El Pulso del 16 de setiembre 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.
OpenAI Agents API
POR QUÉ ENTRA EN EL RADAROpenAI está convirtiendo en producto el stack de agentes de larga duración al estilo Codex: sandboxes hosted o self-hosted, compactación automática de contexto, búsqueda de tools y llamadas programáticas, y subagentes en paralelo. Esto desplaza la diferenciación de «¿qué modelo?» hacia «¿qué harness y entorno operativo?»
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«La guerra de los frameworks de agentes se acabó: OpenAI ahora vende el runtime entero.» Mostrar las cuatro primitivas: contexto, tools, subagentes, sandbox.
Muse: el agente de IA personal de Meta
POR QUÉ ENTRA EN EL RADARMuse es un agente de consumo que puede navegar, completar formularios, negociar, seguir trabajando después de que se cierra la app y comprar con tarjetas de un solo uso. Su decisión de diseño más notable es un agente Sentinel aparte que aprueba las acciones de internet salientes, más una «Secure VM» dedicada.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«El agente de Meta tiene un guardaespaldas.» Explicar por qué un segundo agente que hace cumplir políticas y un rastro de auditoría pesan más que otra UI de chatbot.
Gemini 3.8 Live + Live Extended Thinking
POR QUÉ ENTRA EN EL RADARLos modelos live de Google combinan voz casi en tiempo real, grounding visual, cambio entre 97 idiomas, ejecución de tools en segundo plano y una variante de mayor razonamiento que puede razonar mientras habla. Afirma el 1 en el Speech-to-Speech Quality Index de Artificial Analysis para Extended Thinking.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Los agentes de voz ya no son IVRs con un LLM enganchado.» Demostrar/especular en torno a un agente live que sostiene la conversación mientras corren las tools.
GPT‑Live‑1 API
POR QUÉ ENTRA EN EL RADARGPT‑Live‑1 usa un modelo para escuchar y hablar de forma simultánea, y luego delega el razonamiento más profundo y el uso de tools a un modelo de backend. OpenAI dice que esto reduce los handoffs frágiles de STT → LLM → TTS; pone el precio de la capa de voz de front-end en $0.05/minuto.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Google vs OpenAI: la verdadera diferencia de arquitectura en agentes de voz.» Comparar una sola capa conversacional full-duplex más orquestación de backend, no solo puntajes de benchmark.
Mistral × Mozilla: navegación de IA privada y multilingüe
POR QUÉ ENTRA EN EL RADARLa beta de Firefox Smart Window usará modelos de Mistral en Francia y Norteamérica, con énfasis en asistencia atenta a las pestañas, ajuste lingüístico regional, control del usuario y retención cero por parte de los partners. La distribución por navegador es un canal subestimado para proveedores de modelos no estadounidenses.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«El navegador se está convirtiendo en el OS del agente — y Mistral acaba de conseguir distribución.» Enmarcarlo como una alternativa de privacidad y web abierta frente a un navegador que funciona como embudo de IA.
Benchmark de LLM local: siete combinaciones de modelo/host en un M5 Max
POR QUÉ ENTRA EN EL RADARUna metodología de verdad útil: tres corridas independientes, tests de casos límite ocultos, tope de wall-clock, tasa de finalización limpia, tasa de cache hit y memoria. Las configuraciones densas de Qwen lograron 48/48 en la tarea de coding agentic; las variantes MoE 35B-A3B más rápidas fallaron de forma consistente en casos de corrección críticos para la spec.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Los modelos locales de coding rápidos pueden estar equivocados sin que se note.» Usar el benchmark para explicar por qué un demo exitoso o una suite de tests visiblemente verde no es evidencia de confiabilidad.
Skill Portrait Clone
POR QUÉ ENTRA EN EL RADAREste skill upstream es una receta detallada de prompt engineering para generación de retratos con identidad consistente: fija las variables visuales, especifica ausencias de forma explícita y usa JSON estructurado más restricciones negativas para combatir la deriva de «belleza IA».
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Por qué tu avatar de IA cambia en cada generación.» Convertir su principio central —toda variable no especificada se vuelve aleatoria— en un experimento de antes/después.
Changelog de Claude Code 2.1.273
POR QUÉ ENTRA EN EL RADAREl release agrega headers de hint de gateway en torno al tipo de agente, la duración de tools y la compactación; forking de sesiones por control remoto; más numerosos fixes de seguridad y confiabilidad. La historia silenciosa es observabilidad y control para agentes de coding de larga duración, no un lanzamiento llamativo de modelo.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Las features aburridas que hacen usables a los agentes de coding en el trabajo.» Destacar la telemetría de compactación, los forks remotos, los permisos y el comportamiento de reconexión.
Cómo OpenAI escaló el storage para 1B+ usuarios semanales
POR QUÉ ENTRA EN EL RADAROpenAI describe Habitat, una plataforma de storage que maneja 70M+ requests/seg, 500PB+ y casi 40 regiones. La lección es arquitectónica: convertir una librería cliente compartida en un servicio operado de forma centralizada creó un único lugar para el control de rollouts, la observabilidad, la privacidad y la política de acceso.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«El cuello de botella oculto de la IA no es el modelo — es todo lo que lo rodea.» Traducir 70M requests/seg a por qué la memoria de los agentes y la confiabilidad del producto son problemas de infraestructura.