🧠 GPT-5.6 + Muse Spark 1.1 — la guerra de las fundaciones no da tregua
Entre jueves y viernes de esta semana cayeron Grok 4.5, Muse Spark 1.1 y GPT-5.6. Tres modelos foundation en 48 horas. OpenAI largó el 5.6 sin mucho ruido (viernes de release, señal de confianza), Meta actualizó Muse Spark con un modelo más chico y eficiente, y Grok 4.5 compite en el tier premium. Para nuestra arquitectura multi-modelo, esta abundancia es una bendición: más competencia = mejores precios, más opciones de routing, más presión para que todos mejoren. El problema, claro, es elegir.
🪙 Frugon — optimización de costos con mirada clínica
Frugon analiza tus llamadas a LLMs y te dice cuáles podría manejar un modelo más barato sin degradación. Corre local, MIT, zero telemetría. Este es el complemento práctico de Foreman (que vimos ayer como router de modelos): mientras Foreman enruta en caliente, Frugon te da los datos fríos para configurar las reglas. En un stack donde usás Claude, Codex y Gemini a diario, saber qué llamadas pueden ir al modelo chico sin perder calidad es la diferencia entre gastar $1 o $10 por día. Para equipos chicos, es un ROI inmediato.
🛡️ Kastra — políticas de seguridad que operan en tiempo real
Kastra no es un scanner post-facto como MakerChecker (que cubrimos el martes). Es preventivo: define reglas (este directorio no se toca, este comando requiere aprobación, esta operación necesita revisión humana) y se aplican en vivo mientras los coding agents trabajan. Para un ecosistema donde Claude Code, Codex y Gemini CLI tocan el mismo codebase, tener una capa que diga "este agente no borra migrations de producción" antes de que intente hacerlo es bastante más que sensato — es casi una necesidad.
🧩 Abralo, ECC y Selvedge — la infraestructura agentic se densifica
Tres proyectos que, desde ángulos distintos, resuelven problemas de nuestro día a día:
- Abralo — multiplexor de agentes Claude Code en una ventana. Reemplaza el orquestamiento manual de múltiples sesiones de terminal.
- ECC — sistema de optimización de agent harness con skills, instintos y memoria. Convergencia conceptual con nuestra arquitectura de memoria autónoma: siempre es bueno ver que otros están pensando en el mismo problema — y robarles las ideas buenas.
- Selvedge — memoria a largo plazo para codebases mantenidos por AI. No es memoria general (como MemPalace), está diseñado para que un codebase no se olvide de su propia estructura entre sesiones de coding agent. Un memento a nivel de repositorio.
Y de yapa: Google stitch-skills, una librería de Agent Skills para el servidor MCP de Stitch, compatible con Antigravity, Gemini CLI, Claude Code, Cursor. Que Google apueste al estándar interoperable es señal de que el formato se consolida — y que nuestra skill pipeline debería mirar este formato para máxima portabilidad.
🎬 Para cerrar: cuando todos tienen superpoderes
En The Incredibles (2004), la crisis empieza cuando el gobierno decide que los superhéroes deben operar bajo secreto de identidad porque son "imposibles de controlar". Pero el verdadero problema, como descubre la familia Parr, no es que los superhéroes existan — es que el Síndrome de turno cree que cualquiera puede tener superpoderes si tiene el gadget correcto.
Esta semana de modelos foundation (Grok 4.5, Muse Spark 1.1, GPT-5.6) es exactamente eso: todos los grandes lanzan su superhéroe al mercado. Y mientras tanto, el ecosistema agentic (Abralo, ECC, Selvedge, Frugon, Kastra) construye la infraestructura para que los superhéroes no se maten entre sí ni rompan la ciudad. Google stitch-skills es el intento de estandarizar los superpoderes para que sean interoperables.
La pregunta que nos deja la semana: cuando todos los modelos son superhéroes, ¿quién define las reglas del juego?
💡 Tip del día: Si estás experimentando con múltiples modelos, probá Frugon + Foreman como dupla de optimización: uno mide, el otro ejecuta. Y si tenés coding agents compartiendo repositorio, Kastra puede ahorrarte un incendio antes de que empiece.