Granite 4.2 es la familia de modelos de razonamiento densa y decoder-only de Hugging Face, disponible en 3B, 8B y 30B parámetros. Su entrenamiento combina pre-entrenamiento desde cero, fine-tuning supervisado con cadenas de pensamiento y una etapa final de aprendizaje por refuerzo con capacidad agentica.
La memoria agentica —conjunto de guías autoextraídas de trayectorias previas— no es un interruptor universal: su efecto depende de la capacidad del modelo. Aquí explicamos patrones observados, resultados en AppWorld y recomendaciones prácticas para desplegar agentes en producción.
Los 'skills' permiten a agentes basados en LLM cargar instrucciones especializadas sólo cuando las necesitan, haciendo flujos más eficientes y flexibles. Aquí verán cómo diseñarlos e integrarlos con LangChain, paso a paso.
NVIDIA Nemotron 3.5 Lightning llega a Amazon SageMaker JumpStart como un modelo abierto optimizado para pasos especializados y de alto volumen en flujos de agentes. Permite desplegar sin configurar la infraestructura de serving y promete hasta 4x de throughput y 30% menos en tiempo de tareas en cargas agenticas.
Google anuncia Gemini 3.7 Flash, una actualización rápida sobre 3.6 Flash que mejora precisión en código, desarrollo web y tareas de conocimiento denso. Llega con mejor experiencia para desarrolladores, integración en Gemini Spark y un precio introductorio reducido.
No todas las habilidades para agentes de IA están diseñadas para escribir bien. Aquí revisamos las cinco repos más relevantes en GitHub que sí lo están: qué hacen, cuándo usarlas y cómo instalarlas en Claude Code. Datos de GitHub al 5 de agosto de 2026.
monday.com ha llevado agentes de IA a producción dentro de un SaaS con millones de usuarios, usando Amazon Bedrock y una capa propia que los integra con Slack, GitHub y su backlog. Aquí explicamos la arquitectura, el manejo del estado y las decisiones operativas clave.
Automatizar no es lo mismo que delegar decisiones a un agente inteligente. Entender las diferencias prácticas —predicciones, fallos y trazabilidad— evita despliegues costosos y frágiles. Les explico cuándo usar cada enfoque y ejemplos concretos.
En julio de 2026 el pulso en GitHub lo llevan los agentes: desde pentesting automatizado hasta herramientas para trading y documentación AI-friendly. Revisamos los 10 repos que más crecieron y por qué importan.
Shippy, el agente de IA de Skylight para vigilancia marítima, no es solo un modelo: es un sistema diseñado para ser verificable y seguro. Este artículo desglosa su arquitectura —alma, habilidades y configuración— y las decisiones que lo hacen fiable en operaciones de alto riesgo.
OpenAI presentó la familia GPT-5.6 (Luna, Terra y Sol), con una ventana de contexto de un millón de tokens, nuevas funciones de API para agentes y ejecución programática, y una apuesta por eficiencia en costos para flujos de trabajo largos.
Crear agentes verdaderos va más allá de publicar pesos; requiere datos, trazabilidad y curation. NVIDIA Nemotron apuesta por datos abiertos y sintéticos para hacer agentes inspectables y adaptables, incluyendo personas sintéticas localizadas.
Los Large Action Models (LAMs) y los agentic LLMs ofrecen caminos distintos para que la IA realice acciones. Este artículo explica sus diferencias, ventajas y cuándo conviene uno u otro, con enfoque práctico para empresas en Latinoamérica.
Entrenar agentes que actúen en múltiples turnos plantea desafíos distintos a respuestas únicas: el entorno, las herramientas y la señal de recompensa deben diseñarse con cuidado. Aquí repasamos prácticas recomendadas para crear entornos reproducibles, evaluar fuera del entrenamiento y monitorear métricas clave con ejemplos prácticos.
La inteligencia artificial ha generado su propio vocabulario: LLM, RAG, RLHF y más. Este glosario explica en lenguaje claro los términos que escuchará en reuniones, pitches y medios.
Anthropic presentó Claude Sonnet 5, la versión intermedia optimizada para uso diario: rápido, económico y disponible sin suscripción. En este artículo analizamos sus mejoras, pruebas prácticas y qué significa para equipos y organizaciones en América Latina.
Harness-1 propone separar la lógica de búsqueda del manejo de estado, usando un 'harness' que administra colecciones, deduplicación y un grafo de evidencia. El resultado es un agente compacto (20B) que, según los autores, supera a GPT-5.4 en búsquedas.
Construir agentes suele ser mayormente trabajo de infraestructura: clientes de modelo, herramientas, estado y guardrails. CUGA (pip install cuga) captura esa 'plomería' para que su equipo se concentre en la lógica de negocio y el prompt. Viene con ejemplos listos y permite correr agentes gobernados y soberanos sin reescribir código.
En mayo 2026 Google presentó una oleada de novedades orientadas a una IA más proactiva y capaz de ejecutar tareas complejas: los lanzamientos clave fueron Gemini 3.5 y Gemini Omni, junto con actualizaciones en Search, nuevos dispositivos y herramientas de salud. Estas novedades apuntan a integrar agentes inteligentes en flujos de trabajo personales y profesionales.
En I/O 2026 Google presentó Antigravity 2.0, una reingeniería que deja atrás el asistente de código y pone la orquestación de agentes en el centro. Este artículo explica las novedades, el motor Gemini 3.5 Flash y qué significa para equipos y empresas en América Latina.
En 2026 la investigación en modelos de lenguaje se aleja de la sola escala y apunta a seguridad, control y uso como agentes. Aquí están las 10 publicaciones más relevantes que todo investigador y tomador de decisiones debería conocer.
En su evento Code w/ Claude 2026 Anthropic no lanzó un nuevo modelo, pero presentó mejoras importantes en productos: aumento de límites para desarrolladores, gestión avanzada de agentes, una función de 'Dreaming' y una alianza con SpaceX. Estas novedades buscan facilitar despliegues productivos y acelerar equipos de ingeniería.
La evaluación de modelos ya no es un trámite barato: proyectos recientes muestran gastos de decenas de miles de dólares y variaciones de costo de varios órdenes de magnitud. Para equipos en América Latina, esto redefine prioridades de inversión y diseño de pruebas.
DeepSeek V4 llega con ventanas de contexto de hasta 1 millón de tokens y una arquitectura de atención híbrida (CSA + HCA) que reduce drásticamente el costo por token. Esto lo hace especialmente atractivo para cargas de trabajo agenticas de larga duración.
VAKRA propone un entorno ejecutable con miles de APIs locales y colecciones de documentos para probar si los agentes pueden completar flujos multi‑paso en escenarios tipo empresa. El benchmark no solo mide habilidades aisladas, sino la capacidad de encadenar herramientas, seleccionar APIs relevantes y combinar evidencia de múltiples fuentes.
Hugging Face presenta Holo3, un modelo agente optimizado para ejecutar flujos de trabajo empresariales en interfaces de escritorio. Logra 78.85% en OSWorld-Verified y combina eficiencia con disponibilidad abierta para integraciones en producción.
En RSAC 2026 Microsoft expone su visión de seguridad integrada para agentes de IA: un enfoque end-to-end que combina visibilidad, control de identidades y protección de datos. Las novedades incluyen Agent 365 como plano de control y múltiples mejoras en Entra, Defender y Purview para gobernar agentes a escala.
Holotron-12B es un modelo multimodal diseñado para agentes que interactúan con interfaces y múltiples imágenes. Basado en la familia Nemotron de NVIDIA, ofrece un salto importante en throughput y rendimiento en benchmarks agenticos.
Los subagentes permiten delegar tareas específicas a copias frescas del agente principal para evitar agotar su ventana de contexto. Son útiles para explorar repositorios, ejecutar pruebas o revisar código en paralelo.
Tener tecnología de agentes no garantiza valor: el verdadero desafío es el modelo operativo. Esta guía por rol explica qué debe hacer cada líder para que los agentes aporten KPIs medibles, se integren de forma segura y escalen sin convertirse en un caos operativo.