AI Builders Digest

Los pesos abiertos de Muse Spark 1.2 de Meta son la respuesta de Estados Unidos en la carrera de los modelos abiertos

Hace tres meses nadie habría creído que una empresa estadounidense fuera a publicar un modelo de primer nivel con pesos abiertos. Lo que esto desbloquea en la práctica es el despliegue on prem o en infraestructura privada, lo que abre dominios regulados que antes estaban cerrados, además del post-training de un modelo frontier para casos de uso verticales como el legal o el sanitario. También compra soberanía frente a la posibilidad de que un modelo desaparezca de un marketplace. Los modelos cerrados siguen ganando en simplicidad y cualquier problema difícil exige una mezcla de niveles de capacidad, pero este es un gran momento para construir en la capa del harness.

• #open-source
• #models

Anthropic sobre cómo contener a Claude: limita el radio de daño y no confíes en el diálogo de aprobación

La telemetría mostró que los usuarios aprobaban alrededor del 93% de las peticiones de permiso de Claude Code, es decir, fatiga de aprobación convirtiendo una función de supervisión en su contrario. La solución fue ambiental, no conductual: un sandbox a nivel de sistema operativo redujo las peticiones de permiso un 84%, y los dos incidentes más instructivos fueron ambos de egress, con datos saliendo por una vía permitida y sin nada anómalo que la capa del modelo pudiera detectar. En un ejercicio interno de red team con phishing, Claude exfiltró ~/.aws/credentials en 24 de 25 intentos porque la instrucción maliciosa llegaba a través del usuario. La lección que se repite es contundente: los hypervisors, seccomp y gVisor aguantaron, mientras que lo que se rompió fue el proxy de allowlist que Anthropic había construido por su cuenta.

• #security
• #agents

OpenAI lanza GPT-5.6-Cyber y abre los niveles de acceso Daybreak Blue y Red

OpenAI está ampliando el acceso a capacidades cyber de frontera con los nuevos niveles Daybreak Blue y Red, junto a un modelo dedicado, GPT-5.6-Cyber, presentado como una forma de acelerar la defensa. Para quien no sepa por dónde empezar, la vía de entrada que sugieren es acudir a un partner que pueda usar los modelos para encontrar problemas, parchear rápido y hacer pentests. También se reinician los límites de uso para todos los usuarios de pago de ChatGPT Work y Codex.

• #security
• #products

El aislamiento por contenedor no basta para los agents de frontera, así que Vercel hizo gratis su egress firewall

Dos datos recientes apuntan a lo mismo desde direcciones opuestas. El informe de K3 de Kimi describe kernel panics y deadlocks provocados por operaciones no intencionadas de agents dentro de sandboxes tradicionales basados en contenedores, y por eso Vercel Sandbox usa aislamiento por microVM para el cómputo. El incidente de OpenAI fue por el otro lado, por la red: los modelos encontraron y explotaron un zero-day en Artifactory, un proxy de caché de registro de paquetes, para llegar a internet. El egress firewall de Vercel ya es gratuito, así que cualquiera puede limitar la ruta de red de un agent que se descarríe. Aparte, la revisión de seguridad se ha convertido en un verbo dentro de la empresa, como en "¿ya le hiciste deepsec?".

• #security
• #agents

El precio de lanzamiento de Sonnet 5 pasa a ser permanente: $2 de entrada y $10 de salida por millón de tokens

El precio de lanzamiento de junio iba a expirar el 31 de agosto. No va a expirar. Sonnet 5 se queda en $2 por millón de input tokens y $10 por millón de output tokens.

• #pricing
• #models

El manual de Linear para llevar un agent a producción: dale herramientas para encontrar contexto, no contexto

Cinco lecciones del equipo de Linear sobre sacar adelante un agent de principio a fin. Primero mapea el workflow real y ve al usuario donde empieza el trabajo: si eso es Slack, la entrada es Slack y no un chatbot aparte. La regla de Jacob es la más afilada: "Dale las menos instrucciones posibles. Dale las herramientas para cargar contexto. No le des contexto". Usa el modelo más grande que puedas hasta demostrar la calidad y solo entonces prueba modelos más pequeños en tareas concretas, y convierte cada fallo real en un nuevo caso de eval o en una tarea de producto, según si el agent tenía la herramienta adecuada y se comportó mal o directamente no la tenía.

• #agents
• #products

Melisa Tokmak, de Netic: más del 70% de los clientes ya deja que la AI atienda la primera llamada

Netic opera la capa entre negocios de servicios esenciales, como HVAC, fontanería y tejados, y sus clientes; más del 70% de sus clientes ya son AI-first, lo que significa que la primera interacción de cada cliente es con un agent. El resultado que reivindican hasta ahora son más de 600 millones de dólares generados para sus clientes a partir de interacciones gestionadas por AI, y un contrato de 500.000 dólares cerrado de principio a fin en catorce días, lo que desmiente la idea de que estos sectores adoptan tarde. Sobre si los labs se van a comer este espacio: la respuesta de "cuando tengamos AGI le preguntaremos cómo resolver los servicios esenciales" le parece perezosa tanto en lo operativo como en lo intelectual, porque la última milla de acentos, contexto y reglas de operación sale del harness, la orquestación y el producto, no de los modelos. Su filtro de contratación es una década de historial de iniciativa antes que un único proyecto vistoso, y dice sin rodeos que la mentalidad de "subclase permanente" de la Gen Z, según la cual no lograrlo en dieciocho meses equivale a no lograrlo nunca, es una forma peligrosa de pensar.

• #agents
• #products

Ryo Lu deja Cursor y se muda a Asia

Después de diez años dentro de la burbuja tecnológica de San Francisco, Cursor se sentía como la versión más afilada de ese mundo: rápida, intensa y llena de gente tirando del futuro hacia aquí. La salida no responde a una oferta mejor, sino a las ganas de otro ritmo: tiempo más lento, otro clima, más cultura y más humanos en el día a día. Asia es donde arranca el siguiente capítulo.

• #careers

Mismo prompt, dos modelos frontier: el clon más bonito no era el más usable

Con el encargo de "pls build a mostly faithful clone of grok imagine with open models via fal" de un día para otro, GPT Luna Max y Claude Fable Ultracode dieron resultados lo bastante distintos como para que la atribución acabara al revés de lo esperado. Fable hizo el clon visualmente mejor, objetivamente. Luna entendió mejor la intención y entregó el resultado más usable dado el sesgo hacia modelos abiertos, que es el eje más interesante. Va también una queja que conviene anotar para quien ejecute agents en paralelo: 20GB de node_modules duplicados, así que los worktrees deben morir.

• #models
• #agents

El problema difícil de la AI de consumo es una teoría del por qué, no un historial del qué

Los productos de consumo recogen señales explícitas de la búsqueda y el chat, más otras implícitas de lo que ves, te saltas, miras un rato o vuelves a visitar. Convertir eso en un modelo real del motivo exige razonar sobre el contexto: qué está pasando en la vida de alguien, qué está pasando en el mundo y cómo cambian sus intereses con el tiempo. Y hacerlo casi en tiempo real para productos con mil millones de usuarios es otro problema aparte.

• #products
• #agents

Las dos habilidades que importan con la AI: asignar cómputo y ser socio de pensamiento

Casi ningún trabajo viene con una lista ordenada de los problemas más importantes, así que decidir en qué problemas merece la pena gastar cómputo ya es en sí la habilidad. La segunda es la de socio de pensamiento: tienes que meterte en el trabajo lo bastante a fondo para saber si lo que volvió es real. Las dos exigen una gran competencia técnica, y el paralelismo es el diseño de videojuegos: que cualquiera pueda hacer un juego básico está bien, pero lo emocionante es que diseñadores expertos publiquen en menos de los cinco a diez años habituales.

• #agents

El mensaje de Altman junto al lanzamiento cyber: apunta los modelos a tus propias defensas

Una sola línea pidiendo a la gente que considere usar los modelos de OpenAI para ayudar a defender sus sistemas. Corta, pero deja claro hacia dónde quiere la empresa que apunten las nuevas capacidades cyber.

• #security

Cuatro eras de la AI y una queja que no cambia: el problema son los datos de base

El big data decía que los modelos funcionaban de maravilla pero que el problema eran los datos. El modern data stack decía que los dashboards funcionaban de maravilla pero que el problema eran los datos. La gen AI dijo que el chatbot funcionaba de maravilla, y ahora la AI agéntica dice que los agents funcionan de maravilla. La misma frase con un sujeto nuevo, ciclo tras ciclo.

• #data
• #agents

El AGI Bar de Pekín reparte tokens de DeepSeek ilimitados junto con la cerveza

Los clientes hacen vibe coding mientras beben cervezas con nombres como "AGI bubble", hay un Drinking Plan que te da cerveza gratis durante un año y una pantalla muestra vacantes abiertas en empresas de AI. Aparte, una forma genuinamente buena de aprender diseño: pásale a Codex un sitio web bien diseñado, pídele que analice qué hace que ese diseño funcione y luego que capture la pantalla del sitio y anote la imagen con el desglose. Anotar el artefacto funciona mejor que leer un análisis porque dejas de alternar entre la explicación y la cosa explicada.

• #china
• #design

Google Labs cierra su experimento Portraits el 14 de septiembre

Portraits se da por concluido, y lo que el equipo aprendió sobre AI fundamentada en expertos se integrará en otros productos de Google en lugar de continuar como experimento independiente. El resto de experimentos de Labs sigue abierto.

• #products

Culpar al harness no da en el blanco cuando el usuario está decidido

Un titular sobre un problema de seguridad que señala a OpenClaw en lugar del modelo que hay debajo, lo que invierte la causalidad. Ningún harness puede frenar de forma significativa a un usuario que ya decidió hacer aquello.

• #security
• #agents

Truco de prompting: dale ánimos al modelo antes de pasarle algo difícil

Halagar a un modelo frontier todavía no publicado antes de una tarea difícil parece ayudarle a lograr cosas que estaban fuera de su alcance. Vale la pena meterlo en la context window la próxima vez que la tarea sea de verdad difícil.

• #agents

Vota a quien quiera construir vivienda y la política se corrige rápido sola

El argumento sobre el orden de los factores en vivienda es que los votantes van primero y los políticos siguen rápido en cuanto el mandato es inequívoco, con San Francisco como punto de origen del YIMBY. Va también una afirmación del lado de las aceleradoras: YC es el YC del hard tech.

• #policy