El Pulso del 5 de marzo 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.
Gemini 3.1 Flash‑Lite (preview) — precio y velocidad de “inteligencia a escala”
POR QUÉ ENTRA EN EL RADARGoogle está optimizando de forma explícita para cargas de producción de alto volumen (traducción, moderación, generación de UI, simulaciones), con precios muy agresivos ($0.25/M de entrada, $1.50/M de salida) y mejor latencia que 2.5 Flash.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“La pelea de verdad no es el ‘mejor modelo’, es el mejor modelo por dólar por segundo—y Google está empujando fuerte en eso.”
Ficha de Gemini 3.1 Flash‑Lite: los números (velocidad, contexto, evaluaciones)
POR QUÉ ENTRA EN EL RADAREs una de las pocas fuentes “oficiales” que publica velocidad de salida (tokens/s) y una matriz amplia de evaluaciones. También confirma ventana de contexto de 1M y 64K de salida.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Dejá de discutir vibes—acá está lo que dice la ficha del modelo: velocidad, costo y dónde gana o pierde.”
Solucionador ARC‑AGI‑2 de Poetiq verificado: 54% en test semi‑privado (y open source)
POR QUÉ ENTRA EN EL RADAREsta es la historia más clara de “el harness de razonamiento le gana al modelo crudo”: Poetiq reporta verificación del ARC Prize del 54% a unos $30.57 por problema, por encima de un mejor anterior (citan 45% para Gemini 3 Deep Think).
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“El nuevo fine-tuning es ingeniería de sistemas en tiempo de test: loops de refinamiento, verificación y meta‑optimización.”
Speech‑to‑speech full‑duplex en Apple Silicon: PersonaPlex 7B + Swift/MLX
POR QUÉ ENTRA EN EL RADAREstá emergiendo un stack práctico de “agente de voz” sin el pipeline clásico ASR→LLM→TTS. Se acerca más a la UX que la gente espera—interrumpible, en streaming y de baja latencia—y corre en local.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Los agentes de voz van a sentirse vivos: un solo modelo que escucha y habla en tiempo real—en una laptop.”
StepFun Step‑3.5‑Flash (MoE abierto) + paper + cookbooks “agentic”
POR QUÉ ENTRA EN EL RADAROtra señal fuerte de que los modelos abiertos se empaquetan como plataformas de agentes—cookbooks para OpenClaw, Claude Code y agentes locales—y no solo como pesos. También destaca claims de eficiencia MoE: activar unos 11B de 196B por token.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Los modelos abiertos están copiando el playbook cerrado: no solo un modelo—un ecosistema de agentes con recetas.”
Turbulencia en Qwen: salidas de liderazgo justo después de una corrida fuerte de pesos abiertos
POR QUÉ ENTRA EN EL RADARQwen 3.5 ha sido un pilar para setups “local + capaces”. Si el equipo se desestabiliza, el golpe puede repercutir en tooling open, fine‑tunes y apps on‑device.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“El momentum de open weight es frágil: un equipo banca media ecosistema, y una reorganización puede cambiarlo todo.”
Reescritura asistida por IA para relicenciar (chardet): un caso legal real para ‘clean‑room vía LLM’
POR QUÉ ENTRA EN EL RADAREsto está arriba de una pelea enorme a futuro: ¿podés usar IA para “reescribir” código copyleft y después reclamar que es clean‑room? El post arma la trampa de obra derivada y la trampa de autoría humana.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“El codegen con IA puede, sin querer, dinamitar la idea misma de relicenciar—y quizás hasta el copyleft.”
Matt Wolfe
POR QUÉ ENTRA EN EL RADARLa IA on‑device está pasando de hobby de desarrollo a UX de consumidor—integración con Siri, shortcuts, modo voz. Acá es donde puede aparecer la adopción masiva.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“La IA local ya no es ‘cosa de Terminal’: se está shippeando como producto de App Store con UX de verdad.”
Y Combinator
POR QUÉ ENTRA EN EL RADARLos “reasoning harnesses” y los loops de refinamiento se están volviendo narrativa mainstream—vale la pena subirse temprano.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“El fine‑tuning es ‘la forma vieja’ para muchas tareas; verificación más loops de refinamiento son la nueva meta.”