1015 | Agentes con memoria y modelos más rápidos: la semana en IA

Clara Vega: ¡Hola y bienvenidos a otro episodio! Yo soy Clara Vega.

Mateo Ruiz: Y yo Mateo Ruiz. Hoy tenemos una ronda de lanzamientos y anuncios muy particular, y hay un hilo que une casi todo: los agentes. Modelos que mejoran, agentes que necesitan memoria, agentes que se conectan entre sí, y luego toda la capa de infraestructura que hace falta para que eso funcione de verdad.

Clara Vega: Sí, y lo interesante es que no podemos tomar ninguna cifra al pie de la letra. Todo lo que vamos a comentar son afirmaciones de los propios creadores, y nuestra labor es ordenar el panorama: quién resuelve qué problema, con qué evidencia, y qué queda por demostrar. Empecemos justo por la base: los modelos.

Mateo Ruiz: Perfecto, porque ahí hay noticia gorda. Nimble ha sacado dos modelos nuevos, el v4 y el v4-max, y ambos superan a Jev 1.13 en el Decision Index. El dato llamativo es que el v4-max alcanza la puntuación más alta, 68.46, y lo hace con un modelo de 27B.

Clara Vega: Y ahí está la gracia, ¿no? 27 mil millones de parámetros es un tamaño sorprendentemente contenido para liderar un índice de decisiones. Si se confirma, significa que no hace falta un monstruo gigante para ser bueno en tareas de decisión.

Mateo Ruiz: Eso sí, y aquí quiero ser cuidadoso: es una puntuación en un benchmark. El Decision Index mide algo concreto, pero no sabemos cómo se traduce eso en uso real, en tus flujos de trabajo concretos. Es la pregunta abierta de siempre con estos índices.

Clara Vega: Exacto, y esa pregunta abierta conecta de forma natural con lo siguiente, porque si los modelos mejoran, lo lógico es que los agentes los aprovechen. Y hay uno que ya presume de ello: Reason.

Mateo Ruiz: Reason es un agente de código, disponible en la nube o local, con una caché optimizada. Y según sus creadores, marca 65.1 frente a 62.5 de Codex en el Coding Agent Index, además de ser un 22% más barato.

Clara Vega: Ojo con dos cosas ahí. Primero, la diferencia de 65.1 a 62.5 es real pero no abismal; es una ventaja, no una goleada. Segundo, el 22% más barato se atribuye a esa caché optimizada, lo cual tiene sentido técnico: si reutilizas cómputo, pagas menos. Pero de nuevo, son cifras del fabricante.

Mateo Ruiz: Sí, y lo que comparten Nimble y Reason es el mismo patrón: benchmarks altos y promesas de eficiencia, pendientes de confirmación en el mundo real. Dicho esto, si los agentes van a hacer más trabajo, van a necesitar recordar cosas. Y ahí entramos en el tema de la memoria.

Clara Vega: Este bloque me parece de los más interesantes del episodio. Hindsight 1.0 es memoria para agentes, open source con licencia MIT, y afirma ser el número uno en el Agent Memory Benchmark. Por debajo lleva el motor Rust de Memlake.

Mateo Ruiz: Y la cifra técnica que da: 100 millones de memorias con menos de 100 milisegundos en p99. Es decir, aunque el sistema guarde una cantidad enorme de recuerdos, el percentil 99 de las consultas sigue siendo rapidísimo. Eso es un argumento serio de ingeniería, aunque siga siendo una afirmación del fabricante.

Clara Vega: Ser open source con MIT también importa, porque significa que cualquiera puede auditarlo, integrarlo o competir con él. Ahora bien, ser número uno en un benchmark de memoria no responde la pregunta de fondo: ¿quién será la capa de memoria dominante? Eso está completamente abierto.

Mateo Ruiz: Y en paralelo hay otro enfoque, más orientado al usuario final: Make0 Brain. Es una tienda de memoria compartida entre ChatGPT, Claude y Cursor, conectada vía MCP, con importación de conversaciones en unos dos minutos. Está en beta abierta y es gratuita.

Clara Vega: Fíjate en la diferencia. Hindsight apunta a los desarrolladores que construyen agentes; Make0 Brain apunta a personas que ya usan varios asistentes y quieren que no vivan cada uno en su burbuja. Son dos capas distintas del mismo problema, y ambas dependen de lo mismo.

Mateo Ruiz: De MCP, exacto. La memoria necesita acceso estandarizado entre herramientas, y ahí entra el Model Context Protocol. Y de hecho, el siguiente bloque es justamente sobre cómo los agentes se están conectando entre sí y al escritorio.

Clara Vega: Vamos con tres piezas. La primera es daily.dev for agents: acceso MCP para Claude, Cursor y Codex, que da a los agentes feeds, búsqueda y marcadores. Y además lanzan un marketplace de plugins con API.

Mateo Ruiz: Lo relevante aquí es que daily.dev toma su contenido, que es su activo principal, y lo expone como servicio para agentes. No es una app nueva, es poner tus datos donde trabajan los agentes. Y el marketplace de plugins sugiere que quieren construir un ecosistema alrededor, no solo un tubo de datos.

Clara Vega: La segunda es Pancake, que se presenta como "Vercel for GTM". Ofrece un MCP con lo que llaman GTM Brain, más de 40 proveedores de datos e infraestructura de envío.

Mateo Ruiz: Con dos matices importantes. Uno: lo de "Vercel for GTM" es autoproclamado, es su propio eslogan, no un veredicto externo. Dos: dicen que fueron número uno en mayo y que se han reconstruido. Que hayan necesitado una reconstrucción completa es información en sí misma, y quedan por ver los resultados de la versión nueva.

Clara Vega: Y la tercera pieza de este bloque va del lado del escritorio: AirJelly. Es un agente de escritorio gratuito para Mac y Windows que observa el contexto de tu pantalla, crea tareas automáticamente y envía recordatorios.

Mateo Ruiz: Este es el más ambicioso en cuanto a privacidad implícita, ¿no? Un agente mirando todo lo que haces en pantalla para inferir tareas es muy útil y a la vez muy invasivo si no se gestiona bien. Es gratuito, así que la pregunta del modelo de negocio también queda abierta.

Clara Vega: Sí. El patrón común de estos tres es claro: los agentes ya no son islas, se conectan a datos, a otros agentes y a lo que pasa en tu pantalla. Y esa misma lógica, llevada al extremo, llega hasta producción. Pasemos del código a la nube y a la seguridad.

Mateo Ruiz: Vamos. Exodus es una herramienta gratuita y open source que hace algo muy concreto: migra aplicaciones construidas por agentes de código a Cloud Run. Lo hace mediante más de 50 playbooks, y genera informes de coste.

Clara Vega: Ese detalle de los playbooks es lo que la diferencia de un "deploy genérico". migrar a la nube implica decisiones: configuración, límites, regiones. Cincuenta playbooks sugieren que han codificado esa experiencia. Y los informes de coste responden al miedo clásico: "subo esto y ¿cuánto me va a costar al mes?".

Mateo Ruiz: Y justo después de subir algo a la nube viene la pregunta incómoda: ¿es seguro? Ahí entra Epherem, un escáner de seguridad gratuito para apps construidas con IA. Analizas un ZIP o un repositorio de GitHub, y el resultado son prompts de corrección listos para Claude Code, Cursor o Lovable.

Clara Vega: Y esa es la parte inteligente del diseño: no te da solo una lista de vulnerabilidades, te da el prompt para arreglarlas con la herramienta con la que construiste la app. Cierra el círculo. Eso sí, gratis hoy no garantiza profundidad de análisis, y la pregunta es qué cubre y qué no.

Mateo Ruiz: De hecho, esa idea de verificar y validar el trabajo de los agentes se extiende en toda una familia de herramientas. Es el siguiente tema, y es denso, así que vamos pieza por pieza.

Clara Vega: Empecemos por LegacyFixer, que está en GitHub. Escanea dependencias de Python buscando vulnerabilidades y abre pull requests, pero solo si pasan sus propias validaciones.

Mateo Ruiz: Ese "solo si pasan validaciones" es el detalle que vale oro. Muchas herramientas abren PRs automáticamente y el mantenedor se encuentra con basura en su repositorio. Filtrar antes de abrir el PR es respetar al humano del otro lado. Al estar en GitHub, cualquiera puede mirar el código.

Clara Vega: Luego está Tiden, que va un nivel más arriba: verifica la intención de los agentes de código. Lo hace con especificaciones versionadas y con un veredicto basado en pruebas reales. Y el matiz clave: sin IA juzgando.

Mateo Ruiz: Eso de "sin IA juzgando" es un posicionamiento muy consciente. La crítica habitual a la evaluación automática es que usar un modelo para evaluar a otro modelo es circular. Tiden dice: no, aquí juzgan tests reales contra specs versionadas. Es determinista y auditable. Pero desconocemos cuánta adopción tienen estas capas de verificación, que es la gran incógnita de todo este bloque.

Clara Vega: En una línea parecida va WriterzRoom, que es una plataforma multiagente: 8 agentes construidos con LangGraph y un Quality Gate, y todo 100% serverless en Cloud Run, con 9 servicios.

Mateo Ruiz: Nótese que WriterzRoom combina varias de las ideas que ya hemos visto: agentes múltiples, un quality gate como el que perseguían Tiden o LegacyFixer, y despliegue en Cloud Run, que es justo donde Exodus te ayudaba a migrar. El ecosistema encaja.

Clara Vega: Sigamos con la fiabilidad, pero ahora del lado del dinero. Inferock es un proxy de inferencia de LLM, y su propuesta es literalmente "con recibos": registra las llamadas fallidas y devuelve créditos cuando el fallo está verificado.

Mateo Ruiz: Es una idea mundana y por eso buena. Todo el mundo paga llamadas fallidas a los proveedores de modelos y, en general, se asume la pérdida. Inferock dice: no, el fallo tiene un recibo y si está verificado, se te devuelve el crédito. Su producto Watch es gratuito si traes tus propias claves. La pregunta, como siempre, es cómo funciona la verificación y qué cobertura tiene.

Clara Vega: Y del flujo de trabajo diario quedan dos piezas. Specreel genera demos a partir de trazas de Playwright o del rastreo de una URL, y las republish en builds verdes, de modo que las demos nunca caducan.

Mateo Ruiz: Resuelve un dolor muy concreto: la demo del producto que se rompe porque nadie la actualiza. Si la demo se regenera con cada build verde, siempre refleja el estado actual. Elegante.

Clara Vega: Y EditUI, una extensión de Chrome gratuita sin registro, para cerrar el círculo entre diseño y código: apuntas a un elemento de la interfaz, envías instrucciones por lotes a Claude Code o a Cursor.

Mateo Ruiz: La parte de "por lotes" es lo diferenciador. En vez de señalar un botón, describir el cambio, esperar, repetir, señalas varios elementos y mandas todas las instrucciones juntas. Y el hecho de que sea gratis y sin registro elimina cualquier fricción para probarla.

Clara Vega: Un apunte dentro de este mundo del flujo de trabajo, aunque de otro ámbito: Confidence, de Spotify. Es una plataforma de experimentación warehouse-native, con A/B testing, feature flags y session replay, y puedes empezar gratis.

Mateo Ruiz: La encajo aquí porque es la capa de verificación del lado del producto: igual que Tiden verifica código con pruebas reales, Confidence verifica decisiones de producto con experimentos reales sobre tu data warehouse. Es la misma filosofía, medir antes de creer.

Clara Vega: Buena conexión. Y bueno, hemos hablado mucho de agentes que trabajan con texto y código, pero hay otra frontera: la voz. Vamos con audio.

Mateo Ruiz: El titular aquí es Kugel 3.5 TTS. Según sus creadores, supera a 4 rivales en 8 de 9 pruebas, acierta el 97.1% de los números largos, soporta IPA y cuesta 5.25 céntimos por minuto.

Clara Vega: El dato de los números largos es más revelador de lo que parece. Los modelos de voz históricamente tropiezan leyendo cifras: teléfonos, importes, fechas. Un 97.1% ahí ataca un fallo muy específico y muy molesto. Y el soporte de IPA, es decir, alfabeto fonético, permite controlar la pronunciación con precisión.

Mateo Ruiz: Con las comparaciones hay que ser prudentes: 8 de 9 pruebas contra 4 rivales, ¿cuáles rivales, qué pruebas? No lo sabemos, son afirmaciones del fabricante. Pero el precio, 5.25 céntimos por minuto, es un dato concreto y verificable, y se posiciona en una escala de uso por volumen.

Clara Vega: Y del texto a voz pasamos a la voz como experiencia turística: Mira Tours es una app de guía a pie con audio generado por IA. Puedes crear tours por chat o usar tours automáticos, funciona en 23 idiomas, con 30 minutos gratis y pago por uso.

Mateo Ruiz: La diferencia con una audioguía tradicional es la generación: no escuchas una grabación fija, pides un tour adaptado a lo que quieres ver. 23 idiomas es una cobertura seria para viajeros, y el modelo de pago por uso evita la suscripción obligatoria, que muchos agradecerán.

Clara Vega: Y de la voz también viene el mundo del audio conversacional, así que menciono aquí tres piezas que encajan con ese tema. Table Canon toma el audio de tus noches de juego de rol, de vuestras partidas de TTRPG, y lo convierte en resúmenes, dossiers de personajes y entidades, y un historial buscable. Ofrece 6 horas gratis.

Mateo Ruiz: Para grupos de rol que llevan años jugando, poder buscar "¿qué pasó con tal NPC en la sesión 14?" es oro puro. Y el modelo de 6 horas gratis es coherente con una herramienta que consume horas de audio.

Clara Vega: Luego Screenwell, con su entrevistadora IA llamada Luna, que hace las primeras rondas de selección en Meet o Teams, y entrega scorecards con los candidatos rankeados. Soporta más de 30 idiomas y hay 14 días gratis.

Mateo Ruiz: Este levanta más preguntas éticas, ¿no? Delegar la primera entrevista a una IA ahorra tiempo, y los 30+ idiomas amplían la piscina de candidatos, pero quedan abiertas las preguntas de sesgo y de cómo perciben los candidatos ser evaluados por una máquina.

Clara Vega: Y para cerrar el bloque de la voz, Winq, que es control hands-free del Mac mediante la cámara: fijas la mirada para enfocar, guíñas un ojo u otro para hacer clic, y ofrece 11 gestos. Todo el procesamiento es en el dispositivo.

Mateo Ruiz: Lo del parpadeo por ojo es un detalle de accesibilidad muy fino: clic izquierdo con un ojo, con el otro, otro gesto. Para quien no puede usar manos, esto puede cambiar su día a día. Y el "on-device" responde de entrada a la preocupación de privacidad obvia de una cámara mirándote.

Clara Vega: Muy bien, cambiemos de tercio. Del audio y los agentes pasamos al marketing, que también está siendo comido por los agentes.

Mateo Ruiz: AdAnt 2.0 se presenta como un equipo de marketing con IA funcionando 24/7, con cuatro agentes: Strategist, Creator, Analyst y Manager, enfocados a redes sociales. Ofrecen 40 créditos gratis.

Clara Vega: La estructura es lo interesante: no es un solo chatbot, es un equipo especializado. El Strategist decide qué hacer, el Creator lo produce, el Analyst mide, el Manager publica. Es la división de trabajo de un equipo humano traducida a agentes. Claro, que con 40 créditos gratis puedes probar, pero el valor real a largo plazo queda por ver.

Mateo Ruiz: Y en la parte de captación está Blade, que mina contactos desde las cabeceras del correo, orientado a lanzamientos. Lo cofundó el cofundador de KAYAK, y ofrece 30 días gratis.

Clara Vega: Dos cosas a subrayar. Primera: solo cabeceras, no el contenido del correo. Eso es un límite de privacidad deliberado y un argumento de venta, pero también un límite funcional: los datos que obtiene vienen solo de quién te ha escrito. Segunda: la credencial del cofundador de KAYAK es evidencia de que el equipo sabe construir productos de consumo masivo, no de que este producto funcione.

Mateo Ruiz: Exacto, y es el mismo tipo de afirmación de founder que vemos en Pancake o en otros: experiencia previa relevante, pero resultados por demostrar. Y ambos, AdAnt y Blade, apuntan a lo mismo: prospección y difusión automatizadas. Retransmite también, en este mundo de herramientas para enviar cosas, Retriever AI.

Clara Vega: Sí, Retriever AI es un agente de navegador gratuito para leads, outreach y búsqueda de empleo. Afirma un 81.4% en Web Bench, ser 5 veces más rápido y 300 veces más barato que sus rivales.

Mateo Ruiz: Ahí hay que ser muy claros: 5x más rápido y 300x más barato son afirmaciones enormes. Un agente de navegador es una categoría donde ya hay muchos jugadores serios, así que esas cifras, de confirmarse, serían revolucionarias, pero de momento son exactamente eso: afirmaciones. Y lo bueno es que es gratuito, así que cualquiera puede someterlo a la prueba real.

Clara Vega: Buen puente, Mateo, porque la prueba real también aplica al hardware. Cerramos con escritorio, apps y silicio.

Mateo Ruiz: Empecemos por Apple: HomePod mini 2 a 149 dólares, con lo que llaman Sound Glow y mejores integraciones con Mac y Apple TV. Y el matiz clave: la Siri con IA llegará en una actualización futura, no en el lanzamiento.

Clara Vega: Ese matiz es importante para quien compre ahora. El altavoz es nuevo, el sonido y las integraciones son nuevas, pero la gran función estrella, la Siri con IA, no estará el día uno. Es comprar hardware a crédito de una actualización prometida.

Mateo Ruiz: Es el patrón de anunciar el futuro para vender el presente. Y en la misma línea de escritorio, Rambox se ha rediseñado: Command Center, Unified Search, pestañas internas y workspaces para separar cuentas y contextos.

Clara Vega: Rambox es de esos agregadores de apps de mensajería y trabajo, y las novedades van en la dirección correcta: Unified Search para buscar a través de todas tus apps, y workspaces para separar, por ejemplo, el contexto laboral del personal. Es un rediseño, no un producto nuevo.

Mateo Ruiz: Y para terminar, el silicio. Microsoft Ma 300, su chip de inferencia IA de próxima generación, con producción prevista para 2027, que promete un 40% más de tokens por megavatio, y racks de 96 aceleradores.

Clara Vega: El dato de tokens por megavatio es la métrica correcta para mirar: no es raw performance, es eficiencia energética, que es donde se está decidiendo la guerra de la inferencia. Pero ojo: 2027 es a dos años vista, y las promesas de eficiencia de chips se confirman cuando el chip está en producción y en racks reales.

Mateo Ruiz: Que encaja con donde empezamos, ¿verdad? Empezamos con Nimble sacando más rendimiento de un modelo de 27B y terminamos con Microsoft persiguiendo más tokens por vatio. Eficiencia en el software, eficiencia en el hardware, y en medio, toda una industria de agentes, memoria y verificación intentando que todo eso funcione de verdad.

Clara Vega: Y esa es la sensación final del episodio: mucha promesa bien dirigida, muchas cifras de fabricante y una gran cantidad de preguntas abiertas. Nada de esto está verificado más allá de lo que los creadores cuentan, así que tomad cada dato como punto de partida para probar vosotros mismos.

Mateo Ruiz: Totalmente. Y con eso nos despedimos. Gracias por acompañarnos, nos vemos en el próximo episodio.

Clara Vega: ¡Hasta la próxima!