El Pulso del 28 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.
Unsloth Dynamic 2.0 GGUFs (nuevo método de cuantización)
POR QUÉ ENTRA EN EL RADARLa cuantización es hoy el cuello de botella para un despliegue local “de verdad”. Unsloth afirma que Dynamic v2.0 mejora la divergencia KL y el comportamiento de “flips” frente a enfoques GGUF estándar, y que funciona más allá de los modelos MoE.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“La cuantización no es solo ‘más chico’: cambia las respuestas. Qué significan los ‘flips’ y por qué Dynamic 2.0 importa tanto para la inferencia local.”
Anthropic: Detectar y prevenir ataques de destilación (DeepSeek/Moonshot/MiniMax)
POR QUÉ ENTRA EN EL RADAREs una atribución inusualmente específica y a gran escala (millones de intercambios), y vincula la destilación de forma directa con seguridad nacional y controles de exportación. Es una narrativa “upstream” fuerte que muchos creadores van a resumir después.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“La destilación es normal… hasta que se vuelve espionaje industrial. Qué patrones la hacen detectable y qué defensas van a volverse estándar.”
Anthropic: Declaración sobre los comentarios del Secretario de Guerra Pete Hegseth
POR QUÉ ENTRA EN EL RADARLíneas de política concretas desde un laboratorio de frontera (sin vigilancia doméstica masiva; sin armas plenamente autónomas) más el anuncio de que van a litigar. Esto va a repercutir en compras, cumplimiento y posicionamiento de competidores.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“La verdadera historia de producto en IA es ‘términos de uso versus contratación pública’. ¿Qué significa acá ‘riesgo de cadena de suministro’?”
Cursor: los agentes ya pueden controlar su propia computadora (agentes en la nube con VMs aisladas)
POR QUÉ ENTRA EN EL RADAREs el paso siguiente de “el agente escribe código” a “el agente prueba, registra artefactos y publica PRs”. Cursor afirma que el 30% de los PRs mergeados los hacen agentes que operan en sandboxes en la nube.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Los codebases autónomos ya existen: acá está la pieza que faltaba, un sandbox donde el agente puede correr el software y demostrarlo.”
Microsoft Copilot Tasks (preview): del chat a las acciones
POR QUÉ ENTRA EN EL RADARMicrosoft está empaquetando automatización agéntica para no desarrolladores: “tareas que se hacen solas”, ejecuciones recurrentes, trabajo en segundo plano y puertas de consentimiento. Es un canal masivo de distribución para flujos con agentes.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“La guerra de la ‘UX de agentes’: cómo Microsoft convierte a los agentes en producto de consumo (y qué implica eso para autonomía y seguridad).”
Google DeepMind: Nano Banana 2 (Gemini 3.1 Flash Image)
POR QUÉ ENTRA EN EL RADARGeneración de imágenes rápida con capacidades “tipo Pro”, más consistencia de sujetos y salidas en 4K, más un empujón de procedencia (SynthID + C2PA). Es una señal fuerte sobre la dirección de producto: calidad + velocidad + watermarking.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“La generación de imágenes se parte en dos features de producto: (1) velocidad e iteración, (2) procedencia. Nano Banana 2 muestra las dos.”
ContextCache: caché KV persistente para schemas de tools (afirmación de 29× de speedup en TTFT)
POR QUÉ ENTRA EN EL RADAREl tool calling se vuelve más lento a medida que crecen las listas de tools. Propone una solución práctica de middleware: hash de contenido + KV cacheado por grupo para todo el bloque de tools (y documenta un resultado negativo para el caching por tool).
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“El tool calling es, en secreto, un impuesto de latencia. Caché KV para schemas de tools: cómo funciona, por qué el caching por tool se rompe, y qué probar en tu stack.”
Micro Diffusion (difusión de texto en ~150 líneas) — repo educativo
POR QUÉ ENTRA EN EL RADARLa difusión de texto vuelve a aparecer como paradigma alternativo de generación (generación más paralela, edición natural). Este repo es un explicador limpio del que se puede partir para un video didáctico.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Autoregresivo versus difusión para texto: por qué ‘generar todo y después refinar’ es interesante, y dónde todavía pierde hoy.”