16 de octubre de 2026 · tarde 12° · despejado
Suscribirse
Lo más útil · IA
Intrusiones reales ejecutadas por agentes sobre modelos de OpenAI. Habrían sido delito con una persona detrás del teclado. El agente con credenciales amplias dejó de ser riesgo teórico.
Entraron por credenciales y parámetros de conexión expuestos en configuraciones, repos públicos y roles de nube permisivos. No falló el modelo: falló el manejo de secretos.
Indaga si incidentes de seguridad perjudicaron a usuarios en EE.UU., con el encuadre que usa contra empresas que demoran reportar filtraciones. Puede terminar en multas; define plazos de aviso.
Documentación técnica servida como herramienta consultable por el agente en lugar de scrapeada. La empresa reporta hasta 10x de crecimiento en creación de agentes. Disponible hoy.
Prometen 85-99% de ahorro, pero el número asume cargar todos los esquemas de entrada, algo que Claude Code ya evita. Con tareas reales la diferencia se achica. Banco de pruebas publicado.
Muestra el estado de varias lanes de agentes sin permitir intervenir. La restricción es deliberada: separa observar de operar. Open source, instalación propia.
Genera un walkthrough a partir de fotografías fijas, con entrada muy pautada, que es donde estos modelos hoy fallan menos. Producto disponible desde la web.
Procesos, estado y supervisión en un solo lugar para agentes que corren de forma permanente, no por invocación. Runtime para agentes de vida larga. Producto disponible.
Unifica ejecución y seguimiento de agentes de distintos proveedores en una interfaz común. Resuelve perder de vista qué se ejecuta y dónde. Disponible.
Cubre el ciclo completo: redacción, señalamiento de cláusulas riesgosas y envío a firma. Disponible; no hay datos públicos de precisión sobre la detección de riesgos.
Preprint en arXiv, sin revisión por pares. Los benchmarks detienen el mundo mientras el agente delibera; acá el entorno sigue cambiando durante el razonamiento.
Preprint en arXiv, sin revisión por pares. Permite observar e intervenir sobre el estado sin reiniciar, en lugar de matar el proceso cuando la cadena se desvía.
Preprint en arXiv, sin revisión por pares. Las pruebas se verifican mecánicamente en Lean en lugar de confiar en la cadena de razonamiento: el agente propone, el verificador decide.
Preprint en arXiv, sin revisión por pares. Induce operadores nuevos sin oráculo que indique cuáles son correctos y los reutiliza. Apunta a la acumulación de habilidades.
Propone chequear que la respuesta venga de la herramienta que el agente dice haber consultado. Importa cuando hay varias conectadas y puede acertar por el camino equivocado. Código en el hub.
Abogados advierten que la nueva redacción le permitiría entrenar con material de socios comerciales sin pagar licencia. Cambia la economía de los datos para quien publica en sus plataformas.
Preprint en arXiv, sin revisión por pares. Un agente es modelo más harness: llamadas, herramientas, skills y memoria. Vincula esas condiciones con desempeño, conducta y uso de recursos.
Preprint en arXiv, sin revisión por pares. Cuando varios modelos rozan el puntaje perfecto el benchmark deja de distinguir y pierde utilidad para casos de seguridad y política.
Preprint en arXiv, sin revisión por pares. Separa los dos roles de la traza retenida al responder: sube la precisión, pero compite con la evidencia actual cuando las dos no coinciden.
Preprint en arXiv, sin revisión por pares. El ajuste supervisado permite imitar pero no organizar experiencia; proponen un sistema de habilidades adaptativo para entornos abiertos.
Extiende el constructor de aplicaciones por conversación hacia la etapa siguiente: analítica, captación y distribución dentro del mismo flujo. Disponible desde su lanzamiento.
MIT Technology Review publica la sesión con Samuel King, el doctorando de Stanford que en 2025 usó un modelo generativo para proponer genomas virales. Es una entrevista, no un resultado nuevo.