Answer.AI abre SolveIt: código, notas e IA en un mismo diálogo tras una beta con 3000 personas
En un chat convencional con IA, el contexto crece sin control y las intervenciones innecesarias acaban enterrando lo importante. Tras dos años de beta cerrada con tres mil participantes, Answer.AI ha abierto SolveIt: el código, las notas en Markdown y las respuestas del modelo viven en un mismo documento editable. La consulta a la IA se puede insertar en cualquier punto, y el modelo solo ve lo que hay por encima. Así, al desarrollador le resulta más fácil mantener el contexto limpio y entender por qué el código está escrito de una forma concreta.
Procesado por IA desde Habr AI; editado por Hamidun News
Muchos de los que han probado a programar con un asistente de IA conocen la sensación: dos horas después tienes un programa que funciona, pero no tienes muy claro por qué está construido así. Answer.AI, la organización de investigación que está detrás de fast.ai, propone un enfoque distinto. Ha abierto al público SolveIt, un entorno interactivo en el que la persona y el modelo de lenguaje trabajan en el mismo documento. Hasta ahora, la plataforma llevaba dos años en beta cerrada, con unos tres mil usuarios procedentes de la comunidad de Discord.
El registro es gratuito y se paga por los recursos de cómputo realmente consumidos. Se puede probar en solve.it.com.
Un documento vivo, no un hilo de chat
En un chatbot convencional, los mensajes simplemente se añaden al final de la conversación. En SolveIt todo funciona de otro modo: en un mismo espacio conviven código ejecutable, notas en Markdown, fórmulas en LaTeX y respuestas del modelo. Es algo parecido a un cuaderno de Jupyter en el que la IA es un participante de pleno derecho.
El detalle práctico más importante es la gestión del contexto. La consulta a la red neuronal se puede insertar en cualquier punto del diálogo, y el modelo tiene en cuenta únicamente lo que está por encima. Los bloques se pueden mover, editar y borrar, incluidas las respuestas de la propia IA. Si el modelo se desvía, no hace falta soportar la mala respuesta hasta el final de la sesión: se borra y deja de contaminar el contexto. Además, el modelo ejecuta el código en el mismo intérprete que la persona, de modo que ambos ven el mismo estado.
El propio equipo ofrece un ejemplo: el investigador Jack Hogan estaba creando un generador de paletas de color para una interfaz. Primero lo intentó con Claude Code. Tras experimentos de millones de tokens, el asistente construyó una herramienta que funcionaba, pero era demasiado compleja, y Hogan no supo explicar por qué se había elegido ese enfoque.
En SolveIt avanzó con pasos pequeños: fijó los requisitos en las notas, calculó los límites de la gama de colores directamente en el código, anotó la fórmula de luminancia relativa en LaTeX, probó diversos métodos, entre ellos la transformada de Fourier, y al final generó el CSS. Según él, poder justificar cada decisión aumentó mucho su confianza en el resultado. Se trata, eso sí, del testimonio de los propios autores y no de una prueba independiente.
Servidor, hosting y extensiones
Cada sesión se ejecuta en un servidor persistente con su propio sistema de archivos y su terminal, y con git ya instalado. Se pueden crear tantas instancias como se quiera, ya sea para tareas concretas o para trabajo colaborativo. Varias personas pueden editar un mismo diálogo a la vez, y el resultado final se puede exportar a Markdown con plantillas y referencias cruzadas.
La plataforma también hace de hosting: cualquier programa lanzado en una instancia recibe una dirección pública o un dominio propio, sin un paso de despliegue aparte. Si se coloca un diálogo en el directorio AUTORUN, los scripts arrancan junto con el servidor y funcionan de forma permanente. Los autores afirman que así funcionan sus propios servicios, incluida la parte servidor de SolveIt y un chatbot para estudiantes.
El sistema se puede ampliar desde dentro. Cualquier función de Python se convierte en una herramienta que invoca la IA. El modelo puede leer y modificar el documento actual y lanzar generaciones en diálogos vecinos. Mediante una extensión de Chrome se le puede dar control sobre acciones en interfaces web. Un archivo CRAFT colocado en una carpeta define instrucciones generales para la IA y código de arranque para todos los documentos anidados, además de sus propios estilos CSS y scripts de JavaScript.
A quién le sirve y qué conviene tener en cuenta
El equipo de Answer.AI usa SolveIt para analizar datos, leer artículos científicos, desmenuzar modelos matemáticos, revisar contratos y programar. El despacho de abogados Virgil prepara contratos en la plataforma. Jeremy Howard, mientras analizaba un artículo sobre modelos de lenguaje recursivos, escribió su propia implementación del algoritmo siguiendo directamente el texto de la publicación.
En lo ideológico, el proyecto se apoya en las ideas de Bret Victor, Donald Knuth, Ivan Sutherland y Kenneth Iverson sobre la unión de código, datos y documentación. Los autores renunciaron deliberadamente a la automatización total: el objetivo es que la persona comprenda mejor el problema, no que se limite a recibir un resultado ya hecho.
Para quienes trabajan con estas herramientas, la conclusión es la siguiente. Si estás acostumbrado a delegar grandes tareas en el asistente y aceptar lo que devuelve, SolveIt exigirá otro ritmo: pasos pequeños, edición manual del contexto y notas sobre la marcha. Lleva más tiempo que un solo prompt, pero deja un rastro del razonamiento que se puede enseñar a un compañero o retomar un mes después. Cómo se comportará en grandes bases de código de equipos, todavía se desconoce: los ejemplos del anuncio son tareas de investigación y análisis, y las valoraciones de los usuarios las aportan los propios desarrolladores. Para empezar, los autores recomiendan la lección introductoria abierta del curso «How to Solve It with Code».
- 18 nov 2026rust-anything enseña a los agentes de IA a reescribir aplicaciones en Rust módulo a módulo
- 18 nov 2026Una sola coma china hizo que DeepSeek respondiera en chino en el 94% de los casos
- 18 nov 2026Hugging Face redirige las peticiones a LLM a través de OpenRouter: un 46% menos de errores por falta de capacidad
- 18 nov 2026Willison lanza tres sandboxes externas: el código de los agentes no tocará tu portátil
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Un documento vivo, no un hilo de chat?
En un chatbot convencional, los mensajes simplemente se añaden al final de la conversación. En SolveIt todo funciona de otro modo: en un mismo espacio conviven código ejecutable, notas en Markdown, fórmulas en LaTeX y respuestas del modelo. Es algo parecido a un cuaderno de Jupyter en el que la IA es un participante de pleno derecho. El detalle práctico más importante es la gestión del contexto.
¿Qué se sabe sobre Servidor, hosting y extensiones?
Cada sesión se ejecuta en un servidor persistente con su propio sistema de archivos y su terminal, y con git ya instalado. Se pueden crear tantas instancias como se quiera, ya sea para tareas concretas o para trabajo colaborativo. Varias personas pueden editar un mismo diálogo a la vez, y el resultado final se puede exportar a Markdown con plantillas y referencias cruzadas.
¿Qué se sabe sobre A quién le sirve y qué conviene tener en cuenta?
El equipo de Answer.AI usa SolveIt para analizar datos, leer artículos científicos, desmenuzar modelos matemáticos, revisar contratos y programar. El despacho de abogados Virgil prepara contratos en la plataforma. Jeremy Howard, mientras analizaba un artículo sobre modelos de lenguaje recursivos, escribió su propia implementación del algoritmo siguiendo directamente el texto de la publicación.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.