Lao Huang: El Prompt ha muerto, todo el círculo de IA corre frenéticamente tras el Loop

marsbitPublicado a 2026-06-29Actualizado a 2026-06-29

Resumen

"Prompt ha muerto, todo el mundo de la IA está obsesionado con Loop", afirman figuras como Jensen Huang. La ingeniería de bucles (Loop Engineering), un concepto popularizado en junio de 2026, representa un cambio fundamental: en lugar de escribir instrucciones manuales (prompts), los ingenieros ahora diseñan sistemas autónomos donde los agentes de IA descubren, ejecutan, validan y persisten tareas en ciclos continuos. Este enfoque, descrito en un "libro blanco" ampliamente compartido, consta de cinco acciones clave: descubrimiento, delegación, verificación (crítica, con un agente evaluador independiente), persistencia y programación. Aunque promete mayor eficiencia y escalabilidad, conlleva riesgos como deuda de verificación, corrupción de la comprensión del código y costos descontrolados de tokens. Líderes de Anthropic, OpenAI y otros revelan que más del 80% de sus ingenieros ya utilizan bucles de auto-mejora. El debate subraya que, si bien la generación de código se vuelve casi gratuita, el criterio humano para diseñar y supervisar estos bucles se convierte en el recurso más valioso y escaso. La era del prompt manual cede el paso a la del arquitecto de sistemas autónomos.

¿Cuál es la palabra más de moda en Silicon Valley últimamente?

Loop.

Al abrir X, todo Internet está hablando de Loop Engineering.

¡Numerosos grandes nombres de Silicon Valley están abandonando los prompts para volcarse en los ciclos autónomos!

Jensen Huang ("Lao Huang") nos marca el nuevo foco para la próxima etapa (y también la nueva forma de quemar tokens):

Nobody writes prompts anymore. The new job is to write and handle loops.

(Ya nadie escribe prompts, el nuevo trabajo es escribir Loops, manejar Loops.)

Recientemente, un ingeniero de Anthropic reveló:

Más del 80% de los ingenieros de Anthropic ya utilizan bucles de auto-mejora (self-improving loops), y en 3-6 meses alcanzará el 100%.

Andrew Ng afirma: ¡En 3 a 6 meses, el prompt desaparecerá! Es un hecho que Loop reemplazará al prompt.

Karpathy, al explicar su proyecto AutoResearch anteriormente, ya discutió el ciclo cerrado de los agentes de IA (generación → ejecución → evaluación → mejora), e hizo un llamado a eliminar parcialmente a los humanos del bucle.

En una entrevista en marzo, Karpathy profundizó específicamente sobre AutoResearch / Karpathy Loop.

Peter Steinberger, el padre de OpenClaw, declaró sin rodeos: Un recordatorio mensual, dejen de escribir prompts a mano, diseñar bucles es el camino real.

Boris Cherny, el padre de Claude Code, declaró directamente con audacia: ¡Los bucles Loop son el futuro!

Hace dos años, aún escribíamos código manualmente. Luego comenzamos la transición a dejar que los agentes escribieran el código.

Y ahora, nos dirigimos hacia una etapa en la que los agentes hacen prompts a otros agentes, y estos últimos generan el código.

El paso del código fuente a los agentes es grande, pero el significado y el impacto de introducir mecanismos de bucle no son para nada menores que el paso anterior.

Quién lo hubiera pensado, después de dos años de auge de la ingeniería de prompts, los principales ingenieros de IA ya no juegan.

¿Por qué los grandes nombres de Silicon Valley están entusiasmados con Loop?

La esencia del prompting tradicional es: los humanos son el bucle en sí mismos.

Tú escribes un prompt → El Agente produce una salida → Tú la revisas → Escribes el siguiente prompt → Y así sucesivamente.

Cada paso depende de la atención humana, la memoria del contexto y el ancho de banda de decisión. La cantidad de tokens y la complejidad de las tareas que una persona puede impulsar eficazmente en un día son limitadas.

La esencia de Loop Engineering es: el sistema se convierte en el bucle.

Por lo tanto, la ingeniería de bucles es más importante que la ingeniería de prompts.

Los humanos solo hacen un diseño de alto valor una vez:

1. Definir el objetivo y las condiciones de parada

2. Establecer mecanismos de verificación (lo más crucial)

3. Crear memoria persistente (markdown / estado externo)

4. Configurar descubrimiento y programación (scheduling)

Posteriormente, el sistema de bucle de IA puede descubrir tareas autónomamente → ejecutar → verificar → persistir → descubrir de nuevo, funcionando 24/7, con intervención humana solo cuando sea necesario.

Esta es la razón por la que los grandes nombres de Silicon Valley están entusiasmados con Loop.

Su juicio se basa en esto: ¡Una vez que el loop madure, la relación costo-beneficio de los prompts manuales colapsará directamente!

El Libro Blanco de 11 páginas sobre Loop Engineering se comparte frenéticamente en Internet

Entonces, ¿qué es exactamente el proceso de bucle?

En los últimos días, ha comenzado a circular frenéticamente en X un libro blanco sobre Loop Engineering.

https://drive.google.com/file/d/1qzKI4DKnyHRpXK1J3ATPqwaqLc0iNu-M/view

Este PDF de 11 páginas es esencialmente un resumen de tendencias / guía de campo, que recopila discusiones públicas relevantes y experiencias prácticas.

Las ideas centrales provienen de declaraciones públicas de Peter Steinberger, Boris Cherny y Addy Osmani.

¿Qué es Loop Engineering?

Loop Engineering (Ingeniería de Bucles), nombrada por Addy Osmani, ingeniero de Google Chrome, en junio de 2026.

Es la cuarta capa sobre la ingeniería de prompts, la ingeniería de contexto y la ingeniería de herramientas: las tres primeras capas asumen que estás sentado frente al teclado dirigiendo a la IA línea por línea; Loop Engineering busca sacarte de esa posición, liberándote completamente de la tarea de "trabajar".

A partir de ahora, ya no eres el motor que impulsa a la IA, sino el arquitecto que diseña ese motor.

El sistema se activará automáticamente en momentos establecidos, generará subagentes para realizar el trabajo y retroalimentará los resultados a sí mismo como entrada para la siguiente ronda.

El artículo desglosa un Loop completo en cinco acciones clave:

Descubrimiento (Discover): La IA utiliza una biblioteca de habilidades solidificada para encontrar trabajo valioso por sí misma, como leer los últimos registros de fallos de CI o problemas (Issues) no resueltos.

Traspaso (Handoff): Abre un sandbox independiente para cada tarea, permitiendo que múltiples agentes trabajen en paralelo sin interferir entre sí.

Verificación (Verify): Este es el paso más central. Si dejas que la IA que escribe código se califique a sí misma, solo se elogiará ciegamente. Por lo tanto, es necesario introducir un agente "evaluador" completamente independiente y escéptico por defecto para encontrar errores.

Persistencia (Persist): La memoria de la IA no puede permanecer solo en ventanas de contexto que se borran fácilmente; su estado y progreso deben solidificarse en el disco para poder continuar al día siguiente.

Programación (Schedule): Utilizar scripts automatizados para que el sistema funcione de forma autónoma y periódica, cerrando así todo el ciclo.

La verificación es la más difícil y la más fácil de omitir por pereza.

Si la IA se califica a sí misma, casi siempre se alabará, porque tiene en su "mente" una cadena de autoconvencimiento. La solución es introducir un Agente evaluador independiente que asuma por defecto que el código es defectuoso.

Sin embargo, el funcionamiento completamente automático del sistema no significa que puedas dormir tranquilo. El autor advierte: cuando el ciclo corre descontrolado durante la noche, pueden acumularse silenciosamente cuatro costos ocultos.

Deuda de verificación: errores sutiles no verificados se fusionan silenciosamente en el repositorio.

Corrupción de la comprensión: la IA escribe código demasiado rápido, lo que lleva a un desfase grave entre la comprensión humana del código base.

Rendición cognitiva: los humanos pierden las ganas de revisar y aceptan completamente los resultados de la IA.

Token fuera de control: la IA se atasca en un bucle infinito, reintentando toda la noche, quemando todo el presupuesto.

El mismo Loop, construido por dos personas, puede producir resultados diametralmente opuestos. Si introduces juicio, lo amplificas; si introduces pereza, la amplificas.

En resumen, este informe revela un cambio profundo en la industria: ¡la ingeniería de bucles hace que la generación de código sea casi gratuita, y el juicio humano se convierte en el único recurso escaso!

Además, también circula frenéticamente por Internet un manual práctico de 14 pasos de Codez, que ya tiene millones de compartidos.

La idea principal del artículo es la siguiente: El Prompt está obsoleto, el punto de palanca se ha movido un nivel más arriba: de "escribir palabras para que la IA las vea" a "diseñar un sistema que alimente automáticamente a la IA".

Esta transición se puede desglosar en 14 pasos y 3 etapas:

Primero, determina si realmente necesitas un bucle (¿la tarea es repetitiva? ¿Se puede automatizar la verificación? ¿El presupuesto puede soportarlo?), luego aprende los cinco componentes (programación, directorio de trabajo aislado, archivo de habilidades, conector externo, sub-agente evaluador independiente), y finalmente construye el bucle mínimo viable.

El punto más crucial es: separar al Agente que escribe código del Agente que revisa código. El mismo modelo que actúa como atleta y como árbitro siempre se calificará con la puntuación máxima.

Un bucle sin una puerta de verificación objetiva es simplemente "dos optimistas asintiendo mutuamente"; cuanto mejor funcione el bucle, más fácil será que los ingenieros dejen de entender realmente el código.

Cronología del nacimiento de Loop Engineering

Si queremos trazar una línea de tiempo para la ingeniería de bucles, sería aproximadamente la siguiente.

Etapa inicial de fundamentación

2022: Yao Shunyu y otros proponen el marco ReAct, sentando las bases teóricas.

2025: Geoffrey Huntley propone "Ralph".

Finales de 2025 – principios de 2026: Andrej Karpathy lanza el proyecto AutoResearch, formando el clásico ciclo de experimentación autónoma, un gran hito.

Etapa de explosión conceptual y nombramiento

Principios de junio de 2026, Peter Steinberger habla: No deberías escribir prompts manualmente para agentes de codificación, sino diseñar bucles que los promuevan.

Boris Cherny afirma: Ya no hago prompts directamente a Claude, mi trabajo es escribir bucles que ejecuten a Claude.

7 de junio de 2026: Addy Osmani publica el blog "Loop Engineering", dándole oficialmente el nombre y proporcionando el marco de 4 capas: Prompt → Context → Harness → Loop Engineering.

Posteriormente, durante todo junio, Loop Engineering comenzó a propagarse viralmente en toda Internet.

El "bucle infinito" de Claude, agentes automatizados toman el control de todo

En un podcast interno, los ingenieros de Anthropic revelaron un detalle escalofriante:

Cuando haces clic en ejecutar, poniendo a Claude a trabajar durante 8 horas, en realidad estás haciendo una apuesta de potencia de cálculo de 500 dólares.

Si aún estás preocupado por cómo escribir prompts, ya has perdido.

En la lógica de Anthropic, los ingenieros están evolucionando hacia "asignadores de potencia de cálculo".

Tu trabajo central ya no es escribir lógica, sino decidir hacia dónde dirigir cada centavo de potencia de cálculo.

Como señaló el investigador de OpenAI, Noam Brown, a principios de este mes, los modelos contemporáneos pueden resolver casi cualquier problema siempre que estés dispuesto a invertir suficiente potencia de cálculo.

Loop Engineering es parte de la gran tendencia de la "computación en tiempo de prueba".

Curiosamente, la idea de que los agentes trabajen en ciclos ya tenía sus prototipos.

Al menos el verano pasado, Geoffrey Huntley, el pastor de ovejas australiano, ya mencionaba una práctica similar en su blog, llamándola "Ralph Loop".

Hace un año, si querías implementar un bucle, tenías que escribir un montón de scripts bash y luego mantener ese código para siempre, perteneciendo solo a ti.

Pero ahora, estos componentes están integrados directamente en los productos.

Ya no discutes si usar Codex o Claude Code, sino que diseñas bucles que funcionen sin importar en qué herramienta estés.

Addy Osmani, exdirector de ingeniería y relaciones con desarrolladores de Google, señaló que las partes necesarias para Loop Engineering ya están presentes en estas herramientas de IA.

También afirma que Loop Engineering puede llevar a los ingenieros a una "rendición cognitiva":

Cuando el ciclo funciona por sí solo, es fácil dejar de pensar y solo aceptar pasivamente todo lo que retroalimenta.

Esto es precisamente lo que preocupa a Armin Ronacher, de ingeniería de software.

Esto es también lo que se dice en Orange Book (El Libro Naranja), Addy Osmani anima a todos a diseñar bucles con juicio:

Diseñar bucles, si se hace con juicio es la cura, si se hace para escapar del pensamiento es el catalizador — la misma acción, resultados completamente opuestos.

El ciclo no cesa, la ingeniería no muere

En la conferencia de ingenieros de IA de abril, un ingeniero de Anthropic dijo que hicieron que Claude desarrollara una App de juegos retro, usando dos métodos: uno usando solo prompts mínimos, el otro usando un bucle de agentes.

El contraste de resultados fue notable: la versión con prompts mínimos tomó 20 minutos y costó 9 dólares; mientras que el método de bucle tomó 6 horas y costó 200 dólares.

Pero la calidad de la App producida por este último fue muy superior.

El primer juego ni siquiera funcionaba, la App era muy básica; mientras que la versión de bucle era mucho más rica, incluyendo muchas funciones que el diseñador del juego quería.

El bucle no tiene piedad de quienes abandonan el pensamiento. Solo usará una velocidad aún mayor para convertir tu ignorancia en deuda dentro del código.

Y aquellos dispuestos a mantener una comprensión "torpe", a definir reglas continuamente y a asumir la responsabilidad por el resultado final, obtendrán una palanca mayor que nunca en esta migración de paradigma.

Build the loop. Stay the engineer.

El Prompt ha muerto, el Loop está en ejecución.

Y tú, sigues siendo quien decide su significado.

Referencias:

https://x.com/DataScienceDojo/status/2069873216152092975

https://x.com/0xCodez/status/2064374643729773029

https://x.com/akshay_pachaar/status/2069769689560187027

Este artículo proviene del WeChat público "New Zhiyuan" (新智元), autor: ASI Apocalipsis

Criptos en tendencia

Preguntas relacionadas

Q¿Qué significa 'Loop Engineering' según el artículo y por qué está reemplazando a los 'prompts'?

ASegún el artículo, 'Loop Engineering' (Ingeniería de Ciclos) es una nueva capa en el uso de la IA que va más allá de la ingeniería de 'prompts', contexto y herramientas. Se trata de diseñar sistemas autónomos donde los agentes de IA puedan trabajar en ciclos continuos (descubrir tareas, ejecutarlas, verificar resultados, persistir información y programarse) sin necesidad de intervención humana constante. Esto está reemplazando a los 'prompts' manuales porque, una vez configurado, el sistema puede operar 24/7, ofreciendo una escalabilidad y eficiencia muy superiores. Los expertos como Tzu-Hsien Chiu (老黄), Andrew Ng y otros afirman que la relación costo-beneficio de los 'prompts' manuales colapsará frente a los ciclos maduros.

QSegún los expertos mencionados en el texto, ¿cuáles son los componentes clave de un 'Loop' funcional?

AEl artículo describe un 'Loop' funcional compuesto por cinco componentes clave: 1) **Descubrimiento**: La IA utiliza una biblioteca de habilidades para encontrar trabajo valioso (ej. leer fallos de CI o 'issues' no resueltos). 2) **Traspaso**: Crea entornos aislados (sandboxes) para que múltiples agentes trabajen en paralelo sin interferencias. 3) **Verificación**: Es el paso más crítico. Implica usar un agente evaluador independiente (no el que genera el código) para revisar y criticar el trabajo, evitando el sesgo de autoevaluación positiva. 4) **Persistencia**: Guardar el estado y el progreso en disco para que el sistema pueda retomarlo más tarde, más allá de la memoria temporal del contexto. 5) **Programación**: Automatizar el inicio y la repetición del ciclo mediante scripts, cerrando así el bucle de trabajo autónomo.

Q¿Qué riesgos o 'deudas ocultas' menciona el artículo sobre el uso de sistemas de 'Loop' totalmente automatizados?

AEl artículo advierte sobre cuatro riesgos o 'deudas ocultas' principales al usar 'Loops' totalmente automatizados: 1) **Deuda de verificación**: Errores sutiles y no verificados que se acumulan e integran en el código base. 2) **Corrupción de la comprensión**: Los humanos pierden la noción del código generado a alta velocidad, lo que lleva a un desfase en la comprensión del proyecto. 3) **Rendición cognitiva**: La tendencia de los ingenieros a dejar de revisar y aceptar ciegamente los resultados de la IA. 4) **Descontrol de 'tokens'**: La posibilidad de que la IA entre en un bucle sin fin, consumiendo el presupuesto de computación ('tokens') durante la noche. El artículo subraya que el 'Loop' amplifica tanto el buen juicio como la pereza del diseñador.

Q¿Quién acuñó el término 'Loop Engineering' y cuál es la línea temporal de su desarrollo según el texto?

AEl término 'Loop Engineering' fue acuñado oficialmente por Addy Osmani, ingeniero de Google Chrome, en junio de 2026. La línea temporal de desarrollo descrita en el artículo es: **Fase de fundamentos (2022-2026)**: Incluye el marco ReAct (2022), la propuesta de 'Ralph' por Geoffrey Huntley (2025) y el proyecto AutoResearch de Andrej Karpathy (2025-2026). **Fase de explosión conceptual y nombramiento (Junio 2026)**: Peter Steinberger y Boris Cherny promueven activamente la idea de diseñar ciclos en lugar de 'prompts' manuales. El 7 de junio de 2026, Addy Osmani publica el blog 'Loop Engineering' dándole nombre formal y un marco de 4 capas. Posteriormente, el concepto se viraliza en internet durante ese mismo mes.

QSegún el ejemplo de Anthropic, ¿qué ventaja clave demostró el enfoque de 'Loop' frente al uso de 'prompts' simples para desarrollar una aplicación?

AEn un ejemplo presentado en la conferencia de ingenieros de IA en abril, Anthropic comparó dos métodos para desarrollar una aplicación de un juego retro: uno con 'prompts' mínimos y otro usando un ciclo de agentes autónomos ('Loop'). El método de 'prompts' simples fue más rápido y barato (20 minutos, 9 dólares), pero produjo una aplicación básica y con fallos. El método de 'Loop' fue más lento y costoso (6 horas, 200 dólares), pero generó una aplicación de calidad significativamente mayor, con muchas más funciones y mejor implementadas. La ventaja clave demostrada es que, aunque requiere más tiempo e inversión inicial, el 'Loop' puede producir resultados más complejos, robustos y alineados con los objetivos, liberando a los ingenieros para enfocarse en el diseño del sistema en lugar de en la microgestión.

Lecturas Relacionadas

Exceso de 1,7 millones de dólares: La caja negra de las facturas de IA queda al descubierto, Anthropic devuelve el dinero pero no reconoce el error

Una auditoría de facturas de IA realizada por la empresa Vaudit en 60 compañías, incluyendo nombres como Panasonic, HP y Honda, identificó cerca de 1.7 millones de dólares en posibles cobros excesivos, principalmente relacionados con el uso de Claude Code de Anthropic. A pesar de que alrededor del 80% de estos cargos en disputa fueron reembolsados por proveedores como Amazon, Google, Microsoft, Anthropic y OpenAI, estas empresas no admitieron ningún error en sus sistemas de facturación. Los supuestos sobrecargos se atribuyeron a tres patrones comunes: facturar por un modelo más caro que el realmente utilizado, cobrar por solicitudes fallidas o con errores, y las "tormentas de reintentos", donde un agente de IA reintenta automáticamente una tarea fallida, generando costos ocultos sin que el usuario lo sepa. El caso subraya la creciente opacidad y complejidad de la facturación de IA, basada en tokens de uso difícil de rastrear y predecir, especialmente con arquitecturas multiagente. Esta falta de transparencia ha impulsado el surgimiento de servicios de auditoría especializados como Vaudit, que opera cobrando un porcentaje de los cargos recuperados. En un contexto separado, Anthropic enfrenta una demanda colectiva por supuestamente ofrecer menos capacidad de uso de la anunciada en sus planes de suscripción Max. Estos incidentes ocurren mientras principales actores de IA se preparan para ofertas públicas iniciales (IPO), destacando la tensión entre el rápido crecimiento del sector y la necesidad de claridad para los clientes que pagan.

marsbitHace 17 min(s)

Exceso de 1,7 millones de dólares: La caja negra de las facturas de IA queda al descubierto, Anthropic devuelve el dinero pero no reconoce el error

marsbitHace 17 min(s)

¿La acción de Circle se ha reducido a la mitad en 45 días, convirtiéndose en un "barómetro de DeFi"?

Redacción: Eric, Foresight News En junio de 2026, Circle experimentó una fuerte caída. La circulación de USDC se redujo a 736 mil millones, 70 mil millones menos que su punto máximo, y el precio de las acciones de Circle se redujo a la mitad, llegando a alrededor de 63 dólares. En comparación, USDT apenas disminuyó un 3%. Aunque no hay pruebas directas, la sincronización entre la caída de USDC y la del precio de las acciones, junto con incidentes de seguridad en DeFi, respaldan la idea de un analista: Circle es un barómetro de la actividad DeFi. El 75% de USDC circula en exchanges y protocolos DeFi, no en pagos cotidianos. La concentración en pocas direcciones es alta. Mientras que USDT tiene casos de uso reales como pagos de salarios o protección de ahorros en algunos países, USDC depende más de DeFi. El TVL total de DeFi comenzó a caer en abril tras un ataque a Kelp DAO, y el precio de Circle cayó en mayo, mostrando tendencias similares. Para impulsar el uso, Circle colaboró con Coinbase para que USDC fuera el activo de liquidación en Hyperliquid, cediendo el 90% de los rendimientos de las reservas. También se utiliza en plataformas como Lighter y en pagos institucionales regulados. Sin embargo, estos usos "reales" no generan tanto volumen de emisión como la actividad en cadena. El crecimiento futuro de Circle depende de reducir su dependencia de DeFi o de demostrar que los pagos tradicionales pueden aumentar significativamente la circulación de USDC. A corto plazo, la clave está en que DeFi recupere la confianza del mercado superando los desequilibrios entre riesgo y rendimiento.

Foresight NewsHace 18 min(s)

¿La acción de Circle se ha reducido a la mitad en 45 días, convirtiéndose en un "barómetro de DeFi"?

Foresight NewsHace 18 min(s)

Tencent compra chips de Baidu

Los gigantes tecnológicos chinos, que tradicionalmente competían en ecosistemas cerrados, están cambiando su estrategia hacia la apertura y especialización en la era de la IA. Un ejemplo clave es el reporte de que Tencent se ha convertido en cliente importante de Kunlunxin, la unidad de chips de IA de Baidu, la cual planea una OPI con una valoración que supera a la de su matriz. Fenómenos similares ocurren con Alibaba, cuyo brazo de semiconductores, T-Head, también busca independizarse. Este giro estratégico responde a un cambio en la lógica de la industria. En el pasado, los chips eran un centro de costos interno para reducir gastos en hardware. Hoy, con la explosión de agentes de IA y aplicaciones multimodales, la inferencia se ha convertido en un negocio masivo por sí mismo, transformando a estos departamentos en fuentes de ingresos. Para alcanzar economías de escala y reducir costos, es crucial vender a clientes externos, incluso a competidores. Esta dinámica refleja una maduración del ecosistema de IA en China, donde comienza a surgir una división del trabajo similar a la de la industria global. Gigantes como OpenAI, Google y Amazon también desarrollan sus propios chips para controlar costos de inferencia, su mayor gasto, y crear ventajas mediante la optimización integral de software y hardware. La carrera de la IA ha descendido a la infraestructura. La competencia ya no se centra únicamente en los parámetros del modelo, sino en métricas fundamentales como el coste por token, la eficiencia de los clústeres de inferencia y el acceso garantizado a potencia de cálculo. La desvinculación de capacidades como los chips señala el fin de la era de los monopolios cerrados y el inicio de una colaboración forzada por la magnitud y complejidad de la cadena de suministro de IA.

marsbitHace 33 min(s)

Tencent compra chips de Baidu

marsbitHace 33 min(s)

AI como jefe, a punto de llevar a la quiebra a 10 empresas...

La Universidad de Princeton ha creado un simulador llamado **CEO-Bench** que evalúa la capacidad de las IAs para gestionar una empresa virtual de SaaS durante 500 días, con un capital inicial de 1 millón de dólares. El objetivo es maximizar las ganancias. De los 14 modelos evaluados, solo **Claude Fable 5** destacó de manera excepcional, logrando 47,15 millones de dólares. Le siguieron Claude Opus 4.8 y GPT-5.5 con ganancias positivas. Sorprendentemente, un algoritmo simple basado en reglas obtuvo el cuarto lugar con 15,76 millones, superando a varios modelos avanzados. La investigación revela que el éxito en este entorno incierto requiere **exploración y adaptación constante**, en lugar de un enfoque conservador. Los mejores modelos mostraron una alta capacidad para **detectar información oculta, predecir flujos de efectivo y planificar con antelación**. Además, se observó que el uso de agentes especializados en programación no siempre es eficaz en este contexto, ya que la optimización para otras tareas puede limitar su desempeño. El estudio concluye que, aunque la IA ha demostrado habilidades notables para la gestión operativa dentro de un marco establecido, **la intuición estratégica y la capacidad de simplificar problemas complejos—como hizo Steve Jobs con la matriz de productos de Apple—siguen siendo cualidades humanas distintivas.** La IA aún no puede replicar la visión transformadora necesaria para tomar decisiones radicales en escenarios de alta incertidumbre.

marsbitHace 43 min(s)

AI como jefe, a punto de llevar a la quiebra a 10 empresas...

marsbitHace 43 min(s)

Trading

Spot

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.

569 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.

597 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.

584 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