Desarrollador y creador de bridgecode, un entorno de desarrollo agéntico para orquestar squads de agentes de IA. Ayuda a quienes van del vibe coding al desarrollo profesional a pasar de la idea al producto entregado.
252 artigos por Marcelo Santiago
Investigadores crearon un benchmark de agentes de código basado en pedidos reales de usuarios. Incluso el mejor modelo completa solo el 26,4% de las tareas. Mira los números.
OpenMOSS publicó el 7 de noviembre de 2026 MOSS-Live, un sistema full-duplex que mantiene la conversación fluida mientras el asistente responde y ejecuta tareas en segundo plano.
ONESTRUCTION publicó el 7 de noviembre de 2026 un ranking de 20 modelos de IA en cinco ejes de trabajo real de construcción. Claude Opus 5.5 lideró con 73,7 puntos.
Box y Nvidia anuncian Box Context Retrieval, motor de búsqueda semántica impulsado por Nemotron que transforma contenido empresarial en conocimiento para agentes de IA.
Palo Alto Networks negocia la compra de Clutch Security, startup de seguridad para credenciales de agentes de IA, por US$ 500 millones.
La startup Underdog lanzó Woof, un modelo de voz de 32 MB que funciona en el navegador sin internet y está abierto para descarga.
Anthropic lanzó Personal Finance en Claude: vincula cuentas bancarias y pregunta sobre tu dinero, con acceso solo de lectura.
METR publicó una evaluación con acceso interno a Anthropic: la IA ya acelera su propio desarrollo de IA a cerca del doble de la tasa histórica.
RoleRouteBench es un entorno reproducible para evaluar el enrutamiento dinámico de roles en tareas de múltiples etapas. Consulta los resultados de JEV 1.13 en los cuatro dominios.
CloudOpsBench publica 45 tareas de operación en la nube para probar tu agente de IA. Mira cómo clonar, validar y ejecutar contra un emulador o AWS real.
CloudOpsBench mide cómo los agentes de IA ejecutan tareas reales de operación en la nube. El mejor agente resuelve el 60,6% de las 45 tareas en AWS. Mira los números.
Hy4 de Tencent trae 1 millón de tokens de contexto, visión y tool calling nativo para agentes de código y tareas de larga duración.
Selección técnica en profundidad: arquitecturas agénticas, benchmarks reales de tokens, servidores MCP y herramientas open source en tu correo y el blog.
