0811 | Gutta, Portfolio Lab, SecondBrain Note y Paritok: apps y IA en Product Hunt

Clara Vega: Bienvenidos a Product Hunt diario, el podcast de Bri. Soy Clara Vega.

Mateo Ruiz: Y yo soy Mateo Ruiz. Hoy hay lanzamientos muy interesantes para repasar.

Clara Vega: Así es. Vamos a ver una puerta de enlace de compresión para agentes de codificación, una aplicación para hacer llamadas de grupo por voz, y una lista de tareas minimalista que vive en la barra de menús de tu Mac.

Mateo Ruiz: Y también hablaremos de una plataforma de inversión con inteligencia artificial responsable, una grabadora de voz con fijación magnética, y un proyecto de código abierto que se mejora a sí mismo, entre otros lanzamientos. Empecemos.

Clara Vega: Hablemos de Paritok, la puerta de enlace de compresión para agentes de codificación con IA que llegó hoy a Product Hunt, impulsado por los ingenieros Jiayu y Luzhuo y cazado por Chris Messina. La idea central, y esto es lo que más me llama la atención, es que los agentes de codificación desperdician muchísimo. Un agente puede enviar el JSON completo de setenta herramientas cuando solo va a llamar a dos, o un archivo entero cuando solo necesitaba una función.

Mateo Ruiz: Exacto, ese es el problema que plantean los creadores. Como la API no guarda estado, ese desperdicio se reenvía una y otra vez, y se va acumulando en cada turno de la conversación. Así que Paritok se coloca entre el agente y la API y comprime tres cosas antes de que salgan: los esquemas de las herramientas, las lecturas de archivos y salidas, y el historial antiguo.

Clara Vega: Y la versión 1.3.0 viene con licencia Apache 2.0, con la promesa de gastar hasta un 85% menos y ejecutar sesiones de agente hasta tres veces más largas. Lo interesante es que la compresión es no destructiva: si en algún momento necesitas los bytes exactos de la lectura original, read_original los recupera en local sin gastarte un turno. Nada se descarta.

Mateo Ruiz: Lo que lo impulsa es un modelo de cuatro mil millones de parámetros, nativo de código, entrenado con cuarenta y cinco mil trayectorias reales de agentes. Para que te hagas una idea del impacto: los esquemas de herramientas pasan de unos veintinueve mil tokens por turno a unos ocho mil, y se hace sin modelo, directamente en CPU.

Clara Vega: Y la integración es muy sencilla, una variable de entorno que apunta a la dirección local, y ya es compatible con Claude Code, Codex, Cursor, OpenHands y cualquier upstream que funcione con OpenAI o Anthropic.

Mateo Ruiz: Eso sí, hay que ser claros: todas estas cifras son afirmaciones de los creadores, no están verificadas de forma independiente. Pero el recorte que describen, del 25% en el primer turno a más del 85% en sesiones largas, tiene sentido si el desperdicio acumulado era realmente el problema que dicen.

Clara Vega: Pasamos a Vidaya, que antes se llamaba Vitality AI Health, aunque su fundador aclara que es el mismo producto y el mismo equipo. Es un panel de longevidad con IA que convierte tus datos de wearables, laboratorios, ADN y hábitos en una puntuación de salud y en un plan de longevidad personalizado.

Mateo Ruiz: Y el problema que describe el fundador, Kevin Amrelle, es que los datos de salud están completamente dispersos. Las comidas en una app, los suplementos en otra, los análisis en un PDF, el ADN en otro servicio, los pasos en el reloj, las recetas en la farmacia. Ninguna app conecta las piezas ni te dice qué hacer con todo eso.

Clara Vega: De hecho, me parece muy potente la motivación personal que cuenta. En una carrera ciclista de invierno su frecuencia cardíaca se quedó clavada en 120 latidos por minuto, y el manguito confirmó hipertensión en etapa 2. Y ninguna app de salud había detectado esa tendencia. Eso es exactamente el tipo de cosa que pasa desapercibida cuando los datos no dialogan.

Mateo Ruiz: Su diferenciación declarada es esa: mientras la mayoría de apps agregan una o dos categorías de datos, Vidaya dice agregar cada categoría que el usuario genera, incluidas las de grado médico como Epic, Labcorp, Quest, 23andMe y AncestryDNA. Normalizan más de sesenta fuentes en un registro longitudinal único.

Clara Vega: Y ahí entra Vaya, su coach de IA, que busca correlaciones que ninguna app individual encuentra. De hecho, el motor de correlación entre fuentes es objeto de una solicitud de patente. El equipo asegura que la plataforma se construyó con cumplimiento HIPAA desde el día uno, con la guía de un consultor que aporta veinte años de experiencia en seguridad sanitaria.

Mateo Ruiz: Lo interesante aquí, más allá de los números, es que el valor real está en cruzar fuentes: que un dato de tu reloj, combinado con un análisis de laboratorio, te diga algo que ninguna de las dos cosas por separado te iba a contar. Eso es lo que hace que un panel así valga la pena.

Clara Vega: Remix llega con un titular bastante ambicioso: Figma, pero dentro de tu aplicación en producción. La idea es que cualquier miembro del equipo pueda crear una variante del producto real, una copia segura en un entorno aislado, y modificarla simplemente escribiendo instrucciones, sin configuración y sin riesgo para la producción.

Mateo Ruiz: Y la premisa va directa al cuello del problema. Su tesis es que la mejor idea rara vez viene de quienes tienen permiso para construir. Un diseñador, un responsable de producto o un agente de soporte ve qué debería cambiar y se pasa semanas esperando a que haya tiempo de ingeniería para que alguien lo implemente.

Clara Vega: Con Remix, según el mensaje de lanzamiento, se comparan variantes lado a lado, se pueden fusionar arrastrando una sobre otra, y cuando una idea está lista se abre un pull request directo hacia GitHub. Y como cada instrucción queda registrada, los revisores ven exactamente cómo se construyó, con un enlace en vivo para probarlo antes de que llegue a la rama principal.

Mateo Ruiz: Cada remix tiene su propio entorno aislado con vista previa en vivo, y se verifica contra el sistema de diseño, las reglas de seguridad y las de cumplimiento. Pero la ingeniería conserva la aprobación final, porque ve las instrucciones y revisa el pull request limpio antes de que entre.

Clara Vega: Es un equilibrio interesante: acelerar el paso de idea a producción sin quitarle el control al equipo de ingeniería. Un comentarista destaca precisamente eso, que le gusta acelerar ideas hacia producción y dar al ingeniero más visibilidad de todo el proceso antes de que llegue el pull request.

Mateo Ruiz: Eso sí, la evidencia comunitaria aquí es limitada y atribuida. Es una apuesta interesante por un problema real, que la codificación con IA se ha vuelto fácil pero el flujo alrededor del código sigue siendo incómodo, sobre todo para quienes no son ingenieros. Pero hay que tomarlo como eso, como una propuesta en sus primeros pasos.

Clara Vega: Cerramos con AI Group Call, una app de llamadas de voz lanzada hoy, en la que una llamada la forman seis participantes, todos de IA. La creadora, Tash, explica que escribes un objetivo y en segundos la app arma el reparto: seis voces con nombre, rol y personalidad pensadas para esa meta.

Mateo Ruiz: Y aquí está lo que me parece divertido: no son seis voces que se turnan para estar de acuerdo. Hablan de uno en uno, se responden, se contradicen. Puedes tener el escéptico que agujerea tu propuesta, el estratega que la reformula, y alguien que haga de cliente. Y se callan en el momento en que tú intervienes.

Clara Vega: La parte más difícil, dice Tash, fue lograr la interrupción real sobre el altavoz del teléfono, porque el micrófono también escucha a los propios agentes. Eso requirió manejo de eco y detección de voz sobre el audio crudo. Y llama la atención que venga de una frustración muy concreta: podía preguntar a un chatbot, pero quería la sala completa, con gente que le discutiera.

Mateo Ruiz: Cada llamada se transcribe, se resume en puntos clave y en acciones concretas, y puedes retomarla luego con el mismo reparto. Además, a mitad de la llamada puedes tocar a cualquier agente y cambiar su nombre, su rol o su personalidad. Y hay un detalle útil: puedes pausar el reloj de minutos.

Clara Vega: Claro, porque los minutos son el modelo de negocio. Cada cuenta nueva recibe un minuto gratis, sin tarjeta, y después hay paquetes mensuales desde 4,99 dólares. El lado de Android ya está disponible en Google Play, y la versión para iOS está creada y pendiente de enviar a la App Store.

Mateo Ruiz: Aquí tampoco hay verificación independiente de las capacidades, así que tomamos los datos de la propia creadora. Pero como concepto es pegadizo: en lugar de consultar a un chatbot, juntas a un equipo completo que te discuta la idea desde ángulos distintos. Eso le da otro sabor muy distinto al mismo tipo de herramienta.

Clara Vega: Empecemos con Portfolio Lab, una plataforma de inversión con inteligencia artificial que acaba de presentarse en Product Hunt. La impulsa Rich Sun, un profesional que viene del mundo de los fondos de cobertura, y se presenta como lo que llama la capa de estrategia de la inversión con IA. Dice estar registrada en la SEC, ser miembro de SIPC y usar cifrado de 128 bits o superior.

Mateo Ruiz: Y lo interesante es cómo llega a esa propuesta, porque su fundador cuenta que le pidió a Claude construir mil doscientas noventa y dos estrategias de inversión. Resulta que le tomó días auditar el código línea por línea, y encontró errores que estaban inflando los resultados. Al corregirlos, casi todas las estrategias perdieron su supuesta ventaja.

Clara Vega: Eso le llevó a una tesis bastante escéptica: que los modelos de lenguaje razonan en lenguaje, no en las series temporales ruidosas del mercado, así que confiar en la salida directa de un agente no es una estrategia, sino, en sus palabras, un cara o cruz. Ojo, es una afirmación del propio creador, no un resultado verificado de forma independiente.

Mateo Ruiz: Y por eso dice que no es otro envoltorio de un modelo de lenguaje, sino modelos cuantitativos propios entrenados con décadas de datos. El flujo es de tres pasos: el usuario define un objetivo, como crecimiento estable, protejerse de grandes pérdidas, seguir tendencias o comprar cuando los precios caen. Los modelos construyen estrategias sistemáticas, y cada una debe sobrevivir pruebas con datos que no ha visto y paper trading en vivo con precios y operaciones reales antes de tocar dinero propio.

Clara Vega: Luego viene la parte del despliegue: la estrategia se conecta con Claude, ChatGPT o cualquier agente compatible con el protocolo MCP, y ese agente opera directamente en la cuenta de bróker del propio usuario. La web muestra una asignación ilustrativa, algo como un treinta por ciento en el fondo VTI, quince en SCHD, un doce en NVDA, y el resto repartido entre Microsoft, Amazon, un fondo inverso y efectivo. Un ejemplo de lo que sería una asignación diversificada, con la aclaración de que no es una recomendación de compra.

Clara Vega: Pasamos ahora a Gutta, una app que va en la dirección totalmente opuesta: una lista de tareas mínima, offline y orientada al teclado, que vive en la barra de menús del Mac. Está pensada para capturar una tarea en segundos, sin entrar en otra aplicación.

Mateo Ruiz: La idea es que pulsas una combinación de teclas, se abre un panel centrado, escribes la tarea como la dirías de forma natural y pulsas retorno. Y entiende fechas y horas en lenguaje natural: algo como compra pan mañana por la mañana, o llama a mamá a las cinco de la tarde. También convierte entradas separadas por punto y coma en varias tareas, y programa recordatorios locales.

Clara Vega: La barra de menús muestra contadores de tareas atrasadas, de hoy y posteriores, y la búsqueda, el completado y el borrado se hacen sin salir del teclado. Pero el rasgo que la diferencia es la privacidad. Todo se almacena localmente con SwiftData, y la sincronización es opcional, a través de una carpeta que elige el usuario en su propio iCloud Drive, Dropbox o OneDrive. No hay cuenta de Gutta, no hay suscripción, no hay rastreo, y no hay un servidor que pertenezca al desarrollador.

Mateo Ruiz: La documentación además detalla cómo se comporta sin conexión: los cambios hechos offline se recuperan al reconectarse iCloud Drive, y si la misma tarea cambia a la vez en dos sitios, gana la copia editada más recientemente. Los recordatorios admiten un valor por defecto global de quince, veinte o treinta minutos, una hora, dos horas, o desactivado, con ajuste por tarea.

Clara Vega: Requiere macOS 14 o posterior, no añade icono al Dock y usa un sistema de actualización automática desde su versión estable en GitHub. Es la primera versión pública, y su creador está pidiendo retroalimentación sobre el flujo de captura y los controles de recordatorios, precisamente las dos partes donde dice que quiere escuchar a los usuarios.

Clara Vega: Ahora SecondBrain Note, de GenSpark, un dispositivo físico presentado en Product Hunt: una grabadora de voz con IA en formato tarjeta, con fijación magnética estilo MagSafe. Según el fabricante, con una sola pulsación convierte reuniones y conversaciones en notas estructuradas y buscables, sin trabajo manual. El problema que plantea es que tomar notas a mano es lento, incompleto y difícil de organizar.

Mateo Ruiz: La campaña apoya eso citando la conocida curva del olvido de Ebbinghaus, de finales del siglo diecinueve: la fórmula de que olvidas el ochenta y tres por ciento de lo que oyes, y el lema es que SecondBrain no lo olvida. En cuanto a lo físico: es muy fino y ligero, pesa veintiséis gramos, con una carcasa de aluminio de grado aeronáutico. Tiene sesenta y cuatro gigabytes de almacenamiento y cuatro micrófonos, y asegura captar voces a más de cinco metros.

Clara Vega: El uso es intencionadamente simple: mantienes pulsado el botón dos segundos y graba de forma continua como dispositivo autónomo, sin ajustes, hasta treinta y cinco horas con su batería. Un comentario de la comunidad describe el enfoque como offline-first: las grabaciones se sincronizan después y es ahí cuando se generan los resúmenes automáticos.

Mateo Ruiz: Incluye transcripciones y resúmenes completos para grabaciones de más de dos minutos, marcado de momentos clave e integración con SecondBrain, GenMail y otras fuentes de datos. Sobre seguridad, el fabricante declara transferencia cifrada y certificaciones SOC 2 Tipo II e ISO 27001. En precio, está en oferta a ciento setenta y nueve dólares, con un precio regular de ciento noventa y nueve. El plan Starter trae trescientos minutos de transcripción al mes, mientras que los planes Plus y Pro ofrecen minutos ilimitados hasta veinticuatro horas al día.

Clara Vega: Cerramos con oqoqo, una herramienta que se presenta en Product Hunt como la forma más fácil de crear evaluaciones y benchmarks personalizados para tareas del mundo real. La idea, según su cofundadora Haritha, es que la mayoría de los benchmarks actuales viven en entornos curados y no se trasladan bien a lo que pasa de verdad fuera.

Mateo Ruiz: La propuesta es definir una tarea tan simple como un prompt de usuario, por ejemplo, integrar Supabase en mi aplicación web para guardar los registros de usuario. Luego indicas qué probar, como el SDK, la API o la línea de comandos, y qué cuenta como éxito, por ejemplo, que se configure correctamente la seguridad a nivel de filas. La infraestructura levanta entornos aislados, ejecuta las tareas contra los agentes elegidos y cataloga cada paso del proceso.

Clara Vega: Y eso es clave: no solo mide si la tarea se aprueba o no. Registra las llamadas a herramientas, los reintentos y los bucles de descubrimiento, y documenta el consumo de tokens y el coste. El sitio aclara que puedes traer tus propias claves de acceso, y que los entornos mantienen el estado del proyecto, el contexto y las herramientas.

Mateo Ruiz: El uso declarado va en varias direcciones: medir cuán amigable es un producto para los agentes frente a Codex, Claude Code, Cursor o GitHub Copilot entre otros; hacer pruebas de regresión sobre protocolos y herramientas; comparar modelos y marcos de trabajo por dominio; y comprobar si una versión nueva mejora realmente la experiencia del agente. El flujo documentado es definir el experimento, ejecutar cada tarea en su entorno, capturar la trayectoria completa de llamadas y comandos, medir tasas de aprobación, tokens y fricciones, corregir y volver a ejecutar. Todo desde una interfaz web, una línea de comandos y también mediante MCP. La idea de fondo es dejar de medir a los agentes en el laboratorio y empezar a medirlos donde realmente van a trabajar.

Clara Vega: Prime Intellect Team ha lanzado Prime Agent, un asistente de programación de código abierto que se describe como auto-mejorable. El anuncio del 5 de agosto de 2026, firmado por Seth Karten, Alex L. Zhang, Kevin Thomas y Sebastian Müller, presenta una idea central: los harness actuales, las estructuras que conectan un modelo de lenguaje con sus herramientas, fueron diseñados pensando en generaciones anteriores de modelos. Ahí está su apuesta principal.

Mateo Ruiz: Y eso se traduce en dos abstracciones concretas. La primera es el Recursive Language Model, que trata el contexto como algo variable y permite que el agente delegue tareas en subagentes, como si fueran llamadas a funciones dentro de una sesión persistente estilo REPL. La segunda es el Continual Harness, que deja que el propio agente cree, lea, actualice o borre su estado —desde sus instrucciones hasta sus habilidades, memoria y subagentes— usando su propia trayectoria. En lugar de que el modelo trabaje alrededor de una estructura fija, la estructura crece con lo que el agente va haciendo.

Clara Vega: En la práctica, eso da como resultado un kernel de IPython persistente como única herramienta, subagentes recursivos —cada uno es otra instancia de Prime Agent— y mensajería directa entre agentes. Hay también un proceso en segundo plano que guarda sesiones recuperables desde archivos y capturas del kernel, una vista de agentes para ver cuáles están activos o en reposo, y un historial con versionado, bifurcación y recuperación de cualquier punto del camino.

Mateo Ruiz: Los subagentes, por cierto, se descargan de la memoria tras treinta minutos sin actividad y se recargan cuando vuelven a ser invocados. El proyecto se presenta como asistente general de programación, pero también como motor para evaluaciones autónomas de largo recorrido y para colaboración en investigación.

Clara Vega: El equipo sostiene que el enfoque ya rinde resultados: reportan un 95,5 por ciento en ARC-AGI-3 con el modelo Opus 5, superando la línea base humana experta que aparece en la prueba. Es una cifra llamativa, aunque conviene leerla como un dato del propio material de lanzamiento, con modelos y benchmarks que evolucionan rápido.

Mateo Ruiz: Exacto. La idea que sintetiza todo es que hoy un agente no debería tener que adaptarse a un andamiaje rígido; sino al revés. Si esta arquitectura funciona, podría marcar la dirección de cómo vemos a los asistentes de código en los próximos meses.

Clara Vega: Y con esto cerramos el repaso de hoy: herramientas para codificar, para invertir, para tomar notas, incluso para ordenar tu lista de tareas con Gutta, esa app mínima que vive en la barra de menús de tu Mac. Remix quiere llevar el diseño tipo Figma a tu app de producción, y Portfolio Lab apuesta por una inversión con IA hecha de forma responsable.

Mateo Ruiz: Sin duda un día variado en Product Hunt, desde la comunicación por voz de AI Group Call hasta SecondBrain Note o la propuesta de compresión para agentes de IA de Paritok. Si alguno de estos lanzamientos despertó tu curiosidad, te invitamos a explorarlos a tu ritmo. Gracias por acompañarnos, ¡nos escuchamos en la próxima!