[NOVA]: Soy NOVA. [ALLOY]: Soy ALLOY, y esto es AgentStack Daily... [NOVA]: Moonshot acaba de poner 2.8 billones de parámetros detrás de Kimi K3, convirtiéndolo en el primer modelo de acceso abierto en entrar en la clase de los 3 billones. Eso es enorme. El precio también es enorme: tres dólares por millón de tokens de entrada y quince dólares por millón de tokens de salida. Mientras tanto, una herramienta de codificación afirma que puede responder preguntas de repositorios con un 99 por ciento menos de tokens, y un modelo de chat de 27 mil millones de parámetros se está adaptando a máquinas locales con pesos ternarios de 2 bits. [ALLOY]: Está bien, eso realmente es una locura: el modelo más grande aquí puede no producir el cambio más grande. La gente ya está usando estos sistemas para navegar por bases de código completas a través de grafos de conocimiento, manipular escenas de Unity y scripts de C# desde el chat, y afinar generadores de imágenes y video en hardware NVIDIA sin escribir cada componente de entrenamiento por su cuenta. [NOVA]: Hoy: el agente de codificación basado en terminal Codex punto uno-cuatro-cuatro-seis corrige metadatos de contexto para tres niveles de GPT-5.6; Kimi K3 desafía modelos de frontera con precios de frontera; y Medicare pone la autorización previa asistida por IA en seis estados. Escucharás sobre aprendizaje por refuerzo de millones de tokens, un modelo de video generalista abierto, métricas de Copilot a nivel de repositorio, y las herramientas de rápido crecimiento que están convirtiendo a MCP en infraestructura ordinaria de aplicaciones. [NOVA]: ... [NOVA]: OpenAI lanzó punto uno-cuatro-cuatro-seis para Codex el 18 de julio. El agente de codificación basado en terminal recibió una corrección de metadatos enfocada para tres niveles de GPT-5.6: Sol, Terra y Luna. Sus ventanas de contexto empaquetadas ahora leen 272,000 tokens, y el lanzamiento actualiza las instrucciones empaquetadas con esos modelos. No es glamoroso. Tampoco es información trivial opcional cuando el software que planifica un trabajo largo de codificación depende de ese número. [ALLOY]: Exacto, porque el arnés decide cuánto material puede llevar de forma segura basándose en la capacidad que cree que tiene el modelo. Si Codex cree que la ventana es menor a 272,000 tokens, puede resumir o descartar material útil del repositorio temprano. Si cree que la ventana es mayor, una sesión larga puede alcanzar el límite real, perder contexto más antiguo, o detenerse en exactamente el momento equivocado. Un campo de metadatos suena diminuto hasta que un refactor de múltiples archivos depende de él. [NOVA]: La corrección llegó a través de dos solicitudes de extracción del mismo ingeniero. Una trajo metadatos de modelos empaquetados actualizados a la línea punto uno-cuatro-cuatro. La segunda restringió la corrección rápida a prompts y contexto de GPT-5.6, dejando a otras familias de modelos sin tocar. Eso es el tipo de parche quirúrgico sensato: corregir Sol, Terra y Luna sin convertir una reparación de metadatos en un cambio amplio de comportamiento. Los 72,000 tokens adicionales relativos a una suposición de 200,000 tokens pueden contener una cantidad sustancial de código fuente, documentación, salida de herramientas e historial de conversación. No garantiza mejor razonamiento, pero le da al agente límites más precisos mientras decide qué retener. [ALLOY]: Y me gusta esto más que un lanzamiento vago de "mejoras de rendimiento", porque la consecuencia es legible. Los refactores y migraciones de larga duración pueden mantenerse coherentes por más tiempo cuando el agente conoce su espacio de trabajo real. Una migración que abarca código de aplicación, pruebas, configuración y salida de herramientas generada puede caber en un historial de trabajo continuo en lugar de forzar un resumen temprano. El siguiente desarrollo útil sería la misma alineación de metadatos llegando a cualquier otra familia de modelos afectada, o un lanzamiento punto uno-cuatro-cinco más amplio que consolide la reparación. Por ahora, punto uno-cuatro-cuatro-seis corrige una fuente silenciosa de truncamiento y subutilización para los tres niveles de GPT-5.6 nombrados. [NOVA]: ... [ALLOY]: Moonshot no mordisqueó la frontera. Kimi K3 tiene 2.8 billones de parámetros, más del doble de K2.6 y muy por encima de V4 Pro de DeepSeek con 1.6 billones de parámetros. Moonshot lo llama parte de la clase de los 3 billones, y se convierte en el primer modelo de acceso abierto a esa escala. Los resultados iniciales lo colocan cerca de los sistemas cerrados más fuertes en lugar de simplemente encima del campo de pesos abiertos. [NOVA]: Los números externos son llamativos. K3 obtuvo 1,547 Elo en la prueba privada de trabajo de conocimiento de horizonte largo de Artificial Analysis, 732 puntos por encima de K2.6 y solo segundo después de Claude Fable 5. También llegó al número uno en el tablero de líderes de Código Frontend de Arena, que compara interfaces web generadas. Moonshot reporta separadamente victorias sobre Claude Opus 4.8 max y GPT-5.5 high, mientras queda detrás de Claude Fable 5 y GPT-5.6 Sol. Esas últimas comparaciones vienen de Moonshot, así que no las doy por definitivas hasta que ejecuciones independientes las reproduzcan. [ALLOY]: Y luego viene la factura: tres dólares por millón de tokens de entrada, quince dólares por millón de tokens de salida. K2.6 costaba noventa y cinco centavos de entrada y cuatro dólares de salida. K3 ahora se ubica alrededor del precio de Claude Sonnet y se convierte en el modelo más caro lanzado por un laboratorio chino. Artificial Analysis estima noventa y cuatro centavos por tarea, cerca de GPT-5.6 Sol a un dólar con cuatro centavos y por debajo de Opus 4.8 a un dólar con ochenta centavos. K3 también usó un 21 por ciento menos de tokens de salida que K2.6 en el índice de inteligencia de ese evaluador, así que el aumento efectivo no es tan brutal como la tarifa publicada. [NOVA]: Sigue sin ser barato. El lanzamiento de pesos abiertos prometido para el 27 de julio decidirá si K3 es principalmente una API premium o un modelo que el ecosistema más amplio puede genuinamente operar y adaptar. El producto web y la API de Moonshot ya están activos, pero los detalles de nivel API todavía están llegando. ¿Pagarías precios de frontera por un modelo abierto si supera a rivales cerrados en tu trabajo real? Esa es la competencia ahora: calidad por tarea completada una vez que los usuarios independientes obtengan los pesos. [NOVA]: ... [NOVA]: Ternary-Bonsai-27B se mueve en la dirección opuesta a Kimi K3: no más escala, sino compresión más agresiva. Prism-ML lanzó el modelo de chat de 27 mil millones de parámetros en GGUF, un formato de archivo construido para inferencia local eficiente, con sus pesos almacenados en precisión ternaria de 2 bits. Cada peso usa uno de tres valores posibles. Eso reduce dramáticamente el almacenamiento comparado con las versiones comunes de 4 bits de modelos de tamaño similar. [ALLOY]: Lo cual hace que el nombre "Bonsai" sea inusualmente honesto. El repositorio está etiquetado para llama.cpp, aceleración CUDA en hardware NVIDIA y aceleración Metal en dispositivos Apple. Ha superado las 338,000 descargas y 760 likes desde su lanzamiento el 4 de julio. Un modelo de 27 mil millones de parámetros que puede ejecutarse a través de una GPU de consumidor, un MacBook con Apple Silicon, o incluso una máquina solo con CPU le da a los desarrolladores locales un punto final de chat significativo sin enviar cada prompt al servidor de otra persona. [NOVA]: Espera, aunque: los pesos diminutos no prueban respuestas fuertes. La compresión ternaria puede sacrificar matiz, seguimiento de instrucciones o confiabilidad, y la emoción actual viene de la distribución y el empaquetado más que de comparaciones amplias independientes. El modelo está afinado conversacionalmente y listo para entornos de ejecución locales, pero su calidad contra construcciones ordinarias de 4 bits sigue siendo la parte sin responder. La velocidad también depende en gran medida de si los entornos de ejecución explotan los valores ternarios eficientemente en lugar de simplemente decodificarlos como un formato de novedad. [ALLOY]: Crítica justa, pero 338,000 descargas dicen que la pregunta se está probando a escala. Si llama.cpp y herramientas relacionadas convierten la representación más pequeña en generación genuinamente más rápida, el modelo podría reiniciar las expectativas para asistentes sin conexión y agentes privados en hardware modesto. También podría ampliar el uso local más allá del chat: búsqueda en repositorios, análisis de documentos privados y clasificación en segundo plano no siempre requieren razonamiento de frontera en cada turno. Si la calidad se desmorona, será una demostración de compresión inteligente. De cualquier manera, Ternary-Bonsai pregunta cuánta inteligencia útil puede caber en una máquina que ya está sentada en un escritorio. [NOVA]: ... [ALLOY]: Esta me preocupa más que cualquier tabla de clasificación. El Modelo WISeR de Medicare ha introducido el cribado asistido por IA en la autorización previa para servicios seleccionados de Original Medicare en Arizona, Nueva Jersey, Ohio, Oklahoma, Texas y Washington. CMS lanzó el programa en enero y se extiende hasta diciembre de 2031. Seis empresas tecnológicas participan, una por estado, con una compensación vinculada parcialmente al gasto que sus revisiones previenen. [NOVA]: Los servicios cubiertos han establecido criterios de cobertura y se consideran vulnerables al desperdicio, fraude o daño al paciente. Los ejemplos incluyen sustitutos de piel y tejido, estimuladores nerviosos eléctricos implantados y artroscopia de rodilla para osteoartritis. Las herramientas de IA evalúan los casos, pero un clínico con licencia debe realizar cada recomendación final para denegar el pago. Los casos de emergencia, los servicios exclusivos para pacientes internos y las situaciones en las que un retraso podría poner en peligro a un paciente están excluidos. Las reglas de cobertura de Medicare original y la elección de proveedor permanecen sin cambios, y Medicare Advantage no forma parte del programa. [ALLOY]: Los proveedores pueden solicitar autorización antes de proporcionar un servicio o enfrentar una revisión previa al pago posteriormente. Los proveedores que cumplen consistentemente pueden obtener una exención de tarjeta dorada que les permite saltarse la revisión. Eso podría reducir el papeleo repetido para los clínicos con historiales limpios. Pero vincular la compensación del proveedor al gasto evitado crea una tensión obvia: un sistema puede ahorrar dinero al identificar atención inapropiada, o al hacer que la atención apropiada sea más difícil de obtener. La firma humana ayuda, pero no elimina el incentivo. [NOVA]: Exactamente. Decisiones más rápidas y costos más bajos son objetivos, no resultados observados. CMS dice que los pagos también reflejarán medidas de proceso como la experiencia del proveedor, sin embargo la primera evidencia significativa vendrá de las negaciones, apelaciones, retrasos, reversiones y comentarios de los clínicos. ¿Cómo se sentiría si un algoritmo presentara su reclamación médica para rechazo mientras su proveedor ganaba más del gasto evitado? WISeR es ahora una prueba federal de seis años de si el software de revisión clínica puede reducir el abuso sin convertir la fricción en un modelo de negocio. [NOVA]: ... [NOVA]: NVIDIA y Hugging Face publicaron una guía conjunta el 17 de julio para el ajuste fino de modelos de difusión de imagen y video a gran escala. Los modelos de difusión son los sistemas detrás de muchos generadores actuales que progresivamente transforman el ruido en una imagen o video. La guía conecta NeMo Automodel de NVIDIA con la librería Diffusers de Hugging Face, proporcionando a los equipos una ruta documentada desde un modelo abierto hasta la personalización distribuida en GPUs. [ALLOY]: Esto no es un nuevo modelo, chip o [NOVA]: No le entreguemos trofeos de benchmark que no contiene. La publicación no ofrece un conjunto amplio de cifras de rendimiento en múltiples GPU ni establece una receta universal para cada familia de modelos. Es un hito en la documentación. Su valor depende de las arquitecturas compatibles, la calidad de los ejemplos y si equipos externos reproducen el flujo de trabajo sin correcciones no documentadas. Las siguientes adiciones útiles serían nombrar más familias de modelos e informar el comportamiento de escalado a través de configuraciones reales de GPU. [ALLOY]: De acuerdo, pero la infraestructura madura a menudo llega como documentación aburrida antes de convertirse en práctica normal. El software de difusión abierta ya les da a los equipos acceso a modelos; el ajuste fino distribuido repetible es lo que convierte ese acceso en un generador de video deportivo, un sistema de imágenes de producto o una herramienta visual específica de dominio. Las empresas de medios podrían adaptar un modelo de video a su archivo, mientras que los fabricantes podrían ajustar la generación de imágenes en torno a sus propios productos y estándares visuales. NVIDIA y Hugging Face están haciendo que sus ecosistemas se encuentren en un solo lugar. Esa conexión podría ahorrar más tiempo [NOVA]: ... [NOVA]: LongStraw aborda una discrepancia molesta: los modelos pueden procesar entradas de un millón de tokens durante su uso, pero el aprendizaje por refuerzo frecuentemente entrena a los agentes en trayectorias limitadas a alrededor de 256.000 tokens. El aprendizaje por refuerzo aquí significa mejorar el comportamiento a través de retroalimentación sobre acciones completadas. LongStraw informa que entrena más allá de dos millones de tokens dentro de un presupuesto fijo de GPU. [ALLOY]: Es emocionante porque los agentes de larga duración no experimentan el trabajo como un prompt limpio y ordenado. Acumulan documentos, llamadas a herramientas, intentos fallidos, observaciones y decisiones anteriores. Entrenar con historias reducidas puede enseñar un comportamiento que se desmorona una vez que la trayectoria real se vuelve mucho más larga. [NOVA]: Los investigadores describen LongStraw como una pila de ejecución centrada en el modelo subyacente y el hardware, en lugar de un requisito mayor de GPU. Si llega a los marcos de entrenamiento abiertos comunes, los laboratorios podrían enseñar agentes a lo largo de trayectorias más cercanas a la longitud de producción. El documento establece una capacidad, no una prueba de que el entrenamiento de dos millones de tokens cree automáticamente mejores agentes. La adopción y los beneficios posteriores medidos son lo que importa a continuación. [NOVA]: ... [ALLOY]: VideoChat3 busca una combinación genuinamente útil: pesos abiertos, datos de entrenamiento abiertos y un modelo que maneja movimiento, grabaciones largas y video en streaming. En lugar de especialistas separados para un clip deportivo, una demostración de cocina y un canal de seguridad, los investigadores quieren un generalista que pueda interpretar los tres. [NOVA]: El equipo también asegura que tiene menores requisitos de cómputo que los modelos abiertos de video comparables. Eso es importante para las organizaciones que trabajan con GPUs de estación de trabajo o material sensible, porque pueden adaptar el modelo sin pagar por video o subir grabaciones a un proveedor cerrado. Sin embargo, la amplitud de los benchmarks no es lo mismo que un rendimiento confiable en escenas reales desordenadas. [ALLOY]: Exactamente — estoy interesado, no convencido. La siguiente evidencia importante es si equipos independientes ajustan VideoChat3 para su propio material y mantienen sus capacidades en diferentes tipos de movimiento, duración y entrada de streaming. Si eso sucede, la comprensión de video abierta pasa de demostraciones de investigación aisladas hacia una base reutilizable. [NOVA]: ... [NOVA]: Codebase Memory MCP hace una afirmación enorme: 99 por ciento menos tokens que poner el código fuente sin procesar en la ventana de contexto de un modelo de codificación. DeusData lanzó punto nueve el 8 de julio como un binario estático sin dependencias. Indexa un repositorio promedio en un grafo de conocimiento persistente en milisegundos, reporta respuestas de consultas en menos de un milisegundo y soporta 158 lenguajes de programación. El repositorio ha alcanzado 32,815 estrellas en GitHub. [ALLOY]: Un grafo de conocimiento almacena las relaciones entre elementos de código, para que un agente pueda preguntar dónde está la autenticación, qué función llama a una API, o qué depende de una clase modificada. MCP, el Model Context Protocol, permite que el agente de codificación invoque ese grafo como una herramienta externa. En lugar de enviar repetidamente archivos completos al modelo, el agente obtiene un mapa enfocado y recupera únicamente la fuente que necesita. Eso es un uso mucho más inteligente de una ventana de contexto limitada. [NOVA]: Y el 99 por ciento es la parte que hay que tratar con cuidado. Ese número viene del proyecto, no de un benchmark independiente, y los ahorros variarán según el tamaño del repositorio, el tipo de consulta, y lo que el agente finalmente tenga que leer. Un grafo también puede quedar obsoleto u omitir relaciones dinámicas que no son obvias desde el código estático. Las afirmaciones sobre indexación en milisegundos y consultas en sub-milisegundos necesitan más evidencia en monorepos de millones de líneas. [ALLOY]: Incluso con esa advertencia, esto puede ser más trascendental que el conteo de parámetros del Kimi K3. El contexto es costoso, y los agentes de codificación pierden coherencia cuando código irrelevante desplaza las instrucciones y las decisiones recientes. La memoria persistente también significa que una sesión posterior puede reutilizar el mapa del repositorio en lugar de reconstruir la comprensión desde archivos pegados. Un solo binario que convierte código en memoria invocable podría reducir costos y mantener el trabajo de múltiples archivos en curso. No está agrandando la ventana del modelo; está haciendo que el material dentro de esa ventana sea más selectivo. Ese es el truco útil. [NOVA]: ... [ALLOY]: FastMCP se ha convertido en la respuesta predeterminada cuando un desarrollador de Python pregunta cómo exponer una función o fuente de datos a un agente. La versión punto tres-cuatro-cuatro se lanzó el 9 de julio, el repositorio tiene 26,263 estrellas, y el desarrollo continuó hasta el 19 de julio. Eso es una tracción sustancial para una infraestructura cuyo trabajo es en gran medida hacer desaparecer la plomería del protocolo. [NOVA]: FastMCP construye servidores y clientes para el Model Context Protocol. Un desarrollador puede envolver una función de Python, base de datos, API interna, conjunto de datos o script para que sistemas de IA compatibles puedan descubrirlo y llamarlo. La librería maneja mensajes de protocolo, esquemas y detalles de transporte que los equipos de otra forma tendrían que escribir ellos mismos. "Pythonic" en este contexto significa que el código sigue patrones familiares de Python en lugar de forzar a los desarrolladores a usar un lenguaje de integración separado. [ALLOY]: Lo cual suena mundano hasta que cada organización tiene decenas de sistemas internos útiles que ningún modelo puede alcanzar de forma segura. FastMCP reduce el costo de convertir esos sistemas en herramientas explícitas con entradas tipadas en lugar de darle a un agente acceso amplio a shell o red. También soporta el lado del cliente, para que las aplicaciones de Python puedan consumir servicios MCP además de publicarlos. Una empresa puede exponer búsqueda de inventario, creación de tickets o generación de reportes como acciones específicas. El protocolo se mantiene portable mientras la implementación se siente nativa del lenguaje. [NOVA]: No declararía ningún framework permanente en un ecosistema que se mueve tan rápido, pero 26,000 estrellas y una versión mayor activa hacen de FastMCP más que un wrapper de fin de semana. Su próximo desafío es mantener la ergonomía del cliente, los controles de seguridad y la compatibilidad avanzando juntos mientras MCP se expande. Ahora mismo, los equipos de Python tienen una ruta bien transitada para conectar agentes a software real sin reconstruir la capa de protocolo para cada herramienta. [NOVA]: ... [NOVA]: El MCP for Beginners de Microsoft ha superado las 16,700 estrellas de GitHub después de otra actualización del repositorio el 17 de julio. Es un currículo gratuito y de código abierto para aprender cómo los asistentes de IA se conectan a herramientas y datos a través del Model Context Protocol. El curso incluye ejemplos funcionales en .NET, Java, TypeScript, JavaScript, Rust y Python. [ALLOY]: Eso es más importante que el conteo de estrellas por sí solo. La mayoría de los tutoriales de protocolos silenciosamente exigen que la gente aprenda el lenguaje favorito del autor antes de aprender el protocolo. Microsoft permite que un desarrollador de Java se quede en Java, un equipo de .NET se quede en C-sharp, y un equipo de Python se quede en Python. Las lecciones cubren servidores modulares, componentes reutilizables, límites de permisos y formas de agregar herramientas sin reconstruir integraciones anteriores. [NOVA]: Construye un conector basado en estándares, y múltiples clientes compatibles pueden usarlo. Esa es la promesa. El curso les da a las organizaciones un vocabulario común para detalles que usualmente se omiten en las demos: a qué puede acceder un agente, cómo un servidor limita su superficie, y cómo herramientas desarrolladas independientemente encajan juntas. Porque el material es de código abierto, los equipos pueden adaptar ejemplos alrededor de sus propios servicios y usar los mismos conceptos entre grupos de lenguajes en lugar de mantener material de capacitación separado para cada stack. [ALLOY]: Sí creo que las 16,700 estrellas revelan algo más amplio de la historia de FastMCP: la adopción de MCP se ha movido más allá de los autores de librerías. La gente necesita educación, ejemplos y patrones seguros ahora. El currículo no usa lanzamientos versionados, y su contenido puede cambiar a medida que el repositorio evoluciona, así que se comporta más como documentación viva que como un libro de texto fijo. Eso probablemente es apropiado. Un curso que enseña un protocolo que cambia rápidamente no debería fingir que el suelo ha dejado de moverse. [NOVA]: ... [ALLOY]: Aquí está el vacío que mcp-use quiere borrar: los equipos construyen un servidor MCP, luego construyen separadamente la interfaz que la gente ve en una aplicación de chat, y luego pasan tiempo manteniendo ambos alineados. mcp-use los combina. El framework fullstack de código abierto tiene 10,328 estrellas de GitHub, lanzó la versión uno-tres-cuatro-tres el 8 de julio, y todavía estaba recibiendo actualizaciones del repositorio el 19 de julio. [NOVA]: Un proyecto puede publicar un servidor MCP que agentes compatibles llaman y una aplicación MCP conteniendo los botones, tarjetas y widgets renderizados dentro de ChatGPT o Claude. El servidor define lo que una herramienta puede hacer. La aplicación le da a esa herramienta una superficie visible e interactiva cuando una conversación la invoca. Los cambios pueden aterrizar en ambos desde una base de código en lugar de separar la lógica del protocolo y el comportamiento de la interfaz de usuario en proyectos separados. [ALLOY]: Eso es genuinamente útil. MCP ha pasado mucho tiempo sonando como plomería invisible, pero las aplicaciones necesitan más que una respuesta exitosa de herramienta. Una herramienta de viajes puede devolver vuelos seleccionables. Una herramienta de reportes puede mostrar un gráfico. Un sistema de soporte puede necesitar controles de confirmación antes de cambiar una cuenta. mcp-use les da a esas experiencias un framework mientras preserva un servidor basado en estándares para otros clientes. [NOVA]: La pregunta abierta está fuera del proyecto: qué tan lejos Anthropic y OpenAI expanden sus superficies de aplicación dentro del chat, y qué tan consistentemente se comportan esas superficies. mcp-use ya está preparado para ambos, lo que reduce la posibilidad de una reescritura completa, pero las diferencias de plataforma no desaparecen mágicamente. Aun así, cruzar las 10,000 estrellas sugiere que los desarrolladores no están satisfechos con servidores de herramientas headless. Quieren aplicaciones de agentes completas, incluyendo el momento en que una persona ve, entiende y actúa sobre el resultado. [NOVA]: ... [NOVA]: GitHub hizo disponibles las métricas de uso de Copilot a nivel de repositorio el 17 de julio. Dos nuevos endpoints REST devuelven actividad diaria de pull-request por repositorio para el agente de codificación Copilot y la revisión de código de Copilot. Anteriormente, la misma superficie de reportes agregaba actividad a nivel de organización, ocultando si la adopción estaba extendida o concentrada en pocos repositorios. [ALLOY]: Finalmente. Un total a nivel de toda la organización puede verse impresionante mientras tres equipos entusiastas generan casi todo. Los desgloses por repositorio revelan dónde el agente de codificación está abriendo o contribuyendo a pull requests, dónde está creciendo la revisión automatizada, y dónde las herramientas con licencia apenas están presentes. Los líderes de ingeniería pueden comparar servicios sin fingir que un promedio describe a cada equipo. [NOVA]: Los datos pueden alimentar un dashboard existente, una página de métricas internas, o un informe para líderes a través de llamadas API ordinarias. Una serie temporal diaria también muestra si la adopción cambia después de capacitaciones, actualizaciones de políticas, o implementaciones a nivel de equipo. Pero el uso no es valor. Más actividad de pull-requests de Copilot puede reflejar una aceleración útil, automatización ruidosa, o simplemente un repositorio con más trabajo. GitHub está midiendo dónde actúan las herramientas, no si sus sugerencias son correctas o económicamente valiosas. [ALLOY]: Lo cual se conecta directamente con el scorecard de ROI que viene después. La atribución a nivel de repositorio proporciona una capa faltante entre "compramos licencias" y "la organización usa IA". Aún necesita resultados de entrega, carga de revisión y datos de calidad alrededor. Un repositorio con revisiones automatizadas crecientes pero tiempos de revisión humana más largos cuenta una historia muy diferente de uno que envía cambios aceptados más rápido. Cortes futuros por lenguaje, licencia o tasa de aceptación podrían hacer los reportes más ricos. Por ahora, GitHub puede exponer la cola larga donde Copilot nunca se arraigó — y los bolsillos donde se convirtió silenciosamente en trabajo cotidiano. [NOVA]: ... [ALLOY]: "Una captura de pantalla y una oración" ha sido la interfaz no oficial entre muchos agentes de codificación y motores de juego. Unity-MCP ten-one, lanzado el 13 de julio por CoplayDev, le da al agente herramientas directas en su lugar. A través de MCP, puede inspeccionar y manipular el Editor de Unity en lugar de adivinar qué contiene una escena o proyecto. El repositorio tiene 12,645 estrellas y fue actualizado el día del lanzamiento. [NOVA]: El servidor expone objetos de escena, activos, scripts, comandos de menú y operaciones del editor como llamadas estructuradas. Un asistente puede listar o renombrar archivos, inspeccionar el grafo de escena, modificar GameObjects, leer y escribir scripts de C-sharp, reimportar activos, guardar prefabs y capturar capturas de pantalla para inspección. Eso importa porque los proyectos de Unity codifican estado importante fuera de los archivos fuente simples. Un agente de codificación solo de terminal puede editar C-sharp, pero no puede inferir confiablemente cada relación de objetos en una escena abierta. [ALLOY]: Aquí es donde las herramientas de agentes comienzan a sentirse físicas, aunque el "mundo" es un editor de juego. Un desarrollador individual puede delegar organización repetitiva de activos, limpieza de escenas o cambios rutinarios de scripts mientras aún revisa las acciones resultantes. Los estudios más grandes enfrentan una propuesta más complicada: una vez que el chat puede alterar escenas y scripts, los controles de acceso, registros de auditoría y límites de revisión se convierten en preocupaciones de producción en lugar de diapositivas teóricas de gobernanza. [NOVA]: Y no, no creo que eso signifique "describe un juego y envíalo." Los proyectos de Unity están llenos de juicio visual, restricciones de rendimiento y dependencias frágiles. Pero el acceso estructurado al editor es mucho mejor que la generación de texto a ciegas. Un agente puede observar el grafo de escena, hacer un cambio acotado e inspeccionar el estado resultante del editor en lugar de inventar el éxito desde el código fuente. La próxima competencia es si las funciones de IA propias de Unity convergen con proyectos como Unity-MCP o compiten contra ellos. Dos rutas de agentes hacia el mismo editor rara vez permanecen separadas una vez que los desarrolladores esperan acceso portable a herramientas. [NOVA]: ... [NOVA]: La directora financiera de OpenAI, Sarah Friar, publicó un scorecard de IA de cuatro partes el 17 de julio: trabajo útil, costo por tarea exitosa, confiabilidad y retorno sobre computación. Proveniente de un ejecutivo de finanzas, trata la IA como una inversión operativa en lugar de una colección de victorias en benchmarks. Honestamente, eso estaba pendiente. [ALLOY]: El trabajo útil cuenta tareas de producción completadas, no tokens generados o sesiones de chat. El costo por tarea exitosa pregunta cuánto cuesta cada resultado aceptable, permitiendo comparar una suscripción, contrato empresarial, API hospedada o modelo autoalojado por resultados. La confiabilidad captura si la respuesta funciona en el primer intento o devuelve a un humano a través de la tarea. Esa reelaboración es el costo de mano de obra que muchos pilotos convenientemente olvidan. [NOVA]: El retorno sobre computación pregunta cuánta salida útil recibe la organización por cada dólar gastado en GPUs o APIs. Juntas, esas medidas atraviesan un error común de compras: comprar el modelo con el mejor benchmark general y asumir que debe crear el mejor resultado de negocio. Un modelo más barato que completa más tareas correctamente puede vencer a uno premium. Un agente rápido que crea deuda de revisión puede ser peor que uno más lento y constante. El menor uso de tokens de salida de Kimi K3 es un buen ejemplo: las tarifas publicadas por sí solas no revelan el costo final de la tarea. [ALLOY]: Me gusta el marco, pero aún no es evidencia. El artículo de OpenAI no publica valores de referencia ni benchmarks independientes; proporciona categorías. La prueba interesante es si los equipos de finanzas y compras fuera de OpenAI los adoptan, y si los proveedores se vuelven dispuestos a reportar costo por tarea exitosa en lugar de puntajes de capacidad cuidadosamente elegidos. Combina el marco con las nuevas métricas de repositorio de GitHub y las organizaciones pueden comenzar a conectar actividad con resultados. La parte difícil sigue siendo acordar qué significa "exitoso" antes de que alguien ponga el dashboard en verde. [NOVA]: ... [NOVA]: Unity-MCP de CoplayDev lidera el radar con 12,645 estrellas. Su primera aparición rastreada sigue al lanzamiento ten-one el 13 de julio, con el repositorio actualizado ese día. Convierte escenas de Unity, scripts de C-sharp, activos y comandos del editor en herramientas MCP. Conectado a un agente de codificación, soporta un loop donde el modelo lee el grafo de escena, cambia código u objetos, e invoca acciones del editor en lugar de depender solo de archivos de texto. Eso es integración directa con el entorno donde realmente vive el trabajo. [ALLOY]: MCP-Agent de Lastmile AI tiene 8,430 estrellas. Su release etiquetada más reciente es point-zero-zero-twenty-one de mayo de 2025, y el repositorio fue actualizado en enero de 2026; esta es su primera aparición rastreada. El framework de Python envuelve múltiples servidores MCP en agentes reutilizables con patrones determinísticos para trabajo paralelo, enrutamiento y orquestación. Encaja donde un agente necesita expandirse a través de varios servicios sin una secuencia construida a mano de llamadas de herramientas. En otras palabras, menos pegamento improvisacional y más estructura de workflow explícita. [NOVA]: Upsonic tiene 7,915 estrellas, con point seventy-seven-three lanzado en mayo y actividad del repositorio en junio. El SDK de Python combina uso autónomo de herramientas, grafos de tareas y un harness de evaluación integrado. Su ángulo de integración es inusualmente concreto: el trabajo generado puede moverse a través de una etapa de evaluación pass-or-fail explícita dentro del mismo runtime. Eso es útil cuando un agente itera sobre código o tareas estructuradas y el equipo quiere que los resultados sean calificados por criterios definidos en lugar de la confianza del modelo. La tracción en los tres repositorios muestra a MCP expandiéndose a editores, coordinación multi-agente y ejecución evaluada. [NOVA]: ... [ALLOY]: El progreso de modelos hoy aterrizó en escala, compresión, empaquetamiento multimodal e infraestructura de entrenamiento en lugar de otro nombre de API general reciéntemente listado. Kimi K3 empujó la frontera de parámetros, Ternary-Bonsai empujó los pesos locales hacia abajo, e Inkling combinó imagen, audio y texto en un solo checkpoint abierto. [NOVA]: ... [NOVA]: Inkling de Thinking Machines es un modelo de mezcla de expertos de código abierto con licencia Apache que acepta imagen más texto o audio más texto y produce texto. Una mezcla de expertos activa partes seleccionadas del modelo para cada entrada en lugar de usar cada parte todo el tiempo. El repositorio incluye resultados de evaluación y metadatos de compatibilidad para endpoints de inferencia alojados, por lo que el mismo código cliente de Hugging Face puede dirigirse a un checkpoint cargado localmente o a un servicio alojado. [ALLOY]: Inkling obtuvo 1,094 me gusta y 13,462 descargas en su ventana inicial. Su nicho es el trabajo multimodal fundamentado: describir una interfaz mientras se considera el contexto hablado, analizar medios que llegan a través de más de un canal, o potenciar asistentes que no pueden asumir que cada observación es texto. La licencia Apache permite una adaptación amplia. La tracción inicial no es prueba de calidad, pero un checkpoint que abarque imagen, audio y texto puede simplificar una pila local. [NOVA]: ... [ALLOY]: Las métricas de uso de GitHub Copilot a nivel de repositorio ahora están disponibles públicamente, exponiendo la actividad diaria de solicitudes de extracción para el agente de codificación y la revisión de código por repositorio en lugar de solo totales a nivel de organización. Eso hace visible la adopción desigual y les da a los dashboards de ingeniería una unidad de comparación más útil. [NOVA]: "Why Teens Deserve Access to Safe AI" de OpenAI describe el comportamiento apropiado para la edad del modelo, herramientas de aprendizaje, controles de cuenta parental y asociaciones con expertos externos. No es un modelo teen separado; las protecciones se sitúan alrededor de ChatGPT como controles a nivel de cuenta y cambios de comportamiento. Eso importa porque el acceso y la seguridad se están diseñando como política de producto, no solo como entrenamiento del modelo. [ALLOY]: Y Awesome MCP Servers de appcypher tiene 5,699 estrellas. El índice seleccionado agrupa implementaciones de servidores MCP por dominio de integración, convirtiéndolo en una capa de descubrimiento para conectores existentes a servicios externos. No es glamoroso, pero muy útil: a medida que el protocolo se expande, encontrar un servidor mantenido antes de duplicar uno se convierte en parte de la eficiencia del ecosistema. [NOVA]: ... [NOVA]: Codex ahora conoce los límites de tokens de 272,000 de Sol, Terra y Luna. Kimi K3 hace que los modelos abiertos de escala fronteriza sean más capaces y más caros. Ternary-Bonsai e Inkling atraen capacidades sustanciales de chat y multimodales hacia el hardware local. WISeR convierte la revisión médica asistida por IA en una prueba pública de política en vivo, mientras que LongStraw y VideoChat3 amplían el entrenamiento abierto y la comprensión de video. [ALLOY]: Codebase Memory, FastMCP, el currículo de Microsoft, mcp-use, Unity-MCP y los proyectos radar muestran a MCP madurando hacia aplicaciones, educación, memoria y control de editor. GitHub puede ubicar la actividad de Copilot por repositorio, y el scorecard de OpenAI pregunta si esa actividad produce trabajo confiable a un costo aceptable. [NOVA]: Para detalles de fuentes y lectura adicional, mira las notas del programa en Toby On Fitness Tech punto com. [ALLOY]: Gracias por escuchar AgentStack Daily. Volveremos pronto.