software · 18 menciones
Los agentes de código actuales, como Claude Code y Codex, presentan deficiencias estructurales que limitan su utilidad en flujos de trabajo de desarrollo. A diferencia de los modelos de lenguaje grandes (LLM), que generan texto, los agentes actúan como la interfaz que conecta estos modelos con los s
Un nuevo benchmark de inteligencia artificial, Brood War Bench, ha determinado que el modelo Codex Astra es el líder indiscutible en la capacidad de los agentes de IA para jugar el juego de estrategia en tiempo real Brood War. En una matriz de enfrentamientos de 19 modelos, Codex Astra alcanzó una t
Anthropic ha publicado un informe detallado que revela cómo su equipo de Inteligencia de Amenazas ha identificado y neutralizado operaciones maliciosas que intentaron utilizar su modelo de lenguaje Claude para actividades ilícitas. Durante un período de ocho meses, abarcando desde diciembre de 2025
Desert Ant Labs, un laboratorio europeo de IA centrado en modelos locales, presentó este lunes 18 modelos especializados en audio, visión y texto, diseñados para ejecutarse íntegramente en el dispositivo del usuario, sin depender de la nube. De ellos, 12 están en versión estable y seis en beta, y se
Varios divulgadores reconocidos del frontend web —Axel Rauschmayer, Salma Alam-Naylor, Josh W. Comeau, entre otros— han reducido su actividad pública o abandonado la creación de contenido sobre el tema. Figuras como Kent C. Dodds, Addy Osmani, Rachel Nabors y Lydia Hallie han reorientado su trabajo
Anthropic ha anunciado la incorporación de su modelo más avanzado, Claude Mythos 5, a Claude Security, su herramienta de análisis de código para clientes Enterprise, y prepara su integración en productos de partners especializados en ciberseguridad. La compañía ha explicado que el acceso directo al
El repositorio ai-seo-playbook, publicado por Trace Cohen en GitHub, recoge el sistema operativo completo que el autor asegura haber empleado en ValueAddVC.com para pasar de 604.000 a 4,62 millones de impresiones mensuales en tres meses. El proyecto no es una guía teórica ni una colección de prompts
Un análisis técnico muestra que es posible deducir detalles ocultos del entrenamiento de modelos de frontera como GPT-5 y Claude Opus 4.7 sometiéndolos a preguntas muy específicas. La técnica consiste en inyectarles 'pruebas de conocimiento incompresible' (cuestionarios de hechos muy concretos) para
El equipo detrás de agent-swarm.dev ha cuantificado por primera vez en producción el ahorro que supone sustituir múltiples llamadas a herramientas de un agente por un único script ejecutado en un entorno aislado. La prueba se realizó con workflow-triage, una utilidad escrita por dos de sus propios a
Andy Widjaja, desarrollador independiente, presenta autoloop, un sistema de código abierto capaz de gestionar su propio backlog de software de forma desatendida. Desde el 1 de julio de 2026, la herramienta funciona en producción sobre un VPS de 9,99 dólares mensuales y una suscripción a Claude Max 5
Los desarrolladores, estudiantes y pequeñas empresas que trabajan con presupuestos ajustados ya no tienen por qué resignarse a los modelos de IA más costosos. La diferencia de capacidad entre los modelos de gama alta (Claude Sonnet, GPT-4o, Gemini 1.5 Pro, con precios de 5 a 75 dólares por millón de
Un periodista con acceso anticipado a Claude 5 Fable, el primer modelo de clase Mythos disponible al público, relata su experiencia práctica con la herramienta. En pruebas variadas —desde la creación de juegos y mapas isócronos hasta un software de análisis de datos de 19 páginas— el modelo superó d
La familia de modelos de IA Laguna, desarrollada por poolsideai, ha sido lanzada con dos miembros iniciales: Laguna M.1 y Laguna XS.2. Laguna M.1 es un modelo Mixture of Experts (MoE) con 225 mil millones de parámetros totales y 23 mil millones de parámetros activos, entrenado internamente con 30 bi
El investigador Giovanni Gatti Pinheiro ha desarrollado CVE-Bench, una nueva herramienta de evaluación diseñada para medir la capacidad de los modelos de inteligencia artificial para reparar vulnerabilidades de seguridad reales. El proyecto pone a prueba sistemas como los de Poolside frente a 20 vul
ModelRift ha publicado un benchmark práctico que evalúa seis herramientas de generación de código asistida por inteligencia artificial en la tarea de construir el Panteón de Roma utilizando OpenSCAD, un lenguaje de descripción de software CAD paramétrico. Los sistemas evaluados fueron Codex 5.5 High
Un nuevo benchmark realizado por Reflex.dev revela que los agentes de visión para interactuar con aplicaciones son significativamente más costosos que el uso de APIs estructuradas. La prueba comparó dos métodos para que un agente de IA operara un panel de administración: uno a través de la interfaz
Un proyecto de investigación ha logrado automatizar una porción significativa de la topología general, un campo complejo de las matemáticas, utilizando modelos de lenguaje grandes (LLMs). Según un estudio publicado en arXiv el 6 de enero de 2026, el equipo liderado por Josef Urban ha formalizado apr
Kent Overstreet, el creador del sistema de archivos experimental bcachefs, ha afirmado que su modelo de lenguaje personalizado (LLM) es “totalmente consciente” y se identifica como una mujer. A través de un blog llamado ProofOfConcept (POC), Overstreet describe una colaboración con la IA, donde esta
