Lilith.
⌕

Lilith · historias seleccionadas

Noticias

Lo que de verdad pasa en la IA. Historias seleccionadas, contexto y opinión sin ruido promocional.

Feed Atom ↗
#agents· × <built-in method clear of dict object at 0xefe3a6a00d00>
publicado

OpenAI conectó ChatGPT con Oracle y ServiceNow en dos días, pero de momento solo funciona un plugin

El 28 de octubre ServiceNow publicó en el marketplace de OpenAI un plugin con el que un técnico de TI puede buscar incidentes similares y actualizar registros desde ChatGPT. Oracle anunció una integración parecida un día antes. Casi todo lo demás, incluidas las herramientas de seguridad con modelos de OpenAI, llegará en 2027.

publicado

GPT-6 Astra ganó el benchmark de Retell, pero no figura entre los modelos que Retell recomienda

OpenAI publicó un caso de éxito de Retell, cuyos agentes de voz gestionan más de 100 millones de llamadas al mes y en el 80 % de ellas responden modelos de OpenAI. Sin embargo, el ganador de su benchmark, GPT-6 Astra, cuesta 0,32 dólares por minuto en la tarifa de Retell, y los modelos recomendados más baratos, una quinta parte.

Cuatro juegos con menos de cuatro horas de trabajo cada uno: Simon Willison ve un punto de inflexión en el vibe coding de videojuegos

Simon Willison sostiene que Claude Opus 5.5 ha llevado al vibe coding de videojuegos un punto de inflexión parecido al que vivieron los coding agents el pasado noviembre. En pocas semanas creó cuatro juegos con los que disfruta de verdad, ninguno le llevó más de cuatro horas de trabajo propio y no miró el código.

publicado

Anthropic reescribió la Messages API en Rust y dejó las credenciales fuera del alcance de sus agentes

Las responsables de ingeniería y de producto de Claude Platform contaron en el pódcast Latent Space cómo Anthropic usó a Claude para portar la Messages API de Python a Rust y ahorró, según su estimación, entre un 40 y un 50 % de CPU. Para quien construye agentes, lo más útil es la segunda parte: por qué Managed Agents guarda las credenciales fuera del sandbox.

webframe ejecuta una web como un programa en medio segundo. Solo el aislamiento que lo rodea lo convierte en sandbox

Simon Willison encargó a Claude Opus 5.5 poner a prueba webframe, una pequeña herramienta de Jeff Lindsay que ejecuta una página web como un programa de terminal. Para scraping es más o menos tan rápida como shot-scraper. Como sandbox para JavaScript ajeno solo aguantó envuelta en un namespace de red vacío, bubblewrap y un timeout.

Según OpenAI, Dots estudia por su cuenta lo que sabe de ti. Aún rechaza el acceso de solo lectura a tu disco

En TechCrunch Disrupt, Alexander Embiricos, de OpenAI, explicó cómo Codex se convirtió en Dots, un asistente de 100 dólares al mes que trabaja sin que nadie se lo pida. Confirmó una función de proactive research que repasa con regularidad lo que sabe del usuario, además de conversaciones con empresas de pagos. Los permisos detallados todavía no existen.

publicado

50 dólares por intrusión: los agentes de IA de un solo hacker entraron en más de 100 webs

La firma de seguridad NorForge describe a un atacante que dejó que agentes de IA, casi sin supervisión, atacaran más de 1.200 webs y lograran entrar en más de 100. Según Reuters, entre las víctimas había sitios vinculados a Deere, SharkNinja y Cummins. Lo decisivo es el precio: unos 50 dólares por intrusión lograda.

Un agente de IA elevó la precisión del código econométrico del 79 % al 97 %. Los errores que quedan no se ven

Ethan Mollick sostiene que escribir buen código en Stata, una habilidad clave en su carrera académica, se está quedando obsoleto. Se apoya en un estudio con 40 tareas econométricas: cuando el modelo puede ejecutar y corregir su propio código, los resultados correctos pasan del 79 % al 97 %. Los errores que quedan, sin embargo, son silenciosos y detectarlos sigue siendo cosa del investigador.

Anthropic cede Agent Skills a una fundación de la Linux Foundation. Un estándar con 280 millones de instalaciones apenas ahora tendrá versiones y reglas de seguridad

Anthropic ha donado el estándar Agent Skills a la Agentic AI Foundation, que el año pasado ya recibió MCP. El formato, adoptado por más de 70 plataformas como ChatGPT y Cursor según Anthropic, espera ahora versiones numeradas, un proceso formal de cambios y pautas de seguridad.

OpenAI lanzó miles de agentes sobre un atlas del cerebro de ratón. En 32 minutos dieron hipótesis y el laboratorio aún debe confirmarlas

OpenAI, PerturbAI y Scripps Research repartieron el análisis de datos de millones de células cerebrales de ratón entre miles de agentes con GPT-Rosalind y terminaron en 32 minutos. El resultado es un mapa público de hipótesis que todavía deben comprobar los experimentos.

publicado

Photoshop en Rust en dos semanas. ArtCraft tiene trece aplicaciones y se pone a sí mismo un 45 %

Brandon Thomas puso a Claude Opus 5.5 a reescribir Photoshop, Premiere, Lightroom y otros programas en Rust. Tres semanas después hay trece aplicaciones de código abierto y más de 70.000 estrellas solo para PhotoCraft. Sin embargo, la hoja de ruta del propio proyecto dice que faltan cientos o miles de horas de agente para el trabajo real, y los juristas discuten si esto es de verdad una sala limpia.

El gráfico más famoso de la IA se detuvo en 17 horas de trabajo. METR ya no sabe medir más allá

Con motivo de su libro Co-Existence, Ethan Mollick resumió en gráficos 30 meses de avances en IA. La duración de las tareas que un modelo completa con una sola instrucción se ha duplicado ocho veces desde GPT-4, y el precio de una respuesta correcta en GPQA ha caído unas 725 veces. Pero el benchmark de METR que sostiene la curva principal dejó de actualizarse en septiembre y, según sus autores, por encima de 16 horas no da cifras fiables.

Ya no basta con juzgar a un agente por el resultado. Un artículo liderado por Princeton recoge 33 tendencias de evaluación

Investigadores de Princeton, Stanford, el AI Security Institute británico y Brookings han reunido 33 tendencias que están cambiando la evaluación de agentes de IA. Hay que revisar todo el recorrido del agente, no solo el resultado, y eso ya cuesta tanto que la independencia de los evaluadores empieza a depender de quién paga la factura.

Microsoft enseña a los agentes de IA a dibujar gráficos en los que se puede hacer clic

Microsoft Research amplía Flint, su lenguaje para gráficos, con interacciones: el agente describe qué debe pasar al hacer clic o seleccionar y el compilador se encarga del resto. Lo seleccionado en el gráfico puede volver al chat como contexto de la siguiente pregunta. Las promesas de menor coste y mayor fiabilidad llegan, de momento, sin cifras.

El hombre detrás de Memex en DARPA dirige el Catalyst Lab de Microsoft y apuesta por la ciberdefensa

Microsoft Research ha publicado una conversación con Chris White, responsable del nuevo Catalyst Lab. En DARPA, White dirigió Memex, herramientas de búsqueda en la dark web usadas contra la trata de personas. Ahora quiere aplicar la misma lógica de conectar pistas a la defensa de redes, aunque aún no ha mostrado un proyecto concreto.

publicado
· X · @OpenAI ↗

OpenAI compra Orchestra Bio: Rosalind tendrá agentes que vigilan el calendario del desarrollo de fármacos

OpenAI adquirió el 20 de octubre Orchestra Bio, una startup de cuatro años cuyos agentes de IA siguen estudios, plazos y retrasos en el desarrollo de fármacos. El equipo y la tecnología pasan a Rosalind, la línea de OpenAI para ciencias de la vida. No se ha revelado el precio; según TechCrunch, la startup había captado unos 20 millones de dólares.

Terminal X mide el criterio inversor: su revisor con GPT-6.1 Sol coincide con un sénior el 88,6 % de las veces

Terminal X construye agentes que deben conservar el criterio de los mejores profesionales de una firma de inversión. En 500 evaluaciones, su agente revisor con GPT-6.1 Sol coincidió con un revisor sénior el 88,6 % de las veces. Todas las cifras proceden de un caso de estudio en el blog de OpenAI.

publicado