El Pulso del 15 de setiembre de 2026
Las señales que entraron en el radar, ordenadas con sus fuentes y contexto para entender qué cambió.
OpenAI — Presenta la Agents API (beta pública)
POR QUÉ ENTRA EN EL RADAROpenAI está convirtiendo en producto la capa operativa detrás de Codex: sandboxes de larga duración, alojados o autoalojados, compactación automática de contexto, búsqueda de tools, invocación programática de tools y subagentes en paralelo. Esto es un cambio más profundo que otro wrapper de modelo: el arnés se vuelve una plataforma gestionada.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«La guerra de agentes acaba de bajar por debajo del modelo.» Mostrar los cinco componentes aburridos pero críticos (entorno, contexto, tools, subagentes, persistencia) y explicar por qué ahí es donde suelen fallar los agentes en producción.
DeepSeek — V4.1-Flash: 552B MoE, 8B/16B activos y la economía del caché
POR QUÉ ENTRA EN EL RADARDeepSeek afirma un MoE encoder–decoder causal con 552B parámetros en total, pero solo 8B activos en la entrada y 16B en la salida. El reclamo más práctico es la reducción de KV-cache —un cuarto de HBM y un octavo de SSD frente a la generación anterior—, que apunta directo al costo de agentes en contexto largo. Las solicitudes a V4-Pro se están enrutando de forma temporal a V4.1-Flash, a la espera de V4.1-Pro.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Olvidate de los tokens por millón: la factura escondida de los agentes es la memoria.» Explicar el KV cache con un pizarrón simple y poner a prueba si el reclamo de performance y costo se sostiene en una tarea real de código de varios pasos.
OpenAI — GPT-Live-1 lleva agentes de voz full-duplex a la API
POR QUÉ ENTRA EN EL RADARLa capa de voz puede escuchar y hablar al mismo tiempo, manejar interrupciones en un solo modelo y delegar el razonamiento más profundo y el uso de tools a un modelo de backend. OpenAI reporta casi 80% menos interrupciones que un sistema anterior por turnos, en una evaluación temprana con un cliente; la capa de voz de front-end figura a $0.05 por minuto.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«El bot telefónico se murió; llegó el agente conversacional.» Demo en vivo: interrumpirlo, cambiarle de idea a mitad de frase, sumar ruido de café, y después mostrar lo que sigue siendo difícil: latencia, autorización y recuperación ante fallos.
Andon Labs — Pion, una plataforma para que agentes operen negocios reales
POR QUÉ ENTRA EN EL RADARAndon está abriendo la plataforma que usó para Vending-Bench y para experimentos reales de vending, retail y un café. Pion da a agentes persistentes acceso a email, teléfono, banca, browser y cómputo seguro: es una prueba inusualmente concreta de dónde se rompe la autonomía de un agente fuera de las simulaciones.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«¿Puede una IA manejar de verdad un negocio? La primera respuesta útil no es un benchmark.» Contrastar el éxito simulado con el desorden del mundo real y poner el monitoreo y la aprobación en el centro de la historia, no el hype de la autonomía.
OpenArm — plataforma open-source bimanual de IA física a $6,500
POR QUÉ ENTRA EN EL RADAROpenArm es una plataforma de brazo humanoide de 7-DoF, con CAD, ROS 2, teleoperación, assets de MuJoCo/Isaac y una «OpenArm Cell» estandarizada para condiciones repetibles de cámara y fondo. El precio declarado de $6,500 para un sistema bimanual hace que la historia interesante sea la posible apertura de la recolección de datos y de benchmarks de robótica reproducibles.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«El ingrediente que le falta a la IA de robots no es otro modelo: son datos repetibles.» Explicar por qué una celda física estándar podría importar tanto como los pesos abiertos para los LLM.
Voodoo Dynamic Quantization — quants GGUF aprendidos, por tensor
POR QUÉ ENTRA EN EL RADAREste proyecto con licencia MIT usa descenso de gradiente para elegir el bit-width por tensor bajo un presupuesto de tamaño, y después exporta un GGUF pensado para correr exactamente en llama.cpp de stock. El repo afirma reducciones de perplexity de hasta 89.5% frente a sus baselines; ese número necesita réplica independiente, pero el enfoque de optimizar de forma exacta para el despliegue es genuinamente interesante.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Por qué un “modelo de 4 bits” no es realmente una sola cosa.» Explicar la diferencia entre cuantización uniforme y un modelo que elige dónde vale la pena gastar precisión; probar un GGUF de Voodoo contra un quant convencional al mismo tamaño de archivo.
OpenAI — Data agent en ChatGPT Work
POR QUÉ ENTRA EN EL RADAREl Data agent se conecta a fuentes de datos gobernadas (incluyendo BigQuery, Snowflake, Databricks, Redshift y archivos), usa capas semánticas de negocio y puede producir o compartir dashboards, o actuar a través de tools aprobadas. La lección importante para quienes construyen: los agentes empresariales se están volviendo un problema de permisos y definiciones, no meramente de generación de SQL.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Tu analista de IA es tan inteligente como tus definiciones de métricas.» Armar un ejemplo chico donde «revenue» tenga dos significados legítimos y mostrar por qué importan las capas semánticas y el acceso a nivel de fila.
Claude Code 2.1.271 — sesiones Remote rápidas y controles de ejecución más estrictos
POR QUÉ ENTRA EN EL RADARLa versión suma fast mode para sesiones Remote y alloweddomains por comando para comandos Bash/PowerShell/Monitor en sandbox, junto con una opción omitClaudeMd para subagentes custom/plugin aislados. Es una señal útil de que las herramientas de agentes convergen hacia ejecución con alcance acotado, no hacia permisos en bloque.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«El control de seguridad que deberían copiar quienes construyen agentes: permisos que vencen con el comando.» Comparar el acceso amplio a red con el acotamiento de dominios por comando.