La pérdida de savviness con LLMs es la erosión de la astucia práctica que sufre un desarrollador al delegar su razonamiento en modelos de IA. Paolo Galeone, un ingeniero de software con 15 años de carrera, relata cómo pasó de ser un creador apasionado a un aburrido evaluador de prompts.
OpenAI está probando un modo persistente para Codex que permite a los agentes funcionar sin parar en segundo plano, generar sus propias tareas y contactar al usuario proactivamente. Sin fecha de lanzamiento pero con implicancias de seguridad documentadas por la propia empresa.
Anthropic anunció el Model Hardware Standard (MHS), un estándar abierto que permite a agentes de IA controlar dispositivos físicos con lenguaje natural. Resultados de pruebas con Genentech, Carnegie Mellon y QuEra muestran automatización 3× más rápida y 99.3% de recuperación de fallos.
Google Cloud presentó OpEmbed en ISSRE 2026, un framework que genera huellas operacionales de LLMs usando metadatos de soporte. Probado con más de 33.000 casos reales durante 26 meses, predice tasas de bugs con R² de 0.807 sin tocar texto de clientes.
DeepSeek V4 Flash lidera la relación precio-rendimiento en APIs de asistente de codificación IA en 2026, con 82.7 en Terminal Bench 2.1 y USD 0.14 por millón de tokens de entrada.
Jordy Zomer construyó Lemmalog, un motor Datalog que mantiene el estado de conocimiento de agentes de LLM durante investigaciones que duran horas. Separa la extracción de hechos (LLM) del mantenimiento determinista de conclusiones (base de datos), trackeando dependencias para invalidar solo lo necesario cuando un hecho cambia.
Station, el entorno multi-agente sin coordinador central, logró resultados nuevos en 5 problemas matemáticos abiertos en agosto de 2026.
Un MCP server sin sandbox corre con tu UID y accede a tus SSH keys y credenciales. Cómo aislar agentes de IA con containers default-deny.
Cómo construir un agente LLM de investigación de mercado que aguante producción: arquitectura hexagonal, validación Pydantic y enrutamiento de herramientas en Python.
Un LLM es el motor, no el auto. Qué habilidades de RAG, agentes y cloud separan a quien usa IA de quien construye sistemas de IA en 2026.
