El Pulso del 5 de noviembre de 2026
Las señales que entraron en el radar, ordenadas con sus fuentes y contexto para entender qué cambió.
Mistral publica los pesos de Mistral Large 4 («Le Chonk»)
POR QUÉ ENTRA EN EL RADARMistral abrió los pesos de un modelo nativo multimodal de 1T parámetros, después de más RL. Afirma 19,7% en FrontierCode 2.0, 41% en Terminal-Bench 4.0, tres modos de razonamiento y un uso de tokens materialmente menor que el de sus pares en la comparación de agentes de código que cita.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«El modelo de un billón de parámetros que sí se puede autohospedar: por qué los pesos abiertos ahora importan más que el ranking de benchmarks.» Mostrar la matriz de decisión real: soberanía, costo, permisos del agente y complejidad de despliegue.
BEAKER
POR QUÉ ENTRA EN EL RADAREste nuevo benchmark spotlight de NeurIPS 2026 mide si los modelos multimodales pueden percibir un laboratorio, razonar sobre procedimientos y elegir pasos físicamente accionables. El hallazgo central es sobrio: los modelos manejan procedimientos gruesos, pero se traban con el anclaje preciso de acciones, las trayectorias, el estado de los aparatos y las normas de seguridad.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«La IA puede describir un experimento de laboratorio… ¿pero puede hacerlo?» Usar BEAKER para separar explicaciones fluidas de competencia encarnada.
El patrón de OpenAI para agentes de larga duración: Shell + Skills + Compaction
POR QUÉ ENTRA EN EL RADAREl cuello de botella práctico de los agentes útiles ya no es, meramente, el IQ del modelo: es gestionar herramientas, instrucciones durables de la tarea y el contexto a lo largo de trabajos largos. Este post empaqueta patrones concretos en torno a skills, shell hospedado y compaction.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Por qué tu agente de IA empeora después de 30 minutos — y el arreglo en tres partes.» Visualizar la pudrición del contexto, las skills reutilizables y los bucles de checkpoint y compaction.
Tratar las capacidades del agente como software: evaluar skills de forma sistemática
POR QUÉ ENTRA EN EL RADARUn archivo de skill es un mini requerimiento de producto para un agente. El movimiento útil es armar un conjunto chico de evals, correrlo una y otra vez, y medir regresiones, en vez de juzgar prompts por una corrida impresionante.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Dejá de testear agentes a ojo.» Dar una receta de cinco minutos: 10 tareas representativas, una rúbrica de aprobado o desaprobado, una línea de base, cambiar una sola cosa, comparar.
La confiabilidad es una feature de producto: diseñar failover entre proveedores de modelos
POR QUÉ ENTRA EN EL RADARA medida que los agentes pasan de ser chats a ser operaciones, importan la disponibilidad y una degradación predecible. La guía de origen se centra en planificar failover para previews y cargas críticas: un tema poco cubierto y muy práctico para quien construye.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«Tu app de IA no tiene plan B.» Explicar qué preservar en un fallback: el esquema de salida estructurada, los permisos de herramientas, los prompts específicos del modelo y las expectativas del usuario.
Radar de creadores: el flujo de edición de video de Matt Wolfe asistido por Claude
POR QUÉ ENTRA EN EL RADARDescribe cómo pasar de A-roll crudo a guiones, selección de B-roll, clips y feedback iterativo: exactamente la capa de flujo de trabajo donde los creadores van a sentir primero el avance de los agentes.
ÁNGULO EDITORIAL SUGERIDOAbrir fuente original ↗«No le pidas a la IA que haga el video entero. Dale el 80% peor de la edición.» Contrastar flujos asistidos y editables con el slop de un clic.