El Pulso del 29 de junio de 2026

OpenAI está anticipando el próximo escalón de capacidad: más fuerza en coding, biología y ciberseguridad, más un “ultra mode” con subagentes. La historia de fondo no es solo el salto del modelo: es el patrón de salida — previa limitada primero, con coordinación gubernamental reconocida de forma explícita.

Esto es infraestructura de punta a punta, no ruido de capa de aplicación. OpenAI sostiene que el chip fue diseñado específicamente para inferencia de LLM, apunta a mejor performance por watt y forma parte de una plataforma de cómputo multigeneracional orientada a despliegues a escala de gigawatts.

Fugu reformula la carrera frontier: en lugar de un modelo monolítico, entregar un sistema que enruta de forma dinámica entre modelos y se presenta como una sola API. Es una tesis seria de “después del modelo único”, sobre todo después de los recientes sobresaltos por controles de exportación.

Es una de las productizaciones más claras del comportamiento de “compañero de trabajo con IA”: memoria compartida, contexto acotado al canal, trabajo asíncrono, seguimientos proactivos y ejecución de tareas visible para el equipo. Es una señal más útil de hacia dónde van los agentes enterprise que otro gráfico de benchmarks.

Google está pasando el computer use de una pista experimental aparte a un modelo mainstream. Importa porque baja la fricción para agentes de browser, mobile y desktop, y sugiere que el control agentico de interfaces está dejando de ser un demo lateral para volverse capacidad por defecto.

Esta es una historia genuinamente de arquitectura upstream. Si la generación de texto al estilo difusión llega a ser lo bastante buena, la IA interactiva local podría sentirse mucho más responsiva — sobre todo en edición, completado e infilling, y tareas de generación no lineal.

El detalle clave no es “otra Gemma más”. Es multimodalidad sin encoder más una huella local del orden de 16 GB. Eso empuja flujos multimodales y agenticos más serios hacia hardware de consumo.

Las release notes posicionan a GLM-5.2 en torno a ingeniería de largo horizonte, contexto de 1M “sin pérdida” y una ejecución más estable a escala de proyecto. Aunque se descuenten los claims del proveedor, es exactamente el tipo de release upstream que los canales de creadores van a seguir citando toda la semana.

Es un reality check independiente a medias útil sobre el hype de GLM. El resultado de Semgrep sugiere que los modelos open-weight ya están lo bastante buenos como para incomodar a agentes de coding premium en algunos flujos de seguridad — pero también deja en claro cuánta performance sigue viniendo del harness, no solo del modelo base.