El Pulso del 16 de julio de 2026

Es la historia upstream más limpia de esta mañana. Inkling es un modelo MoE de 975B de parámetros totales y 41B activos, con contexto de 1M de tokens, entrada multimodal, licencia Apache 2.0 y pesos descargables en Hugging Face. Se lo posiciona menos como “el mejor modelo absoluto” y más como una base personalizable para fine-tuning y uso agéntico de herramientas.

Estratégicamente pesa más que un lanzamiento genérico de modelo. OpenAI dice que GPT-Red es un modelo interno de red teaming automatizado, entrenado con self-play para descubrir fallas de prompt injection, y que después se usa para entrenar de forma adversarial a GPT-5.6. Afirman que GPT-5.6 Sol muestra 6 veces menos fallas en su benchmark más duro de prompt injection directa frente a un modelo de producción de hace cuatro meses.

Claude Science parece el movimiento de verticalización más sólido de Anthropic en bastante tiempo: un workbench científico con artefactos auditables, acceso a HPC y cómputo remoto, agentes especialistas, agentes revisores y conectores a fuentes de datos de biología y ciencia. Es una señal mucho mejor que el discurso vacío de “la IA ayuda a los investigadores”: es un producto de flujo de trabajo concreto.

Es la fuente upstream detrás del nuevo ruido de creadores sobre la última app de ChatGPT. La historia central es la unificación de producto: modo Work, tareas programadas, plugins, acceso al browser, archivos y apps locales, y Codex, todo plegado en una interfaz persistente de “hacé el trabajo por mí”.

Más allá de lo que uno piense de xAI, abrir el harness del coding agent es estratégicamente interesante. El repo describe un agente TUI a pantalla completa que edita archivos, corre comandos de shell, gestiona tareas de larga duración y soporta uso headless o embebido. Eso empuja la pelea de los coding agents hacia tooling abierto y distribución entre developers, no solo hacia la calidad del modelo.

El valor acá es cultural, no técnico. Torvalds habría dicho que la IA en algunos sentidos hace más difícil el mantenimiento del kernel porque encuentra bugs interesantes, pero que los developers de Linux igual adoptaron herramientas de IA para el trabajo de mantenimiento. Es otra señal de que “usar IA en ingeniería seria” pasó de novedad a práctica por defecto.

Es contexto upstream detrás del chatter de creadores sobre ‘Pi’, loop engineers y workflows de agentes que se acumulan. El repo plantea el cambio con claridad: dejar de promptar agentes tarea por tarea y, en cambio, diseñar loops disparados con memoria compartida, verificación y skills reutilizables. Aunque el repo sea de nicho, el framing es fuerte material de contenido porque apunta a un patrón de trabajo post-chatbot.