Claude Code presenta flujos de trabajo dinámicos: haciendo que la IA aprenda a trabajar en equipo por sí misma

marsbitPublicado a 2026-06-04Actualizado a 2026-06-04

Resumen

Claude Code ha lanzado workflows dinámicos, permitiendo que la IA organice equipos de agentes para tareas complejas. Esta función supera las limitaciones de un solo agente, como la pereza, el sesgo de autopreferencia y la deriva de objetivos, mediante la coordinación de múltiples Claude en contextos aislados. Los workflows aplican patrones como división y síntesis, verificación adversarial y torneos, útiles en migración de código, investigación profunda, clasificación, depuración y tareas no técnicas. Aunque consumen más tokens y no son para todas las tareas, ofrecen un marco ejecutable y reutilizable. Se pueden combinar con /goal y /loop, ajustar presupuestos de tokens, y guardar o compartir como skills.

Nota del editor: Claude Code está pasando de ser un asistente de código a convertirse en un banco de trabajo de agentes orquestables.

Los workflows (flujos de trabajo) presentados en este artículo tienen como valor central permitir que Claude ya no piense y actúe únicamente dentro de la misma ventana de contexto, sino que pueda generar dinámicamente un marco de ejecución para la tarea: desglosarla, asignar subtareas a agentes secundarios, procesar en paralelo, verificar cruzadamente, iterar cíclicamente, e incluso hacer que diferentes agentes compitan entre sí, para finalmente sintetizar los resultados.

Esto significa que los casos de uso de Claude Code se están expandiendo claramente. Ya no solo es adecuado para migración de código, refactorización, reproducción de pruebas y revisión de código, sino también para tareas no técnicas como investigación profunda, verificación de hechos, filtrado de currículums, análisis post-mortem de incidentes, documentación de reglas, evaluación de planes de negocio o brainstorming de nombres. Muchos trabajos complejos son esencialmente similares a la programación: requieren descomponer problemas, aislar contextos, verificar hipótesis, manejar muchos detalles y elegir entre múltiples caminos posibles.

Los workflows dinámicos intentan resolver precisamente varios problemas comunes de los modelos de lenguaje extensos en tareas largas: la "pereza del agente" (detenerse prematuramente y anunciar la finalización a mitad de camino), el "sesgo de autopreferencia" (tendencia a validar sus propias conclusiones) y la "deriva del objetivo" (alejarse gradualmente del objetivo original tras múltiples rondas de ejecución). Al asignar la tarea a múltiples instancias de Claude con contextos independientes, transforma tareas complejas de una "maratón de un solo agente" en una "colaboración de múltiples agentes".

Por supuesto, los workflows tampoco son una solución universal. Suelen consumir más tokens y no son necesariamente adecuados para cada tarea de programación común. Pero marcan una dirección importante: la futura competencia entre herramientas de IA podría no depender solo de cuán inteligente sea un modelo individual, sino de su capacidad para organizar, en torno a objetivos complejos, un proceso de ejecución fiable, reutilizable y auditable.

A continuación, el artículo original:

Aunque el marco de ejecución predeterminado de Claude Code está construido para programación, también es aplicable a muchos otros tipos de tareas. Resulta que muchas tareas son estructuralmente similares a tareas de programación. Sin embargo, para que ciertos tipos de tareas específicas rindan al máximo, aún necesitamos construir marcos de ejecución personalizados sobre Claude Code, como investigación, análisis de seguridad, colaboración en equipo de agentes o revisión de código.

Los workflows (flujos de trabajo) te permiten crear dinámicamente marcos de ejecución, permitiendo a Claude resolver de forma más nativa los problemas mencionados anteriormente, y muchos más, dentro de Claude Code. También puedes compartir y reutilizar estos workflows con otros.

En este artículo, compartiré mis experiencias y aprendizajes iniciales usando workflows, para ayudarte a aprovechar al máximo su potencial.

Sin embargo, es importante señalar que las mejores prácticas aún se están formando. Los flujos de trabajo dinámicos suelen consumir más tokens, por lo que debes considerar cuidadosamente cuándo y cómo usarlos.

Nota: Este artículo también se publica en el Claude Blog.

Ejemplos de Prompt

Antes de entrar en detalles técnicos, me gustaría dar algunos ejemplos de prompt para ayudarte a comprender las posibilidades de los workflows:

"Esta prueba falla aproximadamente 1 de cada 50 ejecuciones. Configura un workflow para reproducirla, proponer hipótesis y realizar pruebas adversariales en diferentes worktrees. /goal No pares hasta que una hipótesis sea verificada."

"Usa un workflow para revisar mis últimas 50 sesiones, extraer las correcciones que repito y convertir estos problemas recurrentes en reglas para CLAUDE.md."

"Usa un workflow para revisar los últimos seis meses del canal #incidents en Slack y encontrar las causas raíz que aparecen repetidamente pero de las que nadie ha creado un ticket."

"Ejecuta un workflow con mi plan de negocio, haciendo que diferentes agentes lo analicen desde la perspectiva de un inversor, un cliente y un competidor."

"Aquí hay una carpeta con 80 currículums. Usa un workflow para clasificarlos según los requisitos para un puesto backend y verifica los diez primeros. Usa la herramienta AskUserQuestion para consultarme y ayudarte a establecer los criterios de evaluación."

"Necesito poner nombre a esta herramienta CLI. Usa un workflow para hacer un brainstorming de opciones y luego seleccionar las tres mejores mediante un mecanismo de torneo."

"Usa un workflow para renombrar nuestro modelo User a Account en todas partes."

"Lee el borrador de mi entrada de blog y usa un workflow para verificar cada afirmación técnica contra la base de código. No quiero publicar nada incorrecto."

Cómo funcionan los flujos de trabajo dinámicos

Un flujo de trabajo dinámico ejecuta un archivo JavaScript que contiene funciones especiales para generar y coordinar subagentes.

Los flujos de trabajo dinámicos también incluyen funciones estándar de JavaScript, como JSON, Math y Array, para procesar datos.

Es especialmente notable que un flujo de trabajo dinámico puede decidir qué modelo usa un agente y si los subagentes se ejecutan en su propio worktree. Esto permite a Claude elegir autónomamente el nivel de inteligencia y grado de aislamiento requeridos por la tarea.

Si un workflow se interrumpe, por ejemplo por una acción manual del usuario o al salir del terminal, al recuperar la sesión, el workflow puede reanudarse desde el punto de interrupción.

Por qué se necesitan flujos de trabajo dinámicos

Cuando dejas que el marco de ejecución predeterminado de Claude Code maneje una tarea, necesita planificar y ejecutar dentro de la misma ventana de contexto. Para muchas tareas de programación, esto es muy efectivo, pero en tareas de larga duración, altamente paralelas o altamente estructuradas y adversariales, a veces falla.

La razón es que cuanto más tiempo Claude maneja una tarea compleja en una sola ventana de contexto, más propenso es a mostrar ciertos modos de fallo específicos:

Agentic laziness (pereza del agente): se refiere a cuando Claude, al manejar una tarea particularmente compleja y compuesta por múltiples partes, se detiene prematuramente antes de estar realmente terminada, declarando la tarea como completada habiendo logrado solo un progreso parcial. Por ejemplo, en una revisión de seguridad que solo ha procesado 20 de 50 elementos, anuncia que ha terminado.

Self-preferential bias (sesgo de autopreferencia): se refiere a la tendencia de Claude a favorecer sus propios resultados o hallazgos, especialmente cuando se le pide que verifique o evalúe su propio output según algún criterio.

Goal drift (deriva del objetivo): se refiere a la disminución gradual en la fidelidad al objetivo original durante múltiples rondas de ejecución, especialmente después de que el contexto se comprima. Cada resumen provoca una pérdida de información, y algunos detalles, como casos extremos o restricciones del tipo "no hagas X", pueden perderse.

Crear un workflow ayuda a mitigar estos problemas porque puede orquestar múltiples instancias de Claude independientes, cada una con su propia ventana de contexto, enfocándose en tareas aisladas y con objetivos claros.

Flujos de trabajo dinámicos vs. estáticos

Es posible que ya hayas creado workflows estáticos a través del Claude Agent SDK o claude -p para coordinar múltiples instancias de Claude Code.

Pero debido a que los workflows estáticos necesitan cubrir varios casos extremos, suelen ser más genéricos. Con la llegada de Claude Opus 4.8 y los workflows dinámicos, Claude es ahora lo suficientemente inteligente como para escribir un marco de ejecución a medida para tu caso de uso concreto.

Patrones prácticos al usar flujos de trabajo dinámicos

Puedes pedirle directamente a Claude que cree un flujo de trabajo dinámico, o usar la palabra desencadenante "ultracode" para asegurarte de que Claude Code cree un workflow.

Sin embargo, si construyes un modelo mental sobre cómo funcionan los flujos de trabajo dinámicos, te resultará más fácil juzgar cuándo deberías usarlos y también guiar a Claude mediante prompts.

Cuando Claude construye workflows, suele usar y combinar los siguientes patrones:

Clasificar y ejecutar: Usa un agente clasificador para determinar el tipo de tarea y luego enrutarla a diferentes agentes o comportamientos. También puedes usar un clasificador al final del flujo para juzgar el resultado.

Abanico y sintetizar: Divide una tarea en múltiples pasos más pequeños, cada uno manejado por un agente, y luego sintetiza los resultados. Es especialmente adecuado cuando la tarea contiene muchos subpasos pequeños, o cuando cada paso necesita una ventana de contexto limpia para evitar interferencias o contaminación cruzada. El paso de síntesis actúa como una "barrera": espera a que todos los agentes del abanico terminen y luego combina sus salidas estructuradas en un único resultado.

Verificación adversarial: Por cada agente generado, ejecuta un agente independiente que verifique adversarialmente su output según un conjunto de criterios o reglas.

Generar y filtrar: Genera una gran cantidad de ideas alrededor de un tema, luego filtra según criterios de evaluación o procesos de verificación, elimina duplicados y devuelve solo las ideas de mayor calidad que hayan pasado la prueba.

Torneo: En lugar de dividir el trabajo, haz que los agentes compitan entre sí. Genera N agentes, haz que intenten completar la misma tarea usando métodos diferentes. Luego, un agente evaluador, guiado por un prompt o modelo, compara los resultados en enfrentamientos de a pares hasta elegir un ganador.

Ciclo hasta completar: Para tareas con una carga de trabajo desconocida, en lugar de establecer un número fijo de rondas, haz un ciclo generando agentes hasta que se cumpla una condición de parada, como que no surjan nuevos hallazgos o que no aparezcan más errores en los registros.

Casos de uso

Puedes pensar de forma más creativa sobre cuándo y cómo hacer que Claude Code cree flujos de trabajo dinámicos. He descubierto que los workflows a veces son incluso más útiles en trabajos no técnicos.

Migración y refactorización

Bun usó workflows para reescribirse de Zig a Rust. Puedes leer la publicación de Jarred en X para conocer el proceso.

La clave es dividir la tarea en una serie de pasos a procesar, como puntos de llamada, pruebas que fallan, módulos, etc. Inicia un subagente en un worktree para cada tarea de reparación, que la complete; luego, que otro agente realice una revisión adversarial y finalmente fusiona los resultados. Puedes considerar indicar explícitamente al agente que no use comandos que consuman muchos recursos, para así maximizar el paralelismo sin agotar los recursos de la máquina local.

Investigación profunda

Publicamos una habilidad de investigación profunda (/deep-research) en Claude Code, que utiliza un flujo de trabajo dinámico. Específicamente, despliega búsquedas web en abanico, extrae fuentes, realiza verificaciones adversariales de afirmaciones relevantes y sintetiza un informe con citas.

Pero este tipo de investigación no es solo para búsquedas web. Por ejemplo, también podrías hacer que Claude compile un informe de estado a partir del contexto de Slack, o investigue cómo funciona una funcionalidad explorando en profundidad la base de código.

Verificación profunda

Por otro lado, si tienes un informe y deseas verificar cada afirmación fáctica y fuente citada en él, puedes generar un workflow: primero, un agente identifica todas las afirmaciones fácticas; luego, para cada afirmación, inicia un subagente que la verifique en detalle. También puedes hacer que un agente validador revise a los subagentes responsables de rastrear fuentes, asegurando que la calidad de las fuentes sea lo suficientemente alta.

Clasificación

Puedes tener un conjunto de elementos que deseas ordenar según algún criterio cualitativo, y crees que Claude Code es bueno evaluando ese criterio. Por ejemplo, ordenar tickets de soporte por gravedad del bug.

Pero si intentas ordenar más de 1000 líneas en un solo prompt, la calidad disminuirá y la ventana de contexto no podrá contenerlo. Es mejor ejecutar un mecanismo de torneo, estableciendo una cadena de agentes de comparación por pares, porque los juicios comparativos suelen ser más fiables que las puntuaciones absolutas; o primero clasificar en paralelo en cubos y luego fusionar resultados. Cada comparación la realiza un agente independiente, por lo que un ciclo determinista puede mantener la estructura del torneo, y solo el orden de ejecución actual necesita permanecer en el contexto.

Memoria y cumplimiento de reglas

Si tienes un conjunto de reglas específicas que Claude, incluso al verlas en CLAUDE.md, a menudo pasa por alto o no aplica bien, puedes crear un workflow que liste esas reglas y haga que un agente validador las verifique una por una: un agente validador por regla. También ayuda crear un subagente con una personalidad de "escéptico" para revisar si las reglas son razonables, ayudando así a evitar falsos positivos excesivos.

También puedes hacerlo a la inversa: extraer tus sesiones recientes y comentarios de revisión de código para encontrar las correcciones que repites; hacer que agentes en paralelo agrupen estos problemas; luego verificar adversarialmente cada regla candidata para determinar si realmente prevendría un error real; finalmente, refinar las reglas que pasen el filtro de vuelta a CLAUDE.md.

Investigación de causa raíz

La forma más efectiva de depurar es proponer varias hipótesis mutuamente independientes y probarlas una por una. Pero si usas solo una ventana de contexto, Claude puede caer en el sesgo de autopreferencia.

Un workflow puede prevenir esto estructuralmente: puede iniciar múltiples agentes, haciendo que generen hipótesis basadas en evidencias que no se superpongan. Por ejemplo, que diferentes agentes examinen registros, archivos y datos por separado. Luego, cada hipótesis puede ser revisada por un grupo de verificadores y refutadores.

Esto no se aplica solo al código. Los workflows también se pueden usar para análisis de ventas, como "¿por qué bajaron las ventas en marzo?"; para ingeniería de datos, como "¿por qué falló este pipeline?"; o para cualquier análisis post-mortem.

Triaje a gran escala

Cada equipo tiene colas de soporte, informes de bugs u otros trabajos pendientes que no pueden ser manejados completamente por humanos. Un workflow de triaje puede clasificar cada elemento, eliminar duplicados con problemas ya rastreados y tomar acciones. Esto puede significar intentar una reparación o escalarlo para que lo maneje un usuario humano.

Para los flujos de trabajo de triaje, un patrón útil es la cuarentena (quarantine). Es decir, prohibir a los agentes que leen contenido público no confiable que ejecuten operaciones con altos privilegios; las operaciones con altos privilegios deben ser realizadas por agentes dedicados específicamente a la acción.

Puedes combinar workflows de triaje con /loop, haciendo que Claude ejecute continuamente este tipo de tareas.

Exploración y juicios de gusto

Los workflows son útiles cuando necesitas explorar diferentes caminos de solución, especialmente en tareas que implican juicios estéticos como diseño o nombramiento, y que pueden beneficiarse de un conjunto de criterios de evaluación.

Puedes hacer que Claude explore una gran cantidad de opciones y darle al agente revisor un conjunto de criterios sobre "cómo es una buena opción". La tarea se completa cuando el agente revisor considera que los resultados cumplen los criterios. Las diferentes opciones también pueden clasificarse o filtrarse según estos criterios mediante un mecanismo de torneo.

Evals (evaluaciones)

Puedes ejecutar evals ligeras para tareas específicas iniciando agentes independientes en un worktree, y luego agentes de comparación que evalúen y puntúen outputs específicos según criterios de evaluación. Por ejemplo, puedes evaluar y mejorar una habilidad que hayas creado para ver si cumple ciertos estándares.

Enrutamiento de modelo y nivel de inteligencia: Puedes crear un agente clasificador ajustado para tu tarea que decida qué modelo usar. Esto es útil cuando la tarea involucra muchas llamadas a herramientas y realizar una investigación previa puede ayudar a identificar el modelo más adecuado.

Por ejemplo, para la tarea "explica cómo funciona el módulo de autenticación", el modelo más adecuado depende de cuántos archivos haya en el módulo de autenticación y de cómo sea la estructura de la base de código. El agente clasificador puede realizar primero esta investigación y luego, según la complejidad esperada, enrutar la tarea a Sonnet o a Opus.

Cuándo NO usar flujos de trabajo dinámicos

Los workflows aún son algo nuevo. Aunque en muchos casos de uso pueden ofrecer resultados muy superiores a los métodos convencionales, no todas las tareas lo necesitan y pueden aumentar significativamente el consumo de tokens.

Es mejor usar workflows en tareas que expandan los límites de las capacidades de Claude Code de nuevas formas. Para tareas de programación convencionales, puedes preguntarte primero: ¿realmente necesita esta tarea más recursos computacionales? Por ejemplo, la mayoría de las tareas de programación tradicionales no necesitan un panel de 5 revisores.

Consejos para construir flujos de trabajo dinámicos

Diseño de prompts

Al escribir prompts para flujos de trabajo dinámicos, cuantos más detalles proporciones, mejor suele funcionar, especialmente usando las técnicas específicas mencionadas anteriormente.

Los workflows no son solo para grandes tareas. También puedes sugerir al modelo que use un "quick workflow" (flujo de trabajo rápido). Por ejemplo, puedes crear un proceso rápido de revisión adversarial para verificar una hipótesis.

Combinar con /goal y /loop

Cuando uses workflows que puedan ejecutarse repetidamente, como flujos de triaje, investigación o verificación, puedes combinarlos con /loop para que se ejecuten a intervalos regulares; y usar /goal para establecer requisitos de finalización estrictos.

Presupuesto de uso de tokens

Puedes establecer un presupuesto explícito de uso de tokens para el flujo de trabajo dinámico, limitando así la cantidad de tokens consumidos por la tarea. Puedes escribir en el prompt algo como "use 10k tokens", lo que establecerá el límite en 10k tokens.

Guardar y compartir flujos de trabajo dinámicos

Puedes guardar workflows presionando "s" en el menú de workflows. Puedes confirmarlos en ~/.claude/workflows o distribuirlos a través de habilidades (skills).

Si deseas compartirlos a través de una habilidad, puedes colocar el archivo JavaScript del workflow en la carpeta de la habilidad y hacer referencia a él en SKILL.md. Para mayor flexibilidad, también puedes indicarle a Claude que trate los workflows en la habilidad como plantillas, no como scripts que deben ejecutarse palabra por palabra.

Un mundo nuevo

Los workflows son una nueva forma útil de extender Claude Code. Te animo a verlos como un punto de partida. Aún hay mucho por explorar sobre cómo usarlos mejor. Comparte con nosotros lo que descubras.

Thariq Shihipar y Sid Bidasaria (@sidbid) son miembros del equipo técnico de Anthropic, a cargo del trabajo relacionado con Claude Code.

Preguntas relacionadas

Q¿Qué es Claude Code Workflows y cómo funciona?

AClaude Code Workflows es una nueva capacidad que permite crear marcos de ejecución dinámicos para que múltiples agentes de IA (instancias independientes de Claude) colaboren en tareas complejas. Funciona ejecutando un archivo JavaScript que define funciones especiales para generar y coordinar subagentes, permitiéndoles dividir tareas, trabajar en paralelo, validar resultados entre sí, e iterar hasta cumplir el objetivo, todo dentro de su propio espacio de contexto aislado (worktree).

Q¿Qué problemas específicos de los modelos de lenguaje grande (LLM) intenta resolver la función Workflows?

AWorkflows aborda tres problemas comunes en LLMs durante tareas largas o complejas: 1) Pereza agentiva: la tendencia a detenerse y declarar una tarea completada antes de terminarla realmente. 2) Sesgo de autopreferencia: la inclinación a favorecer sus propias conclusiones al evaluar su trabajo. 3) Deriva de objetivos: la pérdida de fidelidad respecto al objetivo original tras múltiples rondas de ejecución y compresión del contexto.

QSegún el artículo, ¿qué patrón de workflow es útil para tareas como ordenar currículums o clasificar errores?

APara tareas de clasificación u ordenación cualitativa a gran escala, como clasificar currículums o priorizar tickets de soporte, el patrón Torneo es particularmente útil. En lugar de una puntuación absoluta, se implementa una serie de agentes que realizan comparaciones de pares, ya que los juicios comparativos suelen ser más fiables que las calificaciones absolutas cuando se manejan muchos elementos.

QAdemás de tareas técnicas, ¿qué tipo de usos no técnicos se mencionan para Claude Code Workflows?

AEl artículo menciona que Workflows puede ser incluso más útil para tareas no técnicas, como: investigación profunda y verificación de hechos, revisión de planes de negocio desde múltiples perspectivas, análisis de causas raíz de incidentes, clasificación de currículums, brainstorming y selección de nombres (como para una herramienta CLI), o extracción de reglas de conducta a partir de correcciones pasadas en chats o revisiones de código.

Q¿Cuándo recomienda el artículo NO utilizar un Workflow dinámico?

ANo se recomienda utilizar un Workflow dinámico para cada tarea, especialmente para tareas de programación convencionales que no requieren un gran despliegue de recursos. Su uso puede aumentar significativamente el consumo de tokens. Se debe usar principalmente cuando permite expandir los límites de lo que Claude Code puede hacer de una manera nueva, no para tareas que no requieran recursos computacionales adicionales o un grupo de múltiples revisores.

Lecturas Relacionadas

RLUSD de Ripple se incorpora a la expansión de liquidaciones con stablecoins de Mastercard

Mastercard está ampliando sus capacidades de liquidación para incluir stablecoins reguladas, entre las que se encuentra RLUSD de Ripple. Esta expansión permitirá a emisores y adquirientes liquidar transacciones con tarjetas mediante activos digitales además de los canales fiduciarios tradicionales. La iniciativa, descrita como una mejora a nivel de red, ofrecerá opciones de liquidación intradía, fines de semana y festivos, con el objetivo de proporcionar mayor flexibilidad en la gestión de liquidez, especialmente para pagos transfronterizos. Además de RLUSD, Mastercard incluirá USDC de Circle, stablecoins emitidas por Paxos (PYUSD, USDG, USDP) y SoFiUSD, compatibles con varias redes blockchain como Ethereum, Solana, Polygon y XRP Ledger. La empresa enfatiza que esta opción complementa los procesos existentes sin reemplazarlos, manteniendo los estándares de seguridad y controles de fraude. Socios iniciales como ARQ, CBW Bank y Cross River respaldarán el lanzamiento, centrado inicialmente en Estados Unidos y Latinoamérica, con planes de expansión hasta 2026. Ripple considera esta inclusión una validación clave para los stablecoins regulados en infraestructuras de pago críticas.

bitcoinistHace 9 min(s)

RLUSD de Ripple se incorpora a la expansión de liquidaciones con stablecoins de Mastercard

bitcoinistHace 9 min(s)

El equipo de Li Fei-Fei aclara el concepto de 'modelo del mundo'. Sora solo es un renderizador.

L'equip de la professora Fei-Fei Li de Stanford i World Labs ha publicat un article que aclareix la confusió del terme "model del món" en IA. Proposen una taxonomia basada en el procés de decisió de Markov parcialment observable, dividint els sistemes en tres funcions: **renderitzadors**, **simuladors** i **planificadors**. Els **renderitzadors** (com Sora d'OpenAI o Google Genie 3) generen vídeos o imatges realistes per a humans però no simulen física precisa. Els **simuladors** (com NVIDIA Omniverse) prediuen estats físics futurs exactes per a càlculs, com en simulacions digitals. Els **planificadors** prenen decisions sobre accions per a robots o sistemes autònoms. L'article argumenta que la majoria de models anomenats "model del món" només són renderitzadors. Sora, per exemple, no pot predir com canvia un estat amb una acció específica, només continua seqüències visuals. Aquesta clarificació és crucial per a decisions tècniques, inversores i d'investigació, ja que evita confondre la generació d'imatges atractives amb una comprensió real de la física o capacitats de planificació. El futur passa per la integració d'aquestes tres funcions.

marsbitHace 27 min(s)

El equipo de Li Fei-Fei aclara el concepto de 'modelo del mundo'. Sora solo es un renderizador.

marsbitHace 27 min(s)

De Web3 a AI Agent: El veterano VC cripto Variant apuesta 2 mil millones en su transformación

Hoy anunciamos Variant 4, un nuevo fondo de riesgo de 222 millones de dólares que liderará inversiones en etapas iniciales y participará en fases de liquidez y crecimiento. Nuestra tesis evoluciona de la "propiedad digital" hacia la "autonomía", enfocándonos en tecnologías que amplían la capacidad de acción y control del usuario sobre sus activos, identidad y datos. Distinguimos la autonomía de la mera automatización, priorizando proyectos que sirvan al usuario y no solo a plataformas. Nuestra cartera incluye líderes en blockchain (Ethereum, Solana), infraestructura (Blockaid, Turnkey), mercados financieros (Uniswap, Morpho) y productos de consumo (Phantom). Inversiones recientes abordan memoria de agentes auto-custodiados (Honcho), verificación de ubicación física (Octet) y propiedad de contenido generado (here.now). Variant busca impulsar una internet donde los usuarios tengan mayor soberanía, colaborando con fundadores que construyen con propósito. Si ese es tu proyecto, contáctanos.

marsbitHace 33 min(s)

De Web3 a AI Agent: El veterano VC cripto Variant apuesta 2 mil millones en su transformación

marsbitHace 33 min(s)

El Crecimiento Explosivo de Solana Impulsa Su Volumen Mensual de Perps Más Allá de Récords Anteriores

A pesar del rendimiento bajista y la volatilidad, Solana muestra una fuerza notable en el mercado de derivados. Aunque el precio de SOL ha caído bruscamente, recupera impulso alcista y su volumen mensual de futuros perpetuos experimenta uno de sus crecimientos más significativos. En mayo de 2026, el volumen mensual de futuros perpetuos de SOL superó los 76.700 millones de dólares, un aumento del 34% respecto al máximo anterior de 57.000 millones en noviembre de 2025. Este aumento del 97% mensual indica un mayor interés del mercado, más liquidez y una participación activa. Los analistas destacan que estos contratos se están convirtiendo en un producto financiero clave, con ejecución 100% en cadena. Paralelamente, la actividad de stablecoins en la red Solana alcanzó un volumen de transacciones de 79.900 millones de dólares en una semana, consolidando su papel como centro de liquidez y finanzas digitales. Los usuarios eligen Solana por sus transferencias rápidas y de bajo costo para pagos, trading y DeFi.

bitcoinistHace 39 min(s)

El Crecimiento Explosivo de Solana Impulsa Su Volumen Mensual de Perps Más Allá de Récords Anteriores

bitcoinistHace 39 min(s)

El momento Ballmer de Ethereum: Mientras todos son bajistas, el suministro circulante está desapareciendo

**Resumen en español europeo:** Mientras la narrativa bajista sobre Ethereum se intensifica, con figuras destacadas liquidando posiciones y la energía de los desarrolladores migrando a cadenas como Solana, un análisis más profundo revela una dinámica subyacente contraintuitiva. El autor compara este momento con la "era Ballmer" de Microsoft: un período percibido como de estancamiento, donde sin embargo los fundamentos empresariales seguían creciendo de forma constante. A pesar de las críticas válidas sobre su modelo de captura de valor y ritmo de desarrollo, Ethereum está experimentando una **compresión drástica de su oferta circulante**. Cerca del 30% del ETH está apostado (staked), los ETFs están absorbiendo suministro y nuevas regulaciones están clarificando el panorama. Cada ETH apostado a través de un ETF es uno menos disponible para la venta, creando una presión alcista subyacente ignorada por el sentimiento predominante. Además, el marco regulatorio para las criptomonedas está madurando, pasando de ser una amenaza existencial a un conjunto de reglas claras. Esto está impulsando la adopción institucional de activos tokenizados, un área donde Ethereum, como capa de liquidación neutral y consolidada, conserva una fuerte ventaja a pesar de perder cuota de mercado en otros fronts. La estrategia propuesta es dejar de lado el maximalismo. Es posible ser optimista sobre la tendencia general (cripto como clase de activo) manteniendo ETH por su narrativa institucional y compresión de oferta, SOL por su enfoque en el consumidor y el rendimiento, y BTC como cobertura macro. El consenso bajista actual, combinado con el crecimiento silencioso de los fundamentos y la adopción regulada, podría representar una oportunidad contraria, similar a la que precedió al resurgimiento de Microsoft bajo un nuevo liderazgo.

marsbitHace 44 min(s)

El momento Ballmer de Ethereum: Mientras todos son bajistas, el suministro circulante está desapareciendo

marsbitHace 44 min(s)

Trading

Spot
Futuros

Artículos destacados

Qué es GROK AI

Grok AI: Revolucionando la Tecnología Conversacional en la Era Web3 Introducción En el paisaje de la inteligencia artificial en rápida evolución, Grok AI se destaca como un proyecto notable que une los dominios de la tecnología avanzada y la interacción con el usuario. Desarrollado por xAI, una empresa liderada por el renombrado emprendedor Elon Musk, Grok AI busca redefinir cómo interactuamos con la inteligencia artificial. A medida que el movimiento Web3 continúa floreciendo, Grok AI tiene como objetivo aprovechar el poder de la IA conversacional para responder a consultas complejas, proporcionando a los usuarios una experiencia que no solo es informativa, sino también entretenida. ¿Qué es Grok AI? Grok AI es un sofisticado chatbot de IA conversacional diseñado para interactuar con los usuarios de manera dinámica. A diferencia de muchos sistemas de IA tradicionales, Grok AI abraza una gama más amplia de consultas, incluidas aquellas que normalmente se consideran inapropiadas o fuera de las respuestas estándar. Los objetivos centrales del proyecto incluyen: Razonamiento Fiable: Grok AI enfatiza el razonamiento de sentido común para proporcionar respuestas lógicas basadas en la comprensión contextual. Supervisión Escalable: La integración de asistencia de herramientas asegura que las interacciones de los usuarios sean tanto monitoreadas como optimizadas para la calidad. Verificación Formal: La seguridad es primordial; Grok AI incorpora métodos de verificación formal para mejorar la fiabilidad de sus resultados. Comprensión de Largo Contexto: El modelo de IA sobresale en retener y recordar un extenso historial de conversaciones, facilitando discusiones significativas y contextualizadas. Robustez Adversarial: Al centrarse en mejorar sus defensas contra entradas manipuladas o maliciosas, Grok AI busca mantener la integridad de las interacciones de los usuarios. En esencia, Grok AI no es solo un dispositivo de recuperación de información; es un compañero conversacional inmersivo que fomenta un diálogo dinámico. Creador de Grok AI La mente detrás de Grok AI no es otra que Elon Musk, una persona sinónimo de innovación en varios campos, incluidos el automotriz, los viajes espaciales y la tecnología. Bajo el paraguas de xAI, una empresa centrada en avanzar la tecnología de IA de maneras beneficiosas, la visión de Musk busca remodelar la comprensión de las interacciones de IA. El liderazgo y la ética fundacional están profundamente influenciados por el compromiso de Musk de empujar los límites tecnológicos. Inversores de Grok AI Si bien los detalles específicos sobre los inversores que respaldan Grok AI son limitados, se reconoce públicamente que xAI, el incubador del proyecto, está fundado y apoyado principalmente por el propio Elon Musk. Las empresas y participaciones anteriores de Musk proporcionan un respaldo robusto, reforzando aún más la credibilidad y el potencial de crecimiento de Grok AI. Sin embargo, hasta ahora, la información sobre fundaciones de inversión adicionales u organizaciones que apoyan a Grok AI no está fácilmente accesible, marcando un área para una posible exploración futura. ¿Cómo Funciona Grok AI? La mecánica operativa de Grok AI es tan innovadora como su marco conceptual. El proyecto integra varias tecnologías de vanguardia que facilitan sus funcionalidades únicas: Infraestructura Robusta: Grok AI está construido utilizando Kubernetes para la orquestación de contenedores, Rust para rendimiento y seguridad, y JAX para computación numérica de alto rendimiento. Este trío asegura que el chatbot opere de manera eficiente, escale efectivamente y sirva a los usuarios de manera oportuna. Acceso a Conocimiento en Tiempo Real: Una de las características distintivas de Grok AI es su capacidad para acceder a datos en tiempo real a través de la plataforma X—anteriormente conocida como Twitter. Esta capacidad otorga a la IA acceso a la información más reciente, permitiéndole proporcionar respuestas y recomendaciones oportunas que otros modelos de IA podrían pasar por alto. Dos Modos de Interacción: Grok AI ofrece a los usuarios la opción entre “Modo Divertido” y “Modo Regular”. El Modo Divertido permite un estilo de interacción más lúdico y humorístico, mientras que el Modo Regular se centra en ofrecer respuestas precisas y exactas. Esta versatilidad asegura una experiencia personalizada que se adapta a diversas preferencias de los usuarios. En esencia, Grok AI une rendimiento con compromiso, creando una experiencia que es tanto enriquecedora como entretenida. Cronología de Grok AI El viaje de Grok AI está marcado por hitos clave que reflejan sus etapas de desarrollo y despliegue: Desarrollo Inicial: La fase fundamental de Grok AI tuvo lugar durante aproximadamente dos meses, durante los cuales se llevó a cabo el entrenamiento y ajuste inicial del modelo. Lanzamiento Beta de Grok-2: En un avance significativo, se anunció la beta de Grok-2. Este lanzamiento introdujo dos versiones del chatbot—Grok-2 y Grok-2 mini—cada una equipada con capacidades para chatear, programar y razonar. Acceso Público: Tras su desarrollo beta, Grok AI se volvió disponible para los usuarios de la plataforma X. Aquellos con cuentas verificadas por un número de teléfono y activas durante al menos siete días pueden acceder a una versión limitada, haciendo la tecnología disponible para una audiencia más amplia. Esta cronología encapsula el crecimiento sistemático de Grok AI desde su inicio hasta el compromiso público, enfatizando su compromiso con la mejora continua y la interacción con los usuarios. Características Clave de Grok AI Grok AI abarca varias características clave que contribuyen a su identidad innovadora: Integración de Conocimiento en Tiempo Real: El acceso a información actual y relevante diferencia a Grok AI de muchos modelos estáticos, permitiendo una experiencia de usuario atractiva y precisa. Estilos de Interacción Versátiles: Al ofrecer modos de interacción distintos, Grok AI se adapta a diversas preferencias de los usuarios, invitando a la creatividad y la personalización en la conversación con la IA. Avanzada Infraestructura Tecnológica: La utilización de Kubernetes, Rust y JAX proporciona al proyecto un marco sólido para garantizar fiabilidad y rendimiento óptimo. Consideración de Discurso Ético: La inclusión de una función generadora de imágenes muestra el espíritu innovador del proyecto. Sin embargo, también plantea consideraciones éticas en torno a los derechos de autor y la representación respetuosa de figuras reconocibles—una discusión en curso dentro de la comunidad de IA. Conclusión Como una entidad pionera en el ámbito de la IA conversacional, Grok AI encapsula el potencial para experiencias transformadoras de usuario en la era digital. Desarrollado por xAI y guiado por el enfoque visionario de Elon Musk, Grok AI integra conocimiento en tiempo real con capacidades avanzadas de interacción. Se esfuerza por empujar los límites de lo que la inteligencia artificial puede lograr mientras mantiene un enfoque en consideraciones éticas y la seguridad del usuario. Grok AI no solo encarna el avance tecnológico, sino que también representa un nuevo paradigma de conversaciones en el paisaje Web3, prometiendo involucrar a los usuarios con tanto conocimiento hábil como interacción lúdica. A medida que el proyecto continúa evolucionando, se erige como un testimonio de lo que la intersección de la tecnología, la creatividad y la interacción similar a la humana puede lograr.

538 Vistas totalesPublicado en 2024.12.26Actualizado en 2024.12.26

Qué es GROK AI

Qué es ERC AI

Euruka Tech: Una Visión General de $erc ai y sus Ambiciones en Web3 Introducción En el panorama en rápida evolución de la tecnología blockchain y las aplicaciones descentralizadas, nuevos proyectos emergen con frecuencia, cada uno con objetivos y metodologías únicas. Uno de estos proyectos es Euruka Tech, que opera en el amplio dominio de las criptomonedas y Web3. El enfoque principal de Euruka Tech, particularmente su token $erc ai, es presentar soluciones innovadoras diseñadas para aprovechar las crecientes capacidades de la tecnología descentralizada. Este artículo tiene como objetivo proporcionar una visión general completa de Euruka Tech, una exploración de sus objetivos, funcionalidad, la identidad de su creador, posibles inversores y su importancia dentro del contexto más amplio de Web3. ¿Qué es Euruka Tech, $erc ai? Euruka Tech se caracteriza como un proyecto que aprovecha las herramientas y funcionalidades ofrecidas por el entorno Web3, centrándose en integrar la inteligencia artificial dentro de sus operaciones. Aunque los detalles específicos sobre el marco del proyecto son algo elusivos, está diseñado para mejorar la participación del usuario y automatizar procesos en el espacio cripto. El proyecto tiene como objetivo crear un ecosistema descentralizado que no solo facilite transacciones, sino que también incorpore funcionalidades predictivas a través de la inteligencia artificial, de ahí la designación de su token, $erc ai. La meta es proporcionar una plataforma intuitiva que facilite interacciones más inteligentes y un procesamiento de transacciones eficiente dentro de la creciente esfera de Web3. ¿Quién es el Creador de Euruka Tech, $erc ai? En la actualidad, la información sobre el creador o el equipo fundador detrás de Euruka Tech sigue sin especificarse y es algo opaca. Esta ausencia de datos genera preocupaciones, ya que el conocimiento del trasfondo del equipo es a menudo esencial para establecer credibilidad dentro del sector blockchain. Por lo tanto, hemos categorizado esta información como desconocida hasta que se disponga de detalles concretos en el dominio público. ¿Quiénes son los Inversores de Euruka Tech, $erc ai? De manera similar, la identificación de inversores u organizaciones de respaldo para el proyecto Euruka Tech no se proporciona fácilmente a través de la investigación disponible. Un aspecto crucial para los posibles interesados o usuarios que consideren involucrarse con Euruka Tech es la garantía que proviene de asociaciones financieras establecidas o respaldo de firmas de inversión reputadas. Sin divulgaciones sobre afiliaciones de inversión, es difícil llegar a conclusiones completas sobre la seguridad financiera o la longevidad del proyecto. De acuerdo con la información encontrada, esta sección también se encuentra en estado de desconocido. ¿Cómo Funciona Euruka Tech, $erc ai? A pesar de la falta de especificaciones técnicas detalladas para Euruka Tech, es esencial considerar sus ambiciones innovadoras. El proyecto busca aprovechar la potencia computacional de la inteligencia artificial para automatizar y mejorar la experiencia del usuario dentro del entorno de las criptomonedas. Al integrar la IA con la tecnología blockchain, Euruka Tech aspira a proporcionar características como operaciones automatizadas, evaluaciones de riesgos e interfaces de usuario personalizadas. La esencia innovadora de Euruka Tech radica en su objetivo de crear una conexión fluida entre los usuarios y las vastas posibilidades que presentan las redes descentralizadas. A través de la utilización de algoritmos de aprendizaje automático e IA, busca minimizar los desafíos que enfrentan los usuarios primerizos y agilizar las experiencias transaccionales dentro del marco de Web3. Esta simbiosis entre IA y blockchain subraya la importancia del token $erc ai, que actúa como un puente entre las interfaces de usuario tradicionales y las capacidades avanzadas de las tecnologías descentralizadas. Cronología de Euruka Tech, $erc ai Desafortunadamente, como resultado de la información limitada disponible sobre Euruka Tech, no podemos presentar una cronología detallada de los principales desarrollos o hitos en el viaje del proyecto. Esta cronología, que suele ser invaluable para trazar la evolución de un proyecto y comprender su trayectoria de crecimiento, no está actualmente disponible. A medida que la información sobre eventos notables, asociaciones o adiciones funcionales se haga evidente, las actualizaciones seguramente mejorarán la visibilidad de Euruka Tech en la esfera cripto. Aclaración sobre Otros Proyectos “Eureka” Es importante señalar que múltiples proyectos y empresas comparten una nomenclatura similar con “Eureka”. La investigación ha identificado iniciativas como un agente de IA de NVIDIA Research, que se centra en enseñar a los robots tareas complejas utilizando métodos generativos, así como Eureka Labs y Eureka AI, que mejoran la experiencia del usuario en educación y análisis de servicio al cliente, respectivamente. Sin embargo, estos proyectos son distintos de Euruka Tech y no deben confundirse con sus objetivos o funcionalidades. Conclusión Euruka Tech, junto con su token $erc ai, representa un jugador prometedor pero actualmente oscuro dentro del paisaje de Web3. Si bien los detalles sobre su creador e inversores siguen sin revelarse, la ambición central de combinar inteligencia artificial con tecnología blockchain se erige como un punto focal de interés. Los enfoques únicos del proyecto para fomentar la participación del usuario a través de la automatización avanzada podrían distinguirlo a medida que el ecosistema Web3 progresa. A medida que el mercado de criptomonedas continúa evolucionando, los interesados deben mantener un ojo atento a los avances en torno a Euruka Tech, ya que el desarrollo de innovaciones documentadas, asociaciones o una hoja de ruta definida podría presentar oportunidades significativas en el futuro cercano. Tal como están las cosas, esperamos más información sustancial que podría desvelar el potencial de Euruka Tech y su posición en el competitivo paisaje cripto.

573 Vistas totalesPublicado en 2025.01.02Actualizado en 2025.01.02

Qué es ERC AI

Qué es DUOLINGO AI

DUOLINGO AI: Integrando el Aprendizaje de Idiomas con la Innovación de Web3 y AI En una era donde la tecnología remodela la educación, la integración de la inteligencia artificial (IA) y las redes blockchain anuncia una nueva frontera para el aprendizaje de idiomas. Presentamos DUOLINGO AI y su criptomoneda asociada, $DUOLINGO AI. Este proyecto aspira a fusionar la capacidad educativa de las principales plataformas de aprendizaje de idiomas con los beneficios de la tecnología descentralizada Web3. Este artículo profundiza en los aspectos clave de DUOLINGO AI, explorando sus objetivos, marco tecnológico, desarrollo histórico y potencial futuro, manteniendo la claridad entre el recurso educativo original y esta iniciativa independiente de criptomoneda. Visión General de DUOLINGO AI En su esencia, DUOLINGO AI busca establecer un entorno descentralizado donde los aprendices puedan ganar recompensas criptográficas por alcanzar hitos educativos en la competencia lingüística. Al aplicar contratos inteligentes, el proyecto pretende automatizar los procesos de verificación de habilidades y asignación de tokens, adhiriéndose a los principios de Web3 que enfatizan la transparencia y la propiedad del usuario. El modelo se aparta de los enfoques tradicionales para la adquisición de idiomas al apoyarse en una estructura de gobernanza impulsada por la comunidad, permitiendo a los poseedores de tokens sugerir mejoras al contenido del curso y a la distribución de recompensas. Algunos de los objetivos notables de DUOLINGO AI incluyen: Aprendizaje Gamificado: El proyecto integra logros en blockchain y tokens no fungibles (NFTs) para representar niveles de competencia lingüística, fomentando la motivación a través de recompensas digitales atractivas. Creación de Contenido Descentralizada: Abre caminos para que educadores y entusiastas de los idiomas contribuyan con sus cursos, facilitando un modelo de reparto de ingresos que beneficia a todos los contribuyentes. Personalización Potenciada por IA: Al emplear modelos avanzados de aprendizaje automático, DUOLINGO AI personaliza las lecciones para adaptarse al progreso de aprendizaje individual, similar a las características adaptativas encontradas en plataformas establecidas. Creadores del Proyecto y Gobernanza A partir de abril de 2025, el equipo detrás de $DUOLINGO AI permanece seudónimo, una práctica frecuente en el paisaje descentralizado de criptomonedas. Esta anonimidad está destinada a promover el crecimiento colectivo y la participación de las partes interesadas en lugar de centrarse en desarrolladores individuales. El contrato inteligente desplegado en la blockchain de Solana señala la dirección de la billetera del desarrollador, lo que significa el compromiso con la transparencia en las transacciones a pesar de que la identidad de los creadores sea desconocida. Según su hoja de ruta, DUOLINGO AI tiene como objetivo evolucionar hacia una Organización Autónoma Descentralizada (DAO). Esta estructura de gobernanza permite a los poseedores de tokens votar sobre cuestiones críticas como implementaciones de características y asignaciones de tesorería. Este modelo se alinea con la ética de empoderamiento comunitario que se encuentra en varias aplicaciones descentralizadas, enfatizando la importancia de la toma de decisiones colectiva. Inversores y Alianzas Estratégicas Actualmente, no hay inversores institucionales o capitalistas de riesgo identificables públicamente vinculados a $DUOLINGO AI. En cambio, la liquidez del proyecto proviene principalmente de intercambios descentralizados (DEXs), marcando un contraste marcado con las estrategias de financiación de las empresas tradicionales de tecnología educativa. Este modelo de base indica un enfoque impulsado por la comunidad, reflejando el compromiso del proyecto con la descentralización. En su libro blanco, DUOLINGO AI menciona la formación de colaboraciones con “plataformas de educación blockchain” no especificadas, destinadas a enriquecer su oferta de cursos. Aunque aún no se han divulgado asociaciones específicas, estos esfuerzos colaborativos sugieren una estrategia para combinar la innovación blockchain con iniciativas educativas, ampliando el acceso y la participación de los usuarios en diversas vías de aprendizaje. Arquitectura Tecnológica Integración de IA DUOLINGO AI incorpora dos componentes principales impulsados por IA para mejorar su oferta educativa: Motor de Aprendizaje Adaptativo: Este sofisticado motor aprende de las interacciones del usuario, similar a los modelos propietarios de las principales plataformas educativas. Ajusta dinámicamente la dificultad de las lecciones para abordar desafíos específicos del aprendiz, reforzando áreas débiles a través de ejercicios específicos. Agentes Conversacionales: Al emplear chatbots impulsados por GPT-4, DUOLINGO AI proporciona una plataforma para que los usuarios participen en conversaciones simuladas, fomentando una experiencia de aprendizaje de idiomas más interactiva y práctica. Infraestructura Blockchain Construido sobre la blockchain de Solana, $DUOLINGO AI utiliza un marco tecnológico integral que incluye: Contratos Inteligentes de Verificación de Habilidades: Esta característica otorga automáticamente tokens a los usuarios que superan con éxito las pruebas de competencia, reforzando la estructura de incentivos para resultados de aprendizaje genuinos. Insignias NFT: Estos tokens digitales significan varios hitos que los aprendices logran, como completar una sección de su curso o dominar habilidades específicas, permitiéndoles intercambiar o exhibir sus logros digitalmente. Gobernanza DAO: Los miembros de la comunidad que poseen tokens pueden participar en la gobernanza votando sobre propuestas clave, facilitando una cultura participativa que fomenta la innovación en la oferta de cursos y características de la plataforma. Línea de Tiempo Histórica 2022–2023: Conceptualización Los cimientos de DUOLINGO AI comienzan con la creación de un libro blanco, destacando la sinergia entre los avances de IA en el aprendizaje de idiomas y el potencial descentralizado de la tecnología blockchain. 2024: Lanzamiento Beta Un lanzamiento beta limitado introduce ofertas en idiomas populares, recompensando a los primeros usuarios con incentivos en tokens como parte de la estrategia de participación comunitaria del proyecto. 2025: Transición a DAO En abril, se produce un lanzamiento completo de la mainnet con la circulación de tokens, lo que provoca discusiones comunitarias sobre posibles expansiones a idiomas asiáticos y otros desarrollos de cursos. Desafíos y Direcciones Futuras Obstáculos Técnicos A pesar de sus ambiciosos objetivos, DUOLINGO AI enfrenta desafíos significativos. La escalabilidad sigue siendo una preocupación constante, particularmente en el equilibrio de los costos asociados con el procesamiento de IA y el mantenimiento de una red descentralizada y receptiva. Además, garantizar la creación y moderación de contenido de calidad en medio de una oferta descentralizada plantea complejidades en el mantenimiento de estándares educativos. Oportunidades Estratégicas Mirando hacia adelante, DUOLINGO AI tiene el potencial de aprovechar asociaciones de micro-certificación con instituciones académicas, proporcionando validaciones de habilidades lingüísticas verificadas por blockchain. Además, la expansión entre cadenas podría permitir al proyecto acceder a bases de usuarios más amplias y a ecosistemas blockchain adicionales, mejorando su interoperabilidad y alcance. Conclusión DUOLINGO AI representa una fusión innovadora de inteligencia artificial y tecnología blockchain, presentando una alternativa centrada en la comunidad a los sistemas tradicionales de aprendizaje de idiomas. Aunque su desarrollo seudónimo y su modelo económico emergente traen ciertos riesgos, el compromiso del proyecto con el aprendizaje gamificado, la educación personalizada y la gobernanza descentralizada ilumina un camino hacia adelante para la tecnología educativa en el ámbito de Web3. A medida que la IA continúa avanzando y el ecosistema blockchain evoluciona, iniciativas como DUOLINGO AI podrían redefinir cómo los usuarios se relacionan con la educación lingüística, empoderando a las comunidades y recompensando la participación a través de mecanismos de aprendizaje innovadores.

559 Vistas totalesPublicado en 2025.04.11Actualizado en 2025.04.11

Qué es DUOLINGO AI

Discusiones

Bienvenido a la comunidad de HTX. Aquí puedes mantenerte informado sobre los últimos desarrollos de la plataforma y acceder a análisis profesionales del mercado. A continuación se presentan las opiniones de los usuarios sobre el precio de AI (AI).

活动图片

Categorías popularesright-arrow

Etiquetas Popularesright-arrow