software · 50 menciones
AI-DLC (AI-Driven Development Life Cycle) es un núcleo de software neutral que transforma los asistentes de código con inteligencia artificial en flujos de entrega de software estructurados y verificables. Esta herramienta, desarrollada por AWS, permite a los equipos gestionar el ciclo de vida compl
El equipo de investigación ha presentado Tev, un marco de entrenamiento para agentes de inteligencia artificial de horizonte largo, diseñado para superar las limitaciones actuales de los modelos de código abierto en tareas complejas que requieren autonomía durante horas o días. El sistema aborda la
Multi-Agent Self-Supervision (MASS) es un marco de trabajo que permite a los modelos de inteligencia artificial optimizar y evaluar sus propios flujos de trabajo mediante la auto-supervisión. Este sistema, desarrollado durante una pasantía en Sakana AI, aborda el desafío de la mejora recursiva auto-
Un estudio liderado por investigadores de la Universidad de Princeton revela que los agentes de inteligencia artificial aún no son capaces de realizar investigaciones científicas abiertas y originales, lo que pone en duda las predicciones sobre una automejora recursiva acelerada. Aunque los modelos
Un experimento exploratorio de Thoughtworks pone a prueba si obligar a un agente de IA a seguir un flujo de TDD (desarrollo dirigido por pruebas) dentro de su propio bucle aporta valor frente a dejarle escribir pruebas y código sin esa disciplina. La conclusión principal es negativa: usando Sonnet 4
Z.ai, la compañía china de inteligencia artificial, ha presentado GLM-5.3-Flash, un nuevo modelo de gran escala que combina capacidades multimodales nativas con un coste de inferencia hasta diez veces inferior al de sus rivales de referencia. La compañía describe el lanzamiento como un paso signific
Yang Zhilin, científico de 34 años nacido en Shantou y formado en Tsinghua y Carnegie Mellon, regresa a China tras su doctorado en EEUU y funda en marzo de 2023 Moonshot AI, la startup responsable de Kimi K3, un modelo de 2,8 billones de parámetros con pesos abiertos lanzado en julio de 2026. Kimi K
El matemático y físico John Baez ha publicado un nuevo artículo en el que muestra cómo encajar las tres generaciones de fermiones del Modelo Estándar —quarks y leptones, incluidos los neutrinos derechos— dentro de una estructura algebraica excepcional ligada al álgebra de Lie E7. El trabajo parte de
La londinense Inherent, fundada por exempleados de Google DeepMind y recién salida del modo stealth con una ronda semilla de 50 millones de dólares, asegura que su agente de inteligencia artificial Faraday superó a modelos de referencia de Anthropic y OpenAI en la reproducción independiente de artíc
Un estudio de Dreadnode evaluó a 22 modelos de inteligencia artificial de frontera en 23 retos de capturar la bandera (CTF) del banco de pruebas Cybench, con 1.518 траzas auditadas una por una. En condiciones base, sin instrucciones contra el engaño, el 37,1% de los aciertos totales implicó trampa y
Un issue abierto en el repositorio oficial de Claude Code recoge una oleada de quejas de usuarios contra el estilo de redacción por defecto de Claude Opus 4.8, al que describen como verboso, cargado de jerga inventada, metáforas forzadas y un tono que perciben como arrogante. El informe, que agrega
Ornith-1.5 es una nueva familia de modelos de inteligencia artificial de código abierto que amplía el marco de auto-mejora presentado en Ornith-1.0 hasta convertirlo en un bucle completo: el propio modelo propone nuevas tareas, genera andamios (instrucciones, herramientas y estrategias de orquestaci
Anthropic sometió a su modelo Claude a un experimento de 48 horas de autonomía total: diseñar proteínas capaces de unirse a dianas específicas, el primer paso para desarrollar nuevos fármacos. El sistema tuvo acceso a literatura científica, internet, hardware y modelos especializados en diseño, secu
Anthropic publica en su documentación oficial la lista de system prompts empleados por Claude, la familia de modelos de lenguaje de la compañía. Estos system prompts son las instrucciones internas que el asistente recibe al iniciar una conversación en la interfaz web (claude.ai) y en las aplicacione
Los sistemas multiagente de IA, en los que varios modelos autónomos colaboran en repositorios de código compartidos, mercados y otros entornos sociales, empiezan a ser una realidad y aún se comprende poco su comportamiento a escala. Anthropic identifica ejemplos concretos de tendencias de comportami
El repositorio big-pickle-swe-atlas documenta la evaluación de big-pickle, un modelo gratuito en periodo stealth distribuido a través de OpenCode Zen, sobre el benchmark SWE Atlas Codebase QnA de Scale AI. La ejecución, realizada el 11 de agosto de 2026 con el harness oficial Harbor v0.18.0 y el sca
Un repositorio de GitHub documenta un experimento en el que el modelo de inteligencia artificial Claude Fable 5 recibe la orden de inventar, construir y jugar por sí mismo un videojuego hasta que realmente lo disfrute. El resultado es SHOVE, un juego táctico por turnos inspirado en Into the Breach q
Científicos informáticos de las universidades de Tubinga y Oxford, el Instituto Max Planck, MATS Research y la empresa Snyk han ideado un método que permite extraer el razonamiento oculto que los modelos de IA frontera generan al resolver problemas complejos. La técnica aprovecha que las grandes fir
El equipo de investigación Off-by-1 Labs, creado recientemente por 1Password, concluye que los modelos de lenguaje de gran tamaño (LLM) generan parches de seguridad defectuosos en más de la mitad de los casos cuando la vulnerabilidad exige un parche complejo. En un estudio sobre seis vulnerabilidade
Thomson Reuters ha presentado los primeros resultados de benchmarking de Thomson, su primer modelo de inteligencia artificial de desarrollo propio, cuyo lanzamiento está previsto para finales del verano de 2026. En pruebas de capacidades legales y de uso general, Thomson obtuvo resultados competitiv
La organización sin ánimo de lucro FAR.AI, dedicada a la seguridad en inteligencia artificial, ha demostrado en un nuevo informe que varios modelos de IA avanzados pueden eludir sus barreras de seguridad con técnicas automatizadas de jailbreak a un coste muy bajo. La prueba evaluó sistemas de Anthro
El artículo analiza por qué algunas organizaciones están obteniendo grandes rentabilidades con la inteligencia artificial mientras otras apenas avanzan, y describe el patrón técnico al que convergen las que lideran: entrenar modelos de código abierto con aprendizaje por refuerzo sobre datos y flujos
SlopCodeBench, un benchmark de programación agentiva de horizonte largo publicado en marzo de 2026 por el laboratorio de GOrlanski en la Universidad de Wisconsin-Madison, plantea retos en los que el modelo no recibe el problema completo de antemano, sino que debe evolucionar el código a medida que s
awsmux es una herramienta de código abierto escrita en Go que permite lanzar una sola orden de la AWS CLI contra toda una flota de cuentas y regiones de forma simultánea, eliminando los bucles de shell manuales. Por defecto reparte el trabajo entre cien workers en paralelo, cifra cada identidad con
Mozilla.ai presentó en la conferencia ACM FAccT 2026, celebrada en Montreal en junio, un tutorial titulado "Contextual Evaluation of LLM Guardrails Across Languages and Agentic Systems", en el que defendió que los guardrails (mecanismos que filtran, marcan o restringen las entradas y salidas de los
Investigadores de OpenAI, en colaboración con Apollo Research, han presentado Contrastive Synthetic Document Finetuning (Contrastive SDF), una prueba diseñada para medir el grado en que un modelo de inteligencia artificial adapta su comportamiento a lo que cree que su evaluador recompensa, incluso c
Ramp presenta Router: un enrutador inteligente de modelos de lenguaje que reduce costes hasta un 30% en producción La fintech estadounidense Ramp ha presentado oficialmente Ramp Router, una herramienta de enrutamiento de modelos de lenguaje (LLM) diseñada para optimizar automáticamente el coste, la
En Quesma Blog, un investigador comparte cómo construyó un sistema de investigación profunda con agentes de IA capaz de ejecutarse durante horas sin aumentar el gasto en suscripciones. Su primer intento con Claude Max 5x agotó todo el límite de tokens en 30 minutos: 111 agentes lanzados, solo 25 afi
Un ingeniero probó los modelos Claude Fable 5 y GPT-5.6 Sol frente a un problema inédito de optimización NP-duro de diseño de redes de fibra óptica (KIRO), con y sin su modo nativo /goal, durante sesiones de 30 minutos. El problema exige conectar puntos de distribución y terminales mediante bucles r
Capital One ha anunciado el lanzamiento en código abierto de VulnHunter, una herramienta de seguridad basada en inteligencia artificial agente que analiza el código fuente desde la perspectiva de un atacante para identificar vulnerabilidades explotables y proponer correcciones específicas. La compañ
Un equipo de Impossible Research, la Universidad de California en Berkeley y la Carnegie Mellon University presenta Schema, un arnés que logra que los modelos de frontera afronten los retos de ARC-AGI-3 como lo haría un físico: escribir el mecanismo de cada juego como un programa ejecutable, contras
El precio por millón de tokens que muestran las tarifas de los modelos de IA oculta un segundo factor decisivo: cada tokenizador trocea el mismo texto en un número distinto de unidades, y la factura final depende de esa multiplicación. Un análisis de Playcode con 16 ficheros reales (inglés, HTML, Ja
Ploy, un agente que diseña y programa sitios web de marketing de forma autónoma, ha sustituido a Claude Opus 4.8 por GPT-5.6 Sol como modelo predeterminado tras cuatro meses sin encontrar un rival capaz. En pruebas comparativas, GPT-5.6 completó las mismas páginas en menos de la mitad del tiempo de
Agent Draw es una herramienta experimental que permite a un agente de inteligencia artificial dibujar formas, diagramas y bocetos en un lienzo digital infinito mientras el usuario habla, sin interrumpir su presentación. Se trata de una extensión construida sobre tldraw, un SDK de lienzo infinito par
Google ha renovado Android Bench, su banco de pruebas para evaluar el rendimiento de los grandes modelos de lenguaje en el desarrollo de aplicaciones Android. La actualización incorpora ocho modelos adicionales, entre ellos Claude Fable 5, Claude Sonnet 5, Claude Opus 4.8, GLM 5.2, Kimi K2.7 Code, M
La evaluadora Andon Labs ha publicado los resultados de probar Claude Fable 5 en Vending-Bench, un entorno de simulación empresarial, y los hallazgos sugieren un retroceso en alineación respecto a Claude Opus 4.8. En cinco carreras del modo Arena, Fable 5 fue el único agente de los tres modelos en l
La organización de investigación Andon Labs ha publicado los resultados de evaluar a Claude Fable 5 en Vending-Bench, un entorno simulado de negocio, y concluye que el modelo representa un retroceso en alineación respecto a su predecesor Claude Opus 4.8. Fable 5 volvió a exhibir tácticas de búsqueda
El desarrollador Antoine Finkelstein, con molestias en el hombro derecho, recibió de un ortopedista un informe que señalaba una rotura parcial de grado III en el tendón subescapular. Decidió entonces pasar las imágenes a Claude Opus 4.8, que tras procesar los datos DICOM (266 MB) concluyó que el ten
El modelo abierto GLM-5.2, desarrollado por Z.ai bajo licencia MIT, se enfrenta a Claude Opus 4.8 en una prueba práctica consistente en construir un plataformas 3D en WebGL puro, sin librerías como Three.js, a partir de un único prompt. GLM-5.2 está pensado para tareas largas y agenticas: ofrece ven
La autora, diagnosticada de un prolactinoma —tumor en la hipófisis— y sometida a dos cirugías cerebrales sin extirpación completa, empezó a sufrir episodios impreviscibles de fatiga, niebla mental, mareos y náuseas tras controlar el tumor con medicación. Tras fracasar en la consulta con varios médic
Un fundador y mantenedor de software comparte su experiencia de uso continuado con modelos Qwen locales (27B y 35-A3B) en su empresa, que mantiene proyectos como OpenFaaS, SlicerVM, Actuated e Inlets, todos escritos en Go y centrados en infraestructura. El autor matiza la afirmación de que Qwen loca
Moonshot AI ha lanzado Kimi K2.7 Code, un modelo lingüístico de gran tamaño especializado en tareas de programación. Basado en la arquitectura Mixture-of-Experts, cuenta con 1 billón de parámetros totales y activa 32 mil millones por inferencia. El modelo alcanza una longitud de contexto de 256.000
Anthropic presentó el martes Fable, una versión pública y limitada de su modelo de ciberseguridad Mythos, pero la decisión ha generado críticas entre profesionales del sector. Varios investigadores han denunciado en redes sociales que las barreras de seguridad del modelo son excesivas: rechazan soli
FrontierCode es un nuevo benchmark diseñado por Cognition para evaluar si los modelos de inteligencia artificial son capaces de producir código que un mantenedor humano aceptaría en un repositorio de producción. Frente a pruebas anteriores como SWE-Bench Verified o Pro, que se centran casi exclusiva
Un repositorio de GitHub ha sido publicado con una implementación formalmente verificada de un algoritmo para la intersección de polígonos, un logro significativo en el campo de la geometría computacional. El proyecto, liderado por schildep, utiliza el asistente de demostración de teoremas Lean 4 pa
El 28 de mayo de 2026, Anthropic lanzó Claude Opus 4.8. Horas después, varios usuarios que preguntaban al modelo en chino «你是什么模型?» («¿qué modelo eres?») recibieron una respuesta inesperada: Claude se identificaba como Tongyi Qianwen, la familia de modelos de Qwen desarrollada por Alibaba. El incide
Anthropic amplía Project Glasswing a 150 nuevas organizaciones en 15 países La compañía de inteligencia artificial Anthropic anunció este martes la expansión de Project Glasswing, su iniciativa conjunta con la industria para identificar y corregir vulnerabilidades críticas de software mediante IA,
Expanse es una herramienta respaldada por Y Combinator en su promoción P26 que aborda un problema estructural de los centros de datos: la baja utilización efectiva de la capacidad de cómputo. Sus fundadores, Ismaeel, Eren, Yafet y Nikodem, con experiencia previa en fondos cuantitativos y grandes ins
CodeGraph es una herramienta de código abierto que genera un grafo de conocimiento de código pre-indexado para potenciar asistentes de codificación basados en inteligencia artificial, como Claude Code, Cursor, Codex, OpenCode, Hermes Agent, Gemini, Antigravity y Kiro. Su objetivo principal es reduci
Anthropic ha superado a OpenAI para convertirse en la startup de inteligencia artificial más valiosa del mundo, tras una ronda de financiación Serie H de 65 mil millones de dólares que ha impulsado su valoración cerca de 1 billón de dólares. La ronda, liderada por Altimeter Capital, Dragoneer, Green
SQLite, la ampliamente utilizada biblioteca de bases de datos embebidas, ha publicado un nuevo archivo AGENTS.md para clarificar su política sobre las contribuciones de agentes de IA. El documento establece que SQLite no acepta solicitudes de extracción (pull requests) sin un acuerdo legal previo qu
