El Pulso del 22 de febrero de 2026
Las señales que entraron en el radar, ordenadas con sus fuentes y contexto para entender qué cambió.
El guion de audio está listo; la voz se publicará cuando termine la generación.
Claude Sonnet 4.6 (contexto de 1M en beta) + mejoras en coding, agents y computer-use
POR QUÉ ENTRA EN EL RADARPrecio de clase Sonnet con comportamiento cercano a Opus es un cambio de workflow: más uso “por defecto” para tareas agenticas de horizonte largo, bases de código grandes y armado de UI sin pagar de entrada costos de nivel Opus. La ventana de 1M de tokens (beta) acerca al día a día los casos “repo completo / contrato completo”.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Sonnet 4.6 es el nuevo default: qué podés hacer hoy con 1M de contexto (y qué sigue rompiéndose).”
La búsqueda web de Claude ahora hace filtrado dinámico (escribe y ejecuta código para podar resultados)
POR QUÉ ENTRA EN EL RADAREs una capacidad agentica sutil pero importante: baja la contaminación de contexto y mejora la precisión. El titular no es “la búsqueda mejoró”, sino “a los agentes se les permite correr código chico para curar evidencia”, un patrón que podés replicar en tus propios pipelines.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“La mejora de verdad no es la búsqueda: es el filtrado pre-contexto. Cómo copiar este patrón en tu propio agente.”
Figma: “Claude Code → Figma” (code-to-canvas) + ida y vuelta con servidor MCP
POR QUÉ ENTRA EN EL RADARAtaca el handoff clásico diseño↔ingeniería: capturar estados reales de UI desde localhost/staging/producción en frames editables de Figma, iterar en el canvas y volver al código vía MCP. Es el tipo de workflow que mueve más la velocidad del equipo que “nuevos benchmarks de modelo”.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Diseñadores y devs recién tuvieron un ‘git diff’ para UI: capturá código vivo en Figma, editá y volvé al código.”
Google: Gemini 3.1 Pro (preview) — salto grande en reasoning, disponible en API/Vertex/app/NotebookLM
POR QUÉ ENTRA EN EL RADARGoogle posiciona a 3.1 Pro como la nueva línea base para resolución de problemas complejos, atada explícitamente a “agentic workflows”. También pesa que la distribución sea amplia (API + tooling de desarrollo + superficies de consumo), algo que suele acelerar la adopción del ecosistema.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Gemini 3.1 Pro: qué significa en la práctica ‘tareas complejas’ (3 demos concretas que podés reproducir).”
ByteDance Seed2.0: serie agent + multimodal optimizada para producción (Pro/Lite/Mini) + model card
POR QUÉ ENTRA EN EL RADARSeed2.0 se presenta como modelos agent/multimodales listos para deployment, con fuerte énfasis en estabilidad en tareas de horizonte largo y amplitud de benchmarks. Es una historia de competencia: no solo “otro modelo”, sino “quién arma el mejor stack agentico de producción”.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Seed2.0 vs los sospechosos de siempre: qué está optimizando ByteDance (pista: estabilidad + workflows).”
NTransformer: Llama 3.1 70B en una sola RTX 3090 con streaming por capas + bypass opcional NVMe→GPU
POR QUÉ ENTRA EN EL RADARAunque nunca lo corras, es innovación de infraestructura upstream: memory-tiering, streaming de capas y patrones experimentales de I/O directo a NVMe. Es el tipo de idea que “después se vuelve producto”.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Cómo están metiendo 70B en GPUs de consumo: el truco de memoria en 3 niveles, explicado en 90 segundos.”
“How I use Claude Code”: separación estricta research → plan → annotate → implement
POR QUÉ ENTRA EN EL RADAREs un patrón operativo práctico y reproducible para coding agentico: forzar un artefacto de plan escrito, hacer un loop de anotación y recién después dejar que el modelo toque código. Ataca el failure mode real: supuestos equivocados que se acumulan.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“La forma más barata de mejorar el código con IA: no dejes que el modelo codee antes de aprobar un plan.”
OpenClaw: el creador se suma a OpenAI; el proyecto avanza hacia una foundation (sigue open/independiente)
POR QUÉ ENTRA EN EL RADAREs señal de ecosistema: los proyectos agenticos maduran de ‘playground’ a estructuras de governance (foundation) mientras el talento es absorbido por labs de frontera. Vale la pena cubrirlo como historia de “hacia dónde va el mundo agent”.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Agentes open-source + foundations: por qué la governance se volvió de golpe el cuello de botella.”
Manus Agents: corré un agente personal dentro de Telegram (sin terminal ni config)
POR QUÉ ENTRA EN EL RADARLa distribución gana a las features. Meter agentes en el chat baja la fricción de forma dramática (sobre todo para usuarios no técnicos). También es una pista para builders de producto: la UI de los agentes es “donde la gente ya habla”.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“La próxima UI de agentes es… el chat. Por qué la integración con Telegram importa más que la elección de modelo.”
MyLLMAuto (CTF): una app multi-chain de LLM deliberadamente vulnerable para aprender prompt injection
POR QUÉ ENTRA EN EL RADAREl prompt injection multi-chain es donde fallan los sistemas reales (handoffs entre cadenas, contexto oculto, tool calls). Este repo es material de aprendizaje upstream para la ola de “AI pentesting”.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“El prompt injection no es teórico: este CTF muestra cómo las apps multi-chain filtran secretos.”