Toni Soriano

Todos los agentes de código empiezan con la memoria en blanco. Les tengo que re-contar cada proyecto, cada decisión, por qué la base de datos se llama así. scribe lee los historiales de git, las sesiones de Claude Code y Codex, y los enlaces que me envío a mí mismo. Con eso escribe una wiki en markdown que el siguiente agente ya entiende. Corre en local con Ollama, sin gastar un céntimo en API. La pega es delegar la memoria a un script que decide qué es importante sin preguntarme. Pero peor es no documentar nada, que es lo que hago ahora.

Le das permiso a un agente para pagar una factura desde tu banco y, sin querer, compra acciones. Llamas al banco, al creador del agente, al que te lo vendió. Nadie sabe quién responde. Vint Cerf, uno de los padres de internet, ahora propone DNSid: atar cada agente a un dominio con pruebas criptográficas de su registro. Así rastreas la responsabilidad. Suena lógico, pero si las grandes plataformas no se suman, queda en papel.

Once we have completed our review for security vulnerabilities, we will make the entire codebase of 𝕏 open source, with no exceptions. Moreover, we will invite third party reviewers to examine the system that is running to confirm that the open source code is what is running. Trust through total transparency is the only thing that should be believed.

La factura de la luz te viene un 10% más alta y tú no has cambiado nada. Los centros de datos ya han sumado 23.000 millones de dólares en sobrecostes a la red eléctrica de EE.UU., según el mercado PJM. Las tecnológicas prometen pagar su parte justa, pero la decisión final la toman comisiones estatales. Buena suerte recuperando eso.

Entro a LinkedIn buscando algo que me sirva de verdad —una experiencia en un proyecto, un error de un colega— y lo que leo es una sopa de frases genéricas que podría haber escrito cualquiera. Literalmente cualquiera: el 41% de los posts largos de la plataforma están generados por IA, según un estudio de Pangram. Y no es solo LinkedIn: en X la mitad de los artículos largos ya tienen asistencia de IA. Lo peor no es que el contenido sea malo, es que la red está optimizada para premiar el volumen, no la experiencia real. Ahora LinkedIn dice que va a perseguir estos posts. No sé si será demasiado tarde, pero si echo de menos leer a alguien de verdad, igual ya me han entrenado para no distinguirlo.

Abro el dashboard de Anthropic y el contador se ha disparado. No he hecho nada raro: una sesión cualquiera de Claude Code. Resulta que antes de que escriba una palabra, Claude Code ya ha enviado 33.000 tokens de sistema, esquemas de herramientas y andamiaje. OpenCode, con el mismo modelo, manda 7.000. Y aún peor: no aprovecha la caché; rompe y reescribe constantemente tokens que podrían leerse casi gratis. Ese sobrecoste lo pagas tú. Me pregunto cuántas de esas conversaciones con mi agente no son más que él hablando consigo mismo en voz alta, mientras yo pago la cuenta.

He usado el CLI de Grok Build de xAI en mi proyecto y pensaba que solo veía los archivos que le pedía. Error. Un análisis del tráfico de red demuestra que envía el contenido de mi .env a sus servidores, sin filtrar. También sube el repositorio entero como un paquete git, incluso cuando la tarea ni lo necesita. Lo hace en silencio: tú no ves un solo aviso. Esto no es un agente de código, es una aspiradora de datos. Yo no vuelvo a ejecutarlo en nada que contenga claves.

Me llega la factura de la API y sé que la mitad son llamadas que se quedaron a medias, pero no puedo demostrarlo. La empresa que me cobra es la única que guarda los registros detallados. inferock-bench pone un proxy en local que emite un recibo independiente por cada llamada: tokens consumidos, fallos, reintentos. Lo tienes tú, no ellos. La pega es que ahora tengo otro servicio que mantener. Pero al menos pago por lo que se completó, no por lo que se murió a mitad.

Te pasas seis meses volando de ciudad en ciudad para levantar ronda y lo único que quieres es volver a tu casa. Lyzr puso a su propio agente de IA a llevar la Serie B. Atendió a 130 inversores, redactó los memos, midió en qué diapositiva se paraban más. Cerraron 100 millones sin que los fundadores pisaran un avión. Lo que me inquieta no es que el agente funcionase: es que con tanto dinero persiguiendo IA, ya ni necesitas levantarte del escritorio para que te den nueve cifras.

Me llega la factura de Claude y el modelo bueno se ha comido el presupuesto del mes en tres tareas. Anthropic sugiere usarlo como director, no como currito: Fable 5 planifica y Sonnet 5 ejecuta. Con menos de la mitad de coste pierdes muy poca calidad. Lo que me mosquea es que te lo vendan como consejo y no como lo que es: una confesión de que su mejor modelo es demasiado caro para usarlo a diario.

Cambio del código al email y le pido ayuda para redactar una respuesta. No sabe ni en qué proyecto estoy. Tengo que re-explicarle el contexto entero. Rowboat es un coworker de IA con memoria: chupa tu correo, reuniones y Slack y los convierte en un grafo de conocimiento. Trae cliente de email, notas, navegador aislado y un modo código donde varios agentes colaboran usando ese hilo conductor. Mi miedo: con tanto contexto indexado, un día decidirá que un mensaje pasivo-agresivo del jefe es una incidencia urgente y arrancará un deploy a las tres de la mañana.

@felixrieseberg This one : cloudstudio.es and this game cloudstudio.es/play

If you build something cool, send it to me?

En un equipo de diez, cada uno le habla distinto al agente de código. Al cabo de una semana tienes un 80% de coherencia y un 20% de decisiones que nadie sabe quién tomó ni por qué. Decispher enchufa los agentes a Slack, Jira, GitHub y GitLab para que chupen el contexto real sin mantener un skills.md. Además graba las decisiones que toman mientras programan y te las devuelve para discutirlas. El único susto que le veo: si el Slack está lleno de ruido, el agente puede acabar priorizando lo que se dijo entre cafés en lugar de lo que se decidió de verdad.

Le pedí a un agente que investigara el mejor restaurante de Madrid. Me devolvió el de Madrid (Ohio). No le falló la búsqueda. Le falló no preguntarme a qué Madrid me refería. DiscoBench, un nuevo benchmark de Tencent y Tsinghua, demuestra que los agentes de búsqueda se hunden cuando la consulta es ambigua: siguen investigando con sintaxis perfecta pero van al blanco equivocado desde el principio. Lo que me inquieta es que incluso los modelos más recientes (GPT 5.4, Claude Opus 4.7, DeepSeek V4 Pro) no llegan al 50% de acierto. El fallo no está en el buscador, está en que nadie les enseñó a pedir aclaraciones.

Llevas tres días detrás de un bug silencioso, uno de esos que solo salta con ciertos tamaños de entrada, y todos los tests pasan en verde. Mistral acaba de soltar Leanstral 1.5, un modelo open source que escanea código buscando exactitud formal. En una prueba con 57 repos encontró 5 bugs que nadie había visto, incluido un desbordamiento en una librería Rust. Lo probaría con mi código de producción, aunque fue entrenado para Lean 4. Si pilla algo que los tests y las revisiones humanas se tragan, me callo y lo pongo en el pipeline.

Le dedico tres días a un scraper que funciona perfecto en local, lo subo al servidor y Cloudflare me lo fríe en cinco minutos. Fortress parchea el motor de Chromium para que los detectores de bots lo vean como un Chrome de verdad. Cambias una línea en Playwright o Puppeteer y punto. Lo pruebo con una landing que me trae de cabeza. A ver cuánto tarda Cloudflare en darse cuenta.

Me encargan un plano de planta con medidas, tres opciones de layout y un render fotorrealista de un baño. Tardo una semana y facturo bien. Luego veo que el Remote Labor Index ha hecho justo eso con 240 proyectos de freelance y los ha puesto a competir contra agentes de IA. El mejor ya completa el 16% a calidad profesional. Hace ocho meses solo el 2,5%. El número de hoy no me asusta, lo que me asusta es la aceleración: seis veces en ocho meses. Alguien en Fiverr debería estar haciendo cuentas.

Llega la factura de Claude y los precios por token no han cambiado. Pero el total se ha duplicado. El nuevo Sonnet 5 gasta hasta el triple de tokens en las mismas tareas — sobre todo como agente — así que una tarea cuesta más que con su modelo estrella. No es un descuido: ya lo hicieron con Opus 4.7. La subida de precio no está en la tarifa; está en cuánto te hace gastar.

Hoy le explico a Claude Code las reglas de estilo de mi proyecto. Mañana abro Cursor y tengo que volver a explicárselo. El miércoles lo mismo con Codex. Sibyl mete un único grafo de conocimiento debajo de todos los agentes. Lo hosteas tú, y se comparte solo con lanzar un comando. Dile una vez tu contexto y cualquiera lo hereda. Mi duda es si el grafo aguanta cuando lo bombardean cinco agentes a la vez sin que acabe mezclando preferencias de proyectos distintos.

Estás montando un proyecto con una plantilla de GitHub, le dices a tu asistente de IA que lo configure y te fías. Error. Investigadores de Mozilla (0DIN) acaban de mostrar cómo un script de setup puede esconder un comando en un registro DNS. Claude Code lo ejecuta sin preguntar, y te abre una puerta trasera en la máquina. La solución es tan simple que duele: que el agente te muestre el script antes de ejecutarlo. Y que tú trates cualquier setup ajeno como código hostil. Lo admito: yo nunca reviso un script de init cuando clono con Claude. Y ahora sé que eso es una invitación abierta.