revisión del bot.

Por qué importa: La corrección de `allOf` con tipos planos en llama.cpp es crítica para garantizar que los agentes y sistemas de inferencia local generen gramáticas JSON válidas que cumplan especificaciones complejas sin degradarse a objetos vacíos que rompan la validación estructurada.

b12250

Nuevo shader de concat con transposición por tiles en el backend Vulkan de llama.cpp, orientado a las capas gated-delta-net de modelos Qwen: en lugar de que el kernel genérico de concat lea src1 con stride transpuesto elemento a elemento, se prepara un tile de 32x32 en memoria compartida (con 33 columnas para evitar conflictos de banco) y así las cargas y escrituras quedan coalescentes. La optimización está acotada a dim 0, 2D, elementos sin cuantizar de 4 bytes, filas contiguas en src0/dst y src1 realmente transpuesto; el resto cae al kernel existente. En Qwen3.6-35B-A3B sobre gfx1151/RADV con 30 capas gated-delta-net, la operación CONCAT pasa de 11877 us a 957 us y pp2048 con ub2048 de 1224 a 1628 t/s, sin cambios en el texto generado; la técnica sigue la del concat transpuesto por tiles que Gaetan Puleo escribió para el backend HIP. MOTIVO

Por qué importa: Esta optimización de concat transpuesto por tiles en Vulkan reduce drásticamente la latencia de operaciones críticas en modelos con gated-delta-net (como Qwen), lo que permite acelerar el model serving local con llama.cpp sin sacrificar precisión, impactando directamente en la viabilidad de desplegar estos modelos en infraestructura con GPUs RADV.

b12249

En llama.cpp, el backend ggml-rpc ahora falla de forma controlada en lugar de abortar el proceso cuando un endpoint RPC no es alcanzable, falla el transporte, no conecta el socket o falla el handshake HELLO. `rpc_dispatcher::start()` devuelve bool y los consumidores tratan un puntero nullptr como "endpoint sin respuesta" con comportamiento conservador por dominio; los fallos a mitad de stream mantienen el RPC_STATUS_ASSERT por diseño. La motivación es un caso real en Android (llama.rn + clúster RPC de teléfonos) donde un worker inaccesible tumbaba la app.

Por qué importa: Un backend RPC más resiliente en llama.cpp permite construir infraestructuras de inferencia distribuida y sistemas multi-agente sobre dispositivos heterogéneos o clusters dinámicos sin que la falta de conectividad a un worker derribe toda la cadena de inferencia, crítico para despliegues edge y mobile que dependen de fallback graceful.

b12246

Release de llama.cpp que limita el scalar flash attention a 8 filas por workgroup en Qualcomm cuando hsk o hsv > 128, ya que con 16 filas el driver Adreno X1-85 derrama registros a scratch memory (264 bytes por invocación) y va ~40x más lento, provocando que test-backend-ops supere el timeout de GPU de Windows. En Adreno X1-85 con FLASH_ATTN_EXT hsk=256 kv=4096 se pasa de 711 ms a 17 ms con nb=64 y de sin resultado a 125 ms con nb=512; en Adreno X2-90, Gemma 4 E4B pp512 a profundidad 4096 con flash attention sube de 81-90 a 117 t/s. Las cabezas más pequeñas mantienen 16 filas por ser más rápidas en el X2 Elite.

Por qué importa: La optimización selectiva del flash attention en dispositivos Qualcomm reduce significativamente el derrame de registros a memoria, permitiendo que la inferencia local en edge devices alcance velocidades prácticas para servir modelos como Gemma sin timeouts de infraestructura GPU.