Noticias de tecnología seleccionadas el 7 de noviembre de 2026
- El modo Ultra de la herramienta de código abierto Kiro Crew divide un objetivo en varias tareas, asigna cada una a un chat de IA independiente y reúne el progreso y las solicitudes de aprobación en un solo tablero.
- Una IA que actúa como coordinadora (conductor) establece las condiciones de finalización de cada tarea y las anota en un libro de registro. Las IA encargadas de las tareas solo informan de los resultados y no pueden cambiar sus propias condiciones de finalización ni darse por aprobadas. Los registros permanecen después de reiniciar.
- Llegó como vista previa de la función en 0.12.0 y está desactivado por defecto. Por defecto, cada asignación de tarea requiere aprobación y el número predeterminado de tareas abiertas simultáneamente por objetivo es 6. El autor obtuvo esta cifra al leer el código.
- En la prueba de revisión de servidores del autor, se necesitó aprobación para asignar tareas, ejecutar comandos, comprobar las condiciones de finalización y cerrar chats. Cuando una IA encargada de una tarea informa que ha terminado, el tablero la muestra como completada, pero la entrada del registro permanece abierta hasta que la IA coordinadora la comprueba y cierra.
- Thinking Machines Lab, fundada por Mira Murati, antes en OpenAI, ha lanzado un modelo de IA de la generación 2. Está diseñado para que las empresas lo entrenen más con sus propios datos y lo adapten a su trabajo.
- Por ahora, los pesos (el contenido aprendido del modelo) están cerrados y solo se puede usar mediante el servicio de ajuste fino de la empresa, Tinker. La compañía dijo que lo publicará la próxima semana con la licencia Apache 2.0, tras completar una revisión externa de seguridad.
- Según la empresa, la arquitectura activa solo 17 mil millones parámetros de un total de 594 mil millones parámetros y admite entrada de imágenes. Su puntuación en el Índice de Inteligencia de Artificial Analysis es 31, y se dice que supera ampliamente a su modelo anterior.
- En las evaluaciones de programación del grupo de comparación de modelos abiertos elegido por la empresa, quedó en el puesto 2 en 4 de 6 evaluaciones y no quedó en el puesto 1 en ninguna. En PMPP-Hard, la evaluación de optimización de código para GPU, no alcanzó a GPT-6 Astra ni a Claude Opus 5.5.
Vista previa de la pantalla de un servidor remoto en VS Code sin redirección de puertos
- En VS Code 1.145, se puede ver directamente en el editor del equipo propio la pantalla de una aplicación web creada por IA en otro equipo. No hace falta configurar por separado la redirección de puertos para verla.
- El autor se conectó por SSH a una máquina virtual de Azure y abrió una pantalla de registro. Afirmó que un agente de IA controló el navegador para comprobar errores de entrada, registros correctos y registros duplicados.
- Hay que activar workbench.browser.enableRemoteProxy en la configuración. Tanto el equipo del usuario como el host remoto deben tener versiones compatibles, y las sesiones en la nube quedan excluidas.
- Se puede compartir con el agente una pestaña con una sesión iniciada que el usuario haya abierto, por lo que hay que tener cuidado de no compartir pestañas que muestren información confidencial.
¿Debemos entender el código escrito por IA? La duda de un desarrollador entre velocidad y calidad
- Es un texto de un desarrollador que creía que había que entender y modificar personalmente el resultado, y que ahora reflexiona sobre su forma de trabajar a medida que la IA generativa crea y corrige cada vez más programas.
- El autor siente que la diferencia de calidad entre quien entrega código generado por IA tal cual y quien lo entrega después de entenderlo no se nota claramente desde fuera. Es una experiencia y opinión personal.
- El autor pregunta a quién se valoraría: a quien produce 3 resultados de 70 puntos en el mismo tiempo, o a quien produce 1 de 90 puntos. Las puntuaciones son un ejemplo hipotético para explicar la elección entre velocidad y calidad.
- El autor observa una tendencia a dejar todo en manos de la IA, desde decidir qué funciones debe tener un programa hasta el desarrollo, las pruebas y el mantenimiento. Señala que, una vez lanzado el producto, el desarrollo a veces se considera exitoso sin importar la facilidad de uso.
- Wiredy usa IA para recomendar influencers adecuados para los productos de una marca y mostrar por adelantado las ventas previstas. Una vez acordada la venta, el sistema se encarga de todo, desde la creación de la tienda online hasta los pedidos, la entrega, la atención al cliente y las liquidaciones.
- Según la empresa, el sistema se entrenó con datos de más de 20.000 transacciones reales de compras grupales acumuladas durante 8 años. La tasa de error en la previsión de ingresos es de alrededor de 15%, supuestamente inferior a la de las previsiones manuales de gerentes con al menos 5 años de experiencia (alrededor de 20%).
- En 2025, el volumen de transacciones del servicio fue de 33,6 mil millones de wones y los ingresos fueron de 29,2 mil millones de wones. La empresa abrió oficialmente una tienda online dedicada en mayo de 2026 y empezó a cobrar por ella en julio. Hasta ahora ha trabajado con 2,000 marcas.
- Ha conseguido una base de datos de aproximadamente 130.000 influencers japoneses y está realizando campañas con marcas coreanas. Planea lanzar un agente de IA para Japón en 2027 y después expandirse a Estados Unidos, Taiwán y Singapur.
- Es un material introductorio en formato manga escrito por Yuji Arakawa de Oracle Japan. Un ingeniero novato diseña un sistema de soporte que encuentra el manual adecuado para una consulta y verifica con la información del contrato si es posible una visita al sitio.
- La búsqueda de documentos encuentra elementos de significado similar a la pregunta, pero primero reduce los candidatos por cliente, modelo y estado de publicación. La decisión sobre el contrato no se deja a la IA; se coloca como una columna de decisión en una vista de la base de datos (una tabla virtual que aplica condiciones de antemano).
- En las pruebas en las que la IA elige y usa herramientas de búsqueda de documentos y consulta de contratos, ocurren problemas como herramientas no invocadas, errores de ejecución y errores de dispositivo objetivo. Los casos de fallo de la historia son ficticios y sirven para explicar el diseño; se evitan comparando los registros de llamadas mediante código.
- Si el trabajo de convertir los documentos en matrices numéricas para comparar significados se hace dentro de la base de datos, no se envían todos los documentos al exterior. La IA que genera las respuestas usa un servicio de nube externo.