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.
OIHK es un pentester autónomo multi-agente open source que exige evidencia de ejecución real antes de declarar un hallazgo. Qué lo diferencia de un LLM en loop.
Un agente de outreach con IA que enriquece datos de GitHub y clasifica objeciones con LLM logró 68% de apertura y USD 2,1M de pipeline en seis meses.
Nvidia estaría por comprar Hugging Face por unos USD 12.900 millones. Qué se sabe, por qué la compra y qué pasa con el open source.
Un repo gratuito de notebooks de Colab enseña a construir RAG, agentes y evaluaciones sin frameworks, corriendo entero sobre la API de Groq.
Runable recaudó USD 21 millones para que sus agentes de IA pasen de construir negocios a hacerlos crecer. Datos, tracción y límites reales.
