Capital de Tokens
Ideas, análisis y artículos independientes del canal y de los episodios.
RSS del blogNo hay publicaciones con este tag.
Ver todosMicrosoft acaba de dar a AG-UI un SDK .NET de primera clase. Partiendo de esa base, exploramos cómo conectar Streamlit con agentes y cómo encaja Codex mediante exec, el SDK y App Server.
Qué es un SIM swap, por qué una eSIM no elimina el riesgo, qué protecciones ofrece T-Mobile, qué hacer si ocurre y cómo reducir la dependencia de códigos SMS.
Por qué tokens cada vez más baratos no garantizan agentes baratos, cómo la inferencia cambia los márgenes del software y qué señales permiten distinguir una revolución tecnológica de una burbuja financiera.
Study Notebooks convierte Gemini en un espacio de aprendizaje adaptativo: diagnostica qué sabes, detecta lagunas, crea lecciones personalizadas, te examina y ajusta el plan según tu progreso. Explicamos qué es gratis, qué requiere planes superiores y qué añadió Google en septiembre de 2026.
Una guía de lectura para entender la inteligencia artificial desde cinco ángulos distintos: riesgo tecnológico, redes de información, trabajo con IA, ingeniería de sistemas y la carrera alrededor de OpenAI.
Una guía práctica para entender apt update, apt list --upgradable, apt upgrade, full-upgrade y autoremove, y por qué los cambios incompatibles dependen más de Ubuntu y de tus repositorios que de números major/minor.
Dieciocho figuras, siglos de abstracciones y una misma conclusión: algoritmos, computabilidad, compiladores, criptografía, gráficos, física e IA nacieron de capas matemáticas acumuladas mucho antes de que existiera el software moderno.
Construimos un ejemplo completo con Jev y Python para clasificar el uso habitual de un nombre como masculino, femenino o ambiguo, interpretar probabilidades, manejar errores 422 y añadir contexto cultural sin convertir una predicción en una verdad absoluta.
Por qué una colección de booleanos se vuelve peligrosa en workflows, pagos, pipelines y agentes; cómo pasar a estados explícitos con enum, records, pattern matching y los union types de C# 15.
OpenAI dice que un modelo interno resolvió más de 100 problemas matemáticos abiertos. Analizamos la evidencia pública, Navier–Stokes, el uso masivo de agentes, Lean y el nuevo grupo asesor independiente.
Jev apuesta por modelos que no generan texto: toman decisiones tipadas y probabilísticas dentro del software. Analizamos qué tan cerca están NVIDIA, OpenAI, Anthropic y Meta de ofrecer algo equivalente.
Zynvo simplifica la facturación electrónica en Uruguay para profesionales, empresas y contadores, integrando facturas, DGI y gestión con BPS en un solo lugar.
Un agent evaluator convierte ejecuciones de agentes en señales medibles: pass/fail, scores, probabilidades o categorías. Vemos cómo encajan código, LLM-as-a-judge, Jev y LangSmith en testing, CI y producción.
Una revisión crítica del curso de Zoran Horvat: defensive design, value objects, dominios de funciones, Option/Either, transiciones de estado y los detalles del código que conviene corregir al llevar estas ideas a C# moderno.
Una comparación práctica entre enum y Enumeration Class/Smart Enum en C#: valores inválidos, metadata, comportamiento, igualdad, serialización, EF Core, pattern matching y reglas para decidir.
Qué separa realmente CQRS, por qué commands y queries tienen responsabilidades distintas, qué simplifica, qué complica y cuándo vale la pena usarlo en .NET.
Cómo implementar un Smart Enum robusto con sealed record en C#: constructor privado, valores estáticos, igualdad por valor, parsing, Id estable y detalles que evitan romper el conjunto cerrado.
Una guía por capas que conecta recomendar, filtrar, predecir y generar con la taxonomía de Russell y Norvig, y baja hasta tareas, paradigmas de aprendizaje y modelos.
Cómo usar la IA antes y durante la resolución de problemas para ampliar el espacio de búsqueda, estructurar evidencia, proponer hipótesis y priorizar experimentos sin confundir plausibilidad con causalidad.
Qué podemos aprender de la forma de pensar de Linus Torvalds: empezar por un problema real, construir por interés y utilidad, compartir temprano y diseñar un sistema donde la colaboración pueda escalar.
Dream-RSI propone mejorar recursivamente la política de exploración de agentes de código usando sus propios árboles históricos como simuladores de replay, sin reentrenar el modelo base.
Jev promete decisiones semánticas tipadas, sub-segundo y baratas. Hacker News, Reddit, LangChain y primeras pruebas independientes muestran entusiasmo real, pero también dudas sobre los benchmarks, la calibración y el claim de 'no hallucinations'.
Cómo el codebase público de OpenAI Codex aplica tres principios de defensive design: restringir dominios con tipos, construir solo objetos consistentes y modelar transiciones de estado válidas.
El nuevo informe del MIT sobre IA generativa no se limita al fraude académico: cuestiona cómo medimos aprendizaje cuando un modelo puede resolver ensayos, pruebas, código y problemas escritos. La respuesta apunta a fricción cognitiva, evaluación auténtica y aprendizaje social.
Guía técnica sobre los nuevos union types y closed hierarchies de C# 15/.NET 11: pattern matching exhaustivo, System.Text.Json, Minimal APIs, MVC, SignalR, Blazor, OpenAPI y criterios de diseño.
Python 3.15 incorpora los built-ins sentinel y frozendict: uno distingue un valor ausente de None y el otro ofrece mappings inmutables y, cuando es posible, hashables.
Lecciones de arquitectura de Habitat: de librería Python a servicio distribuido, tail latency con asyncio, pooling LIFO/FIFO, Envoy, APIs deliberadamente limitadas y migración a Rust.
Guía práctica para instalar Git AI, atribuir líneas generadas por Codex y otros agentes, leer AI blame y stats, preservar la atribución en merges y convertir actividad de agentes en métricas útiles de ingeniería.
Dario Amodei advierte que enjambres de agentes podrían convertirse en una amenaza masiva para Internet. Qué está demostrado, qué sigue siendo una extrapolación y cómo cambia el diseño seguro de agentes autónomos.
Qué significa realmente hacer fuzzing sobre código generado por IA, cómo se diferencia de los property tests y cómo integrarlo en CI para detectar crashes, hangs, entradas límite y regresiones antes de producción.
Qué cambia con GPT-Live-1 frente al pipeline STT→LLM→TTS y cómo usarlo técnicamente con WebRTC, WebSocket, delegación a modelos backend, tool calling, transcripciones y control de interrupciones.
Arquitectura práctica para convertir llamadas y mensajes en herramientas de un agente: CLI, MCP, eventos, idempotencia, políticas, observabilidad y casos de uso reales.
Qué papel tuvieron los problemarios soviéticos, los círculos matemáticos y libros como Demidóvich e Irodov en una cultura de entrenamiento basada en intentar, fallar, descubrir el método y desarrollar intuición.
Qué hace realmente persist-credentials, cómo cambió actions/checkout desde v6 y cómo reducir exposición de credenciales sin romper git push, tags ni automatizaciones legítimas.
Guía práctica para distinguir créditos de ChatGPT y créditos de la API, ejecutar Codex con facturación API, usar `codex login --with-api-key` y configurar automatizaciones Linux sin publicar credenciales.
ArrowJS propone algo más interesante que un framework pequeño: ejecutar UI generada por agentes dentro de QuickJS/WASM, mantener el DOM y la autoridad en el host y exponer solo las herramientas permitidas.
Un post viral atribuye a Andrej Karpathy la idea de abandonar los prompts y construir execution graphs. La intuición sobre loops, harnesses y verificadores es valiosa; la atribución, mucho menos sólida.
Guía práctica para entender `set -euo pipefail`, sus trampas con pipelines, condicionales y subshells, y otras opciones útiles de Bash como `-x`, `-E`, `-C`, `-a`, `-f` y `-n`.
Caso práctico de diseño de un limpiador conservador para `/tmp`: cómo descubrir candidatos, evitar archivos recientes o abiertos, sobrevivir a errores de permisos y reducir carreras antes de `rm -rf`.
ASGI es el contrato que conecta servidores web asíncronos con aplicaciones Python. Entenderlo aclara qué hacen Uvicorn, FastAPI, Starlette y Django, por qué WebSockets encajan de forma natural y qué cambia frente a WSGI.
En sistemas grandes nadie entiende cada línea de código. Con agentes de IA generando software a una escala inédita, el trabajo del ingeniero se desplaza hacia arquitectura, invariantes, pruebas, observabilidad y juicio.
Guía práctica para entender Linux Audit: qué hace auditd, cómo se forman los eventos, dónde se almacenan, cómo buscar con ausearch y cómo resumir la actividad con aureport.
Mapa mental práctico para entender qué hace systemd, qué guarda journald, qué significa syslog, qué papel juega rsyslog y cuándo necesitas auditd.
Un caso real de scanning contra una VPS Linux: cómo leer los eventos de SSH, qué significa Invalid user, cómo Fail2Ban bloquea IPs abusivas y cómo AbuseIPDB permite reportarlas automáticamente.
OpenAI publicó una solución propuesta al problema de existencia y regularidad de Navier–Stokes. Explicamos qué afirma, cómo usó unos 10.000 agentes y Lean, por qué todavía no es una resolución oficial y cuáles son los siete Millennium Prize Problems de un millón de dólares.
Comparativa práctica de Loggly, Better Stack, Papertrail y Grafana Cloud para enviar logs desde rsyslog, con límites gratuitos, protocolos, TLS y recomendaciones de arquitectura.
La cronología de la controversia alrededor del avance en Navier–Stokes: qué sabían OpenAI, Tristan Buckmaster y Levent Alpöge, qué está confirmado, qué sigue en disputa y por qué el caso cambia las reglas de la investigación asistida por IA.
OpenExecutive propone una idea provocadora: convertir parte del trabajo del CEO y del C-suite en software agentic. Detrás del titular hay una arquitectura seria con un orquestador, ocho especialistas, RAG, memoria episódica y un scheduler que muestra cómo el management empieza a parecerse a un sistema operativo de agentes.
Las matemáticas ya son rigurosas, pero la mayoría de las pruebas no están escritas con el nivel de detalle que necesita una computadora. El caso reciente del Último Teorema de Fermat formalizado en Lean por agentes de Claude muestra qué cambia cuando cada definición, hipótesis y paso lógico debe ser verificable por un kernel.
La discusión sobre agentes autónomos suele mirar al futuro, pero Uber, DoorDash y otras plataformas ya muestran qué ocurre cuando un algoritmo asigna trabajo, fija incentivos y puede dejar a una persona sin acceso a su ingreso. La investigación de Andrés Monroy-Hernández en Princeton ofrece una forma más útil de pensar el futuro laboral con IA: no solo como automatización, sino como una cuestión de poder, transparencia y diseño de plataformas.
Detrás de cada respuesta de un modelo hay una cadena física de chips, litografía, memoria, centros de datos, redes eléctricas, minerales y capital. La IA no vive sólo en la nube: se está convirtiendo en una de las mayores infraestructuras industriales de nuestra época.
NVIDIA PAIR distribuye requests de inferencia entre equipos compatibles de una red local usando Ollama o LM Studio. No suma VRAM ni divide modelos: su valor está en ejecutar más trabajo independiente en paralelo, especialmente en sistemas multiagente.
Tesla puso el Cybercab en circulación en Austin. Más allá del vehículo, lo interesante es la ruptura económica: un coche que puede moverse sin conductor cambia el coste por viaje, la propiedad, el taxi, los seguros y hasta el diseño de las ciudades.
Base44 promete llevar una idea directamente a una app publicada; Codex y Claude Code se enfocan en ingeniería sobre repositorios reales; Antigravity intenta cubrir ambos mundos. La comparación útil no es quién escribe mejor código, sino qué parte del camino desde la idea hasta producción absorbe cada plataforma.
El lanzamiento de GPT-6 Astra produjo una conversación enorme en X: un video oficial con decenas de millones de vistas, demos de early access, entusiasmo por el computer use y una segunda ola de viralidad causada por el rollout. Más que un ranking, estos posts muestran qué parte de Astra está capturando la atención de internet.
La IA puede convertirse en un atajo cognitivo o en una herramienta para pensar con más rigor. Un método práctico para usarla como adversario intelectual, asistente de investigación, tutor y sistema de reflexión sin delegar el juicio.
Boris Cherny, creador de Claude Code, recomienda borrar periódicamente CLAUDE.md, Skills y hooks para comprobar qué sigue siendo necesario. La lección no es abandonar los agentes especializados, sino tratar las instrucciones como deuda que debe justificar su costo con resultados medibles.
La comunidad está usando Voice en Codex para algo más interesante que hablarle a un editor: coordinar workers, consultar progreso, redirigir tareas y trabajar hands-free. Repasamos los patrones reales, los problemas todavía abiertos y qué arquitectura sugiere todo esto para los agentes de desarrollo por voz.
Los rankings públicos no siempre responden a la pregunta que realmente te importa. Diseñamos una arquitectura para evaluar LLMs con benchmarks propios, empezando por problemas frescos de programación competitiva, ejecución reproducible, métricas de coste y una separación clara entre modelo y agente.
En Platzi Conf 2026, Freddy Vega planteó un escenario deliberadamente optimista para la inteligencia artificial: conocimiento experto casi gratis, ciencia acelerada, software mucho más barato y una ventana estratégica para Latinoamérica. Revisamos qué parte de esa tesis ya tiene evidencia y dónde conviene mantener cautela.
Anthropic permite grabar pantalla, clics, escritura y voz en Cowork para que Claude observe un proceso y proponga un Skill reutilizable. La novedad acerca los agentes de IA a una especie de RPA semántico: enseñar haciendo en vez de documentar cada paso a mano.
El histórico curso de Sebastian Thrun y Peter Norvig sigue disponible gratis en Udacity. Explica búsqueda, probabilidad, planificación, aprendizaje por refuerzo, visión, robótica y NLP: fundamentos que ayudan a entender la IA más allá de los LLMs.
OpenAI empezó a desplegar silenciosamente Luna Reserve en Codex antes de documentarlo públicamente. Reconstruimos la cronología de gpt-reserve, qué significa su límite separado y qué cambia cuando entra en acción.
Gartner sostiene que la IA empresarial a escala no correrá sobre hardware cuántico antes de 2028. La clave es separar Quantum AI, métodos quantum-inspired, sistemas híbridos y criptografía post-cuántica para invertir donde hoy sí existe valor medible.
Un equipo de Every completó la formación oficial de Anthropic y encontró algo más útil que una colección de trucos: un vocabulario común para Skills, MCP, API y Claude Code. Pero también descubrió los límites de certificar una industria que cambia más rápido que sus cursos.
Qué significa que Bubblewrap sea una herramienta de sandboxing de bajo nivel y sin privilegios, cómo usa namespaces y mounts de Linux, qué papel juega dentro de Flatpak y por qué no debe confundirse con una política de seguridad completa.
Cloudflare redujo a la mitad la memoria de la caché DNS detrás de 1.1.1.1 con cinco cambios de representación en Rust. El resultado: unos 100 TB de RAM liberados, más throughput y menor latencia.
La caída de matrícula en Computer Science y el auge del talento cuantitativo alimentan una nueva tesis: en la era de la IA, saber matemáticas puede ser una ventaja enorme. Pero el perfil más fuerte no es Math contra CS, sino Matemáticas + Programación + IA.
Cursor explica cómo su Router combina un predictor de complejidad, una taxonomía de tareas y un optimizador con presupuesto para decidir cuándo usar un modelo barato y cuándo escalar a un frontier model.
`--dangerously-bypass-approvals-and-sandbox` elimina dos barreras distintas de Codex: el sandbox y las aprobaciones. Explicamos el modelo de seguridad completo, los modos read-only/workspace-write/full access, rules, permission profiles, red, CI y cómo diseñar agentes autónomos sin regalarles toda la máquina.
Un framework de metacognición para LLMs propone medir corrección, conflicto, experiencia, importancia y carga emocional para decidir entre una ruta rápida y una deliberación multiagente. La idea importante no es dar conciencia a la IA, sino convertir el razonamiento en un proceso observable, medible y controlable.
Una migración real de URL Ping Tests clásicos de Application Insights a Standard Tests usando Codex con GPT-5.6 Terra, Azure CLI, Azure MCP y ARM, preservando alertas, secretos, validación end-to-end, costos y rollback.
OpenAI planea retirar sus modelos de Cursor el 12 de noviembre de 2026 tras la adquisición por SpaceX. Más allá del conflicto empresarial, el episodio expone un riesgo técnico clave: depender de un proveedor de modelos dentro de un harness agentic.
Technical debt hace más caro cambiar el software; operational debt hace más caro mantenerlo funcionando. Explicamos la diferencia, cómo se acumulan, cómo se alimentan entre sí y por qué migraciones de observabilidad como URL Ping Tests → Standard Tests son un buen ejemplo de ambas.
Un video de Gustavo Entrala muestra correo, calendario, presentaciones, hojas de cálculo y automatizaciones controladas desde ChatGPT. La clave no es una demo espectacular: es el cambio de arquitectura hacia Work, apps, Cloud Browser y Scheduled Tasks, donde el lenguaje natural se convierte en una interfaz para ejecutar trabajo real.
Un tutorial viral de 2023 mostraba cómo meter ChatGPT dentro de Jupyter reutilizando la sesión del navegador. En 2026 el patrón sigue siendo valioso, pero la implementación cambió: Jupyter AI, la API oficial, modelos locales con Ollama y notebooks ejecutables convierten al LLM en un verdadero agente de análisis.
La interfaz principal puede dejar de ser Jira, Slack o Stripe y pasar a ser tu agente. Analizamos el cambio de paradigma agent-first: menos tiempo dentro de las apps, más uso de sus capacidades vía MCP, WebMCP y APIs.
Microsoft llevó Intelligent Terminal de un fork experimental con chat integrado a una plataforma multiagente: modelos locales, OpenCode, agentes por pestaña, ejecución dentro de WSL, sesiones ACP y un roadmap que apunta a terminales persistentes y comandos dinámicos. Repasamos qué cambió entre julio y agosto de 2026 y qué sigue todavía en desarrollo.
LEAP 71 probó motores y un aerospike generados por Noyron, un modelo de ingeniería computacional que codifica física y reglas de fabricación. Contrastamos las afirmaciones del video con fuentes técnicas y explicamos qué cambia realmente cuando el software empieza a diseñar hardware complejo.
La Physical AI no es simplemente ejecutar un modelo en un robot. Analizamos la arquitectura edge-first que exige el mundo físico y desarmamos el repositorio microsoft/physical-ai-toolchain: ROS 2, LeRobot, Isaac Lab, Cosmos, OSMO, Azure ML, evaluación SiL/HiL, ONNX/TensorRT, GitOps y agentes.
Los repositorios ya no contienen solo código: también contienen instrucciones que los agentes leen. Analizamos cómo funciona el repository poisoning, por qué el modelo por sí solo no basta y qué defensas usan los harness modernos: jerarquía de instrucciones, sandbox, firewall, aislamiento de secretos, permisos mínimos y revisión humana.
WebMCP propone que las aplicaciones web publiquen capacidades estructuradas para agentes de IA directamente desde el navegador. Analizamos su arquitectura, cómo se diferencia de MCP, qué ventajas ofrece frente al computer use y cuáles son sus riesgos de seguridad y adopción.
Los 2nd World Humanoid Robot Games de Pekín dejaron un 100 m en 8,64 segundos, récords en 400 m, 1.500 m y salto, y más de 2.000 robots compitiendo. Pero el avance decisivo está en otro lugar: autonomía, manipulación y embodied AI en tareas del mundo real.
DeepSeek abrió su agent harness con una apuesta radical: modelos, herramientas, sesiones, sandboxes, almacenamiento, loops, scheduling y hasta la UI son plugins. Analizamos qué significa, cómo funciona Cordis y por qué esta capa puede importar tanto como el propio modelo.
El acuerdo entre El Salvador y Platzi ofrece acceso masivo a formación en IA, inglés, programación y negocios. Más que 'cursos gratis', es un experimento de upskilling a escala nacional para construir talento tecnológico.
Generar código es cada vez más barato, pero la ingeniería de software no desaparece. Planificación, orquestación de agentes, testing y system design se convierten en habilidades centrales cuando la IA implementa por nosotros.
YouTube refuerza las etiquetas de IA, LinkedIn combate el AI slop y Substack incorpora detección con Pangram. Las plataformas no están prohibiendo la inteligencia artificial: están empezando a exigir transparencia, criterio y valor real.
Bill Gates advierte que la IA puede destruir empleo, ampliar riesgos de seguridad y afectar a niños y relaciones humanas. Estas son sus propuestas: trabajos Human Reserved, impuestos a robots y uso de IA, y nuevas instituciones de gobernanza.
Chat Jimmy demuestra una idea radical para la inferencia de IA: especializar el silicio alrededor de un modelo. Así funciona Taalas HC1, por qué alcanza velocidades extremas y qué significa para agentes y sistemas de IA.
Qué es la ingeniería de confiabilidad, cómo se relaciona con SRE y por qué disponibilidad, observabilidad, resiliencia, retries, checkpoints e idempotencia son esenciales en sistemas modernos y pipelines de IA.
La IA está cambiando el trabajo del CTO: de escalar equipos y gestionar la producción de código a diseñar sistemas de ingeniería donde humanos y agentes colaboran bajo evaluación, gobernanza y verificación continua.
Cómo Strategy, Adapter, Dependency Injection, Circuit Breaker, Factory y Facade se combinan con timeout, retries, backoff, jitter, fallback y métricas para construir clientes de IA más robustos.
OpenAI añade Computer History a ChatGPT para macOS. Qué registra, qué no, por qué cambia la relación entre el asistente y el escritorio y cómo encaja en la evolución hacia agentes persistentes capaces de continuar trabajo real.
Google mueve A2A al paraguas especializado de la Agentic AI Foundation. Qué cambia, cómo encaja con MCP y por qué la interoperabilidad entre agentes puede convertirse en infraestructura básica de la IA agentic.
OpenAI está convirtiendo Codex en algo más amplio que un asistente de programación: un harness reutilizable para construir agentes dentro de dashboards, IDEs, sistemas internos y productos especializados.
Más marketing, más features y más capital pueden empeorar una startup si el diagnóstico es incorrecto. Cómo distinguir problemas de estrategia de problemas de ejecución antes de escalar.
Tokens, infraestructura, agentes, reintentos y gobierno: una guía para entender qué cuesta realmente operar IA a escala y por qué conviene medir el costo por tarea exitosa.
El auge de Replit y los agentes de código no elimina la ingeniería de software: cambia el trabajo humano desde escribir líneas hacia especificar, verificar y dirigir sistemas que programan.
La nube no es infinita: almacenamiento distribuido, erasure coding, capas hot/cold, compresión, cachés y economías de escala explican cómo las grandes plataformas conservan enormes volúmenes de datos durante años.
Dos ideas convierten un agente de IA en infraestructura: desacoplarlo de la computadora donde ejecuta trabajo y capturar sus trayectorias como datos para evaluación y entrenamiento.
Los AI Pods cambian la unidad económica de la ingeniería de software: del headcount y las horas a capacidad elástica, orquestada y verificable.
Capital de Tokens
