Artículos Relacionados con Escalabilidad

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

GitHub, atravesado por la IA

GitHub sufrió una interrupción masiva el 9 de febrero de 2026 debido a una sobrecarga en un clúster de base de datos. El detonante fue un simple cambio de configuración en la TTL del caché de configuración de usuario, de 12 a 2 horas, lo que desató una "tormenta de reescritura" que agotó los recursos del sistema. Este incidente no fue aislado. En los primeros meses de 2026, GitHub experimentó al menos 8 fallos importantes. La causa subyacente es un aumento explosivo y sin precedentes en la carga de trabajo. El volumen de commits, impulsado en gran medida por Agentes de IA como Claude Code, pasó de unos 10 mil millones en 2025 a un ritmo semanal de 275 millones en 2026, proyectando un crecimiento anual de 14x. Las contribuciones de AI se multiplicaron por 25 en tres meses. Esta nueva carga, continua y automatizada, expuso problemas estructurales: servicios acoplados, falta de mecanismos de protección y una arquitectura no diseñada para este paradigma. Además, el modelo de negocio de Copilot se volvió insostenible, forzando una transición de precios fijos a un modelo de pago por uso basado en créditos. GitHub ya no es solo una plataforma para la colaboración humana. Se está convirtiendo en la "tubería de escape" para flujos de trabajo automatizados de IA. La compañía anunció la necesidad de rediseñar su arquitectura para escalar 30 veces, no solo expandirla. Esto implica desacoplar servicios, introducir controles de flujo y eliminar puntos únicos de fallo. El desafío no es solo técnico, sino de redefinir su identidad en una nueva era del desarrollo de software impulsado por IA.

marsbit06/04 10:43

GitHub, atravesado por la IA

marsbit06/04 10:43

El exalumno post-00 de Tsinghua, Wang Guan, presenta otra innovación: revolucionando los modelos de preentrenamiento Transformer con 1/900 tokens y 1/432 de potencia computacional

El equipo de Wang Guan, egresado de la Universidad Tsinghua, ha presentado HRM-Text, un nuevo modelo de preentrenamiento que desafía el paradigma tradicional de los grandes modelos de lenguaje. Sustituyendo el Transformer estándar por un Modelo Recurrente Jerárquico (HRM) y utilizando un objetivo de entrenamiento directo en pares instrucción-respuesta, HRM-Text logra un rendimiento comparable a modelos de código abierto de 2B a 7B de parámetros, pero con una fracción mínima de los recursos. Concretamente, el modelo de 1B de parámetros se entrenó con solo 40B de tokens únicos, utilizando aproximadamente 100-900 veces menos tokens y 96-432 veces menos cómputo estimado que los modelos baseline estándar, a un costo cercano a los 1500 USD. Aún así, alcanzó puntuaciones destacadas en benchmarks clave: MMLU (60.7%), ARC-C (81.9%), DROP (82.2%), GSM8K (84.5%) y MATH (56.2%). La arquitectura HRM emplea módulos de actualización lenta (H) y rápida (L), permitiendo múltiples pasos recurrentes por token para aumentar la profundidad computacional sin agregar parámetros. Técnicas como MagicNorm y Warmup Deep Credit Assignment aseguraron la estabilidad del entrenamiento recurrente. Los experimentos muestran que HRM supera en eficiencia y estabilidad a Transformers de tamaño similar bajo un presupuesto computacional fijo. Las ablaciones confirman la contribución clave del objetivo de finalización de tareas y el enmascaramiento PrefixLM. El análisis sugiere que la estructura recurrente confiere una "profundidad efectiva" mayor. Las limitaciones incluyen una cobertura de conocimiento aún limitada por el corpus, la necesidad de mecanismos de tiempo de cómputo adaptativo, y desafíos de ingeniería para implementar PrefixLM en entornos de diálogo. El trabajo futuro explorará desacoplar el núcleo de razonamiento del almacenamiento de conocimientos y validar la escalabilidad a tamaños de modelo mayores.

marsbit05/26 03:19

El exalumno post-00 de Tsinghua, Wang Guan, presenta otra innovación: revolucionando los modelos de preentrenamiento Transformer con 1/900 tokens y 1/432 de potencia computacional

marsbit05/26 03:19

Anthropic publica con gran impacto el «Manual del Fundador»: las 4 etapas del emprendimiento, completamente reestructuradas con IA

Anthropic ha publicado "The Founder's Playbook", una guía para construir startups nativas de IA que redefine el proceso empresarial en cuatro etapas, con el fundador como arquitecto que dirige agentes de IA. **Las 4 etapas y el papel de la IA:** 1. **Idea:** Validar el problema, no la solución. Usar Claude (Chat/Cowork) como "abogado del diablo" para desafiar suposiciones, investigar el mercado y analizar entrevistas con usuarios. 2. **MVP:** Buscar señales tempranas de Product-Market Fit. Usar Claude Code para desarrollar con una arquitectía clara (documentada en CLAUDE.md) y evitar deuda técnica. Automatizar la recogida de feedback. 3. **Lanzamiento:** Enfocarse en crecimiento y operaciones. Implementar un "sistema operativo" con flujos de trabajo de IA (Claude Cowork) para tareas repetitivas (CRM, informes) y usar Claude Code para auditorías de seguridad. El fundador se centra en decisiones clave. 4. **Escalado:** Lograr sostenibilidad. La IA permite que equipos pequeños (ej. 10 personas) logren una gran producción. Usar IA para marketing diferenciado, optimización de operaciones y crear mecanismos de fidelización. **Conclusión clave:** Con la IA, la capacidad de construir ya no es la ventaja clave. La ventaja competitiva vuelve a la **capacidad de juicio, la perspicacia y la comprensión profunda de un problema y sus usuarios.**

marsbit05/22 14:01

Anthropic publica con gran impacto el «Manual del Fundador»: las 4 etapas del emprendimiento, completamente reestructuradas con IA

marsbit05/22 14:01

BNB Chain publica estudio de investigación para explorar la ruta de migración a la criptografía post-cuántica de BSC

BNB Chain ha publicado un informe de investigación que explora la posible migración de BNB Smart Chain (BSC) hacia la criptografía post-cuántica (PQC). El estudio evalúa la viabilidad de reemplazar los sistemas criptográficos actuales con alternativas resistentes a los ataques de los ordenadores cuánticos. Entre las principales áreas analizadas se encuentran los esquemas de firma de transacciones PQC, la agregación de firmas de los validadores y el impacto en el rendimiento de la red. Los hallazgos indican que, si bien la migración es técnicamente factible, implica compromisos significativos en escalabilidad. Por ejemplo, el tamaño de una transacción podría aumentar de unos 110 bytes a aproximadamente 2,5 KB, y el tamaño de bloque de unos 110 KB a unos 2 MB. Esto reduciría el TPS para transferencias nativas de 4.973 a 2.997, siendo la transmisión de datos a través de la red la principal causa del impacto en el rendimiento. La tecnología de agregación pqSTARK demostró ser eficiente, comprimiendo las firmas de los validadores en una proporción de aproximadamente 43:1. No obstante, áreas como el protocolo de enlace P2P y los compromisos KZG aún requieren más investigación para su transición PQC. BNB Chain enfatiza que este es un estudio exploratorio y prospectivo, no una respuesta a una amenaza inmediata, con el objetivo de garantizar la resiliencia a largo plazo de la infraestructura.

marsbit05/18 13:54

BNB Chain publica estudio de investigación para explorar la ruta de migración a la criptografía post-cuántica de BSC

marsbit05/18 13:54

活动图片