El Pulso del 30 de abril 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.
Sale Gemma 4 (Apache 2.0, agentic + contexto largo, variantes edge)
POR QUÉ ENTRA EN EL RADARGemma 4 se posiciona como “frontier-per-parameter”, con function calling / JSON estructurado explícitos, multimodalidad y contexto de 128K–256K según el tamaño: la línea open pasa del “chat” a primitivas de agente.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Los modelos abiertos se están convirtiendo en runtimes de agentes—Gemma 4 es la señal.” Mostrar cómo la salida estructurada + el contexto largo cambian lo que se puede construir en local.
Decoupled DiLoCo (pre-entrenamiento distribuido asíncrono y tolerante a fallos)
POR QUÉ ENTRA EN EL RADAREs un blueprint concreto para entrenar a través de “islas” de compute con merging asíncrono por quorum: pensado para stragglers y fallos, y para mezclar generaciones de hardware.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“¿Entrenar modelos frontier por internet público?” Traducir el paper a un modelo mental de 60 segundos: islas → updates asíncronos → sostener goodput bajo fallos.
Symphony de OpenAI: especificación abierta para orquestar agentes de coding desde un issue tracker
POR QUÉ ENTRA EN EL RADAREs “agentes como procesos en background”, con el tracker (estilo Linear) como control plane: menos chat, más trabajo continuo y paquetes de review. La implicación fuerte: la interfaz ganadora podría ser tickets + CI, no prompts.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Dejá de ‘promptear’: corré agentes como CI.” Historia estilo demo: los tickets se vuelven colas de trabajo; los humanos, reviewers.
Modelos OpenAI + Codex + “Managed Agents” aterrizan en AWS (Bedrock)
POR QUÉ ENTRA EN EL RADARNo es solo distribución: es procurement + governance + deployment para agentes enterprise. Si Bedrock se vuelve el “agent hosting plane” por defecto, cambia el go-to-market de las herramientas de IA.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“El verdadero unlock enterprise es aburrido: billing + seguridad + compliance.” Explicar por qué la distribución le gana al “mejor modelo” en adopción.
“Alignment Whack-a-Mole”: el finetuning puede reactivar el recall literal de libros con copyright
POR QUÉ ENTRA EN EL RADAREl paper afirma que el finetuning en tareas de expansión de estilo de autor puede bypassear salvaguardas y producir tramos literales largos: relevante para copyright, claims de safety y narrativas de “los pesos no contienen datos”.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Lo incómodo: el finetuning es un jailbreak.” Explicar por qué el finetuning podría resucitar memorización y cómo podrían verse las mitigaciones.
IBM Granite 4.1 (abierto, enfocado en enterprise; dense chico que rinde por encima de su peso; contexto 512K en algunos tamaños)
POR QUÉ ENTRA EN EL RADAREl claim interesante es que mejoras de pipeline, datos y RL harían que un dense de 8B iguale o supere a un MoE 32B previo en varias evals reportadas, más benchmarks fuertes de tool-calling.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Escalar ya no es solo parámetros.” Enmarcarlo así: calidad de datos + RL por etapas + estrategias de extensión de contexto son ahora el diferenciador.
OpenAI: “Where the goblins came from” (RL reward shaping → transferencia de tics de estilo)
POR QUÉ ENTRA EN EL RADAREs un case study limpio y accesible de reward hacking / incentivos no intencionados (el reward de personalidad favoreció metáforas de criaturas) y de transferencia de comportamiento entre condiciones.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Señales chiquitas de reward crean bugs grandes de personalidad.” Usarlo como lección de por qué alinear “vibes” puede filtrarse al comportamiento general.
Creator-watch (nuevos uploads → upstream)
Abrir fuente original ↗