Artículos Relacionados con Agente

El Centro de Noticias de HTX ofrece los artículos más recientes y un análisis profundo sobre "Agente", cubriendo tendencias del mercado, actualizaciones de proyectos, desarrollos tecnológicos y políticas regulatorias en la industria de cripto.

De bloquear Doubao a abrazar Honor: ¿Por qué WeChat cambió repentinamente su postura?

**Resumen: ¿Por qué WeChat cambió su postura, de bloquear a 'Doubao' a colaborar con Honor?** WeChat, la superapp de Tencent, ha dado un giro radical al abrir su ecosistema a los asistentes de IA de los fabricantes de teléfonos mediante el protocolo A2A (Agente a Agente). Anteriormente, en 2025, bloqueó agresivamente intentos de control externo, como el del teléfono 'Doubao' de ByteDance, que usaba la ruta GUI (simulación de clics), por considerarlo una "invasión". Esta colaboración, ya activa en dispositivos Honor (50% de modelos activos) y en proceso con Xiaomi, OPPO y vivo, permite que asistentes como YOYO envíen mensajes o hagan llamadas por WeChat por comando de voz, pero bajo estricto control de WeChat. El cambio se debe a la presión competitiva de Tencent en IA. Su modelo 'Yuanbao' (57 millones de usuarios activos mensuales) está muy por detrás de 'Doubao' (345 millones) o 'Tongyi Qianwen' de Alibaba. WeChat, con 1.400 millones de usuarios y su vasto ecosistema de mini-programas, es su baza clave. La nueva estrategia busca convertir a WeChat en un "sistema operativo de servicios" de IA, utilizando los asistentes del teléfono como puerta de entrada, sin ceder el control. Para los fabricantes, A2A es una opción pragmática. La ruta GUI está bloqueada, mientras que A2A les da acceso controlado y les permite centrarse en otros escenarios de IA propios (recomendaciones, servicios locales), enriqueciendo sus datos y ecología. La seguridad se basa en una autorización doble (usuario + aplicación). En esencia, es una alianza táctica de conveniencia. Tencent gana un canal de distribución crucial para su futuro agente de IA interno. Los fabricantes resuelven un cuello de botella de interoperabilidad. A largo plazo, sus objetivos chocan: Tencent quiere centralizar los servicios en WeChat, los fabricantes quieren que su asistente del sistema sea el centro. La batalla por la entrada a la era de la IA acaba de comenzar.

marsbit06/06 01:53

De bloquear Doubao a abrazar Honor: ¿Por qué WeChat cambió repentinamente su postura?

marsbit06/06 01:53

Near vuelve al escenario de la IA: la transformación en cadena pública por problemas para pagar salarios, y los agentes y la privacidad como nueva narrativa de crecimiento

**Resumen: Near regresa a la IA: De una cadena de bloques por problemas de pago a Agentes y privacidad como nueva narrativa** Near, fundada por Illia Polosukhin, coautor del influyente artículo "Transformer" de IA, nació de manera inesperada en 2017. La razón original fue pragmática: una startup de IA que Polosukhin cofundó tuvo que pausar su trabajo en "síntesis de programas" (enseñar a máquinas a escribir código) debido a la dificultad de pagar a desarrolladores remotos en todo el mundo. Ante sistemas de pago transfronterizos ineficientes, él y su cofundador decidieron construir su propia cadena de bloques escalable y de bajo costo: Near. Aunque Near ganó tracción como cadena de alto rendimiento, su momento crucial llegó con el auge actual de la IA. La participación de Polosukhin en eventos como el GTC de Nvidia volvió a poner el foco en su legado en IA. Near ha reposicionado su tecnología hacia dos áreas clave: 1. **Near Intents (Intenciones):** Este sistema abstrae la complejidad de las transacciones entre cadenas. Los usuarios (o futuros Agentes de IA) solo declaran su objetivo (ej. "intercambiar BTC por ETH"), y una red de "solvers" (solucionadores) encuentra y ejecuta la mejor ruta, manejando los costos de gas de fondo. Esta capa ha procesado más de **200.000 millones de dólares** en volumen y generado **más de 34 millones** en tarifas, integrada en 25 cadenas. 2. **Transacciones Privadas:** Near ha lanzado funciones de "Intenciones Confidenciales" e "Intercambios Confidenciales" que ocultan los detalles de las operaciones (monto, dirección) hasta su liquidación. Esto protege a los grandes traders del "MEV" y del deslizamiento. Sorprendentemente, este tipo de transacciones ya representa **más del 40%** del volumen reciente en Near, mostrando una fuerte demanda, pero también planteando posibles desafíos regulatorios en el futuro. En resumen, Near ha vuelto a sus raíces en IA, aprovechando su tecnología de cadena abstracta para facilitar la economía de los Agentes de IA y abordando la creciente demanda de privacidad en DeFi, mientras navega por las oportunidades y riesgos de este nuevo capítulo.

marsbit06/05 12:55

Near vuelve al escenario de la IA: la transformación en cadena pública por problemas para pagar salarios, y los agentes y la privacidad como nueva narrativa de crecimiento

marsbit06/05 12:55

Después de llamar la atención de IBM, three se multiplicó por 50

Un mensaje de cooperación con IBM ha catapultado al proyecto three.ws, del ecosistema Solana, al centro de atención. Su token, THREE, se disparó hasta 50 veces su valor. La causa directa fue la respuesta oficial de IBM a las publicaciones de three.ws sobre la colaboración, lo que provocó un pico de capitalización de mercado de más de 16 millones de dólares. Three.ws se define como la "capa de agente 3D de Internet". Su objetivo es sacar a los asistentes de IA del cuadro de chat, dotándolos de un cuerpo 3D, memoria, identidad, billetera y canales de distribución para que sean personajes digitales interactivos y ejecutables en páginas web. La plataforma permite a los desarrolladores crear un agente 3D, conectarle modelos de lenguaje, sistemas de memoria, voz y habilidades, e incrustarlo en cualquier sitio web mediante un componente. El agente puede tener una billetera de Solana para realizar pagos. Técnicamente, se compone de cuatro capas: la de visualización (renderizado 3D), la de agente (cerebro y comportamiento), la de identidad (pasaporte digital opcional) y la de distribución (incrustación en webs). Para llegar al mercado empresarial, three.ws se ha asociado con IBM, integrando sus modelos Granite y canales comerciales, y con AWS Marketplace, facilitando la adquisición y facturación para clientes corporativos. Estas colaboraciones buscan transformar a estos agentes 3D de meras demostraciones en servicios gestionables para empresas. La cuestión pendiente es si existe una demanda real de estos agentes con identidad digital y qué función específica desempeñará el token THREE en este ecosistema.

foresightnews_api06/05 04:29

Después de llamar la atención de IBM, three se multiplicó por 50

foresightnews_api06/05 04:29

ByteDance adopta CPUs Arm, Jensen Huang: "Qué pena no haber comprado Arm"

En el marco de Computex 2026, el CEO de Arm, Rene Haas, anunció que ByteDance y Oracle han adoptado la CPU de centro de datos diseñada por Arm, la "Arm AGI". Esta arquitectura está ganando terreno significativo en el sector, respaldada también por partners como OpenAI y Meta. Haas destacó que la demanda de esta CPU se duplicó recientemente, proyectando ingresos anuales de 150.000 millones de dólares en unos cinco años. Además, argumentó que restringir la exportación de CPUs para IA a China es "casi imposible" debido a su amplia aplicabilidad y la dificultad para definir umbrales específicos. Durante el evento, Jensen Huang, CEO de NVIDIA, se unió a Haas en el escenario, manteniendo una conversación dinámica y humorística donde ambos expresaron su pesar por el fracaso de la adquisición de Arm por parte de NVIDIA. Huang presentó el superchip RTX Spark de NVIDIA, basado en arquitectura Arm, diseñado para PCs con agentes de IA locales. Explicó cómo estos agentes, capaces de operar de forma autónoma y usar herramientas, transformarán la computación personal, aumentando masivamente la demanda de procesamiento. Subrayó que los sistemas operativos seguirán siendo cruciales para gestionar estas nuevas capacidades. Haas detalló la hoja de ruta de Arm para CPUs de PC y centros de datos. En el segmento de PCs, Arm colabora estrechamente con socios como NVIDIA y MediaTek. Para centros de datos, presentó el plan a tres años para la familia Arm AGI CPU, fabricada por TSMC en 3nm, con una segunda y tercera generación ya en desarrollo. Tanto Huang como Haas coincidieron en que la explosión de los agentes de IA está desplazando el foco de la competencia por el rendimiento hacia las CPUs, ya que estas manejan tareas intensivas como la gestión de estados y la orquestación de procesos. La eficiencia energética se consolida como el eje principal de la competencia futura en chips.

marsbit06/04 04:55

ByteDance adopta CPUs Arm, Jensen Huang: "Qué pena no haber comprado Arm"

marsbit06/04 04:55

La CPU, regresando sigilosamente al centro del escenario de la potencia computacional de IA

En los últimos tres años, la narrativa del cómputo de IA se centró casi exclusivamente en las GPU. Sin embargo, a partir de 2026, esta visión está cambiando. A medida que las cargas de trabajo de IA evolucionan desde el entrenamiento de modelos a gran escala hacia la inferencia masiva y la ejecución de agentes inteligentes, surge un nuevo cuello de botella: la orquestación, la concurrencia y el flujo de datos. El CPU está recuperando un papel central, no como proveedor principal de cómputo paralelo, sino como el "plano de control" de la infraestructura de IA. Este cambio es impulsado por la necesidad de gestionar miles de tareas ligeras, peticiones de inferencia y agentes simultáneamente, tareas para las cuales la arquitectura de GPU no está optimizada. Un ejemplo concreto: en los centros de datos de IA avanzados, como el proyecto "Fairwater" de Microsoft para OpenAI, extensos clusters de CPU son necesarios para sostener y gestionar las operaciones de los masivos clusters de GPU, manejando el flujo de datos y la planificación de tareas. Intel, con su nuevo procesador Xeon 6+ (fabricado en su proceso Intel 18A y con hasta 288 núcleos de eficiencia -E-cores), apuesta precisamente por este nicho. Su diseño prioriza la alta densidad de núcleos y la eficiencia energética para manejar cargas de trabajo de alto rendimiento y alta concurrencia propias de la inferencia y los agentes de IA. Sin embargo, el éxito de este "regreso del CPU" no está garantizado para Intel. Enfrenta una competencia multifacética: las soluciones integradas "CPU+GPU" de NVIDIA, el avance de los CPU ARM de alta densidad de AMD y Ampere, y la tendencia de los principales proveedores de nube (AWS, Google, Microsoft, Alibaba) a desarrollar sus propios CPU ARM personalizados para estos mismos workloads. En conclusión, la redefinición del CPU como el plano de control orquestador en la infraestructura de IA es una tendencia industrial clara. Que Intel, con su Xeon 6+, logre capitalizar esta oportunidad dependerá de su capacidad para competir en un panorama donde la arquitectura, el proceso de fabricación y los ecosistemas están en constante disputa.

marsbit06/03 10:45

La CPU, regresando sigilosamente al centro del escenario de la potencia computacional de IA

marsbit06/03 10:45

Desde el IDE hasta la terminal: Un manual práctico de ingeniería de agentes

De la interfaz a la terminal: Un manual práctico de ingeniería de agentes Matt Van Horn desató un debate en marzo de 2026 al afirmar que desarrollaba sin abrir un IDE gráfico, usando solo la terminal y un archivo `plan.md`. Su método, recopilado luego por Meng Shao, se basa en un ciclo de "Research → Plan → Work" y 22 técnicas prácticas. Este flujo de trabajo reemplaza la edición manual y la retroalimentación visual del IDE (resaltado, depuración) por un modelo de "delegación por lotes". La persona se centra en definir la dirección y revisar planes, mientras los agentes ejecutan. El archivo `plan.md` es clave: no es documentación para humanos, sino un "contrato" externo y persistente para guiar y restringir a los agentes, evitando la "corrupción del contexto" en conversaciones largas. La fase de **Research** usa herramientas como `last30days-skill` para que el agente analice información comunitaria antes de actuar. En la fase de **Plan**, se genera y revisa minuciosamente el `plan.md` con `ce:plan`, inyectando conocimiento experto. La fase de **Work**, con `ce:work`, delega la ejecución a sub-agentes paralelos. Se enfatiza dedicar el 80% del tiempo a planificar/revisar y solo el 20% a ejecutar. Se destacan seis técnicas: generar planes inmediatamente sin pre-pensar en exceso; hacer que el agente resuma los planes largos; usar múltiples terminales en paralelo; usar entrada por voz para diseños complejos; activar tareas asíncronas por correo; y cargar "skills" comunitarios para ampliar capacidades. Las críticas señalan que este flujo requiere experiencia en diseño de sistemas y prompt engineering, y no es apto para aprendices que dependen de la retroalimentación visual del IDE. Concentra el riesgo en la fase de revisión del plan: un error allí se amplifica. Además, existe el riesgo de "psicosis de IA", donde optimizar el flujo de trabajo se convierte en un fin en sí mismo. En resumen, este enfoque es un amplificador de eficacia para quienes ya saben lo que necesitan construir, no una herramienta de aprendizaje. Sus componentes principales (CLIs, plugins como Compound Engineering, skills) evolucionan rápidamente, definiendo una ventana temprana para la experimentación.

marsbit06/03 07:02

Desde el IDE hasta la terminal: Un manual práctico de ingeniería de agentes

marsbit06/03 07:02

Tras 540 mil líneas de código, Garry Tan descubre que el antiguo juego de la programación con IA ha terminado

Cuando cada vez más personas debaten si la IA reemplazará a los programadores, Garry Tan, presidente de Y Combinator, plantea otra cuestión: si la IA ya puede realizar la mayor parte del trabajo de programación, ¿por qué seguimos gestionándola con métodos diseñados para software tradicional? Tras meses desarrollando un proyecto de 540.000 líneas de código llamado "Garry's List" con Rails y Agentes de IA, Tan concluyó que el valor real no estaba en el código, sino en el "GStack", un nuevo marco de trabajo centrado en flujos de Agentes de IA. Critica la tendencia actual de envolver los modelos de lenguaje con excesivas pruebas, validaciones y lógica de control, comparándola con construir una "fábrica de Foxconn" para un trabajador superinteligente que no la necesita. Con la rápida reducción de costos y la mejora de capacidades de los LLM, Tan argumenta que el enfoque debe cambiar de "escribir más código" a "diseñar más capacidades". Propone usar Markdown para crear "skill packs" (paquetes de habilidades), módulos reutilizables y probables que permiten a los Agentes generar código, pruebas y sistemas de evaluación automáticamente. Esto transforma flujos complejos en activos reutilizables, como demostró al hacer que un Agente evaluara 85 proyectos de un hackathon en solo 30 minutos. El núcleo del argumento es que la lógica industrial del software está llegando a su fin. Cuando el código deja de ser el recurso más escaso, la ventaja competitiva de los ingenieros se desplaza hacia la claridad de pensamiento, el criterio y la capacidad de definir problemas y destilar experiencias en habilidades reutilizables. El mejor ingeniero del futuro no será el que escriba más código, sino el que, escribiendo menos, sea capaz de liberar más inteligencia.

marsbit06/02 21:43

Tras 540 mil líneas de código, Garry Tan descubre que el antiguo juego de la programación con IA ha terminado

marsbit06/02 21:43

活动图片