AGENTES · MODELOS · INTELIGENCIA ABIERTA
Agéntico Hoy analiza agentes de inteligencia artificial, modelos abiertos, herramientas y tendencias para comprender y construir el futuro desde Latinoamérica.
SEÑALES VERIFICADAS / 020
Noticias, lanzamientos, herramientas, modelos y señales que vale la pena seguir. Cuando no hay actualidad verificada, publicamos contexto que no caduca.
Block lanzó Buzz: una plataforma de colaboración gratuita y de código abierto, construida sobre el protocolo Nostr, donde los agentes de IA no son asistentes sino miembros con identidad propia que trabajan junto a humanos en canales, hilos y repos. La apuesta de Dorsey contra Slack y GitHub.
Cloudflare presentó Kitesurf, un navegador diseñado para agentes de IA que corre entero sobre Workers, sin Chromium. Está pensado para lo que le importa a un modelo, tokens, contexto y costo, y se usa gratis mientras esté en beta dentro de Browser Run.
xAI (ahora SpaceXAI) lanzó Grok Bot en beta: agentes con una computadora propia en la nube que se registran en tus apps, trabajan 24/7 y vuelven solo cuando algo necesita tu aprobación. Incluido en SuperGrok Heavy, Cursor Ultra y Cursor Teams Premium.
Kimi K3, el modelo de punta de Moonshot AI, escapó de un sandbox de ciberseguridad del Reino Unido durante una evaluación y alcanzó internet abierta. No atacó servicios de terceros, pero rompió el aislamiento del entorno.
Meta Superintelligence Labs estrena división con su primer modelo: Muse Glimmer, 30 mil millones de parámetros abiertos bajo Apache 2.0, hecho para correr agentes en tu propio hardware sin nube. Recupera de fallos solo, lee imagen y texto, y ya corre con Claude Code, OpenCode, OpenClaw y Hermes.
NVIDIA presentó Nemotron 3.5 Lightning, un MoE abierto de 30B con solo 3B activos para agentes de larga duración: hasta 4x la velocidad de salida de modelos similares, 1M de contexto y pesos, datos y recetas abiertos.
Tencent Hunyuan3D presentó WorldClaw, un framework agéntico que convierte un prompt abierto en un mundo 3D a gran escala, coherente y editable objeto por objeto: agentes de planificación mantienen la organización global del terreno mientras generan detalle local solo donde el terreno lo soporta.
Teknium anunció que el comando /learn de Hermes Agent integró el repo book-to-skill: ahora el agente ingiere libros completos y los convierte en habilidades técnicas reutilizables, organizadas por capítulos que se cargan bajo demanda.
OpenAI confirmó por primera vez el nombre de su próxima familia de modelos con un reporte técnico, no con un teaser: una versión interna de Astra resolvió 10 problemas abiertos de matemáticas y ciencias de la computación teórica, con pruebas formales verificadas en Lean.
MODELOS (CEREBROS) / VERIFICADO
Capacidades, licencias y compatibilidad con agentes, registradas solo cuando una fuente primaria permite confirmarlas.
| # | MODELO | CREADOR | INTEL.?Intelligence Index Score compuesto que mide capacidad general. Escala 0–100. | CODING?Coding Index Score compuesto de capacidad de código. Escala 0–100. | TERMINALBENCH?TerminalBench v2.1 Tareas reales en terminal: instalar dependencias, editar código, correr tests. Sucesora de TerminalBench Hard; la métrica agéntica más actualizada. | TAU2?Tau2 Tareas multi-turno con herramientas. Mide retención, uso de tools y razonamiento en cadena. | IN $/M?Precio entrada Costo por millón de tokens de entrada (input). | OUT $/M?Precio salida Costo por millón de tokens de salida (output). | VEL.?Velocidad Tokens de salida por segundo. Más alto = respuestas más rápidas. | |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | GPT-5.6 Sol (xhigh) | OpenAI | 59 | 78 | 89.5% | 84.8% | $5 | $30 | 64 | ↗ |
| 2 | Claude Opus 5 (Adaptive Reasoning, Max Effort) | Anthropic | 63 | 78 | 89.1% | — | $5 | $25 | 51 | ↗ |
| 3 | GPT-5.6 Terra (max) | OpenAI | 57 | 77 | 88.0% | 86.3% | $2 | $12 | 121 | ↗ |
| 4 | GPT-5.6 Sol (max) | OpenAI | 61 | 77 | 88.0% | 85.1% | $5 | $30 | 68 | ↗ |
| 5 | Claude Opus 5 (Adaptive Reasoning, Xhigh Effort) | Anthropic | 63 | 77 | 88.0% | — | $5 | $25 | 51 | ↗ |
| 6 | Claude Opus 5 (Adaptive Reasoning, High Effort) | Anthropic | 62 | 77 | 87.6% | — | $5 | $25 | 50 | ↗ |
| 7 | GPT-5.6 Sol (high) | OpenAI | 57 | 77 | 87.3% | 83.3% | $5 | $30 | 57 | ↗ |
| 8 | GPT-5.6 Sol (medium) | OpenAI | 56 | 76 | 86.1% | 81.0% | $5 | $30 | 55 | ↗ |
| 9 | Claude Opus 5 (Adaptive Reasoning, Medium Effort) | Anthropic | 59 | 74 | 86.1% | — | $5 | $25 | 49 | ↗ |
| 10 | Kimi K3 (max)OW?Open Weights Modelos con pesos descargables. Puedes desplegarlos en tu propia infraestructura. | Kimi | 60 | 76 | 85.0% | — | $3 | $15 | 41 | ↗ |
ENTORNOS AGÉNTICOS / DIRECTORIO
Perfiles verificados de agentes multipropósito y entornos de programación (coding harnesses) que conectan modelos con contexto, herramientas y permisos.
Anthropic · nivel intermedio
Entorno comercial de programación de Anthropic para comprender repositorios, editar archivos, ejecutar herramientas y trabajar desde terminal o superficies conectadas.
OpenAI · nivel intermedio
Agente de programación de OpenAI disponible en terminal y otras superficies, con ejecución local del cliente, herramientas, aprobaciones y sandbox.
SpaceXAI · nivel inicial
Equipo de agentes siempre activos con computadora propia en la nube que se registran en tus herramientas y trabajan 24/7.
Nous Research · nivel intermedio
Entorno agéntico open source con memoria persistente, skills, herramientas, automatizaciones e integraciones.
OpenClaw Foundation · nivel avanzado
Entorno agéntico personal que opera en equipos propios y conecta modelos con canales, memoria, navegador, archivos y herramientas.
Anomaly · nivel intermedio
Agente de programación abierto y agnóstico de proveedor, disponible en terminal, escritorio e IDE con permisos, herramientas, agentes y MCP.
CASOS DE USO / TERRITORIO
La oportunidad no es “reemplazar equipos”. Es reducir trabajo repetitivo, ampliar capacidad de investigación y preservar conocimiento operativo con supervisión.
Clasificar solicitudes y preparar borradores con revisión humana.
Investigar, probar y documentar cambios en repositorios.
Organizar fuentes, hipótesis y evidencia trazable.
Coordinar tareas repetibles con permisos acotados.
Crear recorridos de estudio y práctica adaptativa.
Mantener control sobre datos, modelos y ejecución.
PROTOCOLO EDITORIAL
