El Pulso del 18 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.
Ternary Bonsai 2 27B: casi toda la capacidad de un 27B en 5.9 GB
POR QUÉ ENTRA EN EL RADARPrismML dice que su versión de pesos ternarios de Qwen3.8 27B ocupa 5.9 GB (1.76 bits efectivos/peso), retiene el 98.2% del rendimiento agregado en benchmarks, maneja contexto de 262K más imágenes, y es Apache-2.0. Su afirmación: hasta 143 tok/s en RTX 5090 y 46.8 tok/s en M5 Max.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Un modelo de IA de 27B ahora entra en 6 GB. ¿La IA en la nube está por perder el default?» Mostrar los números y después explicar por qué la retención en agentes y uso de herramientas —y no solo los benchmarks de chat— es la prueba real.
Prueba independiente de un creador sobre Bonsai 2: programación en una sola GPU, Blender y flujos en el navegador
POR QUÉ ENTRA EN EL RADARPublicado hace horas, Bijan prueba Bonsai 2 27B en un sistema operativo de navegador, sitios web, juegos en C++, Blender, conversión de imagen a SVG y tareas 3D. Es exactamente la validación práctica que el anuncio de lanzamiento necesita.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«No confíen en el titular del 98.2%: prueben los modos de falla.» Armar la nota en torno a tres pruebas de estrés: programación de horizonte largo, tareas visuales y latencia local.
OpenJev: un modelo de decisión local que corre en el navegador
POR QUÉ ENTRA EN EL RADAROpenJev contrapone la lectura directa de logits de opciones con generar una respuesta JSON token a token, en local y sin backend. Incluye demos en el navegador con Qwen3 0.6B, MiniCPM5 2B y Qwen3.5 4B. La idea clave es simple: muchas decisiones de ruteo o clasificación necesitan un solo forward pass, no el loop verboso de generación de un agente.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Dejen de hacer que los agentes escriban ensayos cuando solo necesitan elegir.» Demostrar una decisión, comparar latencia y explicar la salvedad de la calibración.
God's Eye View: UI open source de inteligencia espacial sobre datos públicos en vivo
POR QUÉ ENTRA EN EL RADARLa app local de navegador combina datos públicos de aeronaves, barcos, satélites, sísmica, tráfico y cámaras sobre un globo 3D, con control de voz en tiempo real opcional. Es un caso de estudio sólido de dónde los agentes se vuelven convincentes: no una ventana de chat, sino una interfaz que puede operar un sistema visual denso.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Se parece a Palantir, pero es open source y corre en local.» Enfatizar la procedencia de datos públicos, las claves y costos opcionales, y los límites de privacidad y ética.
El nuevo recorrido de Matt Wolfe por God's Eye View
POR QUÉ ENTRA EN EL RADAREl lanzamiento de Matt llega a un público amplio, pero el proyecto de origen está documentado con un rigor poco habitual: módulos de fuentes de datos, setup local-first y advertencias explícitas de que el tráfico se simula a partir de agregados y de que parte de la geometría de cámaras y lanzamientos está estimada.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«La demo viral es real, pero acá está qué es en vivo, qué está simulado y qué está estimado.» Es un seguimiento más creíble y de mayor señal que reaccionar solo a lo visual.
Astra for Law: la plantilla de agente vertical de OpenAI
POR QUÉ ENTRA EN EL RADARAstra for Law empaqueta GPT-6 Astra con un índice de búsqueda legal, instrucciones de dominio, controles de gobernanza e integraciones. OpenAI informa 54.0% de corrección frente a 38.7% para GPT-6 Astra + búsqueda web en el conjunto de validación privado Legal Research Bench de Vals AI, y dice que el índice abarca 230M+ URLs.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Los próximos ganadores de la IA puede que no lancen modelos nuevos: van a empaquetar un flujo de trabajo mejor que nadie.» Desarmar el stack: modelo + recuperación + permisos + revisión humana + integraciones nativas.
Claude Code 2.1.276: el release «aburrido» que revela el verdadero roadmap de agentes
POR QUÉ ENTRA EN EL RADARLa versión más reciente corrige una regresión que rompía proxy y gateway, agrega confirmación explícita de la cuenta con sesión iniciada para el sign-in del gateway, sincroniza skills y plugins habilitados de Claude.ai en las sesiones de terminal (con opt-out) y suma un atajo de envío inmediato para prompts en cola. Son mejoras de confiabilidad y control, no teatro de benchmarks.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«El progreso de los agentes se está volviendo invisible: menos demos, más confiabilidad.» Explicar por qué la autenticación, la telemetría, el trabajo en cola y la distribución de skills deciden si los agentes de código sobreviven en producción.
Qwen3.8 Omni Flash: la carrera de eficiencia multimodal
POR QUÉ ENTRA EN EL RADARLlegó a Hacker News junto con Bonsai 2, lo que señala que los modelos multimodales de baja latencia son un frente competitivo activo. Sin embargo, la página del anuncio de Qwen devolvió solo un título de envoltorio a esta recuperación, así que no repetir afirmaciones de rendimiento sin revisar a mano la ficha oficial del modelo o las notas de lanzamiento.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Por qué los modelos Flash importan más que los flagship para agentes con ojos y oídos.» Mantenerlo conceptual salvo que se verifiquen las especificaciones primarias.