El Pulso del 21 de marzo de 2026

Es un salto claro hacia modelos chicos orientados a cargas agenticos de alto volumen (uso de herramientas, uso de computadora, subagentes). El post trae deltas concretos de benchmarks y precios, lo que lo hace muy apto para video.

Un millón de tokens al precio estándar cambia decisiones de arquitectura: menos pipelines de chunking, menos parches de RAG y menos compactaciones en agentes de larga duración. Además: límites de medios de hasta 600 imágenes o páginas de PDF por request.

Pesos abiertos + perilla de ‘reasoningeffort’ + visión nativa + contexto largo (256k). Se posiciona como un solo modelo capaz de reemplazar stacks de “instruct rápido + razonamiento aparte + VLM aparte”.

El encuadre importa: el post-entrenamiento intensivo en inferencia (RLVR, bucles de agentes) convierte la “eficiencia de decode” en un objetivo de investigación de primer orden. Mamba‑3 afirma ganancias de latencia frente a Transformers de escala comparable, y además libera kernels open source.

Apunta a una historia real de entrenamiento y patología (dilución de PreNorm / crecimiento ilimitado de magnitudes) con un mecanismo drop-in: las capas atienden representaciones anteriores a lo largo de la profundidad. “Block AttnRes” lo vuelve práctico.

DESIGN.md es la feature dormida: una forma portable y agnóstica de herramientas para pasarle un design system a agentes (y para mover restricciones entre herramientas de diseño ↔ código).

Microsoft posiciona de forma explícita a MAI como un lab de imagen de primer nivel (ranking de Arena.ai) y publica features orientadas a creadores, como confiabilidad del texto dentro de la imagen y fotorrealismo. Útil para flujos creativos concretos.

Cuentan una historia de entrenamiento coherente: preentrenamiento continuo → RL en tareas de horizonte largo → mejoras en benchmarks (Terminal-Bench 2.0, SWE-bench multilingual). También incluyen precios específicos por token.

Es emblemático del cambio: agentes multi-sesión, contexto consciente de LSP y plomería de “traé cualquier modelo/proveedor”. Aunque los números de marketing estén inflados, la dirección de producto es real.

La descripción está cargada de links upstream (OpenAI, Claude, Mistral, Together, Google, Microsoft). El movimiento es tratar el video del creador como un índice y después ir directo a las primarias (ítems 1–8).