
1119 | Agentes que trabajan solos: modelos, herramientas y negocio de la nueva IA
Show notes
Hoy repasamos lo más caliente en IA: los nuevos modelos frontera y qué significa realmente "open source", la carrera de agentes que codifican y trabajan solos, las herramientas que ponen ojos y manos a esos agentes en la interfaz, y las apps para equipos y creadores que ya usan IA en el día a día.
Línea de tiempo
- 00:00:04 Apertura
- 00:00:38 Nueva ola de modelos frontera: GPT-6.2, Qwen4-Max y Hy4 flash
- 00:02:54 Modelos especializados: decisiones en tiempo real y ciberseguridad
- 00:04:51 Agentes de código que se autocomprueban y hasta arreglan la CI
- 00:08:16 Herramientas para que los agentes vean, prueben y rindan cuentas
- 00:11:22 Orquestación multi-agente: equipos de bots que colaboran
- 00:14:33 IA para equipos de producto, RRHH y creadores
- 00:17:55 Productividad diaria y herramientas verticales
- 00:20:01 Cierre
Enlaces relacionados
- GPT-6.2 Astra and Sol
- Qwen4-Max
- Tencent Hy4 flash
- uRun
- MAI Cyber 2 Flash
- SoreQen Code
- Polylane for CI
- KaDeep AI
- canfit
- UI Verify
- Replay QA Self-healing Mode
- AI Canvas
- Mermaid Flow
- Dippr
- Toone
- S.Space
- dusk bot
- Dream by Smart Jelly
- Incredible Agents
- Arcade
- Pitch Avatar HR Suite
- ICONS
- Introzy
- lepoly
- Bluedot Phone Calls
- Review Box
- Waldo by Wherobots
- Diagramly 2.0
Este episodio es producido por Bri. Bri usa tecnología avanzada de IA para convertir los feeds que te importan en podcasts pensados para escuchar. Puedes escribirnos a hi@bri.so.
Transcript
Clara Vega: Hola y bienvenidos a El Pulso Diario, el briefing de productos y modelos que están apareciendo ahora mismo. Soy Clara Vega.
Mateo Ruiz: Y yo soy Mateo Ruiz. Hoy tenemos una tanda muy completa: modelos frontera nuevos, modelos que se especializan en decidir o proteger, agentes de código que se autocorrigen, herramientas de orquestación y un montón de productos verticales que ya se pueden usar hoy.
Clara Vega: Lo que conecta todo esto es una idea: la IA está pasando de responder preguntas a hacer trabajo. Y el trabajo necesita autonomía, verificación y memoria. Así que empecemos por el motor de todo, que son los modelos nuevos.
Mateo Ruiz: Sí. OpenAI sacó esta semana dos modelos con nombres distintos: GPT-6.2 Astra, que es el de frontera, y GPT-6.2 Sol, que es la versión eficiente. Lo interesante es el precio de Sol por API: dos dólares de entrada y diez de salida por millón de tokens. Eso ya no es precio de juguete, es precio de producción.
Clara Vega: Y es un movimiento de dos frentes: uno para empujar la frontera y otro para abaratar el uso masivo. La pregunta que queda abierta es qué tan cerca está Sol del rendimiento de Astra, porque OpenAI no publicó benchmarks comparativos en el anuncio. Es una distinción de gama, pero la brecha real entre ambos es algo que todavía no sabemos.
Mateo Ruiz: Del otro lado está Qwen4-Max. Este es un animal distinto: arquitectura MoE nueva de 2.4 billones de parámetros totales, de los cuales activa 71 mil millones por token. Visión nativa, un millón de tokens de contexto. Pero ojo con la letra chica: los pesos no son abiertos.
Clara Vega: Eso es notable viniendo de la familia Qwen, que históricamente fue muy generosa con los pesos abiertos. Es un dato que la comunidad va a discutir mucho, porque la marca Qwen se construyó en parte sobre esa apertura.
Mateo Ruiz: Exacto. Y entonces llega Tencent con Hy4 flash, que hace lo contrario en el discurso: 224 mil millones de parámetros totales, solo 12 mil millones activos por token, un millón de contexto, y un precio de entrada de siete centavos por millón de tokens. Dicen que va a ser open source, pero los pesos todavía no se han publicado.
Clara Vega: Ahí está el patrón de la semana. Contextos de un millón en todos lados, eficiencia por token como métrica central, y un open source que se promete más de lo que se entrega. Hy4 flash dice que va a ser abierto, Qwen4-Max no lo es, y OpenAI directamente no juega en ese terreno. Como oyente, lo que hay que hacer es tratar esas promesas como palabras, no como hechos hasta que los pesos estén disponibles.
Mateo Ruiz: Y un matiz de precio para quien esté comparando: siete centavos por millón de entrada en Hy4 flash contra dos dólares en Sol de OpenAI. Son órdenes de magnitud distintos, pero también son productos distintos y con disponibilidad distinta. El precio solo tiene sentido cuando ya puedes usar el modelo de verdad.
Clara Vega: Bien, ya tenemos el motor. Ahora la pregunta es: ¿para qué sirve ese motor? Y una respuesta interesante es que no todo modelo nuevo busca chatear. Hay toda una ola de modelos especializados en hacer algo muy concreto.
Mateo Ruiz: Tomemos dos casos que se publicaron esta semana. El primero es uRun con Sense. Es un modelo de decisiones en tiempo real para agentes de voz y vídeo. La cifra que dan es que puede decidir turnos de respuesta hasta doce veces y media por segundo.
Clara Vega: Doce y media por segundo. Eso no es un modelo de lenguaje conversando contigo, es un modelo que constantemente evalúa: ¿me toca hablar? ¿me interrumpe? ¿terminó? En llamadas de voz en vivo, ese es el problema real. Los agentes de voz tradicionales sufren con latencia y con cortes de palabra, y un modelo dedicado a eso es una apuesta de nicho muy clara.
Mateo Ruiz: Lo que no sabemos, porque no está en el anuncio, es cómo lo midieron. Doce y media es la capacidad máxima declarada, no un resultado verificado en producción. Habría que verlo en llamadas reales con ruido, con acentos, con personas que hablan rápido.
Clara Vega: El segundo caso es más sorprendente: Microsoft lanzó MAI Cyber 2 Flash, un modelo de seguridad con un millón de contexto y un 92.3 por ciento en CyberGym-E2E, que es un benchmark de seguridad. Pero está reservado exclusivamente para los productos de seguridad propios de Microsoft.
Mateo Ruiz: O sea que la mayoría de nosotros no lo va a poder probar nunca, salvo que trabaje dentro de su ecosistema de seguridad. Es una decisión corporativa muy llamativa: construyen un modelo de frontera en su vertical y lo cierran por completo.
Clara Vega: Y eso revela algo: cuando un modelo se especializa en proteger, el activo es el modelo mismo, no la API. A OpenAI le interesa venderte Sol por tokens; a Microsoft le interesa que su producto de seguridad sea mejor que el de la competencia, y el modelo es un componente interno.
Mateo Ruiz: Y es un contraste bonito con lo que viene ahora, porque pasamos de modelos que actúan o protegen a los agentes que actúan sobre código, que es donde más productos nuevos aparecieron.
Clara Vega: Sí. Y aquí es donde el sector dio un salto conceptual esta semana. Antes teníamos asistentes de código, copilotos que te sugerían líneas. Ahora lo que se lanzó son agentes con ciclo completo de verificación. El caso más ambicioso es SoreQen Code.
Mateo Ruiz: Cuéntame qué hace exactamente, porque en el papel suena casi demasiado.
Clara Vega: Según lo que describe el propio producto, el agente codifica, edita, corre los tests, verifica en el navegador y además revisa su propio trabajo. Es decir, no solo escribe código: cierra el ciclo. Se ofrece como aplicación de escritorio más una CLI open source, con soporte para dieciocho modelos.
Mateo Ruiz: Dieciocho modelos es un dato importante, porque significa que no te casan con un proveedor. Y que la CLI sea open source baja la barrera para inspeccionar qué hace realmente en tu máquina. Pero todo lo del autochequeo hay que tomarlo como afirmación del fabricante: que diga que se revisa a sí mismo no nos dice qué tan bien lo hace ni qué tipos de error se le escapan.
Clara Vega: Exacto, y eso nos lleva a un segundo producto que es casi un subconjunto del primero pero con un enfoque quirúrgico: Polylane for CI. Este se conecta a GitHub Actions y hace algo muy específico: cuando la rama principal o la cola de merge falla, lee los logs, identifica el commit que rompió, abre un pull request de arreglo y luego itera sobre sus propios pull requests hasta que el chequeo pasa.
Mateo Ruiz: Ese detalle de iterar sobre sus propios PRs es lo que lo distingue. No te notifica que algo se rompió, lo arregla. Eso sí, funciona solo con GitHub Actions por ahora, así que si tu CI es otra cosa, no te aplica.
Clara Vega: Y hay que pensarlo con una pregunta incómoda: si un agente abre PRs de arreglo automáticamente y los va corrigiendo hasta que el CI pasa, ¿quién revisa que el arreglo sea correcto y no solo que haga verde el check? Un agente puede satisfacer el test y aun así introducir un problema que ningún test cubre. El mecanismo es claro; la calidad de lo que produce es lo que hay que vigilar.
Mateo Ruiz: Y justo en ese hueco aparece el tercer producto, que ataca el momento previo al despliegue: KaDeep AI. Este unifica QA, localización en más de cien formatos y auditorías de accesibilidad, y su pieza central es una puerta de aprobación para liberar versión que exige evidencia. Va por una CLI open source.
Clara Vega: La palabra clave es "evidencia". No es un checklist que el agente marca solo, es una go/no-go gate que supuestamente se apoya en resultados verificables de QA, localización y accesibilidad. Si funciona como lo describen, cambia el proceso de release: en vez de que un humano decida si se publica basándose en intuición, la decisión pasa por un criterio respaldado con datos. Pero de nuevo, eso es la promesa del fabricante, no un resultado que podamos verificar todavía.
Mateo Ruiz: Y las tres herramientas comparten una idea de fondo: el código no termina cuando se escribe, termina cuando se verifica. Ya sea autorevisión, arreglo de CI o puerta de release.
Clara Vega: Y para cerrar este bloque, un contrapunto de infraestructura que es más humilde pero muy útil: canfit. Es una CLI open source escrita en Rust que responde una pregunta muy concreta: ¿puedo ejecutar este LLM o esta aplicación en la memoria que tengo ahora mismo?
Mateo Ruiz: ¿Y qué hace si no cabe?
Clara Vega: No solo te dice que no: te sugiere qué procesos podrías cerrar para que quepa de forma segura. Es la contraparte local de todo lo que hablamos. Si vas a correr agentes o modelos en tu máquina, ese es el tipo de herramienta que resuelve un problema que antes resolvías a ojo, mirando el monitor de actividad y cerrando cosas a lo loco.
Mateo Ruiz: Está bien, hasta aquí todo apunta a que los agentes necesitan verificación. Pero hay toda una capa de productos que existe únicamente para que esos agentes puedan ver, probar y rendir cuentas. Ahí entran varios lanzamientos.
Clara Vega: El más directo es UI Verify. Lo que hace es mostrar al agente todas las interfaces afectadas por sus cambios y reparar automáticamente las regresiones visuales. Ofrecen cincuenta mil snapshots gratis al mes, que es una cantidad real para empezar a probar en serio.
Mateo Ruiz: Este producto responde a una falla clásica de los agentes de código: son ciegos. Un agente puede cambiar una función y romper el layout de tres pantallas sin enterarse, porque los tests unitarios no miden píxeles. UI Verify le da ojos al agente.
Clara Vega: Y en la misma línea pero mirando al usuario real está Replay QA. Lo que hace es capturar las sesiones de usuarios frustrados, reproducirlas automáticamente y hacer un análisis de causa raíz. Y luego, la parte interesante: envía ese diagnóstico directamente a los agentes de código para que lo reparen.
Mateo Ruiz: O sea que el loop es usuario se frustra, sistema lo detecta, reproduce el problema, identifica la causa, y lo pasa al agente. Es la conexión entre telemetría y reparación automática. Lo que no está claro es cómo define "sesión frustrada", qué señales usa, y cuánto ruido genera. Si marca demasiados falsos positivos, los agentes van a estar reparando problemas que no existen.
Clara Vega: Muy de acuerdo. Ahora, subamos un nivel. No basta con que el agente vea y pruebe: tiene que respetar las reglas de diseño. Para eso está AI Canvas, que le da al agente un sistema de diseño React completo, con un MCP, ochocientos veinte iconos incluidos, y algo llamado done-gates que fuerzan el cumplimiento de las reglas.
Mateo Ruiz: Ese término, done-gates, es interesante. Es literalmente una barrera: el agente no puede declarar terminado un trabajo si no pasa la compuerta que verifica que respetó el sistema de diseño. Es el mismo concepto de go/no-go de KaDeep pero aplicado a la capa visual.
Clara Vega: Sí, y es una tendencia que ya vimos dos veces en este episodio: la verificación no es un paso opcional, se convierte en infraestructura obligatoria. Lo siguiente en esa línea es Mermaid Flow, que ataca la trazabilidad del flujo mismo.
Mateo Ruiz: ¿Cómo funciona?
Clara Vega: Convierte los flujos de agentes en grafos ejecutables. Conectas herramientas MCP en un paso, y cada corrida va dejando rastro paso a paso. O sea que cuando algo sale mal, puedes volver y ver exactamente en qué nodo se torció el proceso.
Mateo Ruiz: Y ese es quizás el tema más importante de toda la capa: si los agentes van a operar con cada vez más autonomía, alguien tiene que poder auditar qué hicieron. La pregunta abierta que deja este bloque es cuánta autonomía estamos dispuestos a dejar sin trazabilidad. Yo diría que ninguna, pero el mercado claramente está decidiendo lo contrario a velocidad.
Clara Vega: Y para completar esa capa está Dippr, que es la parte de datos. Ofrece consultas federadas entre distintas fuentes, autorización por agente, o sea decides qué agente puede acceder a qué dato, y soporta aplicaciones construidas por los propios agentes. Es la infraestructura que hace que todo lo demás tenga sobre qué operar sin regalar el acceso a los datos.
Mateo Ruiz: Muy bien. Ya tenemos modelos, agentes de código y herramientas de verificación. El siguiente paso natural es la orquestación: ¿qué pasa cuando no es un agente solo, sino un equipo de agentes?
Clara Vega: Aquí aparecieron cinco productos distintos esta semana, y vale la pena compararlos porque cada uno tiene una idea diferente de cómo debe ser un "equipo de agentes". El primero es Toone, que apuesta por el lenguaje natural: construyes flujos de agentes hablando, sin código. Los nodos pueden ser hilos de chat de un modelo o pasos automáticos sin IA. Y admite pausar y reanudar flujos.
Mateo Ruiz: Ese detalle de pausa y reanudación es más importante de lo que parece. Si un flujo de agentes corre durante horas, necesitas poder detenerlo, revisar algo, y retomarlo donde estaba. Es una funcionalidad de madurez, no de demo.
Clara Vega: El segundo es S.Space, del equipo de AutoGen, y su enfoque es diferente: es un espacio de trabajo compartido entre equipos humanos y agentes de distintos proveedores. Tiene memoria compartida y flujo de aprobaciones.
Mateo Ruiz: El punto clave ahí es "distintos proveedores". No es un jardín cerrado de una sola marca de modelo, es un lugar donde conviven agentes de varias casas. Eso sugiere que el problema que están atacando no es cómo construir un agente, sino cómo hacer que varios agentes de orígenes distintos colaboren sin pisarse.
Clara Vega: El tercero es más casero: dusk bot. Es gratis y open source, y corre en tu escritorio. La idea es que cada bot tiene su propia computadora y su propia memoria, y puedes conectar cuentas que ya tienes de ChatGPT, Claude o Grok.
Mateo Ruiz: O sea que no tienes que crear cuentas nuevas ni pagar suscripciones adicionales a cada modelo, usas las que ya tienes. Y la separación por bot, cada uno con su entorno y memoria propia, es una decisión de diseño que evita que un bot contamine el contexto de otro.
Clara Vega: El cuarto tiene un giro temporal: Dream de Smart Jelly es un agente para Mac que trabaja en tareas que puede terminar durante la noche y reporta resultados a la mañana siguiente. Y comparte memoria entre herramientas.
Mateo Ruiz: Es el concepto de "trabajador nocturno". Le das tareas que no requieren supervisión, duermes, y por la mañana tienes el reporte. La memoria compartida entre herramientas es lo que le permite continuar trabajo de otras aplicaciones en lugar de empezar de cero.
Clara Vega: Y el quinto es el más ambicioso en lo que promete: Incredible Agents. Aquí creas agentes por voz, hablando, y esos agentes corren veinticuatro horas sobre siete en tu computadora, Windows o Mac. Y lo llamativo es que dicen que los agentes buscan de forma proactiva trabajo que puedan hacerse, no solo esperan instrucciones.
Mateo Ruiz: Eso es un cambio de paradigma. Hasta ahora el modelo mental era: le pido algo al agente y lo hace. Si un agente es el que propone qué hacer, ya no es una herramienta, es un empleado. Y por supuesto, hay que tomarlo como una afirmación del fabricante: qué tan bueno es encontrando trabajo relevante y qué tan ruidoso es con sugerencias inútiles, eso no lo sabemos.
Clara Vega: Pero mirando los cinco en conjunto, creo que se consolida una idea: el equipo de agentes con memoria persistente y orquestación multi-marca ya no es ciencia ficción, es un producto que se puede descargar. La pregunta es cuál de estos enfoques sobrevive, porque cinco productos que hacen cosas tan distintas no van a convivir todas en el mercado largo rato.
Mateo Ruiz: Buen punto. Y del código y los agentes pasamos a algo más humano: la IA que entra en los equipos de producto, de recursos humanos y en el mundo de los creadores. Empecemos por contenido, que es donde más ruido hay normalmente.
Clara Vega: Arcade es un generador de vídeo con IA para equipos de marketing. Lo que lo diferencia es que genera vídeos de marca editables a partir de un prompt o de fuentes como Notion, y se pueden publicar directamente. La clave es la palabra editable: no te da un vídeo terminado que no puedes tocar, te da un borrador de marca que puedes ajustar antes de publicar.
Mateo Ruiz: Eso responde a la queja principal con los generadores de vídeo: que te dan un resultado cerrado que después tienes que reconstruir. Si de verdad es editable desde el inicio, cambia el flujo de trabajo del equipo de marketing. Habría que verlo en la práctica, qué tan editable es realmente y si el resultado se sostiene como vídeo de marca o solo como borrador.
Clara Vega: Del vídeo de marketing saltamos a recursos humanos, con Pitch Avatar HR Suite. Usa avatares de IA conversacionales para ejecutar onboarding, formación y comunicación de RRHH, en más de setenta idiomas.
Mateo Ruiz: Setenta idiomas es la cifra que marcan, y para empresas multinacionales es un ahorro brutal, porque el onboarding en setenta idiomas con formadores humanos es carísimo. La pregunta es cómo reciben los empleados nuevos el hecho de que su primer contacto con la empresa sea un avatar. Eso va a variar muchísimo según la cultura de cada organización.
Clara Vega: Y del mundo corporativo pasamos al de los creadores de contenido, que tiene su propio producto esta semana: ICONS. Es un marketplace donde las marcas pueden reservar creadores para publicaciones patrocinadas, o licenciar su semejanza con IA.
Mateo Ruiz: Ahí hay dos modelos de negocio en uno: contratación de creadores reales y licenciamiento de su imagen para generar contenido con IA. Lo importante es lo que dicen sobre el control: son los creadores quienes ponen sus tarifas y quienes aprueban los guiones y los cortes finales. Eso es una posición a favor del creador, no de la marca, y es una decisión de diseño que va a definir si la comunidad de creadores adopta o rechaza la plataforma.
Clara Vega: Y dentro del ecosistema de creadores, hay otro producto que ataca el lado de los ingresos: Introzy. Rastrea las recomendaciones de afiliados desde el primer contacto hasta el pago de la comisión. Es gratuito, y trae un asistente de IA llamado Kai que marca las recomendaciones que están estancadas.
Mateo Ruiz: El problema real es la opacidad del marketing de afiliados: recomendaste un producto, no sabes si el usuario llegó, compró, o si la comisión se pagó. Tener visibilidad de todo el ciclo y una alerta de estancamiento es muy concreto. La pregunta es qué datos puede acceder realmente y con qué precisión atribuye las conversiones, porque la atribución es donde estos productos suelen fallar.
Clara Vega: Y cerramos este bloque con lepoly, que es distinta a todas: es una plataforma de gestión de activos digitales 3D que corre en el navegador, y el detalle que le da credibilidad es quién la construyó: el fundador de Sketchfab, y es autofinanciada.
Mateo Ruiz: Eso dice mucho. Alguien que ya construyó la plataforma de referencia de activos 3D sabe exactamente dónde duele el flujo de trabajo, y el autofinanciamiento le da margen para no perseguir métricas de corto plazo. Es la historia de fabricante más creíble de este grupo, aunque de nuevo, ser fundador de Sketchfab no garantiza que lepoly sea mejor que lo que ya existe, solo que sabe lo que está haciendo.
Clara Vega: Buen resumen. Y del mundo del contenido y el negocio pasamos a la última capa: productos para el día a día, herramientas verticales que resuelven problemas concretos sin grandes promesas.
Mateo Ruiz: El primero es Bluedot, que añadió transcripción de llamadas telefónicas realizadas. Grabas una llamada, la transcribe, te saca un resumen y una lista de pendientes. Las limitaciones están claras: por ahora solo funciona con llamadas salientes y está disponible solo en algunos países.
Clara Vega: Es un caso de uso muy real: haces una llamada de trabajo, cuelgas, y ya tienes resumen y tareas. Que sea solo salientes y solo en ciertos países es la letra chica que hay que leer antes de emocionarse.
Mateo Ruiz: El segundo es Review Box, una app de escritorio para revisar pull requests de GitHub. Tiene seguimiento de lo que ya revisaste, inteligencia de código, y una vista de resultados con IA integrada.
Clara Vega: Revisar PRs es una de las tareas más tediosas y menos agradecidas del trabajo de desarrollador, y una app dedicada con seguimiento de qué ya revisaste resuelve un problema real de contexto. La IA integrada es un plus, pero el valor central parece estar en la organización del trabajo de revisión.
Mateo Ruiz: El tercero es Waldo, de Wherobots, y viene de la gente que creó Apache Sedona, que es el proyecto de referencia en procesamiento geoespacial a gran escala. Lo que hace Waldo es convertir preguntas en lenguaje común en mapas y pipelines geoespaciales. Está en vista previa pública.
Clara Vega: El linaje de Apache Sedona le da una credibilidad técnica que la mayoría de los productos de geoespaciales no tienen, porque ese equipo sabe a qué escala operan los datos reales. Y el mercado geoespacial es enorme pero mal servido por herramientas que exigen expertise técnico. Si Waldo baja esa barrera de verdad, tiene un público muy grande esperando.
Mateo Ruiz: Y el último es Diagramly 2.0, que hace algo muy simple de explicar: escribes texto y obtienes diagramas dibujados a mano. Además añade enlaces de revisión, comentarios sobre las formas y modo presentación con notas. Y es gratis, sin registro.
Clara Vega: Gratis y sin registro es la decisión de distribución más agresiva de toda la lista. Es un producto de nicho, pero de un nicho universal: todo el mundo tiene que hacer diagramas.
Mateo Ruiz: Bueno, Clara, hagamos balance de lo que vimos hoy.
Clara Vega: Yo me quedo con tres hilos. Primero: los contextos de un millón de tokens ya son el estándar, aparecieron en Qwen4-Max, en Hy4 flash y en MAI Cyber 2 Flash. Segundo: la verificación se está convirtiendo en infraestructura, no en función: go/no-go gates, done-gates, autorevisión, trazabilidad por corrida. Tercero: los agentes están aprendiendo a actuar sobre el mundo, no solo a generar texto, y eso va desde arreglar un CI roto hasta proponerte trabajo por su cuenta.
Mateo Ruiz: Y mis preguntas abiertas: ¿entregarán Tencent los pesos de Hy4 flash como prometieron? ¿Qué tan autónomos se vuelven estos agentes y quién audita su autonomía? Y en el mundo de los creadores, si el modelo de ICONS, donde el creador aprueba los guiones, logra ganar frente a alternativas más controladas por las marcas.
Clara Vega: Nos leemos mañana con el próximo briefing. Gracias por acompañarnos.
Mateo Ruiz: Hasta la próxima.