Agentes
IBM dice que un agente con un modelo viejo adelanta a los de frontera si aprende su propio manual de instrucciones
IBM Research publicó el 20 de octubre los resultados de ALTK-Evolve en τ²-bench, un banco de pruebas de atención al cliente. El método deja que el propio modelo lea los intentos del agente y destile los aciertos y los fallos en reglas de conducta cortas, que después se pegan a su instrucción. No se toca ni un peso del modelo ni hace falta anotación humana: lo único que cambia respecto al banco de pruebas de serie es ese bloque de reglas.
AnuncioDisponibilidad sin confirmarSin confirmar si afecta al plan gratuito
Qué significa para ti
El interés está en lo que no hace falta. Con GPT-4.1, un modelo viejo y sin razonamiento, la fiabilidad estricta sube 10 puntos en comercio y otros 10 en aerolíneas, y con un modelo de frontera sube 15, así que no es sólo parchear un modelo flojo. Las conversaciones se acortan un poco; lo que sube es el coste de la instrucción de entrada, de 0,084 a 0,139 dólares. Dos salvedades: la comparación es contra una instantánea que ellos mismos tomaron el 12 de octubre, y sus entradas a la clasificación siguen siendo peticiones de cambio abiertas.
Fuentes
Todo lo anterior sale de estas páginas. Si alguna contradice lo que publicamos, gana la fuente y lo corregimos.
Seguir leyendo
- Agentes
Meta cuenta que sus agentes mejoraron al quitarle conocimiento al que reparte el trabajo, no al añadirlo
Meta publicó el 19 de octubre cómo rehizo los agentes que dan de alta columnas de datos en sus sistemas de recomendación, un proceso que abarca tres repositorios, tres lenguajes y hasta seis etapas. Su primer intento fue un único agente que lo sabía todo: funcionaba en las demostraciones y en producción empezó a alucinar. La solución, dicen, no fueron mejores instrucciones ni más ventana de contexto, sino darle menos trabajo al agente central.
AnuncioDisponibilidad sin confirmar
- Agentes
Ollama y Fly.io encierran al agente en una máquina aislada y le esconden la clave de la API
Ollama anunció el 13 de octubre que los modelos de su nube funcionan ya dentro de los Sprites de Fly.io, que son máquinas virtuales Linux completas con su propio disco y que se conservan entre sesiones. Claude Code, Codex y Gemini CLI están soportados de salida, de modo que el agente puede ejecutar órdenes dentro del aislamiento. Con el conector nuevo, esas máquinas pueden usar modelos como kimi-k3, glm-5.3 y deepseek-v4.1-flash.
LanzamientoDisponible
- Agentes
OpenRouter tiene en beta dos herramientas que ejecutan el código del modelo en su propio sandbox
OpenRouter publicó el 5 de octubre una comparación de las herramientas que ejecutan código en el servidor del proveedor, y dentro documenta las suyas: openrouter:shell, que corre órdenes para cualquier modelo en sus APIs Responses y Messages, y openrouter:bash, limitada a Messages. Las dos están en beta. El funcionamiento es que el modelo decide cuándo necesita ejecutar algo y el proveedor lo corre en su propio contenedor aislado, devolviendo la salida dentro de la misma petición, sin que haya que montar ni parchear nada.
Preview o betaPreview