Habr AI
Fuente de noticias de IA. Los artículos son seleccionados y adaptados por la redacción de Hamidun News.
Últimas publicaciones
Un agente LLM montó un reductor en KOMPAS-3D, pero la lista de materiales sacó 50 puntos de 100
El plugin kompas-mcp da a un agente LLM acceso a KOMPAS-3D: construyó un reductor y su documentación de diseño. En un benchmark propio, las tareas 3D logran 88–100 puntos y la lista de materiales, 50.
Los agentes ignoraron la pista de leer la memoria en 7 de 7 sesiones: análisis de 13 mil logs
El equipo de kaeru leyó 13 mil logs de sus agentes: no siguieron la pista de leer la memoria en ninguna de 7 sesiones, pero cierran sus «deudas» y pierden instrucciones truncadas.
Arquitecto de un banco: en la prueba de METR, la IA aumentó un 19% el tiempo de las tareas de desarrolladores experimentados
El responsable de arquitectura de un banco ruso explica por qué los componentes de IA probabilísticos requieren límites, no planos: en METR, los expertos fueron un 19% más lentos.
El autor de un juego de terror AR basado en «Viy» creó 12 monstruos con Tripo AI y redujo al Diablo a 7 880 triángulos
El autor de Home Haunt generó 12 monstruos de «Viy» en Tripo AI y redujo al Diablo de 38 444 a 7 880 triángulos para que el iPhone aguante el juego de terror AR con ARKit.
Un enjambre de DreamTeam sin gestor escribió trustcheck por $5,68 y superó 13 de 13 pruebas ocultas
El framework open source DreamTeam prescinde del agente gestor: un enjambre de 8 agentes escribió trustcheck por $5,68 y logró 13 de 13 en un benchmark oculto, frente a 1 de 13 de un stub vacío.
Faros: en los equipos con agentes de IA, el tiempo mediano de revisión de código ha subido un 441%
Telemetría de Faros con 22 000 desarrolladores: con IA, el tiempo mediano de revisión subió un 441%. Por qué trabajan más sin que nadie se lo exija y cómo no quemarse.
TJ Digital: el 23% de las páginas que cita la IA empiezan con una respuesta directa, frente al 14% de las que no cita
Análisis de 193 507 respuestas de ChatGPT y Google: el 23% de las páginas citadas y el 14% de las no citadas empiezan con una respuesta directa. La brecha es pequeña y no se considera causal.
El creador de Bun migra 750 mil líneas de Zig a Rust en 11 días con Claude Code
Jarred Sumner migró Bun de Zig a Rust en 11 días con cientos de subagentes de Claude Code: pasó el 99,8% de los tests, pero la cuota de la suscripción se agota diez veces más rápido.
El asistente Muse de Meta mantiene dosieres de las personas cercanas y obtiene root en Ubuntu por defecto
Especialistas en seguridad analizaron los archivos del agente Muse: cada hora amplía páginas sobre la familia y los amigos del usuario y, por defecto, obtiene acceso root en Ubuntu.
mcp-linter detecta 18 parámetros sin descripción en el servidor filesystem de Anthropic
El autor de mcp-linter aplicó 34 reglas a los servidores oficiales de Anthropic: filesystem tiene 18 parámetros sin descripción y 38 puntos de 100; memory, 66; everything, 90.
El ruido adaptativo en el sampler SDE de Flux 3 Klein mejoró la textura solo un 1–2%
Un autor de Habr probó si el sampler puede elegir el ruido según la curvatura y el error del solver. En Flux 3 Klein la textura mejora solo 1–2%; las personas no lo notaron.
Los modelos locales pierden ante Opus y Codex: 0,21 puntos en un MacBook frente a 1,00 de Codex
Un autor de Habr ejecutó una misma tarea con trampas en la nube, en un MacBook, en un portátil con RTX 5080 y en un DGX Spark: Codex obtuvo 1,00 y el mejor modelo del MacBook, 0,21.
Un autor de Habr ajusta YOLOv8l con radiografías dentales y lleva el mAP50 a 0,642
YOLOv8l, entrenado con radiografías panorámicas dentales en 29,3 minutos en una sola A100, alcanza un mAP50 de 0,642 en DENTEX; los dientes retenidos se detectan con AP50 0,961.
Prueba de 16 modelos en 7 buscadores: Exa obtuvo una media de 10,5 puntos de 14; SearXNG, en torno a 3
Un autor de Habr midió cómo 16 modelos buscan datos sobre Bitrix24 con 7 herramientas. Exa logró 10,5 puntos de 14 y MiMo v2.6 Pro ganó sin una sola invención.
Kimi logra un 96,2 % en un test de analítica sobre una base de 1C y se perfila como plan B ante un bloqueo de Claude
Un programador de 1C, tras el bloqueo de Claude, probó la china Kimi en la base demo «Gestión Comercial 11»: 96,2 % de coincidencias con la referencia en diez preguntas y 24 consultas a la base en 45 segundos.
Los bots de voz con LLM recurren al clasificador rápido Jev: decisiones en 200–500 ms
Los equipos delegan en el clasificador rápido Jev las decisiones simples de los LLM (fin de turno, cambio de tema, confirmar una cita), con una latencia de 70–500 ms.
La capa de seguridad MoneyGate frenó las 42 peticiones fraudulentas a IA locales
Llama 3.1 8B, Qwen 2.5 7B y DeepSeek-R1 8B, en un portátil gaming, apenas detectaban el engaño y escribían a los estafadores «transferiré hoy». MoneyGate detuvo las 42 peticiones.
El tokenizador de BERT en Hugging Face es 50 veces más rápido tras eliminar el trabajo innecesario con ASCII
Los autores de tokenizers vieron que BERT gasta el 88% del tiempo en normalizar texto y ahora salta el ASCII en bloques de 16 bytes. El resultado: una aceleración de unas 50 veces.
Serie animada con IA: un episodio de 24 segundos montado de diez formas, la mejor costó 162 créditos
Los autores de «Lesnaya ulitsa» probaron durante tres días Wan, Kling, Veo, Seedance y GPT Image. Ganaron un guion segundo a segundo y un borrador barato con imágenes; la animación se encargó solo tras verlo.
KTMS 1.0, el gateway LLM open source, conecta GPU propias a la nube y resiste fallos de dependencias
Keystone lanza KTMS 1.0, un gateway en Go que envía las peticiones primero a GPU propias y después a la nube. Describe fallos de Redis y Postgres, rotación de claves y firma de versiones.
La biblioteca FAIRouter para C# llega a NuGet y elige modelo entre 54 opciones listas para usar
FAIRouter 0.1.0 para C# ya está en NuGet: elige el modelo para cada tarea entre 54 opciones, valida la respuesta con un juez que puntúa de 0 a 1 y aprende del feedback.
LTX-2.5, de 22.000 millones de parámetros, funciona en una RTX 3080 de 10 GB, pero tarda 5 minutos por plano
Un autor de Habr logró meter el modelo de vídeo LTX-2.5, de 22.000 millones de parámetros, en una RTX 3080 de 10 GB. El precio: 32–64 GB de RAM y unos cinco minutos por plano, de ellos 25 s de denoising.
128 agentes de IA sin jefe pasaron un 49% más de pruebas que uno solo
Microsoft Research lanzó hasta 1024 copias de un modelo a escribir código sin jefe. 128 agentes pasaron el 28,78% de las pruebas frente al 19,31% de uno, y crearon revisores.
Strata ejecuta Qwen3.8-Flash-Next en una RTX 5070 de 12 GB: 94 tokens por segundo con la cuantización Q2_0
Strata construye para los modelos MoE una jerarquía de memoria como la de una CPU: VRAM, RAM y SSD. Qwen3.8-Flash-Next alcanza 94 tokens por segundo en una RTX 5070 de 12 GB con Q2_0.
El tráfico de agentes en Zocdoc se multiplica por 30 desde julio y ChatGPT suma dos demandas por consejos de salud
El tráfico de agentes de IA en Zocdoc ha crecido unas 30 veces desde julio, y dos demandas acusan a ChatGPT de aconsejar abandonar el tratamiento. Qué deben incluir las interfaces médicas.
La utilidad baton traslada una sesión entre 5 agentes de IA de consola sin perder el contexto
baton, utilidad en Go, toma la sesión de los registros de Claude Code, Codex, agy, Pi o Hermes y la pasa a otro agente al agotarse la cuota de cinco horas. Código abierto bajo MIT.
Hard Stop frena a un agente de IA en el kernel de Linux con una latencia mediana de 4,8 microsegundos
Hard Stop sitúa un supervisor entre el agente de IA y el kernel de Linux: bloquea cualquier acción fuera de la lista blanca, con una latencia mediana de reacción de 4,8 microsegundos.
Claude Code montó un pipeline con FLUX.3 klein: 290 imágenes de médicos por $3,2 de alquiler de GPU
Un especialista en tráfico para clínicas encargó a Claude Code un pipeline: de la URL de una web a una carpeta de imágenes verificadas de médicos. Resultado: 290 imágenes y unos $3,2 en GPU.
En RGS, los LLM locales redujeron el análisis de 500 tareas de cinco días laborables a dos
La responsable de cumplimiento de TI de RGS montó en un portátil, sin presupuesto ni código, un flujo con n8n y Ollama: precisión del 78–82% en datos reales.
HOSTKEY escribió un pipe para su bot: Gemma 4 responde en 5–7 segundos; Qwen 3, en 30–40
HOSTKEY sustituyó los ajustes de un modelo personalizado de OpenWebUI por un pipe: Gemma 4 sin razonamiento responde al bot de soporte en 5–7 s con dos A4000; Qwen 3 tarda 30–40 s.