El Pulso del 24 de mayo 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.
Gemini 3.5 Flash (agéntico + coding, TPS muy alto)
POR QUÉ ENTRA EN EL RADARGoogle está enmarcando de forma explícita “agéntico + coding” como el campo de batalla central, y publica claims de benchmarks (Terminal-Bench 2.1, MCP Atlas, CharXiv Reasoning) más una narrativa de “Antigravity harness” alrededor de flujos multiagente.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Cómo sanity-checkear claims de benchmarks frontier en 15 minutos” → mostrar qué miden de verdad Terminal-Bench / MCP Atlas / CharXiv, y qué se puede gaminguear.
La app de Gemini se vuelve “agéntica” e introduce Daily Brief + Gemini Spark
POR QUÉ ENTRA EN EL RADAREsta es la cuña consumer: agentes de fondo proactivos y persistentes (Daily Brief + Spark) integrados con Gmail/Calendar/Workspace. Es un ataque directo al “asistente como chat box” y a las shells de agentes de terceros.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“La UI agéntica es el foso” → comparar chat, UI de workflows y agentes ambient; explicar por qué la UX le gana al IQ crudo del modelo en retención diaria.
Gemini Omni (creación/edición de video por conversación)
POR QUÉ ENTRA EN EL RADAREditar video como una conversación multi-turn y con estado es el verdadero salto de producto (consistencia + física + “recuerda lo que vino antes”). Esto reframes “text-to-video” hacia “video-to-video con edición iterativa”.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Los 3 prompts que exponen si un modelo de video realmente trackea estado” → test de continuidad, test de física, test de consistencia de identidad.
Stable Audio 3.0 (open weights + training con licencia + docs de finetuning LoRA)
POR QUÉ ENTRA EN EL RADARMúsica open-weight con postura de licensing explícita + guía de training LoRA es un gran deal para creators y startups (sobre todo para quien quiera generación de audio usable comercialmente sin ambigüedad legal).
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Open weights, ¿pero podés shippear?” → explicar licensing community vs enterprise, y qué implica “trained on fully licensed data” para la monetización.
Preview de ChatGPT “Personal finance” (cuentas conectadas vía Plaid)
POR QUÉ ENTRA EN EL RADAREsto es una escalada de “asistente que responde” a “asistente que tiene ground truth sobre tu vida”. Va a disparar una nueva ola de privacy/security/UX, y es un blueprint para otros agentes verticales (salud, impuestos, ops).
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“La próxima ‘killer feature’ son los connectors (y el próximo ‘killer risk’ también)” → mostrar el threat model mínimo para connectors financieros.
MOSS (arXiv): agentes self-evolving vía reescritura a nivel de source
POR QUÉ ENTRA EN EL RADARLa mayoría de los “agentes self-improving” solo mutan prompts/skills/memory. Este paper argumenta que el harness en sí es el verdadero bottleneck, y propone self-rewrite staged y determinista con verificación basada en replay.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Agentes self-modifying: qué es real vs sci-fi” → explicar el pipeline (batch de evidencia → candidate patch → tests de replay → rollout gated) y por qué esto está más cerca de CI/CD que de ‘AGI learns’.
LocalLLaMA: claims de benchmarks de que “native PDF vision” rinde peor que pipelines OCR
POR QUÉ ENTRA EN EL RADAREl workflow popular de “simplemente attachá el PDF” puede ser peor y más caro que OCR clásico + extracción de layout + RAG/retrieving agéntico, especialmente en documentos densos en tablas/gráficos.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Dejá de alimentar PDFs a vision LLMs (a veces)” → dar un árbol de decisión: cuándo native-vision PDF está OK vs cuándo gana OCR/layout.
LocalLLaMA: Qwen3.6-35B-A3B ‘uncensored’ GGUF + notas de MTP/quant
POR QUÉ ENTRA EN EL RADARLos detalles prácticos (variantes de quantization, soporte MTP, templates/settings) son lo que hace “usable” a un modelo local. Estos posts suelen adelantarse a cualquier cobertura pulida de YouTube.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Qué quiere decir realmente la gente con MTP / APEX / ‘uncensored’ en 2026” → traducir el jargon a outcomes: velocidad, estabilidad, comportamiento de refusal, confiabilidad de long-context.