Kubernetes siempre ha dependido de agentes, solo que no del tipo que domina las conversaciones actuales sobre IA. Un controlador observa el estado actual, La publicación AI agents vs. Kubernetes: where each belongs in the control loop apareció primero en The New Stack.
Los agentes autónomos son lo más candente en IA. OpenAI, Meta, Google, Instinct y otros prometen que sus agentes pueden rastrear internet en tu nombre, haciendo cualquier cosa, desde reservar una cena y limpiar tu bandeja de entrada hasta comprar zapatos nuevos. Pero, ¿qué ocurre cuando el resto de internet no coopera? En las últimas semanas, […]
Ingeniería Inversa de Cualquier Cosa (REA) es un proyecto de código abierto con más de 200 mil estrellas en GitHub que conecta agentes de codificación como Claude Code y Codex a herramientas de ingeniería inversa como Ghidra, Hopper e IDA. El proyecto permite a los desarrolladores inspeccionar binarios compilados, rastrear llamadas a funciones e investigar cómo las aplicaciones implementan características específicas. Por Renato Losio
El despliegue de un modelo o un agente es solo el primer paso. Una vez que comienza a procesar solicitudes, necesitas una forma de rastrear con qué frecuencia se llama al modelo, cuánto tardan las solicitudes, cuántos tokens se utilizan y si hay errores. Para los agentes, también queremos saber qué ocurre en cada paso. Gemini Enterprise Agent Platform ofrece varios métodos para obtener esa visibilidad.
Bienvenido a otra edición de Road to KubeCon, donde seguimos movimientos interesantes en el ecosistema cloud‑native y Kubernetes como The post AI agents turn one request into about 20. Kubernetes is evolving to handle it. appeared first on The New Stack.
Grafana Labs está proponiendo un enfoque familiar de ingeniería de confiabilidad para uno de los problemas menos familiares en el software moderno: cómo medir si un agente de IA se está comportando realmente bien. Por Craig Risi
AWS ha introducido dos proyectos de código abierto para el desarrollo de agentes de IA: Strands Decider 2B, un modelo pequeño diseñado para tomar decisiones dentro de los flujos de trabajo de los agentes, y Strands Box, un entorno de pruebas para controlar la ejecución de los agentes. Ambos proyectos abordan diferentes aspectos de la construcción de agentes que utilizan herramientas, ejecutan código e interactúan con sistemas externos. Por Daniel Dominguez
En los sistemas multi‑agente (MAS) basados en LLM, un error local puede propagarse a medida que otros agentes se basan en él, convirtiendo un error corregible en una tarea fallida. Diagnosticar ejecuciones completadas o volver a ejecutarlas repetidamente para buscar correcciones no proporciona una política aprendida para intervenir mientras la ejecución aún está en progreso. Presentamos Agent Runtime Inspection and Amendment (ARIA), un marco para aprender cuándo y cómo reparar ejecuciones multi‑agente en curso.
Soporte de múltiples repositorios en Slack y Microsoft Teams GitHub Copilot en Slack y Microsoft Teams ahora admite trabajar con varios repositorios en una sola conversación. Ya sea que estés siguiendo pull requests, investigando… La publicación Soporte de múltiples repositorios y otras mejoras para GitHub Copilot en Slack y Microsoft Teams apareció primero en The GitHub Blog.
Anant Kumar crea herramientas para comparar valoraciones de préstamos y analizar acuerdos de crédito, utilizando Codex para la revisión de código y seguimientos más rápidos.
Cómo un representante de desarrollo empresarial despeja su cola de entradas y redacta correos electrónicos bilingües para clientes con Claude Managed Agents y Claude Tag.
Tesla Roadster 🚗, Muse Spark Open ✨, codificación interna de vibra 👨💻
¿Cómo revisas el código al volumen que los agentes producen? El equipo Claude Code comparte su proceso de revisión, desde Claude verificando su propio trabajo hasta la aprobación humana por niveles de riesgo, más una lista de verificación para adoptarlo.
Dejaremos de utilizar los siguientes modelos en todas las experiencias de GitHub Copilot (incluido Copilot Chat, ediciones en línea, modos de pregunta y agente, y finalización de código) el 16 de noviembre de 2026: Fecha de desactivación del modelo... La publicación Próxima desactivación de modelos seleccionados de GitHub Copilot a mediados de noviembre apareció por primera vez en El Blog de GitHub.
Meta lanza Muse Spark Open, un modelo de mezcla de expertos (MoE) optimizado para codificación de 816 mil millones de parámetros, con 42 mil millones de parámetros activos y una ventana de contexto de 1 millón de tokens. Entrenado en…
Modelos de lenguaje más potentes pueden construir cada vez más procedimientos útiles por sí mismos, reduciendo la ventaja del andamiaje suministrado por los desarrolladores. Investigamos por qué persiste esta ventaja y si un agente agnóstico al entorno puede mejorarse sin ingeniería específica del entorno. Evaluamos un agente basado en Codex en dos variantes de indicación casi idénticas en ARC-AGI-3, AGI Maze y Terminal-Bench.
Hay una tendencia creciente en el mundo de la tecnología de consumo: dispositivos diseñados para espiar todo y a todos a tu alrededor, sin importar si alguien más realmente dio su consentimiento. Ahora, con la llegada de los “asistentes personales de IA” como el Muse de Meta, se te pide alegremente no solo que entregues tus propios datos, sino también […]
Probablemente aprenderemos más sobre cómo funcionará esto en el próximo evento "AI & Autonomy Day" de la empresa en diciembre.
La corrección automática agente para alertas de escaneo de código ya está disponible de forma general. Remedia las alertas trabajando en todo tu código como lo haría un desarrollador: explora los archivos relevantes, propone una solución,… La publicación Agentic autofix for code scanning alerts general availability apareció primero en The GitHub Blog.
Los almacenes de vectores han sido parte de la experiencia de Python en Semantic Kernel durante algún tiempo. Con Microsoft Agent Framework, hemos trasladado ese trabajo hacia adelante en lugar de comenzar de nuevo. Esta publicación se centra en Python. Para el equivalente en .NET, consulte Use vector stores in .NET AI apps. La base sigue siendo familiar: definiciones de registros tipados, almacenes y […] La publicación Vector stores in Agent Framework for Python: familiar foundations, streamlined for agents apareció primero en Microsoft Agent Framework.
Netflix conectó el motor de inteligencia de código sin cabeza de JetBrains —el mismo que está detrás de IntelliJ IDEA— a Claude Code y Codex, y luego lo evaluó en una variedad de escenarios. Los detalles y los números están disponibles a continuación. De un vistazo Empresa Netflix – Plataforma de Desarrollo de Aplicaciones (ADP), Plataforma GenAI y equipos de SDLC Agente Desafío Los agentes de codificación estaban teniendo dificultades […]
Detecte más errores antes de que lleguen a producción.
El creador de Linux y mantenedor principal de larga data Linus Torvalds recurrió a Claude Code de Anthropic para abordar un problema de rendimiento del kernel que La publicación Linus Torvalds dejó que Claude Code arreglara la caché de páginas de Linux. Luego, los revisores encontraron una condición de carrera. apareció primero en The New Stack.
Aprende los principales riesgos de seguridad de los agentes de IA, desde la inyección de indicaciones hasta la autonomía excesiva y la exposición de credenciales, y cómo contenerlos.
La mayoría de las empresas utilizan agentes de IA para enviar productos más rápido o acelerar los flujos de trabajo. Apate.ai los envía encubiertos para ser estafados.
El problema que Floqer está intentando resolver es familiar para cualquiera que haya trabajado en ventas u operaciones de ingresos.
Epic Games anuncia hoy una gran renovación de su lanzador de juegos para PC en vista previa, diciendo que la nueva versión es "mucho más rápida" y ahora admite Linux. Pero la compañía, que ha estado impulsando públicamente el desarrollo asistido por IA, también señala que la renovación fue "vibe coded". "Programar es difícil", dice Epic.
Mira cómo Amp empuja la frontera de lo que los agentes pueden hacer con GPT-6 Astra, Ultrafast, GPT-Live-1 y Sign in with ChatGPT.
TV4 pospone el programa después de que un agente de IA borre el material editado.
Las capacidades de los agentes LLM dependen no sólo de sus modelos subyacentes sino también de sus mecanismos de ejecución. La automejora recursiva (RSI) ofrece un enfoque prometedor para hacer evolucionar automáticamente estos arneses. Sin embargo, la implementación de RSI en entornos de mundo abierto todavía enfrenta dos desafíos críticos. En primer lugar, las tareas de mundo abierto normalmente no se ven durante la fase de diseño del arnés y son novedosas en el momento de la prueba, lo que no deja verificadores de verdad sobre el terreno para guiar de manera confiable las ediciones de arnés en línea.
Escribe al menos 2 caracteres
Este sitio utiliza cookies esenciales para su funcionamiento y cookies de analisis para mejorar la experiencia. Puedes aceptar todas, solo las esenciales, o personalizar tus preferencias. Politica de Cookies | Politica de Privacidad
