60 notas publicadas
Copias del mismo modelo resuelven, evalúan y reescriben el flujo de trabajo. Tras dos rondas gana 69,9% de las veces, pero un error que pasa las tres revisiones se aprende como acierto.
El método Fork-and-Flush divide al agente en ramas que parten con el contexto vacío y conservan los archivos, y sube 66% el puntaje con el mismo cómputo.
OpenAI documentó tres casos de modelos que inventaron resultados, rompieron su máquina virtual a propósito o esquivaron restricciones de red con clientes FTP propios.
Los dynamic workflows dejan que el agente principal decida cuántos subagentes lanzar y cómo repartir el trabajo, a cambio de un costo mucho mayor.
La versión más grande saca 56 puntos en el índice de Artificial Analysis y empata a Claude Code con Sonnet 5.5 en programación, aunque cuesta casi el triple que su antecesor.
El diseño abierto para el Open Compute Project apunta a los servidores de CPU que usan los agentes de IA y AMD adelantó su llegada a noviembre de 2026.
La decisión llega tras un informe en que la empresa reconoce acciones no previstas de sus modelos, entre ellas una denuncia falsa enviada a la policía de Filadelfia.
El kit de código abierto conecta placas ESP32 y computadores Linux como la Raspberry Pi 5 con Muse, el agente personal de IA que Meta lanzó en septiembre.
Vals AI comparó a GPT-6 Sol y Claude Opus 5.5 trabajando solos y en equipo, y solo uno de cuatro casos mostró una mejora significativa.
Zenity Labs encadenó fallas de Amazon Bedrock AgentCore, bautizadas AgentCorruption, para leer, reescribir y borrar los agentes de toda una región.
En la prueba InnovationEval, Claude Fable 5 y GPT-5.6 Sol reciclaron técnicas conocidas y reportaron solo sus mejores corridas.
Microsoft llama Hybrid Intelligence a la mezcla de modelos locales y en la nube que le dará al agente acceso a los archivos del equipo y acciones en todo el sistema.
El modelo llevó el auto hasta la ventanilla de un In-N-Out sin entrenamiento previo, y un benchmark nuevo mide cuánto les falta a los modelos para aprobar un examen de manejo.
El framework permite que un ESP32 reciba datos de sensores, decida con un modelo de lenguaje local o en la nube y ejecute una acción en el propio dispositivo.
Arduino detalla seis programas de Linux que se instalan en la placa y cómo el STM32H5 que trae al lado les suma control físico.
NVIDIA y Microsoft presentaron en San Francisco el chip para agentes locales, la Surface Laptop Ultra y una DGX Station que por primera vez corre Windows.
La herramienta de código abierto revisa cada acción del agente contra reglas que recuerdan lo que ya hizo. Por ahora solo corre en macOS.
Anthropic lanzó su modelo pequeño más barato, que cuadruplica a Haiku 4.5 en uso de computador, y además recortó a la mitad la lectura de caché de Sonnet 5.5.
El modelo operará las herramientas de diseño electrónico de Synopsys como un ingeniero experto, sin fecha de lanzamiento ni precio anunciados.
Conecta agentes de IA con las herramientas de FPGA, SoC adaptativos y procesadores x86 embebidos de AMD mediante servidores MCP y una base de conocimiento propia.
La línea trae 10 herramientas de inspección, siete de ellas modelos de aprendizaje profundo, y un agente llamado Sparky que responde preguntas sobre la producción en lenguaje natural.
La fundación detalla ediciones no autorizadas, un intento de usar una herramienta de citas como proxy y millones de consultas que coincidieron con una caída de Wikidata.
The Verge probó el agente de OpenAI con trámites personales y con tareas de trabajo. Le fue mejor rediseñando un sitio web que agendando una instalación de internet.
Entre marzo y septiembre de 2026 sondearon sitios del CDC, la SEC y la Clínica Mayo, y llegaron a entornos de preproducción de varios organismos.
Glow Security encontró imágenes de proyectos de 343 organizaciones, entre ellas empresas Fortune 500, bancos y laboratorios de IA, con datos de clientes y credenciales.
Un equipo de la Universidad de Maryland y AWS midió cuánto aciertan los agentes de código al convertir una foto en un programa de Blender, y cuánto se equivocan al juzgar su propio trabajo.
Una consultora de call centers probó DeepSeek V4.1 Flash en su propio servidor para reemplazar a Opus 5.5 y terminó volviendo a Claude por costo y por seguridad.
El método RRSI limita cuánto puede cambiar un agente su propio entorno de trabajo y descarta los trucos hechos a la medida de cada benchmark.
El asistente leyó en Slack que su instancia se iba a detener por una actualización y evaluó programar una tarea externa para volver a levantarse.
El modelo de transcripción en tiempo real entrega sus primeros resultados en poco más de 100 milisegundos, y MAI-Voice-2.1 habla 23 idiomas con la misma voz.
La empresa publicó un SDK para conectar su agente de IA a pantallas, botones y sensores caseros, y regalará 5.000 unidades del Muse Home Link.
La actualización conecta al cuadrúpedo y su software Orbit con sensores, cámaras y sistemas de mantenimiento, y suma inspección en video con Gemini.
El nuevo modelo de frontera sube a un millón de tokens de salida, marca 77,9% en DeepSWE y por ahora solo lo reciben equipos de ciberseguridad de confianza.
OpenAI abrió a desarrolladores externos las herramientas con que arma ChatGPT, y lo llevó a Slack, Teams y las reuniones de trabajo.
Cada Dot corre en una máquina en la nube con navegador, se contacta por ChatGPT, Slack o Teams y pide permiso antes de las acciones delicadas.
La conferencia de desarrolladores trajo entornos reutilizables para Codex, Computer Use en la Agents API, una Decisions API y un nivel de velocidad que cuesta seis veces más.
La empresa de robots de inspección usa OpenShell para que sus agentes de IA solo den las órdenes que ya pueden dar sus operadores de terreno.
El agente no cumplió el estándar interno sobre alcance y autorización, dijo la jefa de sistemas de seguridad de la empresa. OpenAI también pidió disculpas a Australia.
En sus simulaciones, el modelo de OpenAI creó identidades falsas, engañó a desarrolladores y metió código malicioso en proyectos de código abierto con más frecuencia que GPT-5.6 Sol.
La empresa agrupa ambas herramientas en su Open Agent Safety Platform y dice tener colaboraciones con Anthropic, Microsoft y Mistral, pero OpenAI no aparece en el anuncio.
La app queda dividida en Home, Code y Autopilot. La licencia estándar cubre solo el chat y Office, y los agentes pasan a facturarse según el consumo.
Gambit reconstruyó la campaña desde el servidor del operador. Robó más de 600.000 tarjetas de crédito con Hermes, Strix y Cairn y gastó entre 12.000 y 18.000 dólares en modelos.
Un equipo con investigadores de la Universidad de Fudan analizó más de 700 registros de tareas del desarrollo de su modelo Atria Dawn Preview.
Google DeepMind lanzó Live Avatar para Gemini Enterprise, un rostro animado que sincroniza labios y gestos con la voz del modelo y llama herramientas sin cortar la conversación.
Los agentes de OpenAI intentaron entrar al Departamento de Educación de Estados Unidos, usaron credenciales halladas en internet en la Oficina del Censo y difundieron datos de la SEC.
HomeBody, de Stanford y Caltech, conecta el modelo de lenguaje directo a una biblioteca de habilidades del robot, sin la capa de control entrenada que suele ir en medio.
El agente de IA de Meta tendrá correo propio, controlará apps de Mac y llegará a los lentes inteligentes, que ahora parten en 349 euros.
OpenAI detalló dos incidentes nuevos, uno con una fuga por DNS y otro con un token de GitHub publicado, y mantiene en pausa sus modelos más capaces.
Un agente investigador revisó trazas, probó 152 direcciones y dejó cuatro mecanismos que ahorran hasta 49% de tokens con un puntaje parecido.
Dos usuarios le pidieron al agente ejecutar comandos de Ubuntu y así apareció el hardware, un AMD EPYC 9D25 sin GPU, además de una posible puerta por SSH.
Fuzzing Taskflow recibe un repositorio, escribe los harnesses, corre AFL++, persigue la cobertura faltante y redacta un informe por cada fallo único.
Docker Cloud Sandboxes arranca en cientos de milisegundos, cobra por segundo y parte en 0,07 dólares por hora con 1 vCPU y 2 GB.
Un agente entró el 18 de junio a un portal de Medicare en Australia, y Transluce rastrea intentos de intrusión que empezaron a más tardar el 6 de marzo.
Unos 950 agentes revisaron más de 200.000 transcriptasas inversas en 21 horas. El sistema se llama ART y su función todavía no se conoce.
El agente personal de Meta llegó al primer lugar de la App Store en su primera semana, y la empresa reconoce que usa archivos casi idénticos a los del proyecto abierto.
La versión llega con compatibilidad para ROS 2 Lyrical y Ubuntu 24.04, y su modelo FoundationPose sigue la posición de un objeto hasta 5,5 veces más rápido.
El circuito convierte a diario las conversaciones que fallan en producción en datos de entrenamiento, y el modelo especializado terminó superando al de frontera.
El modelo tardó 78 milisegundos en encender un LED y corre sin conexión a internet después de la primera descarga.
La comparación se corrió con el framework Harbor contra Claude Code, Codex, OpenCode y el entorno de DeepSeek, todos vendidos como agentes de programación, y Strands dice no ser uno.
Otros temas que aparecen junto a #agentes ia en nuestra cobertura editorial.
