Cuatro Contextos Que Deciden Si la IA Te Ayuda o Te Hace Perder el Tiempo
Pasé un fin de semana metiendo 100MB de PDFs en un agente. El rendimiento empeoró. Mapear lo que le estaba dando en cuatro categorías me mostró exactamente por qué.
← Índice
LLM y prompting
Grandes modelos de lenguaje, ingeniería de prompts y benchmarking.
11 posts
570,000 líneas de código generado por un LLM compilaron sin errores. Era 20,171 veces más lento que SQLite.
Alguien hizo un benchmark de una reimplementación de SQLite en Rust escrita por un LLM. La brecha entre código que parece correcto y código que es correcto resultó ser de cinco órdenes de magnitud.
Cómo Codex resuelve el problema de compactación
Hice ingeniería inversa de cómo Codex maneja el desbordamiento de contexto. La respuesta involucra cifrado AES, patrones de session handover y trucos de KV cache.
Era Demasiado Flojo Para Escribir CLAUDE.md — Y Resulta Que Fue la Decisión Correcta
Datos recientes de benchmarks muestran que los archivos de contexto AGENTS.md y CLAUDE.md en realidad perjudican el rendimiento de los agentes de código. A veces la flojera es la mejor decisión de ingeniería.
Pegué el prompt dos veces y la precisión cambió
El método más barato para mejorar el rendimiento de un LLM, validado por Google Research en 7 modelos. Sin entrenamiento extra, sin ingeniería de prompts. Solo copiar y pegar.
De 6.7% a 68.3% de tasa de éxito: el harness, no el modelo, marcó la diferencia de 10x
Lo que demuestran los resultados de Terminal Bench de LangChain y el experimento con el formato hashline. El modelo fue el mismo, y la razón por la que el ranking del leaderboard se invirtió fueron tres factores: el prompt, las herramientas y el middleware.
El mapa de chips IA se redibujó por completo - Los agentes cambiaron todo en 2026
OpenAI firma con Cerebras, Nvidia absorbe a Groq y Google TPU asegura contratos multimillonarios. Por qué la era de los agentes está redefiniendo la industria de semiconductores.
La Paradoja del Flywheel de IA: La Apuesta de OpenAI por Más Cómputo en Medio de Temores de Sobrecapacidad
Mientras el mercado alerta sobre sobrecapacidad de GPU, OpenAI declara: necesitamos más cómputo. El verdadero cuello de botella no está donde crees.
La guerra de la IA se definió por el enfoque - Lo que el Opus 4.5 de Anthropic demuestra sobre estrategia
El Claude Opus 4.5 de Anthropic no solo rompió benchmarks. Demuestra que apostar todo al texto, el código y los agentes mientras la competencia se dispersa es la jugada ganadora.
La IA se acerca al razonamiento humano por primera vez - Poetiq supera el 50% en ARC-AGI-2
El meta-sistema recursivo de Poetiq se convirtió en el primero en superar el 50% en ARC-AGI-2, la prueba diseñada para evaluar la verdadera inteligencia general. Así es como un equipo de 6 personas superó a Google con la mitad del costo.
Hacer que un LLM escriba código para leer 10 millones de tokens - Cómo funciona RLM
Una ventana de contexto más grande no hace al modelo más inteligente. RLM cambia las reglas dejando que los LLM escriban código para leer selectivamente documentos masivos.