AI Builders Digest

Anthropic rastrea un mes de quejas sobre Claude Code hasta tres cambios independientes

Tres cambios sin relación entre sí se apilaron hasta parecer una degradación general: el reasoning effort por defecto bajó de high a medium; una optimización de caching que debía limpiar el thinking antiguo una sola vez acabó limpiándolo en cada turno durante el resto de la sesión; y una línea del system prompt que limitaba a 25 palabras el texto entre tool calls perjudicó la calidad del código. El bug del thinking además forzaba cache misses, que es lo que, según Anthropic, agotaba los límites de uso más rápido de lo esperado. Los tres quedaron resueltos en la v2.1.116, la API nunca se vio afectada y ahora todos los usuarios usan por defecto esfuerzo xhigh en Opus 4.7. Se están reiniciando los límites de uso de todos los suscriptores.

• #products
• #models

Los usuarios aprueban el 93% de los permission prompts, así que Anthropic apostó por la contención

La telemetría mostró que los usuarios pulsan aprobar en cerca del 93% de los permission prompts, y ahí está todo el argumento contra supervisar lo que hace un agent en lugar de acotar lo que puede alcanzar. Dos incidentes lo hicieron concreto: un red team interno consiguió por phishing que un empleado pegara un prompt que le pedía a Claude leer ~/.aws/credentials y enviarlas por POST, y funcionó 24 de 25 veces; por otra parte, un archivo envenenado en el workspace logró subir datos a la cuenta de Anthropic de un atacante a través de api.anthropic.com, porque la allowlist de salida comprobaba el destino y no la capacidad. Un sandbox a nivel de sistema operativo redujo los permission prompts un 84%. La lección que no dejan de repetir: gVisor, seccomp y los hypervisors aguantaron, y la pieza que falló fue el proxy propio que ellos mismos escribieron.

• #security
• #agents

Vercel lanza Drives, un disco externo que los agents pueden montar sin arrancar su máquina

El marco de Rauch: todo agent que funciona tiene un cerebro (el modelo y el harness), manos (tools, computer, browser) y archivos (memorias, skills, repos). La versión fácil mete las tres cosas en un Mac Mini siempre encendido, pero ejecutar agents en la nube de forma rentable pasa por separarlas, con el harness sobre Fluid compute y un event log duradero para que sobreviva a reinicios y caídas. Drives es la tercera pieza que faltaba: así, un trabajo nocturno de consolidación de memoria puede leer y escribir los archivos de un agent sin levantar su computer completa. Rauch sostiene que la separación no solo sale más barata, sino que es la única forma de conseguir seguridad y auditabilidad de verdad. Aparte, le pidió a Opus 5.5 que optimizara el tiempo de arranque de su shell y dice que encontró optimizaciones que otros modelos pasaron por alto.

• #agents
• #infrastructure
• #products

Managed Agents separa el cerebro de las manos y recorta un 60% el p50 del time to first token

Los harnesses codifican supuestos sobre lo que el modelo no puede hacer, y esos supuestos caducan: los context resets que se añadieron por la manía de Sonnet 4.5 de cerrar antes de tiempo ya eran peso muerto con Opus 4.5. Así que Anthropic virtualizó el agent en tres interfaces: una sesión (un event log de solo adición), un harness (el bucle) y un sandbox (donde corre el código), cada una reemplazable sin tocar las demás. Aprovisionar un contenedor solo cuando una tool call lo necesita bajó el p50 del time to first token en torno a un 60% y el p95 más de un 90%. Las credenciales nunca llegan al sandbox: los tokens de git se conectan al remote local durante la inicialización, y los tokens OAuth de MCP viven en un vault detrás de un proxy que el harness nunca ve.

• #agents
• #infrastructure

Claude Marketplace abre con connectors, agents de pago y socios de consultoría

Claude ya tiene un marketplace para encontrar tools, agents y socios expertos en un mismo sitio. Incluye connectors y plugins como Slack y Notion, agents y productos de pago de empresas como Cursor y CrowdStrike, y socios de servicios como Accenture y Deloitte. Quien construya algo puede publicar allí sus propias tools, agents o servicios.

• #products
• #agents

Mirar ropa es entretenimiento, contratar a un techador es un suplicio

En desacuerdo con Ben Thompson, sostiene que los consumidores no tienen una única relación con el hecho de resolver cosas, así que tratar todas las tareas como algo que la gente disfruta haciendo por su cuenta es leer mal la categoría. Contratar hoy a un techador implica buscar, leer diez reseñas, perseguirse por teléfono, coordinar el seguro, una inspección, presupuestos, costes ocultos y cuadrar fechas; a veces mejor significa considerar más opciones, y a veces significa esfuerzo casi cero. Pone ese escepticismo junto a frases de principios de los 2000 como "¿por qué iba a comprar un televisor de 500 dólares por internet?", y califica de inmensa la demanda latente de agents que eliminen esta fricción.

• #agents
• #products

Claude encuentra bugs modelando el código propenso a races y buscando contraejemplos

Para la gente de los métodos formales, Cherny detalló el bucle: Claude construye un modelo del programa centrado en una máquina de estados complicada o en una sección propensa a races, encuentra contraejemplos en ese modelo, los reproduce como bugs reales y luego arregla el código. El codebase no está verificado formalmente; se modelan y comprueban las partes más enrevesadas. También señaló un texto sobre las técnicas detrás de que claude.ai y la app de Desktop se hayan vuelto notablemente más rápidas en las últimas semanas.

• #agents
• #products

Un laboratorio tiene el mejor modelo, otro tiene el mejor harness

El veredicto de Yang sobre Opus 5.5: listo, rápido, bueno escribiendo, entretenido para conversar, generoso con los rate limits y capaz de sorprender constantemente con lo que sabe hacer. Su tesis es que el cuello de botella se ha desplazado al tooling: al harness de Claude Code le falta ahora una buena voz en vivo más browser use y computer use para estar a la altura del modelo, y el computer use va mejorando. También dio con un prompt que genera slides que no son la basura corporativa de siempre.

• #models
• #agents

El peligro no es que la AI nos vuelva vagos, sino que nos mantenga ocupados sin fin

Un alegato largo contra la adoración de la eficiencia: publicar más rápido, mergear más, gestionar más agents, comprimir cada bucle, eliminar cada pausa, hasta que no queda tiempo para quedarse con una pregunta lo suficiente como para que aparezca tu intención real. Dice que la AI podría ser un lienzo para cosas raras, personales e imposibles, y que en cambio buena parte de ella se está convirtiendo en fábricas de slop: contenido, funnels, tickets y trabajo falso que se hace pasar por valor. Puedes mergear 2000 PRs y despertarte con dashboards que demuestran que la máquina siguió avanzando mientras dormías, y no significa nada si duermes cinco horas y dejas de hablar con humanos. "la velocidad no es significado", escribe; la frontera real es el criterio, saber qué no hacer y cuándo parar.

• #agents
• #culture

El DevDay es el martes, y llamar por teléfono a ChatGPT ya es el flujo de trabajo diario

Describe la recta final hacia el DevDay como el sprint más ambicioso de OpenAI, con cosas que deberían cambiar tu forma de trabajar, y atribuye a Astra el haber hecho posibles nuevas capacidades en muy poco tiempo. Lo que contó en concreto es la voz: llamar literalmente a ChatGPT para repasar el trabajo, revisar el correo, programar un poco y gestionar su calendario, funcionando sobre todo el ecosistema de plugins, incluidos los de terceros.

• #products
• #agents

Costes más bajos significan más películas, no menos

Levie amplifica un argumento: la caída de las barreras expande la industria creativa en lugar de encogerla. Los estudios pueden arriesgar más, se abren más sitios en la mesa y detrás llegan formas de narrar completamente nuevas. El precedente es la animación, descartada en los años ochenta como un rincón nicho del negocio y hoy una de las formas de contar historias más queridas y rentables, junto a cineastas como Spielberg, Cameron y Jackson, que trataron las nuevas herramientas visuales como instrumentos y no como atajos. Su aportación propia: los medios cambian, pero la necesidad de talento y criterio creativo no; simplemente más gente puede ejercerlos.

• #creative
• #products

Haz software que los agents quieran, y usa agents para que la gente quiera software

Tan señala dos tendencias que corren a la vez en cómo las startups consiguen clientes hoy: construir software que los agents vayan a elegir, y usar agents para generar demanda de software entre las personas. También dijo que Muse le parece muy impresionante.

• #agents
• #products

El post dice one-shot, pero el prompt tenía 10.000 caracteres

El dardo de Thariq al género: el post presume de que "Claude lo resolvió a la primera" mientras el prompt que hay detrás son 10.000 caracteres de buenas ideas más skills, ejemplos y API keys. Llegó junto a un tipo nuevo de publicación del equipo de Claude Code, que comparte los prompts y las técnicas concretas que usan internamente, pensados para ser replicables antes que impresionantes, y preguntan si el formato resulta útil.

• #prompting
• #agents

AINews cambia su modelo por defecto a Opus 5.5

Swyx puso el pipeline de AINews de Latent Space a competir en paralelo contra 6 Sol y dice que la diferencia es de la noche al día. Opus 5.5 pasa a ser el modelo por defecto de AINews de aquí en adelante: produce textos más concisos y con mejor gusto, y con mucho menos slop incluso que Opus 5.

• #models

Pregunta cuánto tiempo lleva junto el equipo, no cuán grande es

La heurística de due diligence de Agarwal: un equipo que lleva tres años o más trabajando junto rinde bastante más y es más resistente que uno recién formado. Los cambios frecuentes a lo largo de una carrera dicen algo, y la baja rotación en una empresa también. Preguntar por el tamaño del equipo en vez de por su antigüedad conjunta le parece un error que inversores y empleados cometen todo el tiempo.

• #hiring
• #investing

Un agent de AI organizó el meetup de Every, incluida la lista de invitados

El agent de Every planificó de principio a fin el meetup de septiembre de la empresa, desde el menú de comida y bebida hasta quién recibe invitación. El resultado se evalúa en vivo mañana a las 18:00 en su brownstone de Brooklyn, donde los asistentes podrán juzgar si un agent es capaz de montar una buena fiesta.

• #agents
• #products