El Pulso del 1 de octubre de 2026
Las señales que entraron en el radar, ordenadas con sus fuentes y contexto para entender qué cambió.
GPT-6.1 Sol: rendimiento de agente cercano a Astra a un costo operativo mucho menor
POR QUÉ ENTRA EN EL RADAROpenAI afirma que Sol se acerca a Astra en coding agéntico, uso de computadora y trabajo profesional, a más o menos un quinto del precio de Astra. El titular para quien construye es el precio de $0.10/M en input cacheado: los agentes persistentes que reutilizan contexto se vuelven económicamente plausibles.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«El número más importante de GPT-6.1 no es el benchmark: es $0.10.» Explicar por qué el caching cambia el modelo de negocio de los agentes.
OpenAI Dots: agentes siempre activos, con computadoras en la nube, más de 4.000 conexiones a apps y aprobaciones explícitas
POR QUÉ ENTRA EN EL RADARDots formaliza la próxima interfaz: un agente con contexto de larga duración, su propia computadora en la nube, investigación proactiva de solo lectura y escalamiento para acciones de consecuencia. Es una arquitectura de producto útil para estudiar, no solo un anuncio.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Dejen de llamarlo chatbot: Dots es una especificación de diseño del agente personal.» Desglosar memoria, herramientas, trabajo en segundo plano, inspección y puertas de aprobación.
La pelea de seguridad que no se ve: OpenAI afirma haber interrumpido una campaña de extracción de razonamiento / destilación adversaria
POR QUÉ ENTRA EN EL RADAREl ataque reportado no vulneró una base de datos; manipuló interacciones para revelar, a escala, el razonamiento protegido. OpenAI cita un paper independiente relacionado y sostiene que esto afecta a todo el ecosistema de modelos de frontera.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Por qué las empresas de IA de pronto tratan el chain-of-thought como código fuente.» Distinguir entre robar respuestas, entrenar sobre outputs y extraer el razonamiento oculto.
Hugging Face publica 207 kernels WebGPU versionados para IA local en el navegador
POR QUÉ ENTRA EN EL RADAR@huggingface/kernels convierte operaciones WebGPU optimizadas en artefactos reutilizables, testeables y versionados; Fleet recolecta evidencia opt-in de performance y corrección sobre hardware real. Es infraestructura upstream para una IA más rápida, privada y local en el navegador.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«La IA local en el navegador acaba de ganar una capa real de performance.» Demostrar la idea con una narrativa de inferencia sin servidor, no con otro recuento de modelos.
Claude Opus 5.5: el precio, las lecturas de cache y la verificación importan más que un solo ranking
POR QUÉ ENTRA EN EL RADARAnthropic afirma un costo 40% menor en cargas de trabajo típicas respecto de Opus 5, con lecturas de cache a $0.20/M y mejor resistencia a prompt injection y a acciones irreversibles. También advierte, de forma explícita, que los márgenes en benchmarks de frontera son cada vez menos confiables para decidir en el mundo real.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«La comparación de modelos de frontera que todo el mundo hace mal: puntaje de benchmark versus costo por tarea completada.» Usar contexto cacheado, fallbacks y revisión humana como rúbrica.
Gemini 3.8 Live Avatar: conversación en video de baja latencia más herramientas asíncronas
POR QUÉ ENTRA EN EL RADARGoogle combina voz y video en vivo, input visual, ejecución asíncrona de herramientas y lip-sync multilingüe en 97 idiomas. Para empresas, el patrón diferenciador es que el avatar mantiene viva la conversación mientras las herramientas trabajan en segundo plano.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«El verdadero avance de los avatares de IA no es el lip-sync: es esconder la latencia de las herramientas.» Mostrar el patrón de check-in de hotel y por qué se siente más humano.
Meta Connect: Muse avanza hacia una agencia personal ambiental y wearable
POR QUÉ ENTRA EN EL RADARMeta está poniendo su agente personal proactivo en anteojos de IA, sumando conectores y una dirección de email dedicada. El giro estratégico: los agentes actúan sobre lo que el usuario ve, en vez de pedirle que describa cada ventana de contexto.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«La killer feature de la IA wearable no es la visión: es el contexto en el momento de la intención.» Comparar Muse en anteojos con los asistentes que viven primero en el teléfono.
Treg: «OpenRouter para herramientas de agentes», no para modelos
POR QUÉ ENTRA EN EL RADARTreg plantea un patrón pragmático para el tooling de agentes: un registro y un token, un catálogo de endpoints de pago por llamada, e inyección de credenciales del lado del servidor para que el agente no tenga que guardar secretos de proveedores. Es open source y se puede self-hostear.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Tu agente tiene un router de modelos. ¿Por qué no tiene un router de herramientas?» Explicar el límite de credenciales y por qué miles de APIs no equivalen a un workflow útil.