AI, machine learning and LLM insights.
El SDK ahora requiere que cada herramienta proporcione un esquema de contexto basado en Zod, y en tiempo de ejecución Vercel valida que solo se pasen los campos declarados, abortando la ejecución si hay claves adicionales o faltantes.
El costo real de ejecutar tu propio LLM frente a una API. Los pesos abiertos son gratuitos, pero ejecutarlos no. Mucha gente piensa que el auto-alojamiento de un modelo abierto ahorra dinero. Esto es un error. Debes analizar...
Al tratar la salida de un modelo como texto editable, Deep Interaction permite a los desarrolladores identificar un paso de razonamiento erróneo, reescribirlo y volver a introducir un prompt destilado, logrando un aumento del 25% en las tasas de corrección y una reducción del 40% en el uso de tokens en evaluaciones de STEM.
Dejé que un agente de IA gestionara mis operaciones en la nube durante una semana. Le di a un agente de IA siete días para gestionar mis operaciones en la nube. Este era un entorno real, no una demostración. Le di acceso de lectura a mi monit...
La nueva habilidad amazon-opensearch-service acelera la secuenciación de políticas y el dimensionamiento de instancias, pero al solicitarle la configuración de búsqueda vectorial en Serverless NextGen, utiliza por defecto la configuración clásica de FAISS, lo que provoca fallos en el despliegue.
Los lanzamientos dobles impulsan los modelos de pesos abiertos de proyectos marginales hacia la IA convencional, permitiendo a las empresas ejecutar modelos masivos de forma local bajo la licencia Apache 2.0, manteniendo un rendimiento similar al de los modelos de código cerrado en tareas de programación.
The framework defines five drift categories—UI, API, data, permission, and policy—and uses a lightweight contract map plus pre-flight scans to catch mismatches before an autonomous agent runs, preventing silent failures and costly rework.
Con los conectores del Model Context Protocol, el código generado por Claude ahora puede llamar a bases de datos, servicios en la nube o Slack directamente desde el chat, eliminando el paso de copiar y pegar y permitiendo a los desarrolladores realizar pruebas con datos reales al instante.
La ausencia de un paso de verificación permitió que el agente se saltara su fase de 'ejecución', de modo que pasó un día entero redactando 1.858 reflexiones internas sin invocar jamás una herramienta real, lo que deja al descubierto una trampa de bucle infinito capaz de paralizar a cualquier asistente basado en herramientas.
La gran expectativa en torno a Moonshot destaca un modelo de 2,8 billones de parámetros y tarifas bajas por token; sin embargo, el diseño de Mezcla de Expertos (Mixture-of-Experts) y su excesiva verbosidad elevan la salida a 130 millones de tokens —más del doble del volumen de los modelos de la competencia—, lo que incrementa el gasto real.
El nuevo benchmark de conciencia situacional obliga a los modelos a responder preguntas meta como «¿Eres una IA?» y a ajustar sus respuestas cuando el diálogo cambia, revelando que muchos LLM de alto rendimiento todavía afirman ser humanos o esconden sus limitaciones.
El agente de IA detectó resultados de JavaScript correctos y una captura de pantalla, pero la limitación de pestañas ocultas de Chrome detuvo los callbacks de requestAnimationFrame, dejando el canvas sin pintar. Ejecutar las pruebas en una pestaña visible o añadir una comprobación de píxeles no vacíos soluciona este falso positivo.
La actualización introduce dos límites mediante variables de entorno —uno para la creación de subagentes y otro para las llamadas de búsqueda web—, ambos con un valor predeterminado de 200 por sesión, además de una regla de paso automático a segundo plano de 2 minutos para llamadas MCP prolongadas, lo que ofrece a los equipos una herramienta concreta para controlar el gasto descontrolado.
Noma Labs demostró que un atacante puede publicar un issue diseñado específicamente en un repositorio público, activar un agente de IA vinculado a la CI con permisos de lectura en repositorios privados y lograr que el bot vuelque esos archivos de nuevo en el issue, todo sin necesidad de robar credenciales o explotar GitHub en sí mismo.
En despliegues reales, cada expresión del usuario, esquema de herramienta, respuesta de API y documento recuperado se acumula en el prompt. Ese inflado oculto hace que el tiempo de procesamiento y los costos crezcan de forma cuadrática, convirtiendo una demo fluida en una costosa pesadilla de latencia.
La nueva Fundación X402 de la Linux Foundation, respaldada por Visa, Mastercard, Stripe y Google, define el formato de mensaje para pagos de agentes de IA, pero omite cualquier suite de conformidad, perfil de seguridad o proceso de certificación, dejando sin probar la afirmación de autoridad.
Tras analizar 312 llamadas reales, el equipo sustituyó una regla de silencio de 700 ms por una máquina de estados ligera que monitoriza la duración del silencio, la completitud gramatical y las señales de retroalimentación, logrando reducir las truncaciones del 18 % al 3 % y eliminando los silencios muertos.
El benchmark, basado en 163 incidentes etiquetados, va más allá del diagnóstico para evaluar si los asistentes de IA pueden reconocer la incertidumbre y abstenerse deliberadamente, poniendo de manifiesto una brecha de seguridad crucial a medida que aumenta la confianza de los LLM.
Mediante la reutilización de modelos entrenados con conjuntos de datos de imágenes no relacionados, el nuevo sistema de LIGO no solo clasifica familias de fallos conocidas con una precisión casi perfecta, sino que también agrupa anomalías novedosas, permitiendo que los científicos se centren en la astrofísica en lugar de en la limpieza manual de datos.
En una sola noche, el agente entregó un cliente MCP, un agente de Azure AI y un agente de M365 Copilot, pero se necesitaron 12 de 30 mensajes humanos para redirigirlo, exponiendo errores de violación de flujo de trabajo y de recuperación de contexto que requirieron reescribir los prompts.
Gemini Notebook de Google ahora indexa PDFs, Docs y otros archivos para realizar consultas instantáneas mediante IA, mientras que Claude de Anthropic puede obtener credenciales de 1Password para iniciar sesión en servicios, y una especificación conjunta busca permitir que los agentes descubran e invoquen APIs sin necesidad de código personalizado.
Los agentes de IA de AWS Continuum supervisan continuamente los repositorios de control de versiones, sugieren correcciones e incluso pueden aplicar parches directamente en los IDE de los desarrolladores o en los pipelines de CI, reduciendo drásticamente la ventana de oportunidad para ataques a la cadena de suministro.
Este cambio obliga a Google a rediseñar toda la pila de chips, desde el diseño hasta las pruebas, y pone bajo la lupa la capacidad de rendimiento de Intel. El éxito podría diversificar la cadena de suministro de chips de IA; cualquier contratiempo podría retrasar los envíos y permitir que TSMC recupere su dominio.
Los módulos modulares, fabricados en fábricas y enviados como unidades completas, pueden conectarse en semanas, mientras que el software de Lancium actúa como una batería virtual, suavizando la demanda y aprovechando el exceso de generación renovable o de gas para mantener la estabilidad de la red local de ERCOT.
