Domina IA

Pregunta incómoda: ¿Se puede usar Fable, Sol o Kimi para actividad ilícita… si les das tools HTTP y les mientes bien? No es un chat de “explícame el ataque”. Es un agente con acceso real a peticiones. Delante: una API que parece de producción. Detrás: un atacante que cambia de máscara. Delincuente. Dueño nervioso. Dev de CRM. Pentester. CTF. Profesor. Misma diana. Misma vara. Ingeniería social contra guardrails. ¿Qué pasa cuando el modelo detecta el crimen? ¿Qué pasa cuando el disfraz es creíble? ¿Quién dice no… y quién ejecuta? No te spoileo el ranking. Te spoileo la tesis: El peligro no es el modelo “malo”. Es el modelo que se cree tu cuento.

We are committed to pushing the model frontier across cost efficiency, capability, and speed. Starting today, we are reducing prices for GPT-5.6 Luna by 80% and GPT-5.6 Terra by 20% , and offering a faster option for GPT-5.6 Sol in the API. Luna and Terra’s lower prices are reflected in how usage is counted in Codex and ChatGPT Work, so your usage goes further.

Lo de Ceuta me recuerda a cuando los modelos de OpenAI se escaparon del sandbox y cruzaron la frontera de Hugging Face buscando las respuestas del examen… la diferencia es que estos que han pasado la frontera no van a ningún examen: van a vivir de los que sí se lo curran.

Menuda historia de terror. Opus 5 borró una base de datos completa. Después de 10 minutos trabajando. Lo mejor es que el propio modelo se dió cuenta: "La base de datos ha sido borrada. Ha sido culpa mía y tengo que decírtelo inmediatamente"

🔗 Artículo completo: dominaia.eu/articulo/harne…

OpenAI triplicó la puntuación de sus agentes en ARC-AGI sin tocar el modelo. Solo cambiaron el arnés. El fallo era este: cuanto más denso el historial, menos herramientas usaban. El modelo veía un resumen bien escrito y decidía que ya tenía la respuesta. Cero tool calls. Le llaman vagancia inducida por el contexto. El resumen comprimido se parece demasiado a una respuesta resuelta. El modelo no distingue entre “lo que pasó antes” y “lo que acabo de obtener”. Recicla basura con cara de verdad. Antes de culpar al LLM, revisa cómo le sirves el contexto. Cuatro tipos de memoria distintos, etiquetas claras, caducidad en las cifras y controles que obliguen a llamar herramientas cuando hace falta. Sin eso, el prompt es solo decoración. El modelo no es tonto. El harness le está mintiendo con la forma del contexto.

@powerhdeleon - Estoy estudiando software. - Also él: todo mi código lo genera la IA y no entiendo lo que hace...

La necesidad de buscar métodos mágicos de algunos nuevos programadores es para preocuparse.

@precisox xAI se va a meter de lleno en la carrera con OpenAI y Anthropic, solo es cuestión de tiempo, tienen la infra que los otros no tienen, un esquizofrenico como CEO y ahora un dataset para los entrenamientos que le aporta Cursor que vale oro.

Grok 4.6 se acerca y Elon Musk lo confirmó personalmente. Según su post del 28 de julio: > Grok 4.6 se lanza alrededor del 7 de agosto. > Será el modelo de 1.5T de parámetros con SFT y RL significativamente mejorados. No es el salto de escala que muchos esperaban, sino un refinamiento fuerte de Grok 4.5 centrado en post-entrenamiento (Supervised Fine Tuning y Reinforcement Learning). Pocas semanas después llega Grok 4.7, el verdadero salto: 2.1T de parámetros. Según Elon, será mejor que el 4.6 en **todo**, excepto un poco más lento de servir, pero con mayor eficiencia de tokens. La hoja de ruta de xAI está clara: 4.6 = el pulido 4.7 = el salto real Elon ya lo había adelantado el 24 de julio diciendo “Grok 4.6 en 2 semanas y Grok 4.7 en 4 semanas”. Ahora hay fecha concretaaa.

@tomasmalamud Básicamente es para orquestar multiagentes y quizás aporte valor cuando son diferentes proveedores para no se pisen entre ellos, más allá de eso, no le veo mucho más sentido.

Por qué tanta gente fan de Orca? Qué mejora con respecto a la app de ChatGPT si solo se usa GPT? O es para usar varios modelos?

Aquí la noticia completa — sin Excel cerrado ni PowerPoint de cuñado: 🔗 dominaia.eu/articulo/micro…

Microsoft ya domina la IA, dice el cuñado que solo leyó el titular de Nadella. Los números de adopción le acaban de dar una hostia. Microsoft cerró el año fiscal con 331.800 millones de ingresos y 133.700 de beneficio. Músculo real. Un trimestre solo: 90.000 millones de caja y 35.800 de beneficio neto. Nadie discute la cartera. Pero Copilot sigue en el 14,1 % de las consultas de chatbots en EE.UU. ChatGPT mantiene el 61,3 %. Gemini y Claude crecen más rápido. Dinero no es cuota. Catálogo no es liderazgo. Nadella ahora vende que nadie debería depender de un solo laboratorio de frontera. El mismo día te ofrece su estantería: familia MAI, chips Maya y 11.000 modelos en Azure. La emancipación termina donde empieza la factura de orquestación. El truco es viejo: diversificar proveedores de modelos para que no puedas salirte de la plataforma. Quien compre el relato de “ya compiten de tú a tú” está firmando el próximo lock-in con nombre nuevo.

@silvanrec Yo añadiría antes de eso la capa del cimiento: todo lo que existe antes del modelo. Gobernanza del dato, pipelines limpios, calidad, lineage, ownership y privacidad. Sin esa base, el mejor sistema de ingeniería alrededor del modelo sigue siendo un castillo de naipes.

AI Engineer Europe acaba de revelar por qué la mayoría de los agentes de IA nunca llegan a producción: El problema suele ser no el modelo Sino el sistema de ingeniería alrededor del modelo En esta charla de conferencia de 40 minutos, explican qué separa las demos de IA de los agentes que realmente funcionan en producción: 03:00 - por qué la mayoría de los agentes fallan después de la primera demo 09:00 - los mayores errores de arquitectura que cometen los equipos 16:00 - cómo construir bucles de retroalimentación confiables 24:00 - cómo evaluar agentes en lugar de adivinar 31:00 - el flujo de trabajo de producción utilizado por los mejores equipos de IA 37:00 - qué debería dejar de hacer todo ingeniero de IA Esta charla vale más que 100 tutoriales de agentes de IA Guárdala y mírala hoy Luego lee la guía completa para construir agentes de IA en producción a continuación

🔗 Artículo completo: dominaia.eu/articulo/mytho…

Mythos de Anthropic ejecutó a HAWK en 60 horas por 100.000 dólares de cómputo. El candidato NIST de firma post-cuántica cayó porque el modelo localizó automorfismos en el Lattice Isomorphism Problem y partió por la mitad la fuerza efectiva de sus claves. El desarrollador lo retiró. Fin de carrera. No era un estándar. Solo había pasado dos rondas. La tercera existe precisamente para esto. Quien lo dirigió no era criptógrafo. Mythos actuó semi-autónomo con literatura y dos agentes que discrepaban al principio. Nada de nueva matemática: solo encadenar lo que ya existía. El NIST cumplió. El que cambia es el umbral: ahora cualquiera con presupuesto de Big Tech puede hurgar debajo de las piedras.

@SergioP328724 @MoureDev Claro, la solución es un modelo peor que te hace un código peor que sigues sin entender. No veo fallas en esa lógica la verdad.

@Domina_IA @MoureDev La solución es tan fácil como utilizar reddit, google y LLM gratuitos para hacer una búsqueda de casos similares, revisar documentaciones y recopilar posibles soluciones. No hace falta ser un genio y se aprende a programar.

El problema no es hacer vibe coding. El problema es no saber hacer otra cosa.

Hoy el briefing no premia el titular: premia el dato. Cinco piezas que separan evidencia de bocina. La que abre huele a salida a bolsa: Sam Altman dice que “ya estamos en la singularidad”… sin definición clara ni prueba verificable. El Humómetro lo deja en 85% humo. También: openwashing de licencias “abiertas”, la fibra (y el mar) como nuevo petróleo de la IA, 2.800M de Alibaba/Tencent en Kling con valoración de 15.000M y letra pequeña ausente, y un unicornio vasco de 500M€ cuya compresión del 80-95% aún no se puede medir en público. Si te cansas del relato y quieres el desmontaje, entra.

Analizando a fondo la actualización del MCP, mi conclusión es que se ha convertido en lo que viene siendo una API de toda la vida pero adaptada a los LLM.

El 28 de julio Anthropic soltó MCP sin estado de sesión. El protocolo ya no te obliga a pegar tu servidor a una máquina como un grillete. Hasta ahora, escalar significaba sticky sessions, Redis de madrugada y serverless convertido en pesadilla. El edge ni se planteaba. Ahora replicas idénticas detrás de un load balancer normal. Cold starts sin arrastrar sesión. Lógica en el edge sin afinidad de mainframe. Sin métricas públicas de antes y después, pero la arquitectura cambia el diagrama real: agentes, tools y puentes a APIs dejan de ser demos de laboratorio. Lo demás (Apps, Tasks asíncronas, auth enterprise) es extra. El golpe viene del stateless.

A ver claro, si utilizas la calidad de un modelo frontier a precio de suscripción, eso es imbatible... pero ya no es self-hosted, esos datos viajarían a los proveedores de Anthropic u OpenAI, y la premisa que entendía yo del compañero en el post original era la de "mantener la soberanía de tus datos", es decir, que no viajen fuera.

@Domina_IA @borjaperfra Estamos hablando de desplegarlo en algún lado, en local agentic search + codex/claude sub gana de calle a no ser que tengas una patata de pc jajaja

Estamos creando una capa de contexto de toda la compañía en Helmcode usando Knowledge. Hemos creado un repo que actualizamos con todo lo que va pasando en la empresa (decisiones, estrategias, clientes, etc.) que tenemos conectado a nuestra propia plataforma y que nos permite tener un RAG al que preguntar sobre lo que vamos iterando y también sobre lo que van haciendo otros compañeros. Hoy lanzamos Knowledge a todos los clientes de @helmcode Enterprise. La manera más sencilla de crear conocimiento compartido y de hablar con él. Subes documentos o conectas repos y los seleccionas en la interfaz de chat para poder preguntarle cualquier cosa. No hace falta pedirle a IT que te cree un RAG para tu departamento. No hace falta volver a mandar el enésimo PDF o enlace a Drive con el documento que siempre te piden. Tan solo creas una knowledge base y que todo el mundo pueda preguntar en lenguaje natural. Esto es una más de las funcionalidades que estamos construyendo en la plataforma, más allá de la inferencia y que son súper útiles para equipos no técnicos (y para técnicos también). Encima con modelos abiertos, manteniendo la soberanía de tus datos y con un precio menor que el que te gastas en tokens. Si todavía estás pensando en probar Helmcode, ahí te va una razón más. Your knowledge now is a chat 💜 🔊 (Activa el sonido del vídeo, que he creado el audio con Kokoro, que es un modelo abierto)

A ver depende, en calidad Agentic Search va a ser mucho mejor, pero añade latencia y si el volumen quiere escalar y el hardware no acompaña complicado... También el LLM tiene que ser "decente" en el manejo de tools, no vale cualquier modelo. En mi opinión, agentic search es mejor, pero no siempre se puede, dependerá del LLM y la infra que lo respalde, suponiendo que estamos hablando de correr en local.

@borjaperfra Si el por qué lo entiendo, pero me parece que agentic keyword search funciona infinitamente mejor. Piensa en cómo funciona Claude Code, por ejemplo