El Pulso del 10 de setiembre de 2026
Las señales que entraron en el radar, ordenadas con sus fuentes y contexto para entender qué cambió.
DeepSeek-V4.1-Flash: contexto de 1M con un KV cache radicalmente más compacto
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“El cuello de botella de la IA ya no es solo el tamaño del modelo: es la memoria. DeepSeek dice que recortó el costo de recordar por 4×.” Visualicen el KV cache como el equipaje invisible que un agente arrastra a lo largo de una tarea larga.
Gemini 3.8 Flash y Flash Cyber: agentes más baratos, razonamiento más deliberado
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Los modelos baratos se están volviendo más inteligentes pensando más tiempo, no volviéndose mágicamente gratis.” Expliquen las tres perillas: calidad del modelo, nivel de esfuerzo y costo total de la tarea.
Atlas: el modelo espacial de World Labs convierte una foto en un mundo navegable
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“El video con IA está dejando de ser un clip plano para convertirse en una escena 3D por la que se puede caminar.” Demuestren la diferencia entre generar fotogramas y sostener un mundo consistente con la cámara.
Lyria 3.5 llega a Google Flow Music
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“La próxima batalla de la música generativa no es el realismo: es la dirección.” Armen un antes y después: el mismo prompt, y después controlen tempo, duración, clima vocal y estructura de la canción.
JarvisGUI deja al descubierto la brecha de los agentes entre dispositivos
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Tu agente puede hacer clic en un botón. ¿Puede terminar una tarea que empieza en el celular y termina en la notebook?” Enmárquenlo como el benchmark del mundo real que todavía falta.
Un builder en solitario entrenó un modelo de lenguaje de 3.8B por $998
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Qué se puede comprar de verdad con $1,000 en entrenamiento de IA en 2026.” Úsenlo para separar el entrenamiento de un modelo chico con sentido del entrenamiento de un modelo de frontera.
Claude Code 2.1.267: topes de esfuerzo y control de iteración de prompts
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“Dos ajustes que hacen a los agentes de código menos caros y más fáciles de afinar.” Expliquen los topes de esfuerzo y después muestren por qué importa un system prompt fresco cuando se itera el comportamiento de un agente.
La prueba de realidad de los detectores de IA: la procedencia le gana a un puntaje de probabilidad
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗“¿Puede la IA detectar IA? La respuesta honesta es: no con suficiente confiabilidad.” Empiecen por los datos de fallo y después expliquen por qué las credenciales de contenido y las declaraciones de fuente son más confiables que un porcentaje de confianza.