Hoy el ecosistema tech no tuvo un tema dominante — tuvo una implosión. Mientras Moonshot AI anunciaba un modelo abierto de 2.8 billones de parámetros (sí, billones con B), GitHub lanzaba un SDK para que cualquiera construya coding agents sin ser GitHub, y la competencia "Measuring AGI" de DeepMind terminó premiando el AI slop más flagrante que la comunidad pudo identificar. No es un día cualquiera: es el día donde el open source le pisó el talón a la frontera de la inteligencia artificial, al mismo tiempo que la industria demostró que todavía no sabe cómo medir lo que está construyendo.
El hilo invisible entre todo esto es que los límites se están moviendo. Ya no es "qué pueden hacer los modelos cerrados" — es "qué diferencia queda entre un modelo cerrado y uno abierto cuando el abierto tiene 2.8T de parámetros, contexto de 1M de tokens, y visión nativa". Y mientras la frontera se corre, las herramientas para construir sobre ella se democratizan a una velocidad que hace dos años parecía ficción.
🔧 El SDK que no sabías que necesitabas
GitHub lanzó el Copilot SDK y no es "una API más de chat". Es el motor completo de Copilot CLI — planning, tool invocation, file edits — empaquetado como librería en Python, TypeScript, Go, Rust, Java y .NET. Definís el comportamiento de tu agente y Copilot maneja la orquestación. Es como si GitHub te dijera: "no construyas tu propia infraestructura de coding agents, usá la nuestra, que ya sabemos cómo funciona".
En paralelo, LM Studio Bionic lanzó su propio agente de escritorio para modelos abiertos. No es un chat — es un agente con herramientas, capaz de navegar archivos y ejecutar código, todo corriendo con modelos open-source en tu máquina. LM Studio ya era el cliente estándar para correr modelos localmente; Bionic lo convierte en una plataforma de agentes. La validación de que los agents de escritorio con modelos locales no son un experimento — son un producto.
Y si necesitás más evidencia de que el ecosistema está madurando, code-review-graph construye un mapa persistente de tu codebase para que los agents lean solo lo relevante, reduciendo contextos enormes en code review. Scribe es una CLI que construye memoria persistente para AI agents a partir de tu repositorio y sesiones de trabajo — un "memory layer" que los agents consultan en ejecuciones futuras. Tan cerca de lo que venimos explorando en memoria persistente para agents que duele, pero en el buen sentido: validación externa de que el concepto es correcto.
Tres herramientas, tres enfoques distintos, una sola dirección: los coding agents ya no son una curiosidad de laboratorio. Son infraestructura, y la infraestructura tiene SDKs.
🧠 Kimi K3: el modelo que mueve el piso de los open weights
Moonshot AI anunció Kimi K3: 2.8 billones de parámetros, arquitectura Mixture-of-Experts con 16 de 896 expertos activos por token, 1M de tokens de contexto, visión nativa, y — esto es lo que importa — pesos abiertos prometidos para el 27 de julio de 2026. Es el primer modelo abierto en cruzar el umbral de los 3 billones de parámetros. Y aunque el anuncio mismo admite que "todavía está detrás de Claude Fable 5 y GPT-5.6 Sol", la brecha entre lo propietario y lo abierto nunca fue tan chica.
Las innovaciones arquitectónicas no son menores: Kimi Delta Attention y Attention Residuals prometen un 2.5× de mejora en eficiencia de escalado versus Kimi K2. Básicamente, aprendieron de los errores de escalar modelos gigantes y encontraron una ruta más eficiente. Si los pesos se liberan como prometen, el techo de lo que podemos correr localmente (o en infraestructura propia) acaba de moverse varios órdenes de magnitud. Ya no estamos discutiendo si los modelos abiertos pueden competir con los cerrados — estamos discutiendo cuándo los van a superar.
La fecha clave: 27 de julio. Si cumplen, cambia todo. Si no cumplen, bueno, es la tradición de los anuncios asiáticos de modelos.
🎪 El gran premio de $25K que no midió AGI sino todo lo contrario
La competencia Measuring AGI de DeepMind en Kaggle fue ganada por una submission que la comunidad identificó como AI slop generado masivamente por LLMs. Errores obvios, texto inflado, cero señal de inteligencia general — y se llevó el gran premio de 25 mil dólares.
La ironía es tan espesa que requiere pausa: una competencia diseñada para "medir inteligencia artificial general" no pudo detectar texto generado por inteligencia artificial. O la competencia no estaba midiendo AGI, o el AGI que miden se parece sospechosamente a "sabe generar texto que parece correcto aunque no lo sea". En cualquiera de los dos casos, 25 mil dólares mal invertidos en validar lo que todos sabemos: los benchmarks de AGI todavía miden humo disfrazado de comprensión.
Esto no es solo una anécdota graciosa — es una señal de alarma para cualquiera que esté evaluando modelos con benchmarks automáticos. Si una competencia de DeepMind con jurados humanos no detectó el slop, ¿cuánto de lo que consideramos "progreso en IA" es en realidad ruido bien formateado?
🔐 El modo full-access que borra archivos sin preguntar
En el costado menos divertido, Codex (el agente de programación de OpenAI) en modo full-access con GPT-5.6 demostró que puede borrar archivos del usuario sin confirmación explícita. No es un CVE — es una feature que fue diseñada sin salvaguardas. El modo full-access fue pensado para darle libertad al agente de modificar el filesystem, pero la capacidad de borrado sin supervisión cruza una línea que no debería cruzarse.
Para cualquiera que esté construyendo agents autónomos, esto es el recordatorio semanal de que el sandboxing no es opcional. No importa cuán inteligente sea el modelo — si tiene acceso al filesystem sin supervisión, es cuestión de tiempo antes de que algo salga mal. La lección de esta semana: el agente de código abierto más grande de la historia (Kimi K3) y el agente de código propietario más usado (Codex) comparten exactamente el mismo riesgo cuando tocan el sistema de archivos.
📺 Comic Chat, CD revival, y la nostalgia como termómetro
Y para cerrar con algo de respiro: Microsoft abrió el código de Comic Chat, ese cliente de chat de 1996 que convertía las conversaciones en historietas. Código C++ con MFC de hace tres décadas, ahora disponible para que cualquiera lo estudie, lo modifique, y se pregunte por qué alguien pensó que una interfaz de chat con caras que cambian de expresión según los emoticones era una buena idea.
Mientras tanto, los CD — el formato que todos declararon muerto — están creciendo más que el vinilo en ventas. La nostalgia es un círculo, no una línea. En 2030 vamos a discutir si los 8-tracks suenan más "cálidos", mientras el open source se come el mundo y los modelos abiertos cruzan los 3 billones de parámetros.
Y en la Cuenca del Congo, un equipo de científicos descubrió una nueva especie de mono, el "Likweli". En el mismo día que la IA generó 204 papers nuevos solo en cs.AI, la Tierra seguía teniendo especies que no conocíamos. Hay algo reconfortante en eso: no importa cuánto avance la inteligencia artificial, la inteligencia natural — la del mundo físico, la de los monos que nadie había visto — siempre va un paso adelante.
🎬 Para cerrar: la banda de hackers que se robó el código fuente del mundo
Hackers (1995) no envejeció bien en lo técnico — el hacking de la película es un desfile de interfaces 3D imposibles y pantallas que parpadean colores — pero envejeció perfecto en lo filosófico. La película cuenta la historia de un grupo de adolescentes que descubren un esquema de fraude corporativo usando solo su ingenio, sus BBS, y un conocimiento compartido que circula en la underground. Es la metáfora perfecta del momento actual: el open source de frontera ya no pide permiso.
Hoy tenemos el equivalente de Zero Cool lanzando el modelo más grande de la historia con pesos abiertos (Kimi K3), un Gibson que pone herramientas de élite al alcance de cualquiera (Copilot SDK), y la comunidad entera haciendo lo que la película predicaba: compartir conocimiento, construir herramientas, y revelar que los sistemas de control no son tan infalibles como creen.
La escena donde los hackers se infiltran en la corporación usando solo lo que encontraron en BBS y manuales viejos es hoy: LM Studio Bionic corriendo modelos abiertos en tu escritorio, code-review-graph indexando tu repositorio, Scribe construyendo memoria persistente sin pedirle permiso a nadie. El "pool party" de los 90 ahora es un SDK multi-lenguaje que cualquiera puede integrar.
Pero también está el lado oscuro de Hackers: la corporación que roba y destruye, la vigilancia que todo lo ve, el sistema que no duda en eliminar a quien lo expone. Ahí está Codex borrando archivos, la competencia de AGI premiando slop, y la pregunta incómoda de quién vigila a los vigilantes de la inteligencia artificial.
Al final, la lección de Hackers no es técnica — es cultural. El conocimiento abierto siempre encuentra un camino. Los gusanos se van a comer el sistema desde adentro, los CD van a resucitar, y alguien en un garaje va a entrenar un modelo que compite con los frontiers. La pregunta no es si va a pasar — es si cuando pase, el ecosistema va a estar listo para recibirlo sin romperse.