62,7 y 99,9: el mismo modelo, el mismo examen, dos notas
OpenAI publicó un 99,9 % en ARC-AGI-3 para GPT-6 Astra. ARC Prize midió 62,7 % el mismo día. La diferencia es el arnés, y explica por qué las tablas de benchmarks ya no comparan modelos.
-
-
Diez llamadas por ciclo: el bucle que se mudó al plano de control
CORAL, de Meta, mete un agente LLM en bucle cerrado sobre un recomendador en producción. Lo interesante no son las cifras: es dónde decidieron enchufar el modelo.
-
La criatura ya no hace cola: dynamic workflows y el salto de la cadena al grafo
Claude Code escribe el guion de orquestación, lanza una flota de subagentes y la coordinación no cuesta ni un token. Tercera entrega de la serie: del bucle al grafo que se ejecuta solo.
-
Identidad agéntica: el hueco no está en los estándares, está en la costura
Hay una veintena de especificaciones para darle identidad a un agente de IA y casi ninguna está terminada. Pero el problema serio es otro: SCIM y SPIFFE trabajan en escalas de tiempo incompatibles, y el punto donde se tocan no lo cubre nadie.
-
El nuevo SDLC de Google, capa por capa: el marco vale, las cifras no
Google publicó un whitepaper de 51 páginas sobre el nuevo ciclo de vida del software con vibe coding. El marco conceptual —el espectro, Agente = Modelo + Harness, el modelo fábrica— es excelente. El aparato estadístico se cae a la primera pregunta. Reseña capa por capa, con las nueve cifras de cabecera trazadas a su…
-
Graphify por dentro: un grafo de código sin embeddings y la fila del benchmark que nadie lee
Graphify convierte un repositorio en un grafo de conocimiento determinista, sin embeddings y sin coste de LLM. Su benchmark es de los mejores del sector — y contiene la fila que desmonta su propio titular: cuatro milésimas sobre un híbrido RRF clásico. Análisis técnico del pipeline, lectura crítica de las cifras y el problema de…
-
56.804 skills y menos de cien plazas: la poda que le falta a los agentes
Un paper de agosto propone dejar de instalar skills en los agentes de IA y empezar a llamarlas por su nombre. La idea es buena y el diagnóstico es mejor. La implementación lleva tres semanas en GitHub, tiene dos forks y un paquete que todavía no existe.
-
El cuello de botella se ha mudado: la IA ya escribe virus que funcionan
Dieciséis bacteriófagos diseñados por un modelo generativo infectaron y mataron E. coli. El peligro no es la máquina que escribe genomas: es que la cerradura que nos protegía estaba en otra puerta, y lleva años reconociendo caras.
-
Doscientas líneas y 57 milisegundos: los experimentos detrás del gobierno de agentes
El gobierno de agentes suele discutirse como doctrina. Nosotros lo bajamos a un banco de pruebas: un gatekeeper de ~200 líneas, microVMs clonadas en caliente y cuatro modelos intentando —sin saberlo— saltarse las reglas. Los números, la matriz de inyección de prompt y las dos fugas que más nos enseñaron.
-
Tu runtime tiene reflejos, no conciencia
Los runtimes de agentes han convergido en la misma arquitectura y casi el mismo precio. La pregunta interesante ya no es cuál comprar: es qué hace cumplir de verdad el que ya tienes, y dónde empieza lo que te toca construir a ti.
