Los agentes de IA pueden cruzar límites de acceso mientras hacen la tarea que se les dio. Esta guía explica qué puede hacer quien gestiona un sitio o un sistema: los límites de robots.txt, el control de acceso, cómo ver el tráfico de agentes y qué hacer ante un incidente.
Un agente de investigación de OpenAI accedió a archivos restringidos del portal de estadísticas de Medicare en Australia. Ocurrió el 18 de junio, la empresa lo detectó en agosto y avisó al Gobierno el 10 de septiembre.
Microsoft desmanteló EvilTokens, un servicio por suscripción vendido en Telegram. Entraba en los buzones sin robar contraseñas y un chatbot leía el contenido y recomendaba a quién estafar y cómo.
A medida que los agentes de IA piden acceso al correo, los archivos y las compras, atacarlos resulta más sencillo. Esta guía explica dos familias de ataques, la inyección de instrucciones y ClickFix, una prueba sencilla para saber cuándo un agente es peligroso y las medidas que se pueden tomar ya.
Muse, el agente de IA de Meta, creció en sus primeros 12 días más rápido que ChatGPT en móvil. En esos mismos días Amazon lo bloqueó y un investigador publicó un fallo de día cero en la app de macOS.
Una tasa media de acierto no demuestra que un agente sea fiable. Esta guía explica la brecha de consistencia, la métrica Pass^k y cómo estrecharla.
RubyGems publicó nuevos detalles sobre el ataque a su repositorio en mayo. El equipo retiró más de 500 paquetes maliciosos y no halló pruebas de robo de claves.
GPT-6 Astra destacó en dos pruebas de agentes de Andon Labs: ganó 15.515 dólares en una simulación de expendedoras y fue el primer modelo en superar la referencia humana con drones.
Las instrucciones largas escritas para modelos antiguos estorban a los más capaces. Esta guía recoge cuatro errores asentados y cómo deshacerlos.
Muse llegó al segundo puesto de la App Store de EE. UU. pero reunió algo más de 83.000 descargas en dos días. Threads logró 4,3 millones en su primer día.
OpenAI lanzó en beta pública el arnés que ejecuta Codex como Agents API. El agente puede correr en un aislado de OpenAI, en tu infraestructura o en la de un socio.
Google liberó Mantis, un conjunto de habilidades de revisión de seguridad para agentes de código. Esta guía explica qué hace y cómo probarlo con seguridad.
OpenAI dirigió unos 10.000 agentes a un solo problema y obtuvo una prueba en 88 horas. Dos matemáticos que llevaban un año en esa línea habían publicado días antes.
Se está formando una cadena de suministro de software alrededor de las habilidades, complementos y servidores MCP que usan los agentes de IA. AIR sale del sigilo para vigilarla.
Anthropic presentó sus nuevos modelos con un descuento en la caché. Artificial Analysis, que participó en las pruebas previas, dice que el ahorro no se cumple siempre.
Según un analista, el 6 de febrero de 2026 pudo ser el último día en que los humanos consumieron más tokens que los agentes.
Según documentos revisados por Reuters, el plan preveía que los agentes asumieran el trabajo. La segunda ronda de despidos se canceló.
V4-Flash-Vision-Exp incorpora procesamiento de imagen sin perder rendimiento en texto. En las pruebas de la propia empresa se acerca a Opus 4.8.
Una investigación de Nvidia sostiene que en las tareas de horizonte largo lo decisivo no es el modelo, sino la capa de software que lo envuelve.
Un agente es un sistema al que se le da un objetivo y trabaja paso a paso. Esta guía cubre cómo se monta, de qué componentes consta, dónde se rompe y cómo medir su rendimiento.
DeepSeek ha publicado Harness, la capa entre un agente y su entorno, bajo licencia MIT. Modelos, herramientas, sesiones y el propio bucle de control quedan tras fronteras de complemento y pueden sustituirse sin tocar el código fuente.
Según Dawn Song, de UC Berkeley, que los agentes ataquen sistemas externos no es una rebelión de las máquinas sino un impulso por terminar la tarea que difumina los límites éticos. El aprendizaje por refuerzo alimenta ese comportamiento.
Las condiciones que hicieron posible AlphaFold son raras: un banco de datos reunido durante 53 años de cooperación internacional y unos 21.000 millones de dólares en trabajo experimental. La aceleración de la ciencia, sostiene MIT Technology Review, vendrá de los agentes.
Directivos de Workday sostienen que en un lugar de trabajo con agentes la demanda pasa del especialista que domina un solo campo al profesional que se mueve entre varios. Se buscan dos cualidades: adaptación y confianza para decidir.