Agentes de IA
79 published articles
Observabilidad y APM de Node.js
Los traces de Node.js se rompen en cada await. El agente ARMS de Alibaba los reconstruye
Los servicios de Node.js actúan ahora como BFF, pasarelas y capas de orquestación de IA, de modo que una sola solicitud cruza bases de datos, cachés, colas y llamadas a LLM. El agente ARMS Node.js de Alibaba Cloud fusiona tracing de OpenTelemetry, comprobaciones de salud del runtime y observabilidad de IA en un único paquete npm.
2026-08-05
Agentes de IA
El bot de Slack de Hugging Face consulta datos de producción. El LLM nunca ve las claves
Hugging Face ejecuta un agente de codificación interno de Slack, Moon Bot, que puede consultar bases de datos de producción y abrir PRs. Su diseño de seguridad mantiene las credenciales fuera del alcance del modelo mediante niveles de Okta, bash en sandbox y proxies inversos locales que inyectan las claves en el lado del servidor.
2026-08-04
Agentes de IA
La promesa de agentes 24/7 de Zuckerberg choca con el problema de confianza de Meta
Zuckerberg promete agentes de consumo 24/7 para salud, relaciones y finanzas, y los llama la próxima ola de ingresos de Meta. La distribución es real a escala de WhatsApp, pero un déficit de confianza y la falta de ecosistemas de datos se interponen entre la visión y los miles de millones de usuarios que necesita.
2026-08-03
Inteligencia Artificial
Cómo un sistema de doble memoria enseñó a la IA a diagnosticar los fallos que sigue olvidando
OpsMem combina una memoria a corto plazo (STM) para el estado de diagnóstico en evolución con una memoria a largo plazo (LTM) para la experiencia operativa reutilizable. A través de un mecanismo llamado resonancia de memoria cruzada, el sistema activa experiencia relevante del estado desde la LTM para guiar el diagnóstico multiagente. En un conjunto de datos de microservicios de Huawei, superó las líneas base de razonamiento agéntico y aumentadas con conocimiento por márgenes significativos.
2026-08-03
IA de frontera
El Claude más inteligente de Anthropic es el que no puedes usar
Anthropic lanzó Claude Fable 5 para todos y reservó Claude Mythos 5 para socios verificados. Misma clase de modelo, dos puertas de acceso. Los benchmarks importan menos que el enrutamiento, y el enrutamiento es cómo la IA de frontera se distribuye de aquí en adelante.
2026-08-03
Corpus Messier
957,253 registros no pueden ocultar la brecha: los agentes de IA avanzan en programación pero se estancan donde las empresas los necesitan
El corpus Messier, con 957,253 registros en 30 puntos de referencia, revela un progreso desigual de los agentes de IA: la llamada a funciones está saturada, la programación mejora más rápido y los flujos de trabajo empresariales se quedan atrás. También muestra que la agregación estricta de aprobación total puede ocultar ganancias y alterar los rankings de las tablas de clasificación.
2026-08-02
Juego de ecosistema
La noticia más grande de Grok 4.5 podría ser cómo fue construido
El Grok 4.5 de xAI ahora está en grok.com, X, iOS, Android, y dentro de Microsoft 365, Google Workspace, GitHub Copilot y Cursor. El modelo, construido con datos de entrenamiento creados por agentes, lidera el benchmark SWE Marathon e introduce una actualización de voz.
2026-08-01
Código abierto
OpenForgeRL entrena agentes de IA sin tocar sus arneses de inferencia
OpenForgeRL utiliza un proxy y Kubernetes para entrenar agentes de IA sin modificar sus arneses de inferencia. En las pruebas, OpenForgeGUI igualó a modelos varias veces más grandes en navegación web y puntos de referencia de escritorio.
2026-08-01
IA de investigación profunda
El nuevo agente de investigación de BAAI no solo busca más tiempo, sino que revisa su propia tarea
Los agentes AREX de BAAI utilizan un bucle de auto-mejora recursiva que comprime historiales de investigación largos, permitiendo un refinamiento eficiente impulsado por la verificación. Entrenados con una novedosa receta de RL de horizonte largo, superan a las líneas base comparables en BrowseComp, DeepSearchQA y HLE.
2026-07-31
Razonamiento 3D
SceneActBench: Por qué incluso los mejores VLM fallan en acciones 3D
SceneActBench evalúa once configuraciones de VLM en cinco tareas 3D en un bucle de agente unificado. Las puntuaciones generales van de 38.6 a 50.2, sin que ningún modelo se desempeñe de manera consistente. El benchmark expone un punto ciego en los agentes de visión-lenguaje: actuar en escenas completas, no solo describirlas.
2026-07-31
Búsqueda en literatura científica
Los químicos buscan artículos; AskChem responde con 2,4 millones de afirmaciones
AskChem indexa 2,4 millones de afirmaciones químicas de 147.000 artículos, cada una respaldada por un DOI de origen y una cita textual, y las ofrece a científicos y agentes de IA mediante aplicación web, REST, SDK y MCP. En AskChem-Bench, la resolubilidad de DOI para un lector GPT-5.5 pasó del 88,3% al 100%.
2026-07-31
Agentes GUI
El Qwen-UI-Agent de Alibaba obtiene mejores resultados en teléfonos reales que en sandboxes
El Qwen-UI-Agent de Alibaba Tongyi Lab afirma obtener puntuaciones móviles de última generación (97.5% en AndroidDaily) y resultados competitivos en uso de computadora frente a Opus 4.8, Gemini 3.1 Pro y GPT-5.6 Sol. Su puntuación en el benchmark de dispositivos reales supera la de sandbox, mientras que el progreso parcial del 40% en OSWorld-v2 es el límite honesto.
2026-07-31