El Pulso del 8 de octubre de 2026
Las señales que entraron en el radar, ordenadas con sus fuentes y contexto para entender qué cambió.
GPT-6.1 Sol: trabajo de agente cerca de la frontera, a menor costo operativo
POR QUÉ ENTRA EN EL RADARLos productos de agentes viven o mueren por el costo por trabajo terminado, no por el puesto en un ranking de benchmarks. El corrimiento que importa es la economía del contexto en caché: OpenAI lista el input cacheado a US$ 0,10 por millón de tokens.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Dejá de comparar modelos de IA por precio por token: compará dólares por tarea.» Poné el reclamo de costo por tarea de Sol al lado de un flujo real de programación de varios pasos.
Claude Sonnet 5.5: el modelo de agente de todos los días se vuelve visiblemente más rápido
POR QUÉ ENTRA EN EL RADAREsta es la franja de modelos que, con más probabilidad, va a correr los flujos rutinarios de código, planillas, documentos y soporte: ahí el tiempo de respuesta y los reintentos pesan tanto como el razonamiento de punta.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«El modelo insignia, el más caro, suele ser el agente equivocado.» Explicá el ruteo de modelos: Sonnet para tareas acotadas; Opus o un modelo de frontera para trabajo ambiguo y de alto riesgo.
Gemini 4 Argon: 1 millón de tokens de salida y un lanzamiento que prioriza la seguridad
POR QUÉ ENTRA EN EL RADARUn presupuesto de un millón de tokens de salida cambia la forma del trabajo de larga duración, pero el rollout limitado importa tanto como eso: la capacidad cibernética de frontera se está cerrando cada vez más con programas de acceso, no con un interruptor público en la API.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Un modelo de 1 millón de tokens de salida no es un chatbot más grande.» Usá un ejemplo de migración de un codebase y después explicá por qué las trayectorias largas exigen trazas de auditoría y reglas de corte.
OpenAI Dots: la apuesta mainstream más clara por agentes personales persistentes
POR QUÉ ENTRA EN EL RADARLa pregunta de producto ya no es «¿puede usar herramientas?» sino «¿puedo delegarle trabajo con seguridad durante horas o días?». Dots pone identidad, permisos, monitoreo y la experiencia de aprobación adentro del producto, no en la cañería.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«El agente que trabaja mientras dormís: ¿útil, o una pesadilla de seguridad?» Mostrá la diferencia entre investigación proactiva de solo lectura y acciones con capacidad de escritura que requieren aprobación.
Strands Decider 2B: un modelo abierto chico, pensado para decidir, no para escribir
POR QUÉ ENTRA EN EL RADARLa mayoría de los loops de agentes desperdician un modelo generativo en decisiones baratas de ruteo: clasificar, aprobar, rankear, elegir. Un modelo local de decisión, bien calibrado, podría hacer los sistemas de agentes más rápidos, más baratos y más fáciles de inspeccionar.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Por qué tu agente de IA a veces no debería generar texto.» Mostrá una arquitectura de dos modelos: un decisor local rutea; un LLM más grande entra solo en la rama difícil.
Eleven v4: los agentes de voz están cruzando el trade-off entre latencia y emoción
POR QUÉ ENTRA EN EL RADARLa calidad de un agente de voz ya no es solo transcripción y respuestas rápidas. La dirección emocional, el manejo de turnos, la pronunciación y una identidad consistente se están volviendo primitivas de producto, sobre todo para agentes de cara al cliente y para la localización de creadores.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«El umbral de 150 milisegundos en la IA de voz.» Explicá por qué la latencia subsegundo, sola, no alcanza: el manejo de interrupciones y la prosodia emocional deciden si un agente de voz se siente natural.
Claude Code 2.1.293: Haiku 5.5 pasa a ser el Haiku por defecto en la API
POR QUÉ ENTRA EN EL RADARLos modelos chicos y baratos se están convirtiendo en el plano de control de los sistemas de agentes: clasificar, resumir, monitorear, lanzar y escalar. Para quien realmente corre agentes de código, los arreglos operativos importan tanto como el nombre del modelo.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«El modelo escondido que hace que los agentes sean pagables.» Explicá un stack de agentes en tres capas: un monitor y ruteador barato, un ejecutor de franja media, y una escalada a frontera.