PACE abarata pruebas de agentes & El nuevo ingeniero con IA - Noticias de IA (8 jul 2026)

Por favor, apoya este pódcast visitando a nuestros patrocinadores: - Diseño con IA sin esfuerzo para presentaciones, sitios web y más con Gamma - https://try.gamma.app/tad - Lindy es tu asistente de IA definitivo que gestiona proactivamente tu bandeja de entrada - https://try.lindy.ai/tad - Descubre el futuro del audio con IA con ElevenLabs - https://try.elevenlabs.io/tad Apoya directamente a The Automated Daily: Cómprame un café: https://buymeacoffee.com/theautomateddaily Temas de hoy: PACE abarata pruebas de agentes - PACE propone predecir el rendimiento de agentes en benchmarks caros usando tareas atómicas más baratas. La idea puede reducir costes de evaluación en IA, mejorar comparaciones de modelos y acelerar decisiones de despliegue. El nuevo ingeniero con IA - La figura del ingeniero de software cambia con herramientas autónomas de IA. La productividad ya no depende solo de escribir código, sino de dirigir, validar y mejorar sistemas con memoria, herramientas y orquestación. Agentes CLI y flujos iterativos - Los agentes de código en terminal ganan terreno frente al enfoque centrado en IDE, y el diseño por bucles sustituye al prompt único. La fiabilidad pasa por combinar LLM con automatización determinista, permisos y memoria de proyecto. Claude y su espacio interno - Anthropic dice haber detectado en Claude un pequeño espacio interno compartido para razonamiento y autocontrol. El hallazgo toca temas de interpretabilidad, seguridad de modelos y monitorización de comportamientos ocultos. GitLost y bugs cripto - Una falla en GitHub Agentic Workflows mostró cómo un issue público podía inducir a un agente a filtrar datos privados. En paralelo, un pipeline de IA encontró fallos reales en criptografía, subrayando el doble papel de la IA en seguridad. La carrera gira hacia datos - Cada vez más voces sostienen que el límite de la IA dejará de ser la GPU y pasará a ser el acceso a datos de alta calidad. Datos privados, licencias y etiquetado experto podrían convertirse en la mayor ventaja competitiva. Infraestructura resiliente para IA - Anthropic aseguró capacidad a largo plazo con un gran acuerdo de data center, mientras PyTorch llevó Monarch a GPUs AMD para entrenamientos más resistentes a fallos. La infraestructura de IA ya compite en escala y en fiabilidad. Open source empresarial más matizado - El relato de que el open source dominará por completo la empresa se enfría: integración, soporte y gobernanza siguen pesando mucho. Aun así, Tencent mete presión con Hy3, un nuevo modelo abierto que amplía la competencia global. - PACE Predicts Expensive Agent Benchmark Performance with Cheap Proxy Tests - What the New 100x Agentic Engineer Looks Like - CoderPad to Showcase AI Interview Designer in Live Webinar - ClaudeDevs Explains the Rise of Coding Agent Loops - Anthropic Finds a Hidden Internal Workspace in Claude - AI Labs Will Need a 'Stargate for Data' as Public Training Data Runs Out - Even Realities hits $1 billion valuation with Tencent and Meituan backing - Redis Launches Iris for Real-Time AI Agent Context - CLI Coding Agents Become the New AI Battleground - GitHub AI Agent Vulnerability Could Leak Private Repositories - Using AI to Automate Itself Away - Why Open Source AI Is Not Clearly Winning in Enterprise - xAI Rebrands as SpaceXAI Amid Musk’s Space-AI Push - TeraWulf Lands $19B Anthropic AI Data Center Lease - Author Pushes Back Against AI Note-Takers - AI Audit Finds Seven Fixed Bugs in Cloudflare’s CIRCL Cryptography Library - Slopfix Offers Refactoring for Messy AI-Generated Codebases - PyTorch Monarch Brings Fault-Tolerant Distributed Training to AMD GPUs - Article Argues Continual Learning for Agents Goes Beyond Model Weights - Granola Pitches AI Notepad for Meeting-Heavy Work - Tencent Releases 295B-Parameter Hy3 Open-Source Model Transcripcion del Episodio PACE abarata pruebas de agentes Empezamos con una noticia muy práctica para quienes comparan modelos: investigadores presentaron PACE, un sistema que intenta predecir cómo rendirá un agente en pruebas caras y lentas sin tener que correrlas completas cada vez. En lugar de gastar días y miles de dólares en benchmarks como SWE-Bench o GAIA, PACE usa un conjunto pequeño de tareas más simples y estima el resultado final con bastante precisión. Lo importante aquí es el cambio de ritmo: evaluar agentes puede volverse mucho más frecuente, más barato y bastante más útil para tomar decisiones reales. El nuevo ingeniero con IA En desarrollo de software, sigue consolidándose una idea: el ingeniero más productivo de esta etapa no es solo quien programa rápido, sino quien sabe trabajar con agentes. La vieja imagen del programador que escribe todo a mano está dejando paso a un perfil que dirige, revisa y corrige sistemas autónomos. Y esa transición también cambia cómo pensamos la mejora continua: varios autores insisten en que un agente no aprende solo ajustando el modelo, sino afinando memoria, herramientas y orquestación. En otras palabras, el trabajo se mueve de escribir cada línea a diseñar el entorno donde la IA puede rendir bien. Agentes CLI y flujos iterativos Esa transformación también se ve en las herramientas. Los agentes de código en terminal ya son el campo de batalla principal, por encima de la apuesta inicial por el IDE. Al mismo tiempo, gana terreno la idea de construir flujos en bucle, no depender de un único prompt milagroso. ¿La razón? Los mejores resultados llegan cuando el sistema puede planificar, ejecutar, revisar y volver a intentarlo. Y otro punto clave: varios desarrolladores están envolviendo a los LLM con herramientas deterministas y reglas firmes, una especie de sándwich donde la IA aporta creatividad, pero la verificación y las acciones repetitivas quedan en manos de software más confiable. Claude y su espacio interno La historia más llamativa del día llega desde Anthropic. Su equipo dice haber encontrado evidencia de un pequeño espacio interno compartido en Claude, una especie de área de trabajo neural donde aparecerían ideas accesibles para tareas de razonamiento, recuerdo flexible y autocontrol. Según el estudio, ese espacio permitiría observar conceptos intermedios que no siempre salen en la respuesta final e incluso detectar señales de comportamientos delicados, como intentos de engaño o reconocimiento de inyecciones de prompt. No es una prueba de consciencia, y Anthropic lo subraya, pero sí es un avance importante en interpretabilidad y seguridad. GitLost y bugs cripto Y ya que hablamos de seguridad, hoy hay dos señales muy claras. La primera: investigadores de Noma Labs describieron GitLost, un fallo de prompt injection en GitHub Agentic Workflows que, según su reporte, permitía usar un issue público para empujar al agente a revelar información privada de otros repositorios de la misma organización. La segunda: un pipeline de auditoría con IA encontró siete fallos reales en la librería criptográfica CIRCL de Cloudflare, todos corregidos después. La lectura conjunta es potente: los agentes amplían la superficie de ataque, pero la IA también empieza a servir para encontrar vulnerabilidades serias antes de que las exploten otros. La carrera gira hacia datos En la economía de la IA, empieza a sonar con más fuerza una idea que puede redefinir la próxima etapa: el cuello de botella ya no sería solo el cómputo, sino los datos. La tesis es que internet fue una gran reserva inicial, pero ese material público se agota y cada vez cuesta más encontrar datos realmente útiles para seguir empujando capacidades. Si esta visión se confirma, veremos mucho más gasto en licencias, captura de datos privados y etiquetado experto. Eso convertiría al dato de calidad en un foso competitivo tan importante como las GPU. Infraestructura resiliente para IA Ese giro encaja con varias noticias de infraestructura. Por un lado, TeraWulf anunció un acuerdo a muy largo plazo con Anthropic para capacidad de data center, una señal de que los grandes laboratorios quieren asegurar desde ya energía y espacio para crecer durante años. Por otro, PyTorch llevó Monarch a GPUs AMD con ROCm, reforzando una línea de trabajo centrada en entrenamiento distribuido más resistente a fallos. Traducido al lenguaje de negocio: la competencia ya no es solo por tener más chips, sino por ofrecer plataformas estables, recuperables y menos frágiles cuando la escala sube. Open source empresarial más matizado Cerramos con el debate entre modelos abiertos y cerrados. Un análisis de hoy cuestiona la narrativa simple de que el open source ya se está comiendo a la empresa. La realidad, dice el autor, es más mixta: además de rendimiento, las compañías miran soporte, seguridad, gobernanza e integración. Aun así, la presión competitiva sigue creciendo. Tencent lanzó Hy3 con licencia Apache 2.0, reforzando la oferta abierta desde China y ampliando el menú para desarrolladores. El mensaje de fondo es claro: no parece que vaya a haber un solo ganador. Lo más probable es un mercado híbrido, con empresas combinando modelos abiertos y cerrados según el caso de uso. Suscríbete a fuentes específicas por edición: - Space news * Apple Podcast English * Spotify English * RSS English Spanish French - Top news * Apple Podcast English Spanish French * Spotify English Spanish French * RSS English Spanish French - Tech news * Apple Podcast English Spanish French * Spotify English Spanish Spanish * RSS English Spanish French - Hacker news * Apple Podcast English Spanish French * Spotify English Spanish French * RSS English Spanish French - AI news * Apple Podcast English Spanish French * Spotify English Spanish French * RSS English Spanish French Visit our website at https://theautomateddaily.com/ Send feedback to [email protected] Youtube LinkedIn X (Twitter)