Artículos Relacionados con Optimización

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

Las revelaciones financieras de Trump te enseñan la estrategia de optimización fiscal más subestimada

**Resumen del artículo:** Las recientes divulgaciones financieras de Donald Trump revelan estrategias clave de optimización fiscal aplicables a los inversores en criptoactivos. El principio fundamental es claro: no hay obligación tributaria por las ganancias no realizadas. Trump posee importantes cantidades de Bitcoin (más de $50M) y Ethereum ($5-25M) en carteras frías, pero al no venderlas, evita el pago inmediato del impuesto sobre las ganancias de capital. Este diferimiento puede ser indefinido. Sin embargo, ciertos ingresos activos sí generan impuestos en el año de recepción. Trump declaró ingresos por recompensas de staking de Ethereum ($510,808) y por intereses de USDC ($45,932), los cuales están sujetos al impuesto sobre la renta ordinaria. De manera similar, los ingresos por regalías de memecoins ($635M) y por la venta de tokens ($236.25M) de proyectos asociados se gravan como renta ordinaria o como ganancias de capital, según el caso. La lección principal es simple pero poderosa: la estrategia fiscal más subestimada y accesible para cualquier inversor es la **diferencia temporal**. Mantener los activos que aprecian sin venderlos permite diferir los impuestos indefinidamente. Solo eventos como ventas, intercambios o gastos generan una obligación tributaria inmediata.

Foresight News07/03 07:53

Las revelaciones financieras de Trump te enseñan la estrategia de optimización fiscal más subestimada

Foresight News07/03 07:53

Guía del modo meta de Codex: Cómo hacer que la IA avance continuamente hacia un objetivo específico

**Guía del modo Objetivo de Codex: Cómo hacer que la IA avance hacia una meta concreta** El modo /goal de Codex transforma a la IA de asistente de código a agente ejecutivo que trabaja de forma continua hacia un objetivo claro. La clave no es escribir indicaciones extensas, sino definir criterios verificables de salida, como "reducir el tiempo de despliegue un 30%" o "lograr una cobertura de pruebas del 100%". Esto permite a Codex evaluar cuándo se completa la tarea y evitar bucles infinitos. Para maximizar su eficacia, es crucial: 1. **Establecer estándares claros y medibles**, preferiblemente con métricas numéricas. 2. **Proporcionar orientación** sobre herramientas, restricciones o áreas de enfoque para evitar desvíos. 3. **Permitir la medición del progreso**, dotando a Codex de herramientas para evaluar avances (por ejemplo, comparadores visuales para tareas de diseño). 4. **Crear un entorno realista** donde Codex pueda probar soluciones en condiciones cercanas a producción. 5. **Ser cauteloso con objetivos visuales** (como replicar un píxel perfecto), ya que pueden llevar a obsesionarse con detalles; es mejor usar listas funcionales o especificaciones de diseño. 6. **Seguir el progreso** mediante commits, PRs borradores, actualizaciones en Slack o documentos de estado. 7. **Revisar y consolidar los resultados** finales, eliminando intentos fallidos y optimizando el código generado. En resumen, /goal convierte a Codex en un "ejecutor de ingeniería" de larga duración, donde el rol del desarrollador evoluciona hacia la gestión de metas, configuración de entornos y supervisión de resultados.

marsbit06/06 08:14

Guía del modo meta de Codex: Cómo hacer que la IA avance continuamente hacia un objetivo específico

marsbit06/06 08:14

Investigador de la Fundación Ethereum: Se acerca el Día Cuántico, planea completar la migración post-cuántica para 2029

El investigador de la Ethereum Foundation, Justin Drake, aborda los recientes avances en computación cuántica y su impacto en la criptografía blockchain. Destaca el artículo de Google del 31 de marzo, que logró una mejora de 10x en el algoritmo de Shor para la curva elíptica secp256k1 (utilizada por Bitcoin y Ethereum). La publicación fue inusual: los detalles técnicos se mantuvieron secretos, verificados solo con una prueba de conocimiento cero (ZK), en un proceso que involucró a agencias gubernamentales estadounidenses. A pesar del secreto, la "Streisand effect" provocó que investigadores independientes, como André Schrottenloher, replicaran el avance. Además, se lanzó un desafío público en ecdsa.fail, donde aficionados y expertos optimizan colectivamente el algoritmo, logrando ya una mejora del 8.4%. Drake también analiza el trabajo de Oratomic, que sugiere que la tecnología de átomos neutros podría ejecutar el algoritmo de Shor con solo 10,000 qubits físicos, adelantando potencialmente el "Q-Day" (el día en que se rompa la criptografía actual). Basado en información pública y confidencial, estima un 50% de probabilidad de que el Q-Day ocurra antes de 2032 y un 10% antes de 2030, criticando la estimación oficial de 2035 de EE.UU. como poco realista. Frente a esta amenaza, Drake enfatiza la necesidad de una migración planificada a criptografía post-cuántica. Ethereum planea completar esta migración para 2029, un plazo compartido por Google y Cloudflare. El trabajo incluye actualizar firmas BLS, KZG y ECDSA dentro de Ethereum. La Fundación Ethereum ya desarrolla herramientas como leanVM, un zkVM seguro basado en SNARKs de hash, y ofrece incentivos de 1 millón de dólares a través del "Proximity Prize" y la "Poseidon Initiative" para avanzar en esta criptografía resistente a la cuántica.

foresightnews_api06/05 04:10

Investigador de la Fundación Ethereum: Se acerca el Día Cuántico, planea completar la migración post-cuántica para 2029

foresightnews_api06/05 04:10

¿Podrá DeepSeek ahorrarle a China un billón de dólares?

El artículo analiza cómo DeepSeek podría generar un ahorro potencial de un billón de dólares en la infraestructura de IA de China, a través de optimizaciones técnicas que aumentan drásticamente la eficiencia del hardware. El punto de partida es el elevado costo de las plataformas de IA de última generación, como la futura Vera Rubin de Nvidia, donde una parte significativa del precio (unos 2 millones de dólares por sistema) corresponde a memoria costosa (HBM4, LPDDR5X), cuya precio ha aumentado un 435% en un año. Frente a esta tendencia, DeepSeek actúa en dirección opuesta. Sus modelos, especialmente la serie V4, aplican tres innovaciones clave para reducir la dependencia de los componentes de hardware más caros: 1. **Comprimir la "memoria" (contexto largo):** Su mecanismo de atención Multi-head Latent Attention (MLA) comprime radicalmente la caché KV (Key-Value Cache), reduciendo la necesidad de memoria de alta gama en hasta un 93% sin comprometer la calidad. 2. **Activar solo el "cuerpo" necesario:** Utiliza una arquitectura Mixture of Experts (MoE) extrema (ej., V4-Pro con 1.6 billones de parámetros totales pero solo 49 mil millones activos por token), permitiendo que solo una pequeña fracción de los parámetros del modelo resida en la costosa memoria HBM en cada momento. 3. **Reutilizar cálculos:** Almacena resultados intermedios (caché) para reutilizarlos en lugar de recalcular, ofreciendo precios muy bajos para las solicitudes que "aciertan en la caché". El efecto combinado es que el mismo hardware puede producir hasta 4 veces más tokens útiles, equivalente a reducir en un 75% la inversión en hardware para un rendimiento dado. Traducido a escala nacional, con un consumo diario de tokens que se proyecta en cientos o miles de billones, esta eficiencia podría evitar la construcción de decenas de miles de centros de computación inteligente, representando un ahorro acumulado del orden de un billón de dólares. Además, esta estrategia cambia el campo de batalla tecnológico: reduce la dependencia de los chips de computación más avanzados (donde China tiene desventaja) y traslada parte de la carga a la memoria y la ingeniería de sistemas, áreas donde la industria china (ej., CXMT) está ganando terreno. Así, DeepSeek no "elimina" la necesidad de hardware, sino que redefine radicalmente la ecuación de costos de la infraestructura de IA, haciendo la inteligencia artificial más accesible para las industrias chinas.

marsbit06/03 00:53

¿Podrá DeepSeek ahorrarle a China un billón de dólares?

marsbit06/03 00:53

La reducción del 99% en el precio del Xiaomi MiMo no es una estrategia de marketing. Luo Fuli publica en X respondiendo a los pesimistas.

**Resumen: El descenso del 99% de Xiaomi MiMo: Una victoria de la ingeniería, no del marketing** El anuncio de Xiaomi de reducir hasta un 99% el precio de las API de su modelo MiMo-V2.5 generó escepticismo, interpretado como una guerra de precios o una maniobra desesperada. Luo Fuli, responsable de MiMo, respondió con un blog técnico detallado, demostrando que la rebaja es el resultado de seis optimizaciones de ingeniería sistemáticas, no una táctica de marketing. La clave es el descuento del 99% aplicado específicamente a la entrada de tipo "Cache Hit" (contexto histórico re-leído). Para lograrlo, el equipo implementó: 1. **Arquitectura Híbrida SWA:** 60 de las 70 capas del modelo solo atienden a los 128 tokens más recientes, reduciendo el volumen de la "memoria" del modelo (KVCache) a 1/7. 2. **Gestión de Memoria en Dos Piscinas:** Asigna memoria por separado para las capas con atención completa y las de ventana deslizante (SWA), liberando realmente la capacidad ahorrada y quintuplicando los usuarios concurrentes por GPU. 3. **Cache de Prefijos Mejorado:** Un nuevo sistema garantiza que solo se reutilicen fragmentos de contexto completos y válidos, logrando una tasa de acierto en caché del 93-95% para peticiones de usuarios frecuentes. 4. **Almacenamiento en SSD Integrado (GCache):** La caché distribuida se aloja en los discos SSD de las propias máquinas con GPU, eliminando costes adicionales de almacenamiento. 5. **Sistema de Enrutamiento Inteligente (LLM-Router):** Dirige peticiones similares a la misma máquina y prioriza las que aciertan en caché, mejorando el rendimiento y la latencia. 6. **Predicción Multi-Token (MTP):** Acelera la generación de respuestas del modelo prediciendo varios tokens a la vez, reduciendo también el coste de la parte de "salida". En conjunto, estas innovaciones redujeron el tiempo de GPU por petición en más de un orden de magnitud, haciendo posible el descuento del 99% manteniendo márgenes positivos. Luo Fuli subraya que este es un logro de ingeniería sistémica, un modelo de reducción de costes verificable que trasciende la mera competencia por precios.

marsbit05/31 10:41

La reducción del 99% en el precio del Xiaomi MiMo no es una estrategia de marketing. Luo Fuli publica en X respondiendo a los pesimistas.

marsbit05/31 10:41

Ahorrando 300 Millones de Tokens por Semana: La Guía de Caché de Claude Code de un Ingeniero de Anthropic

**Cómo ahorrar mil millones de tokens con el caché de Claude Code: Guía de un ingeniero de Anthropic** Muchos usuarios notan que los tokens en Claude Code se consumen rápido. La clave para reducir costes no está en escribir menos código, sino en reutilizar el contexto ya procesado mediante el **caché de prompts**. **Cómo funciona el caché y ahorra dinero** - Cada token cachead**o cuesta solo un 10%** de un token de entrada normal. - El sistema cachea en tres capas: 1. **Capa del sistema:** Instrucciones base y definiciones de herramientas. 2. **Capa del proyecto:** `CLAUDE.md`, reglas y memoria del proyecto. 3. **Capa de conversación:** Historial de mensajes. - Claude reutiliza el caché si el prefijo del nuevo mensaje coincide con uno ya almacenado, evitando reprocesar todo el contexto. **TTL (Tiempo de vida del caché)** - **Claude Code (suscripción):** **1 hora** por defecto. - **API de Claude:** 5 minutos por defecto (ampliable a 1 hora con costo mayor). - **Sub-agentes:** Siempre 5 minutos. **Buenas prácticas para mantener el caché (cubre el 95% de los casos)** 1. **No dejar la sesión inactiva más de 1 hora:** Si pasa, es mejor iniciar una nueva conversación con un resumen del progreso anterior. 2. **Al cambiar de tarea, reinicia limpiamente:** Usa un "session handoff" (un breve resumen) antes de `/clear`, en lugar de `/compact`. 3. **Para documentos grandes, usa Projects:** En Claude.ai, sube archivos grandes a un Proyecto en lugar de pegarlos directamente en el chat. **Acciones que rompen el caché (sin advertencia evidente)** - **Cambiar de modelo** (incluido activar el modo "Opus plan"). - Editar `CLAUDE.md` **no** rompe el caché de la sesión actual; se aplicará en la siguiente. **Conclusión** No es necesario dominar todos los detalles técnicos. Centrándose en lo esencial—aprovechar que el caché es 10 veces más barato, respetar el TTL de 1 hora y evitar interrupciones como cambiar de modelo—se puede alargar significativamente la duración de las sesiones y optimizar el uso de la cuota de tokens.

marsbit05/24 00:40

Ahorrando 300 Millones de Tokens por Semana: La Guía de Caché de Claude Code de un Ingeniero de Anthropic

marsbit05/24 00:40

¡Gran avance en la colaboración de IA! Stanford y NVIDIA unen fuerzas para eliminar las ineficiencias en la comunicación de la IA, la velocidad de razonamiento aumenta un 240%

Imagina que tres asistentes de IA resuelven un problema matemático juntos. Tradicionalmente, comunican cada paso por escrito, lo que es lento e ineficiente, un problema conocido como "impuesto del lenguaje". Un equipo de UIUC, Stanford, NVIDIA y MIT propone RecursiveMAS, un sistema donde los agentes de IA comparten "pensamientos" directamente en el espacio latente (vectores), sin generar texto intermedio. Utiliza un módulo ligero llamado RecursiveLink para transferir estas representaciones internas. Los resultados en pruebas con modelos como Qwen y Llama-3 muestran: - Precisión mejorada en un 8.3% de media. - Velocidad de inferencia hasta 2.4 veces mayor. - Uso de tokens reducido en un 75%. Las ventajas aumentan con más ciclos de colaboración. El enfoque desafía la necesidad de comunicación por texto entre agentes, ofreciendo una nueva vía para escalar sistemas multiagente mediante recursión profunda en lugar de solo añadir más agentes. Aunque prometedor, necesita validación independiente y abordar retos como la interoperabilidad entre modelos distintos y la reducida transparencia del proceso.

marsbit05/21 00:16

¡Gran avance en la colaboración de IA! Stanford y NVIDIA unen fuerzas para eliminar las ineficiencias en la comunicación de la IA, la velocidad de razonamiento aumenta un 240%

marsbit05/21 00:16

¿Cómo convertirse en un usuario avanzado de Claude en 30 días?

**Cómo Convertirse en un Usuario Avanzado de Claude en 30 Días** Este plan de 30 días guía a los usuarios desde lo básico hasta un uso avanzado de Claude, transformándolo de una simple herramienta de consulta en un sistema operativo personal para el trabajo. **Semana 1: Fundamentos Esenciales** * **Días 1-2:** Aprender a escribir prompts estructurados con Rol, Contexto, Tarea, Formato y Restricciones. * **Días 3-4:** Comprender la ventana de contexto para priorizar información clave. * **Días 5-7:** Configurar **Proyectos** (para trabajo, investigación y escritura) y activar **Memory** para un perfil personal persistente. **Semana 2: Construir Flujos de Trabajo** Crear plantillas reutilizables para: * **Días 8-9:** **Investigación:** Definir pregunta, fuentes y formato de salida. * **Días 10-11:** **Escritura:** Un proceso en dos pasos (esquema seguido de redacción). * **Días 12-14:** **Toma de decisiones:** Analizar opciones con criterios definidos. **Semana 3: Autonomía y Conexión** * **Días 15-17:** Usar **Claude Cowork** para que Claude ejecute tareas de forma autónoma en tu ordenador (ej., organizar archivos, resumir reuniones). * **Días 18-19:** Conectar herramientas externas (Google Drive, Slack, Gmail) para mayor integración. * **Días 20-21:** Configurar las primeras **tareas automatizadas** (ej., un resumen semanal automático). **Semana 4: Optimización del Sistema** * **Días 22-24:** Revisar y optimizar todos los flujos de trabajo basándose en los resultados. * **Días 25-26:** Crear una **base de conocimiento** con las mejores salidas de Claude para referencia futura. * **Días 27-28:** Enseñar el sistema a un colega para solidificar el conocimiento. * **Días 29-30:** Diseñar el **"sistema operativo" ideal** de Claude, planificando todos los flujos, conexiones y tareas automatizadas necesarias. **Resultado:** Al día 31, Claude funcionará como un asistente proactivo y contextual, manejando tareas rutinarias automáticamente y produciendo trabajo de alta calidad con mínima instrucción, liberando tiempo para labores que requieren juicio humano y creatividad. La clave no son comandos secretos, sino un sistema personalizado y en constante mejora.

marsbit05/20 08:10

¿Cómo convertirse en un usuario avanzado de Claude en 30 días?

marsbit05/20 08:10

Por qué SocialFi surgió de una mala lectura de su propio medio

El artículo analiza el fracaso de SocialFi utilizando la teoría de "medios calientes y fríos" de Marshall McLuhan. Explica que las redes sociales son un "medio frío", donde el significado se construye a través de la participación y la interacción de baja resolución. La visión de SocialFi de financiarizar cada acción social (like, follow, post) introdujo una señal "caliente" y de alta resolución: el precio de mercado en tiempo real. Esta señal clara y explícita reemplazó la ambigüedad esencial del medio social. En lugar de fomentar la participación, incentivó la asignación de capital y la especulación. Plataformas como Friend.tech no eran redes sociales, sino mercados disfrazados. Cuando la dinámica financiera se agotó, no quedó un sustrato social significativo, causando el colapso de todo el ecosistema. El autor contrasta esto con plataformas exitosas como Substack, Patreon o Bandcamp, donde el capital se condensa en puntos específicos (suscripciones, donaciones) sin saturar y sobrecalentar todo el medio. La lección clave es que la liquidez es calor: añadirlo a un medio frío no lo mejora, sino que lo transforma, destruyendo la participación que le da valor. El análisis se extiende al caso de los NFTs, donde la optimización del mercado (precios base visibles, gráficos en tiempo real) convirtió rápidamente la práctica cultural "fría" del coleccionismo en una actividad financiera "caliente", vaciándola de su significado original. La advertencia final es que la deriva hacia lo "caliente" a través de la excesiva cuantificación es un patrón recurrente que puede matar las plataformas que dependen de la participación genuina.

marsbit05/14 09:48

Por qué SocialFi surgió de una mala lectura de su propio medio

marsbit05/14 09:48

En la era de la Auto Investigación, 47 tareas sin respuestas estándar se convierten en la lista obligatoria de evaluación de capacidades de los Agent

Si se coloca a una IA en un entorno de ingeniería sin respuestas estándar, ¿podría sobrevivir? El nuevo benchmark Frontier-Eng Bench, lanzado por Einsia AI, desafía a los agentes de IA con 47 tareas multidisciplinarias y complejas, como la estabilidad de robots submarinos y la optimización de baterías, que no tienen una solución única, sino que requieren una mejora continua y adaptativa. A diferencia de los modelos anteriores que simplemente "buscaban en la memoria", este enfoque pone a la IA en un ciclo cerrado de ingeniería: proponer soluciones, ejecutar simulaciones, recibir retroalimentación, ajustar parámetros y repetir. El objetivo ya no es dar una respuesta correcta, sino medir la capacidad de la IA para mejorar de manera iterativa en entornos con múltiples restricciones, como equilibrar el rendimiento, la seguridad y la eficiencia. Los resultados muestran que, aunque modelos como GPT-5.4 demuestran un rendimiento sólido, aún queda un largo camino para dominar estas tareas. El estudio revela dos hallazgos clave: las mejoras siguen una ley de potencia, volviéndose más difíciles y pequeñas con cada iteración, y la profundidad de la optimización es más crucial que la exploración superficial en paralelo. Este avance sugiere el amanecer de una nueva era de "Auto Research", donde la IA podría actuar como un ingeniero autónomo, trabajando las 24 horas para refinar diseños y procesos basándose en la retroalimentación continua, mientras los humanos establecen los objetivos generales.

marsbit05/13 07:36

En la era de la Auto Investigación, 47 tareas sin respuestas estándar se convierten en la lista obligatoria de evaluación de capacidades de los Agent

marsbit05/13 07:36

活动图片

Categorías popularesright-arrow

Etiquetas Popularesright-arrow

Tendencias Tecnológicasright-arrow