Agents &amp; Code

Alternativas de GitHub Copilot que todo desarrollador debería probar - Analytics Insight

Alternativas de GitHub Copilot que todo desarrollador debería probar Analytics Insight

Openai Codex: el editor de código AI - Acerca de los Chromebooks

Openai Codex: el editor de código AI sobre Chromebooks

InfoQ AI/ML

Google ofrece soporte MCP a Colab, lo que permite la ejecución en la nube para agentes de IA

Google ha lanzado el servidor Colab MCP de código abierto, que permite a los agentes de IA interactuar directamente con Google Colab a través del Protocolo de contexto modelo (MCP). El proyecto está diseñado para unir los flujos de trabajo de los agentes locales con la ejecución basada en la nube, lo que permite a los desarrolladores descargar tareas informáticas intensivas o potencialmente inseguras desde sus propias máquinas. Por Robert Krzaczyński

ArXiv cs.AI

KD-MARL: Destilación de conocimientos consciente de los recursos en el aprendizaje por refuerzo de múltiples agentes

La implementación en el mundo real de sistemas MARL de aprendizaje por refuerzo de múltiples agentes está fundamentalmente limitada por la memoria de cálculo y el tiempo de inferencia limitados. Si bien las políticas expertas logran un alto rendimiento, dependen de costosos ciclos de decisión y modelos a gran escala que no son prácticos para dispositivos de borde o plataformas integradas.

ArXiv cs.AI

TurboAgent: un marco autónomo de múltiples agentes impulsado por LLM para el diseño aerodinámico de turbomáquinas

El diseño aerodinámico de turbomáquinas es un proceso de múltiples etapas complejo y estrechamente acoplado que involucra generación de geometría, predicción del rendimiento, optimización y validación física de alta fidelidad.

ArXiv cs.AI

Qualixar OS: un sistema operativo universal para la orquestación de agentes de IA

Presentamos Qualixar OS, el primer sistema operativo de capa de aplicación para la orquestación universal de agentes de IA. A diferencia de los enfoques a nivel de kernel (AIOS) o las herramientas de marco único (AutoGen, CrewAI), Qualixar OS proporciona un tiempo de ejecución completo para sistemas heterogéneos de múltiples agentes que abarcan 10 proveedores LLM, más de 8 marcos de agentes y 7 transportes.

El nuevo modelo de Meta es Muse Spark y el chat meta.ai tiene algunas herramientas interesantes

Meta anunció hoy Muse Spark, el lanzamiento de su primer modelo desde Llama 4 hace casi exactamente un año. Está alojado, no en pesos abiertos, y la API es actualmente "una vista previa de API privada para usuarios seleccionados", pero puedes probarla hoy en meta.ai (se requiere inicio de sesión en Facebook o Instagram). Los puntos de referencia autoinformados por Meta lo muestran competitivo con Opus 4.6, Gemini 3.1 Pro y GPT 5.4 en puntos de referencia seleccionados, aunque notablemente por detrás en Terminal-Bench 2.0.

TechCrunch AI

Poke hace que usar agentes de IA sea tan fácil como enviar un mensaje de texto

Poke lleva agentes de IA a los usuarios cotidianos a través de mensajes de texto al manejar tareas y automatizaciones sin configuraciones, aplicaciones o conocimientos técnicos complejos.

Replit Blog

Más allá de la aplicación: uso de Vibe Coding para enviar cubiertas, paneles y activos de lanzamiento

Esta es la quinta parte de una serie de seis que estamos publicando sobre cómo los gerentes de producto utilizan las herramientas de inteligencia artificial y la codificación de vibración. Escrito por y para gerentes de producto. Resumen Los gerentes de producto dedican tanto tiempo a lanzar una función como a crearla, a través de herramientas desconectadas. Cada cambio de herramienta agrega costos ocultos: tiempo de reformateo, tokens de diseño que no coinciden, contexto perdido y alineación retrasada. Replit Agent 4 genera presentaciones de partes interesadas, paneles en vivo y animaciones directamente desde su proyecto existente.

The New Stack

Con Claude Managed Agents, Anthropic quiere ejecutar sus agentes de IA por usted

Anthropic lanzó el miércoles la versión beta pública de Claude Managed Agents, un nuevo servicio que permite a las empresas crear rápidamente. La publicación Con Claude Managed Agents, Anthropic quiere ejecutar sus agentes de IA por usted apareció por primera vez en The New Stack.

TechCrunch AI

Workbench de Astropad reinventa el escritorio remoto para agentes de IA, no para soporte de TI

Workbench de Astropad permite a los usuarios monitorear y controlar de forma remota agentes de IA en Mac Minis desde iPhone o iPad, con transmisión de baja latencia y acceso móvil.

HF Daily Papers

TwinLoop: gemelos digitales de simulación en el bucle para el aprendizaje por refuerzo de múltiples agentes en línea

El aprendizaje en línea descentralizado permite la adaptación del tiempo de ejecución en sistemas ciberfísicos de múltiples agentes, pero cuando las condiciones operativas cambian, las políticas aprendidas a menudo requieren una interacción sustancial de prueba y error antes de recuperar el rendimiento. Para abordar esto, proponemos TwinLoop, un marco de gemelo digital de simulación en el circuito para el aprendizaje por refuerzo de múltiples agentes en línea.

Apple ML Research

Telemetría de agentes consciente de la gobernanza para la aplicación de circuito cerrado en sistemas de inteligencia artificial de múltiples agentes

Los sistemas empresariales de IA multiagente producen miles de interacciones entre agentes por hora, pero las herramientas de observabilidad existentes capturan estas dependencias sin imponer nada. OpenTelemetry y Langfuse recopilan telemetría pero tratan la gobernanza como una preocupación analítica posterior, no como un objetivo de aplicación de la ley en tiempo real. El resultado es una brecha de “observar pero no actuar” en la que las violaciones de las políticas se detectan sólo después de que el daño ya está causado.

Hoja de trucos de Claude: una guía completa para la IA de Anthropic - eWeek

Hoja de referencia de Claude: una guía completa para la eWeek de IA de Anthropic

07/04/2026

El Proyecto Glasswing de Anthropic, que restringe Claude Mythos a los investigadores de seguridad, me parece necesario

Anthropic no lanzó su último modelo, Claude Mythos (tarjeta de sistema PDF), hoy. En cambio, lo han puesto a disposición de un conjunto muy restringido de socios de vista previa bajo su recién anunciado Proyecto Glasswing. El modelo es de propósito general, similar a Claude Opus 4.6, pero Anthropic afirma que sus capacidades de investigación en seguridad cibernética son lo suficientemente fuertes como para darle a la industria del software tiempo para prepararse.

07/04/2026

El paquete falso Gemini npm roba tokens de herramientas de IA - gbhackers.com

El paquete falso Gemini npm roba tokens de herramientas de inteligencia artificial gbhackers.com

07/04/2026

Las mejores herramientas de inteligencia artificial en 2026 - BBN Times

Las mejores herramientas de inteligencia artificial en 2026 BBN Times

Galería de borde de IA de Google

Google AI Edge Gallery Nombre terrible, aplicación realmente genial: esta es la aplicación oficial de Google para ejecutar sus modelos Gemma 4 (los tamaños E2B y E4B, además de algunos miembros de la familia Gemma 3) directamente en su iPhone. Funciona muy bien. El modelo E2B es una descarga de 2,54 GB y es rápido y realmente útil. La aplicación también proporciona "hacer preguntas sobre imágenes" y transcripción de audio (hasta 30) con los dos pequeños modelos Gemma 4, y tiene una interesante demostración de "habilidades" que demuestra cómo llamar a herramientas nuevamente.

Probé la decodificación especulativa en el clúster de GPU de mi casa. He aquí por qué no ayudó.

Pasé el sábado por la noche probando la decodificación especulativa de n-gramas en GPU de consumo. La afirmación: la decodificación especulativa puede acelerar la inferencia LLM entre 2 y 3 veces al predecir tokens futuros y verificarlos en paralelo. Quería ver si eso se mantiene en hardware real que ejecuta diversas cargas de trabajo. En su mayor parte, no es así. Pero el viaje valió la pena y me encontré con un problema de evaluación comparativa en el que creo que está cayendo mucha gente. La configuración El laboratorio de mi casa ejecuta Kubernetes en una máquina llamada Shadowstack. Dos

Limpiar Claude Code Paste

Herramienta: Limpiar Claude Code Paste Herramienta de súper nicho esto. A veces copio mensajes de la aplicación de terminal Claude Code y aparecen con un montón de espacios en blanco adicionales extraños. Esta herramienta limpia eso. Etiquetas: herramientas , claude-code

Ocho años de querer, tres meses de construir con IA

Ocho años de deseo, tres meses de construcción con AI Lalit Maganti proporciona uno de mis escritos extensos favoritos sobre ingeniería de agentes que he visto en mucho tiempo. Pasaron ocho años pensando y luego tres meses construyendo syntaqlite, que describen como "herramientas de desarrollo de alta fidelidad que SQLite merece". El objetivo era proporcionar herramientas de verificación y linting rápidas, sólidas y completas para SQLite, adecuadas para su uso en servidores de idiomas y otras herramientas de desarrollo: un analizador, forma

05/04/2026

HN Coding Agents

Dígale a HN: Anthropic ya no permite que las suscripciones de Claude Code usen OpenClaw

Recibí el siguiente correo electrónico de Anthropic: Hola, a partir del 4 de abril a las 12 p. m. PT / 8 p. m. BST, ya no podrás usar los límites de tu suscripción de Claude para arneses de terceros, incluido OpenClaw. Aún puedes usarlos con tu cuenta Claude, pero requerirán un uso adicional, una opción de pago por uso que se factura por separado de tu suscripción. Su suscripción aún cubre todos los productos Claude, incluidos Claude Code y Claude Cowork. Para seguir usando arneses de terceros con su inicio de sesión de Claude,

Dentro de la filtración de Claude Mythos por qué el próximo modelo de Anthropic S asustó a sus propios creadores

Publicado originalmente en CoreProse KB-incidents del 26 al 27 de marzo de 2026, Anthropic, la compañía conocida por sus LLM “constitucionales” que priorizan la seguridad, confirmó que documentos internos sobre un sistema inédito llamado Claude Mythos habían sido expuestos accidentalmente en línea. [2][6] Estos borradores describen a Mythos como el modelo más capaz de Anthropic hasta la fecha, se le asigna un nivel de riesgo que la compañía nunca había usado antes y se lo etiqueta explícitamente como "demasiado poderoso" para una divulgación pública amplia. [2][3][6] Ese juicio viene de Anthr

Cinco errores rápidos que hacen que la IA genere un código peor (con correcciones)

Después de cientos de sesiones de codificación asistidas por IA, noté que los mismos cinco errores acaban con la calidad de la salida. Cada uno de ellos es fácil de solucionar, una vez que lo ves. 1. Volcar todo el archivo como contexto El error: pegar 500 líneas de código y decir "arregle el error". Por qué falla: el modelo difunde la atención sobre código irrelevante. Podría "solucionar" algo no relacionado o pasar por alto el problema real oculto en la línea 347. La solución: extraiga solo la función relevante + sus dependencias. Agregue una descripción de una línea de lo que

El "sangrado de token": cómo operar LLM sin arruinarse

Los expertos de los círculos de infraestructura, SRE e ingeniería de productos no tienen un único “libro de reglas”, pero el consenso de los artículos y discusiones del mundo real es claro: si estás construyendo un “envoltorio de IA” o un producto basado en LLM, la forma de tener éxito (y evitar reacciones negativas) es centrándose en la infraestructura física y los problemas de confiabilidad, no solo en la interfaz de usuario o la “ambiente”. Aprendimos esto de la manera más difícil. En un proyecto que ejecutamos, vimos a un solo agente fugitivo alcanzar seis cifras en tokens antes de que el tablero se refrescara siquiera.

KV Cache es la razón por la que su modelo encajaba hasta que no lo hizo

El modelo cargado. El primer mensaje funcionó. Luego aparecieron mensajes más largos o varios usuarios y, de repente, la misma configuración dejó de sentirse estable. Muchas veces, se trata de caché KV. Lo que cambia la caché KV más contexto significa más memoria ocupada durante la generación más solicitudes simultáneas empeoran el problema una configuración que se ajusta a un mensaje breve puede fallar en cargas de trabajo reales la gente culpa al modelo cuando la caché es lo que crece silenciosamente El error común La gente prueba con una entrada breve y asume

HN Coding Agents

Un estudio de caso en pruebas con más de 100 agentes Claude en paralelo