El Pulso del 9 de setiembre 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.
GPT-6 Astra: la inteligencia se empaqueta como autonomía de uso de la computadora
POR QUÉ ENTRA EN EL RADAREl cambio de producto que importa es el harness: contexto persistente y recuperable, aclaraciones asincrónicas y ejecución de herramientas convierten a un modelo en un trabajador operativo.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«El modelo de IA ya no es el producto: el producto es el harness.» Mostrar la diferencia entre una gran respuesta y un agente que puede aguantar una tarea de 40 minutos.
Codex calibró de verdad un chip cuántico durante la noche
POR QUÉ ENTRA EN EL RADAREs un caso concreto de «agente en el circuito» donde el resultado afecta experimentos físicos, pero está acotado por flujos definidos y escalamiento humano, no por autonomía de ciencia ficción.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«La IA acaba de operar un laboratorio cuántico durante la noche. Acá está el diseño de seguridad, aburrido y eficaz, que lo hizo útil.»
AlphaGenome Atlas: 9 mil millones de cambios predichos en letras de ADN, expuestos como un mapa usable
POR QUÉ ENTRA EN EL RADAREl próximo foso competitivo de la IA científica puede estar menos en «un modelo responde preguntas» y más en «un modelo convierte un espacio de búsqueda imposible en un producto navegable».
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Google hizo un Google Maps para mutaciones genéticas, solo que mapea 9 mil millones de ediciones posibles.»
Mercury 2.5: los LLM de difusión convierten la latencia en una feature de primer orden
POR QUÉ ENTRA EN EL RADARAunque las comparaciones de benchmarks requieren verificación independiente, la tesis de arquitectura es real: cuando los agentes hacen muchas llamadas chicas, la velocidad y el costo se acumulan más que los puntajes de un ranking de un solo turno.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Por qué la IA más rápida puede ganarle a la más inteligente en un flujo de agentes.» Usar la pausa de un agente de voz y un pipeline de investigación con múltiples herramientas como ejemplos.
Claude Code 2.1.265: plugins, subagentes y confiabilidad del prompt-cache son infraestructura de producto
POR QUÉ ENTRA EN EL RADARLa programación con agentes está pasando de prompts ingeniosos a ingeniería de operaciones: persistencia de contexto, manejo de salidas de herramientas, aislamiento y recuperación predecible.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Las actualizaciones más grandes de IA para código son cada vez más invisibles, y eso es una buena señal.»
OpenClaw 2.0: los agentes personales se vuelven una capa de integración, no una app única
POR QUÉ ENTRA EN EL RADAREl encuadre atractivo es «software que se puede rearmar alrededor de un flujo de trabajo», pero también abre las preguntas de verdad: permisos, límites de memoria, aprobación de acciones y quién accede.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Tu próxima app puede ser un agente con acceso a cinco apps. Eso es útil, y peligroso.»
mlx-serve: emerge un stack serio de agentes locales para Apple Silicon
POR QUÉ ENTRA EN EL RADARLa IA local ya no es solo un hobby de privacidad. Las capas de compatibilidad hacen que los agentes de código existentes puedan, cada vez más, cambiar un endpoint en la nube por una máquina local.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«¿Puede una Mac reemplazar tu API de IA por un día?» Correr la misma tarea contra endpoints en la nube y locales; mostrar los trade-offs, no un ganador.
Radar de creadores: la tesis de YC de que «el harness importa más que el modelo»
POR QUÉ ENTRA EN EL RADAREs el puente más limpio de hoy entre creadores y la capa de origen: el trabajo original a mirar es el entorno de tarea del modelo—diseño de contexto, herramientas, bucles de feedback, evaluadores y permisos.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Dejá de preguntar cuál es el mejor modelo. Preguntá qué entorno le diste.»
Radar de creadores: el update de ChatGPT de Matt Wolfe apunta a tres primitivas prácticas de agente
POR QUÉ ENTRA EN EL RADAR«Autónomo» se vuelve concreto recién cuando un agente puede notar eventos, autenticarse con seguridad y actuar a un costo marginal aceptable.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Todo agente útil necesita tres cosas: ojos, llaves y un presupuesto.»