Lilith · historias seleccionadas
Lo que de verdad pasa en la IA. Historias seleccionadas, contexto y opinión sin ruido promocional.
Feed Atom ↗La habilidad central del desarrollador está pasando de escribir sintaxis a la capacidad de verificar de forma fiable los cambios aplicados. Sin embargo, leer cada línea generada es el camino menos efectivo.
Simon Willison lanzó una actualización del complemento llm-anthropic 0.27. Proporciona compatibilidad con la biblioteca de Python anthropic v1.0.0 lanzada recientemente, que cambia la dependencia de httpx a httpx2.
Recientemente, no tenía sentido perder tiempo ajustando el código para la IA, ya que los modelos más nuevos suavizaban las deficiencias. Pero la llegada del costoso modelo Fable y de modelos comparablemente buenos y más baratos como Opus obliga a los equipos a pensar para qué parte del código realmente vale la pena cada modelo.
El Ramp AI Index de julio, basado en datos de facturación de 70.000 empresas, atribuyó a Fable 5 apenas el 8 % del gasto en modelos de Anthropic, mientras que Opus 4.8 lideró con el 28 %. Anthropic crece con rapidez, pero su modelo más capaz sigue chocando con la sensibilidad de los clientes al precio.
Simon Willison publicó una actualización de su plugin para OpenRouter. La nueva versión permite que los modelos utilicen directamente herramientas del servidor como Shell, WebFetch y WebSearch.
Según Thomas Ptacek, las herramientas personales con interfaz de terminal (TUI) están obsoletas. El auge de los agentes de programación ha reducido prácticamente a cero el coste temporal de crear una GUI nativa y utilizable.
La optimización para motores generativos (GEO) se vuelve tangible. ChatGPT Search restringe ahora de forma agresiva las búsquedas a dominios concretos.
Simon Willison probó smolvm como sandbox para Python y JavaScript. Demuestra que ejecutar código no fiable de forma segura ya no requiere Docker: basta con una micro-VM aislada.
