← Back to search
Episodio 125: Kimi K3.1 Pro lleva un contexto de 1M de tokens a OpenRouter
AgentStack Daily (Español) · 2026-10-28 · 37 min
Show full episode description
AgentStack Daily comienza con Kimi K3.1 Pro, ya disponible en OpenRouter con una ventana de contexto de 1 millón de tokens. Show notes: https://tobyonfitnesstech.com/es/podcasts/episode-125/
✨ Episode Outline — click any point to jump to it in the episode
Problem solved
Cómo un modelo multimodal de 1M de tokens, sandboxing más seguro, APIs de decisión acotadas y modelos locales de programación y pronóstico cambian lo que los agentes pueden manejar.
Benefits
- Repos completos, capturas y vídeo en un solo contexto de Kimi K3.1 Pro
- Delegación de Hermes configurable por sesión mediante model maps o perfiles
- Sandbox a nivel de sistema operativo sin contenedores con el SRT de Anthropic
- Agente de programación local (Flint) en NVIDIA y Apple Silicon
- Pronósticos probabilísticos con 21 cuantiles en lugar de un solo número
Use cases
- Hermes Agent .22.5: 81 pull requests fusionados, 30 issues cerrados, 231 commits, 804 archivos
- Una sesión de Hermes dirige programación a un perfil e investigación a otro
- Kimi K3.1 Pro rastrea un defecto entre servicios usando código, grabaciones y decisiones de diseño
- Decisions API de OpenAI elige una oferta o enruta una solicitud de soporte a la cola correcta
- Timestral pronostica inventario, energía o sensores con rangos de probabilidad
KPIs / results
- Contexto de Kimi K3.1 Pro: 1.048.576 tokens; $2/M entrada, $10/M salida, $0,20/M caché
- Flint: 39.800M parámetros totales, ~2.500M activos; 54,9% TerminalBench 2.1, 89,7% SWE Bench Pro v2, 74,2% SWE Bench Verified
- Timestral 209M: 32.768 pasos históricos, 1.024 pasos de pronóstico, 21 cuantiles
- Microsoft: 1.024 agentes coordinándose sin un jefe central
Tools / build
- Delegación conectable y plugins MCP en Hermes Agent .22.5
- Kimi K3.1 Pro en OpenRouter
- Sandbox Runtime (SRT) de Anthropic con Seatbelt y Bubblewrap
- Decisions API de OpenAI
- Flint de Recursive y Timestral 209M de Mistral
Soy Alloy y esto es AgentStack Daily. Una ventana de contexto de 1M de tokens acaba de llegar a OpenRouter mediante Kimi K3.1 Pro. El modelo de razonamiento abierto y de referencia de Monshot puede procesar texto, imágenes y vídeo en conjunto, lo que permite colocar bases de código completas, capturas de interfaces y comportamientos de producto grabados dentro de un mismo contexto de trabajo. Es una cantidad enorme de material, pero la memoria es una cantidad de material, larga solo importa si el modelo puede razonar en todo eso sin perder el hilo. Y los lanzamientos alrededor de esto hacen que sea más que una simple cifra gigante en los titulares. Flint lleva un agente de programación de 39.800 millones de parámetros a sistemas locales, de NVIDIA y Apple Silicon. Timestral pronostica la demanda, las lecturas de sensores o la actividad del mercado localmente, mientras devuelve rangos de probabilidad en lugar de un único número sospechosamente seguro. Antropic abrió el sandbox del sistema operativo que está detrás del agente de programación con IA para terminal, CloudEcode y Microsoft mostró 1024 agentes coordinándose sin un jefe central. Hoy, Hermes Agent 22.5, 22.4 y 22.3. Química 3.1 Pro, ejecución más segura de agentes, decisiones de aplicaciones enfocadas, modelos locales de programación y pronóstico, y un experimento muy grande con agentes que se organizan entre sí. Nose Research publicó Hermes Agent 22.5 el 22 de octubre, después de 22.4 y 22.3. El parche más reciente reúne 81 pull requests fusionados, 30 ISOs cerrados, 231 commits que no son merge y cambios en 804 archivos. Ese trabajo abarca la experiencia en la línea de comandos y los instaladores, la aplicación de Microsoft Store, DACA y Hermes Cloud. La adición más importante es la delegación mediante plugins. Hermes puede enviar tareas a subagentes mediante mapas de modelos o perfiles, y el enrutamiento puede cambiar de una sesión a otra. Una sesión podría dirigir la programación hacia un perfil y la investigación hacia otro sin conectar de forma rígida cada backend a la aplicación principal. La delegación se vuelve configurable en lugar de ser una decisión arquitectónica permanente. El sistema de plugins también se amplía. Los plugins pueden exponer comandos de barra con opciones seleccionables, dejar que Hermes funcione mediante el model Context Protocol e importar agentes existentes. Cuando la configuración detecta otro agente, puede ofrecer un importador en lugar de obligar a alguien a reconstruir manualmente esa configuración. Esta combinación hace que el límite de los plugins sea más útil en ambas direcciones. Hermes puede consumir extensiones y puede presentar sus propias capacidades a otras aplicaciones compatibles. También deja espacio para subagentes más especializados, con distintas instrucciones o características de modelo, mientras la sesión principal permanece intacta. Es un parche considerable, y los cambios de escritorio hacen visible toda la infraestructura. Desktop incorpora instalación de plugins con un clic, insignias de nivel y controles de arrastre para anclar elementos en su barra lateral. El inicio de sesión pasa a un flujo sencillo de acceso desde el dispositivo. Los invitados del nivel gratuito pueden transferir su trabajo a una cuenta, y la interfaz muestra que cuenta está activa. Los conectores ahora ofrecen inicio de sesión directo en lugar de abrir discretamente una sesión de invitado. Los planes con ventanas de uso añaden medidores, tarjetas de límites y una vía de recuperación para cambiar de modelo. Esas piezas reducen las pequeñas ambigüedades que hacen que un agente parezca poco confiable, que identidad está activa, a qué sesión pertenece, que plugin está instalado y que perfil de modelo recibe el trabajo. También importan cuando una herramienta pasa del experimento personal a un entorno compartido, porque el estado invisible de la cuenta y los límites poco claros se convierten rápidamente en problemas operativos. Los mapas de modelos profundizan ese escenario de entorno compartido. Una sesión puede delegar sin fingir que todas las tareas merecen el mismo modelo o perfil de costos. Nouse afirma que el próximo hito, 23, contendrá notas seleccionadas sobre los cambios acumulados. Por ahora, 22.5 es el lanzamiento concreto, delegación más amplia, plugins más capaces, manejo de identidad más claro y actualizaciones distribuidas en todas las principales superficies de Hermes. Un millón de tokens suena absurdamente grande. ¿Qué acepta realmente Química 3.1 Pro y dónde puede usarse? Open Router ahora presenta Química 3.1 Pro como el modelo multimodal de razonamiento abierto y de referencia de Monsotay y como el sucesor postentrenado de Química 3. Su ventana de contexto es de exactamente 1.048.576 tokens. Acepta texto, imágenes y vídeo y produce texto. Esa combinación es particularmente relevante para el trabajo de software a largo plazo. Un agente de programación podría recibir un repositorio grande, documentos de diseño, capturas de una interfaz que falla y vídeo que muestre el comportamiento, todo mediante una misma superficie de modelo. Fuera de la programación, la misma mezcla de entradas podría conectar un archivo documental extenso con diagramas, demostraciones grabadas o evidencia visual. El modelo todavía tiene que identificar que es importante, un millón de tokens no produce automáticamente una respuesta coherente. Pero la capacidad reduce la necesidad de descartar material antes de que el modelo lo haya visto. Open Router ya ofrece acceso por API, así que se trata de un modelo al que las aplicaciones pueden enrutar ahora, no de una promesa de disponibilidad futura. Y el precio nos dice que podría significar esa gran ventana en la práctica. Open Router lista los tokens de entrada a 2 dólares por millón, los tokens de salida a 10 dólares por millón y las lecturas de entrada en caché a 20 centavos por millón. Las lecturas en caché importan cuando un agente vuelve a consultar repetidamente el mismo repositorio o conjunto de documentación. El material estable puede seguir siendo útil entre turnos sin cobrarse como una entrada completamente nueva cada vez. El uso emocionante no es meter un millón de tokens en cada solicitud. Es mantener intacta una investigación de larga duración cuando el trabajo abarca de verdad código, evidencia visual, decisiones anteriores y resultados de herramientas. Eso podría incluir rastrear un defecto entre varios servicios mientras se compara la implementación con grabaciones del producto y decisiones de diseño históricas. Los costos también hacen que la reutilización selectiva resulte más atractiva que transmitir repetidamente un contexto gigante desde cero. Química 3.1 Pro está disponible mediante Open Router. Mantiene la descripción de modelo abierto de Monsot y coloca el contexto largo junto con la entrada multimodal. Ahora su calidad de razonamiento a lo largo de esa distancia tendrá que ganarse la enorme ventana. Antropic puso Sandbox Runtime en código abierto, abreviado SRT, el Sandbox a nivel de sistema operativo utilizado detrás del agente de programación con IA para terminal cloud de code. Puede restringir el acceso a archivos y a la red para agentes de IA, servidores del model Context Protocol y herramientas de línea de comandos, sin necesidad de que cada carga de trabajo se ejecute en un contenedor. En macOS se apoya en Seatbelt el sistema integrado de sandboxing de Apple. En Linux utiliza Bubleur App. La capa de aislamiento de agentes de Antropic ya puede inspeccionarse y reutilizarse fuera de cloud de code. Esto ofrece otra opción a los desarrolladores cuando necesitan límites más estrictos, pero no quieren un contenedor completo alrededor de cada proceso. Una herramienta puede ejecutarse como un proceso normal del sistema operativo mientras el sandbox limita los archivos que puede tocar y los destinos de red a los que puede acceder. Esto puede encajar especialmente bien con los agentes de escritorio, porque suelen necesitar acceso selectivo a una carpeta de trabajo, un compilador o una utilidad local sin obtener acceso amplio a toda la máquina. Los contenedores todavía ofrecen aislamiento y empaquetado valiosos, así que no se vuelven obsoletos de golpe. Este es un límite diferente, con una huella más liviana y una integración más cercana con el sistema operativo anfitrión. Correcto y en sandbox no debería convertirse en una palabra mágica. La política todavía tiene que conceder suficiente acceso para realizar trabajo útil, mientras dinaís todo lo que no tenga relación. Un agente que edita un repositorio puede necesitar descargas de paquetes o un compilador, pero no necesita acceso irrestricto a archivos personales. Los controles de red importan por la misma razón. Una herramienta puede llamar legítimamente a un servicio sin necesitar toda Internet. SRT expone un proyecto común entre Mac OS y Linux, aunque la aplicación de las políticas por debajo del sistema operativo sea diferente. El lanzamiento abierto importa porque los agentes cada vez ejecutan código, lanzan utilidades y se conectan a servidores de herramientas, en lugar de limitarse a producir texto. Antropic está permitiendo que otros inspeccionen y reutilicen una capa de aislamiento creada para esa realidad. Eso puede acortar la distancia entre un prototipo que confía en todo y un producto con límites explícitos. También ofrece a los autores de herramientas una superficie compartida de sandbox, en lugar de dejar que cada aplicación invente su propio rape para controlar el sistema operativo. La próxima generación de software para agentes no se juzgará solo por lo que puede hacer. A la gente le importará igualmente que archivos, servicios y credenciales quedan fuera de su alcance. OpenAI lanzó una Decision SAPI, una interfaz dedicada para decisiones automatizadas dentro de aplicaciones. La empresa la describe como rápida, enfocada y de bajo costo. Pensemos en momentos en los que el software necesita un juicio acotado, elegir qué opción mostrar, enrutar una solicitud o seleccionar la siguiente acción. Esas tareas no necesariamente necesitan un flujo de trabajo autónomo y disperso. Necesitan una decisión entregada con la rapidez suficiente para instalarse directamente en el recorrido de un producto en vivo. Me gusta este enfoque más acotado. Con un agente en todas partes, puede convertirse en una excusa para envolver una decisión sencilla con maquinaria innecesaria. Una interfaz de decisiones enfocada ofrece a los equipos de producto un componente más pequeño que colocar en un punto específico. Su valor dependerá del tiempo de respuesta, la consistencia y el costo bajo tráfico real, porque una respuesta impresionante que llega tarde todavía puede dañar la experiencia. Una decisión de enrutamiento o personalización puede tomar lugar millones de veces, así que las pequeñas diferencias en latencia y precios se acumulan rápidamente. También se para decidir de ejecutar. La API puede elegir una opción mientras que la aplicación que la rodea conserva el control de lo que ocurre después. Eso puede hacer que la contribución de la IA sea más fácil de identificar de lo que sería dentro de un ciclo amplio de agente. Un minorista podría usar un resultado para elegir una oferta, mientras que un sistema de soporte enruta una solicitud a la cola correcta y mantiene la acción comercial real dentro del software existente. Las reglas del producto todavía importan, especialmente donde una mala decisión afecta el dinero, el acceso o a las personas. OpenAI apunta a distintos tipos de aplicaciones en lugar de nombrar un sector vertical específico, así que la adopción real mostrará si el mejor ajuste está en la personalización, las operaciones, el enrutamiento de solicitudes o en algo menos evidente. Y aterriza junto al enorme contexto de Kimi como un contraste casi cómico. Un producto dice, traigan todo el mundo al contexto. El otro dice, denme la opción exacta que hay que elegir. Ambos pueden ser útiles. La infraestructura de IA se extiende cada vez más desde enormes plataformas de razonamiento hasta una decisión de alcance preciso, incrustada entre dos pasos ordinarios de una aplicación. Esa superficie más pequeña también puede facilitar que un equipo de producto entienda exactamente donde un juicio automatizado cambió la experiencia del cliente. Recursive lanzó Flint bajo la licencia Apache 2 con un slot proporcionando el checkpoint, la configuración, el tokenizador, la plantilla de chat, el kit de serving y las variantes GUF cuantizadas para los runtimes de NVIDIA y Apple Silicon. Flint es un modelo de agente de programación basado en texto y con una arquitectura misture of experts, con 39.800 millones de parámetros totales, pero solo alrededor de 2.500 millones se activan para cada token. Cada capa de la misture enruta un token a 6 de 256 especialistas, además de un experto compartido que siempre participa. Esto conserva una amplia capacidad del modelo y al mismo tiempo, limita el cálculo usado en cada paso. Flint admite razonamiento, uso de herramientas en varias vueltas y llamadas de herramientas compatibles con OpenAI. Su trabajo previsto incluye investigar repositorios, corregir errores, implementar funciones, escribir pruebas y continuar después de ver los resultados de las herramientas. Recursive informa un 54,9% en Terminal Bench 2,1, un 89,7% en SWE Bench Pro versión 2 y un 74,2% en SWE Bench Verified. Son resultados publicados por el desarrollador y la ficha advierte que las configuraciones de evaluación, la precisión y los run times de inferencia pueden cambiar los resultados. Ese conteo de parámetros activos es lo que hace atractivo el uso local. 39.800 millones es mucho, pero cada token activa una porción mucho más pequeña, mientras que las versiones cuantizadas reducen aún más los requisitos de memoria. La ficha del modelo también explica que el resultado de Flint en Terminal Bench considera no exitosas las soluciones obtenidas mediante recuperación web, mientras que algunas cifras de desarrolladores podrían aplicar reglas distintas. Por eso, los puntajes principales siguen vinculados a su configuración, no son promesas universales. Lo que queda concreto es inusualmente útil, pesos abiertos, variantes locales, herramientas en varias vueltas y un modelo diseñado para actuar sobre software en lugar de simplemente completar una línea de código. La ejecución local puede mantener un repositorio privado más cerca de la máquina que ejecuta a la gente y reducir la dependencia de un servicio de programación alojado. Eso no vuelve inofensiva la salida. Flint todavía puede escribir código defectuoso o elegir una llamada de herramienta inadecuada. Combinarlo con los límites de acceso explícitos del trabajo de Antropic sobre sandboxes resulta mucho más convincente que tratar al modelo o al sandbox como suficientes por separado. Los agentes de programación reciben la mayor parte de la atención, pero Timestral podría alcanzar una categoría de aplicación completamente diferente. ¿Qué te da un modelo de pronóstico con 209 millones de parámetros? Timestral 209M de Mistral predice valores futuros a partir de datos de series temporales sin necesidad de reentrenamiento específico para la tarea. Es el más grande de cuatro tamaños documentados, que van desde 5 millones hasta 209 millones de parámetros. Puede manejar una serie o varias series relacionadas e incorporar covariables, señales adicionales que ayudan a explicar el objetivo. Algunas provienen del pasado, otras se conocen de antemano como calendarios, precios planificados o eventos programados. El modelo acepta hasta 32.768 pasos históricos y pronostica 1.024 pasos en una sola pasada, los horizontes más largos se procesan en bloques. Agrupa los pasos en bloques de 32 e incorpora tanto los valores observados como indicadores de observaciones faltantes. Sus 21 cuantiles ofrecen un pronóstico mediano y un rango de posibilidades inferiores y superiores, lo cual resulta más útil para planificar inventario, capacidad, energía o sensores que un único número falsamente preciso. Mistral reporta resultados líderes de 0-shot en Gifteval, TME y Fetbench, incluido un error menor que el de Times FM, 3 en Gifteval. Esas cifras provienen de Mistral, con el checkpoint y el código fuente disponibles para ejecutar el modelo y reproducir sus evaluaciones. Timestral funciona mediante P-Yriega Torque en CPUs o GPUs bajo una licencia MID modificada. Bueno, en realidad es un paquete local potente, una o muchas señales relacionadas, eventos futuros conocidos, manejo de valores faltantes e incertidumbre explícita en procesadores comunes. Un almacén puede combinar el historial de ventas con promociones planificadas. Una fábrica puede conectar varios sensores. Un servicio energético puede presentar un rango probable en lugar de fingir que el clima y la demanda obedecerán una sola línea. FLYN convierte el código local en acciones, mientras que Timestral convierte los historiales locales en rangos de probabilidad. Ninguno necesita convertirse en una interfaz de chat para tener valor. OpenAI y Inask, la institución de Polonia, anunciaron una alianza el 23 de octubre en materia de seguridad de la IA, Ciberseguridad e Investigación Técnica. NASC es la Institución Nacional de Ciberseguridad de Polonia, por lo que esto conecta directamente a una empresa de IA con una organización encargada de fortalecer la resiliencia digital del país. El desarrollo inmediato es la cooperación institucional en torno a las salvaguardas y la investigación de seguridad, no un producto nuevo. Esa distinción importa, pero la combinación sigue atención. Las empresas de modelos entienden sus propios sistemas. Las instituciones nacionales de ciberseguridad están más cerca de los adversarios. La respuesta ante incidentes y la infraestructura pública. Esas perspectivas se superponen, pero no son intercambiables. El trabajo entre ambas podría producir métodos de seguridad o salvaguardas moldeados por amenazas operativas reales, en lugar de por discusiones abstractas sobre riesgos. La evidencia útil serán la investigación técnica y las protecciones que surjan, especialmente si organizaciones ajenas a la Alianza pueden aplicarlas a sistemas que ya están expuestos a ataques. Y la infraestructura nacional plantea desafíos distintos de los de un asistente para consumidores. La confiabilidad, la gestión de incidentes y la resiliencia conviven con el comportamiento del modelo, porque los fallos pueden afectar servicios esenciales e instituciones públicas. NASC aporta ese entorno a la colaboración. Polonia también pasa a participar directamente en la forma en que el trabajo sobre seguridad de la IA se encuentra con la Defensa Cibernética Nacional, en vez de limitarse a recibir prácticas desarrolladas en otros lugares. Exactamente. La seguridad de la IA a menudo suena ajena a las redes y los servicios de los que la gente ya depende. Conectarla con un organismo nacional de ciberseguridad acerca la conversación a esos sistemas. La colaboración también podría sacar a la luz tensiones entre el despliegue rápido y la disciplina más lenta que exigen las infraestructuras críticas. Si la Alianza convierte la investigación en defensas concretas, su influencia podría extenderse mucho más allá de Polonia. Este sí me resultan genuinamente emocionante. Meta permite que un agente aprenda mientras ya está intentando jpa una tarea desconocida, en lugar de depender únicamente de un entrenamiento que emplíte previamente. ¿Cómo evita que eso se convierta en un ensayo y error sin rumbo? Meta combina la adaptación durante la tarea actual con una memoria compacta de intentos anteriores. La interacción reciente cambia el comportamiento de la gente, mientras que los resúmenes de episodios pasados trasladan experiencia útil al siguiente intento. Los investigadores lo evaluaron en tareas de control de MetaWorld no vistas y en entornos PointMaze de contexto largo, donde las recompensas eran escasas. En tareas reservadas de MetaWorld, Meta superó el 50% de éxito manteniendo bajos el costo de entrenamiento y el tiempo real. En PointMaze venció a las líneas base basadas en Transformers y exploró de una manera más estructurada. Así que el atractivo no es el reentrenamiento infinito. Es un presupuesto de aprendizaje limitado que se aplica mientras el agente trabaja, con suficiente historial conservado para no tener que partir de cero cada vez. Los entornos de benchmark son más limpios que los mundos físicos y digitales con los que acabarán FASING los agentes. Aún así, adaptarse durante una tarea podría ser crucial cuando el desafío exacto no estaba representado en la distribución original de entrenamiento. SpaceX Superinteligencia abrió una red oficial de socios para empresas que desarrollan productos, servicios e integraciones en torno a Grok. El programa divide a los socios en dos grupos. Los TransferMashem Partners ayudan a los clientes a desplegar la plataforma Grok en toda una empresa. Los Marketplace Partners crean plugins e integraciones que conectan Grok con las herramientas que los clientes ya utilizan. Más de 130 empresas participaron durante el acceso anticipado, e ingenieros de más de 30 organizaciones se capacitaron mediante un programa de acreditación Forbart Diploid Engineer. Entre los socios de lanzamiento nombrados se encuentran Binance Company, Databricks, NVIDIA, Snowflake, Galactic, Adapter Group, AEAD y Alpha FMC. Entonces, esto se trata menos del lanzamiento de otro modelo y más de construir un canal de entrega. Esos socios cubren la transformación empresarial, la infraestructura de datos, la gobernanza, las trazas de auditoría y el contexto específico del negocio, las piezas que determinan si un modelo llega al trabajo recurrente o queda atrapado en un piloto. Galactic describe a ingenieros que trabajan dentro de los flujos de trabajo de los clientes para delimitar y construir sistemas en producción. Adapter dice que puede llevar la trayectoria más amplia de un cliente a GrokBot y GrokBill, de modo que una nueva interacción comience con el contexto de la misión y no solo con la memoria de trabajo inmediata. Databricks y Snowflake aportan superficies de datos que ya están presentes dentro de grandes organizaciones, mientras que NVIDIA amplía el alcance de la infraestructura. La cantidad de socios es notable, pero el uso en producción es una medida más difícil. Integrar datos y controles empresariales. Preservar la rendición de cuentas entre varias compañías y mantener útil el sistema resultante a lo largo del tiempo determinarán si la red adquiere una escala sustancial. Binis es un método de postentrenamiento para modelos que pasan información repetidamente por las mismas capas. Estas redes en bucle pueden mejorar sus resultados sin agregar un conjunto nuevo de parámetros aprendidos en cada pasada, pero cada repetición ha creado tradicionalmente su propia caché de clave valor, la información almacenada sobre los tokens anteriores. Por lo tanto, el consumo de memoria aumenta con cada vuelta. Binis entrena al modelo para que la caché de la pasada final pueda difundirse de nuevo hacia la primera pasada, lo que permite que las repeticiones compartan una única caché compatible. Los investigadores informan que la calidad coincide con la del ajuste fino convencional mediante cachés separadas. Eso podría conservar el beneficio de la computación repetida sin duplicar la memoria de tokens en cada nivel. Es una mejora significativa de eficiencia si se mantiene en despliegues más grandes. Los modelos en bucle cambian cómputo adicional por un razonamiento más sólido, mientras mantienen fijo el número de parámetros aprendidos, las cachés compartidas hacen que ese intercambio sea menos costoso en memoria. Así, podrían caber más repeticiones en el mismo hardware sin multiplicar al mismo ritmo el estado almacenado de los tokens. El codebase Memory MCP de Deusdata ofrece a los desarrolladores y agentes de IA un grafo local que conecta código, documentación e infraestructura. La versión más reciente es 12.1, fechada el 16 de octubre, y el repositorio se actualizó nuevamente el 24 de octubre. GitHub reporta 47.438 estrellas. Su propósito es ofrecer inteligencia persistente del código, las funciones, los documentos, la infraestructura y sus relaciones permanecen conectados, en lugar de redescubrirse como fragmentos aislados en cada prompt. Eso cambia lo que un agente puede preguntar. En vez de buscar solo texto coincidente, puede seguir relaciones, qué función llama otra, qué componente depende de ella o qué documentación pertenece al mismo subsistema. El proyecto incluye CBM Lens, herramientas del model Context Protocol, integraciones con agentes y selección de pruebas consciente de los cambios. Esta última función identifica las pruebas relacionadas con un cambio y podría limitar la atención a la superficie afectada, sin afirmar que la cobertura no relacionada deje de importar. El funcionamiento local resulta atractivo para repositorios que los equipos no quieren copiar a un servicio remoto de contexto. Un grafo persistente también puede sobrevivir más de una sesión de chat, lo que permite que el trabajo posterior de los agentes tenga acceso a una estructura mapeada previamente. Esa continuidad podría ayudar cuando un cambio atraviesa código de aplicación, archivos de despliegue y documentación de diseño, en lugar de mantenerse dentro de un solo lenguaje o directorio. El proyecto todavía tiene que registrar los cambios con precisión. Unas relaciones desactualizadas podrían llevar a un agente hacia conclusiones obsoletas. Pero su escala muestra una fuerte demanda de algo más ser que la búsqueda repetida de archivos. También explica por qué los grafos de conocimiento siguen reapareciendo junto a los modelos de contexto largo. Kimi puede guardar una enorme cantidad de material, mientras que un grafo aporta una estructura explícita entre las piezas. Resuelven problemas diferentes. Un agente puede usar el grafo para encontrar la porción conectada y luego recurrir al contexto largo para razonar sobre el código, la documentación y la evidencia circundante sin aplanar todo el repositorio en una bolsa de texto. 1024 agentes sin un orquestador central suenan o brillantes o como la vía más rápida hacia un chat grupal. Extremadamente saturado. ¿Cómo los coordinó Microsoft Research? Agents permite que los trabajadores se autoorganicen mediante tres superficies compartidas, un repositorio de HIT, un canal de chat y un tablero de hallazgos. Ningún controlador individual asigna todas las tareas. En el experimento Program Bench reportado por Microsoft, el entorno de código abierto escaló de un agente a 1024, manteniendo un límite de seis horas. HIT transporta el trabajo en evolución, el chat permite la comunicación y el tablero de hallazgos ofrece a los trabajadores un lugar donde registrar descubrimientos que otros pueden aprovechar. La ausencia de un jefe es más interesante que la cantidad de agentes. Un planificador central puede convertirse en un cuello de botella cuando cientos de trabajadores esperan asignaciones o devuelven resultados. Los espacios de trabajo compartidos permiten que los agentes descubran tareas y reaccionen entre sí de manera más directa. Pero la descentralización también puede generar trabajo duplicado, ediciones conflictivas, tareas descuidadas o grupos que convergen en la misma suposición equivocada. Program Bench demuestra un diseño de coordinación. No prueba que todos los problemas difíciles se beneficien de mil trabajadores. La comunicación por sí sola consume tiempo y contexto, así que agregar agentes puede terminar aportando más ruido que trabajo útil. Aún así, Microsoft publicó un marco concreto para examinar esos compromisos. Los equipos pueden analizar cómo los agentes reparten el trabajo mediante código compartido, conversación y hallazgos registrados, en lugar de tratar la coordinación masiva como una demostración patentada en una etapa. El titular de los mil agentes llama la atención. La contribución reutilizable es un sistema donde la coordinación surge de superficies de trabajo comunes, no de un proceso maestro que intenta entender y programar todo. Cagnischem puso en código abierto el plugin Devin Vulnerability Fixies en respuesta a fallos críticos de ejecución remota de código que afectaban despliegues de PHP, Node, JS y HeatLab autohospedado. La versión con licencia MIT contiene tres habilidades de agentes que inventarían los sistemas afectados, aplican parches y pruebas y luego abren una pull request separada para cada repositorio. Eso convierte un amplio incidente de seguridad en cambios revisables vinculados a bases de código individuales, en lugar de una única operación por lotes opaca. Las pull request separadas son la forma adecuada para la revisión de ingeniería, pero la automatización no hace que una corrección de seguridad se apruebe por sí sola. La contribución útil es su alcance, un agente puede buscar en muchos repositorios, identificar la exposición, preparar cambios y preservar la misma traza de revisión que los equipos ya utilizan. Eso importa cuando un fallo de ejecución remota de código crea presión para actuar con rapidez en un gran conjunto de sistemas. Una empresa con decenas de servicios puede tener varias rutas de dependencias afectadas, distintos sistemas de compilación y diferentes responsables. Preparar un cambio aislado por repositorio les proporciona a esos responsables algo concreto que revisar. La pregunta decisiva sigue siendo si cada corrección propuesta corresponde al proyecto afectado y ciérrala. Exposición sin romper el comportamiento circundante. El plugin de Cagnisien comprime el descubrimiento y la preparación de parches. La rendición de cuentas humanas sigue correspondiendo en la decisión de integración. El tutorial de copiloto de ingeniería de Letta aborda una frustración que todo asistente de larga duración acaba generando porque se comporta como si el proyecto fuera nuevo cada vez que cambia la conversación. El tutorial se basa en una memoria central inspeccionable que le da al copiloto un lugar visible para retener datos del proyecto en lugar de ocultar todo en un estado de conversación opaco. Agrega recuperación vectorial de archivos que encuentra contenido anterior por significado en vez de exigir las mismas palabras. Por ejemplo, una pregunta sobre una decisión de autenticación puede recuperar una nota de diseño relevante aunque esté formulada de manera diferente. El copiloto también puede llamar herramientas personalizadas, transmitir respuestas en streaming, compartir estado entre agentes especializados y llevar flujos de trabajo portables entre distintos entornos. El estado compartido es donde el diseño va más allá de una demostración de memoria. Un agente puede encargarse del trabajo en el repositorio mientras otro gestiona la documentación o la infraestructura. Aun así, ambos operan con un contexto común del proyecto. La arquitectura preserva decisiones, recupera el historial relevante y conecta las acciones con esa memoria. Un copiloto podría recordar por qué se rechazó una dependencia, qué servicio es el responsable de un contrato de datos o qué restricción influyó en una implementación anterior, y luego llevar ese historial al trabajo posterior. El contexto persistente también puede conservar los errores, y por eso importa la inspeccionabilidad. Si las personas pueden ver y corregir lo que el copiloto recuerda, el estado se convierte en un recurso del proyecto que se mantiene, no en un misterio que crece sin control. Nanobot lidera con 49.339 estrellas, 778 más en 30 días. La versión 3.5 se publicó en septiembre y el repositorio volvió a estar activo el 25 de octubre. Es un marco ultraligero y autoalojado para agentes de Python con interfaz web, herramientas, memoria, compatibilidad con model Cantex Protocol, automatización, integraciones de chat y flujos de trabajo multiagente. El MCP de Aujasid para Blender lleva el mismo ecosistema a la creación tridimensional. El complemento comunitario tiene 32.293 estrellas, 2.978 más en 30 días, un aumento del 10,2% y se actualizó el 24 de octubre. Esos proyectos extienden los agentes en direcciones opuestas. Nanobot proporciona una capa persistente y autoalojada, mientras que MCP for Blender abre un entorno creativo concreto. Fast MCP aporta el tejido conective. El marco de Python para crear servidores y clientes de model Cantex Protocol tiene 28.197 estrellas, 680 más, y publicó la versión 4.1 en octubre. Les ofrece a las aplicaciones una forma directa de exponer herramientas y datos. Nanobot organiza a los agentes, MCP for Blender les proporciona una superficie de control especializada y Fast MCP ayuda a conectar esas capacidades con clientes compatibles. Química 3.1 Pro es la opción de contexto largo, 1.048.576 tokens, con entrada de texto, imagen y vídeo para producir texto. Monsot lo describe como un modelo multimodal de razonamiento con pesos abiertos, diseñado para programación de largo horizonte, y Open Router ofrece acceso mediante API. Las tarifas publicadas son de 2 dólares por millón de tokens de entrada, 10 dólares por millón de tokens generados y 20 centavos por millón de tokens de entrada almacenados en caché. Flint ofrece otro tipo de accesibilidad. Sus pesos con licencia Apache suman 39,8 mil millones de parámetros, con aproximadamente 2,5 mil millones activos para cada token. Es un modelo de agente de programación basado en texto que admite razonamiento, herramientas en varias turnadas y llamadas compatibles con OpenAI. Un slot proporciona variantes GUF cuantizadas preparadas para sistemas con NVIDIA y Apple Silicon, mientras que la ficha del modelo señala que los resultados de evaluación pueden cambiar según la precisión y el entorno de ejecución. Timestral 209M es la opción para pronóstico, con 209 millones de parámetros y ejecución local de PY Torch en CPU o GPU. Admite series de tiempo individuales y relacionadas, señales adicionales conocidas a futuro y disponibles solo en el pasado, además de predicciones probabilísticas en 21 cuantiles. Mistral reporta resultados líderes de cero disparo en varias evaluaciones de pronóstico y publicó el checkpoint y el código fuente bajo una licencia MID modificada. Depsec versión 4.1 Flash 1017 está en tendencia en Hugging Face, con 2.856 me gusta y más de 85.000 descargas. Aparece listado como un modelo que acepta entrada de imagen y texto para producir texto, con soporte para transformer y safe tensor, licencia MID, resultados de evaluación, endpoints alojados compatibles y formatos de pesos que incluyen 8 bits y FP8. Esos formatos ofrecen distintas opciones para hardware con diferentes presupuestos de memoria, mientras que la entrada multimodal vuelve relevante al modelo en situaciones donde las imágenes y las instrucciones escritas deben influir en una misma respuesta. La atención que genera la ficha es considerable y su combinación de pesos descargables, compatibilidad con endpoints y formatos de menor precisión ofrece varias vías para implementarlo de forma local o alojada. Usig Metrics App y Ads Usig from Tools like OpenCode cubre una carencia en los análisis de GitHub Copilot. La actividad del modelo en herramientas adicionales de desarrollo, incluidos OpenCode, ahora aparece en los informes de uso. Al conectarlo con Microsoft OpenSources Agents, a Multi-Agent Harness for 1024 Agents, la medición tiene que seguir el trabajo realizado con distintas herramientas y trabajadores coordinados, en lugar de permanecer vinculada a una sola interfaz. Google Cloud Launches Agent Compute en Gine, a MicroVM per iAgent, aborda el lado de ejecución del mismo problema. Cada agente recibe una micromáquina virtual aislada por hardware, con las credenciales guardadas fuera de ella. El servicio ya ejecuta agentes de Yemen ahí y se espera que entre en versión preliminar en los próximos meses. Agents coordina grandes grupos. Agent Compute en Gine aísla a los trabajadores individuales y la API de uso ampliada ayuda a las organizaciones a ver dónde ocurre la actividad del modelo. Para conocer los modelos publicados, los repositorios de proyectos, los artículos de investigación, los detalles de las versiones y el material de apoyo, consulta las notas del episodio en tobionfitness.com. Gracias por escuchar a AgentStack Stack Daily. Volveremos pronto. Gracias por ver el video.