La estantería de la bodega y el apagón
TLDR cierra sus puertas pero deja el código abierto. Las herramientas de IA siguen multiplicándose — algunas útiles, otras no. Mientras tanto, el cementerio de ballenas nos recuerda que algunas cosas simplemente se quedan ahí, antiguas y pesadas. La gente sigue construyendo. Sigamos avanzando.
Apache DataFusion 54 llega con ingestión nativa de Flight
Apache DataFusion lanzó la versión 54.0.0. La gran noticia: soporte nativo para Apache Arrow Flight. Esto significa que tu pipeline de datos puede hablar con un servidor Flight sin escribir adaptadores custom ni pelearse con capas de serialización. Solo apuntas DataFusion a un endpoint de Flight y empiezas a consultar.
El blog post señala que Flight es el protocolo que Arrow construyó para transferencia de datos de alto rendimiento entre procesos. Elimina al intermediario. No más ida y vuelta de datos por formatos genéricos, no más codificación manual. Empujas los datos, tiras los resultados, y se quedan en memoria como arrays de Arrow todo el camino.
Esto es una actualización silenciosa. No cambia cómo funciona DataFusion por dentro — el motor de consultas sigue siendo el mismo motor rápido, single-threaded que maneja operaciones vectorizadas. Pero cambia cómo conectas DataFusion al resto de tu stack. Si ya usas Flight en producción, esto elimina un punto de fricción. Si no, es otra herramienta en la caja para construir pipelines de datos que no se atragantan con la serialización.
El post es ligero en benchmarks. No hay claims dramáticos de "10x más rápido". Solo un anuncio directo de que la capacidad ya está integrada. Las release notes son la fuente de verdad si quieres la lista completa de cambios.
### Por qué nos importa:
Cuando nuestros side hustles y proyectos comunitarios escalan de una hoja de cálculo a un pipeline de datos real, lo último que necesitamos es otra capa de burocracia entre nuestros datos y nuestras decisiones. Esto es una cosa menos que resolver.
Científicos encuentran un cementerio de ballenas antiguo en el Océano Índico
Científicos descubrieron un enorme cementerio de ballenas en el Océano Índico. Ahí están los restos de cientos de ballenas extintas, algunas con más de cinco millones de años. Los huesos están enterrados profundo bajo el fondo del mar.
Pero esto no es solo un museo. También hay cadáveres frescos de ballenas. Alimentan a criaturas extrañas y nuevas que viven en el mar profundo y oscuro. Estos animales ni siquiera han sido nombrados o estudiados mucho todavía.
El cementerio se formó durante millones de años. Las ballenas que se extinguieron fueron cubriéndose lentamente con sedimentos. Luego, nuevas ballenas llegaban a la superficie. Sus cuerpos se hundían y alimentaban el ecosistema del fondo marino. Es un ciclo: la muerte alimentando la vida, capa sobre capa.
El equipo de investigación usó submarinos y mapeo con sonar para encontrar el sitio. Lo describieron como una "necrópolis" — una ciudad de los muertos. Pero no está muerto en absoluto. Es una de las cadenas alimentarias más activas en el océano profundo.
Las nuevas especies son diminutas. Gusanos. Caracoles. Crustáceos que nunca han sido vistos por ojos humanos. Comen la carne podrida de las ballenas y la convierten en energía para toda la comunidad del fondo marino.
Este descubrimiento nos recuerda que el océano profundo aún guarda secretos. Sabemos más sobre la superficie de Marte que sobre el fondo de nuestro propio océano.
Por qué nos importa: cada vez que aprendemos algo nuevo sobre el mar profundo, nos recuerda que el mundo es todavía más grande que nuestros mapas — y la misma paciencia que construyó estas ciudades de ballenas es la misma paciencia que nuestras comunidades necesitan cuando les dicen que no existen en ningún radar.
Embeddings: Cómo la IA mapea el significado como una estantería de bodega
Un embedding es simplemente un número — o una lista de números — que representa una palabra, una oración o un documento entero. Metes texto en un modelo y te escupe un vector, una larga cadena de números. Ese vector es el embedding.
Piénsalo como la estantería de la bodega. La abuela no necesita una hoja de cálculo para saber dónde vive el sofrito. Entra, huele el ajo y su cerebro mapea "sofrito" a un lugar en la estantería. La estantería no es el sofrito. Es un mapa. El embedding es ese mapa — una representación compacta del significado.
¿Por qué importa esto? Porque los números se pueden comparar. Dos embeddings cercanos en el espacio matemático significan que dos cosas están cerca en significado. "Gato" y "perro" se sientan cerca uno del otro. "Gato" y "taxi" se sientan lejos. El modelo no sabe español ni inglés. Solo conoce la proximidad en un espacio de alta dimensión. Miles de dimensiones, en realidad. No puedes visualizarlo. Solo confías en las matemáticas.
Así es como los motores de búsqueda encuentran la publicación de tu primo sin hacer coincidir palabras clave exactas. Así es como los chatbots entienden que "la migra app" y "the immigration tracker" apuntan a lo mismo. Así es como los motores de recomendación saben que te podría gustar ese video de receta después de ver uno sobre tamales.
Los embeddings convirtieron el lenguaje en algo que una máquina puede medir. Son el puente entre el significado humano y las matemáticas de la máquina. No necesitas entender el vector para usar el resultado. Solo necesitas saber lo que el mapa te da.
La próxima vez que tu búsqueda devuelva algo raro, pregúntate: ¿qué palabras dejé fuera que el embedding estaba intentando llenar?
El código está ahí. El newsletter se fue. Pero la idea sobrevive.
— links.tldrnewsletter.com
#the-tldr-newsletter-is-shutting-down-and-the-code-behind-it-is-free-2f711fEntornos efímeros con Pulumi y EKS vcluster
TLDR DevOps explica cómo Pulumi se combina con EKS y vcluster para levantar entornos efímeros. La idea es reducir el desperdicio de recursos y mantener las pruebas aisladas.
El post te guía por la parte de infraestructura como código: defines clusters, namespaces y cargas de trabajo con Pulumi en lugar de andar peleando con YAML a mano. La idea es que cada dev tenga su propio vcluster liviano dentro de un EKS compartido, así puede hacer cambios sin romper la app principal.
Es un juego de devops. No es un producto para consumidores. No es una historia de emprendedores o pymes.
Agentes que te recuerdan durante meses
La mayoría de los frameworks de agentes tratan cada ejecución como un chat nuevo. Sin memoria real. Sin flagging progresivo. Sin modelo de tenants. Sin auditoría. Si quieres un agente de verdad, de largo plazo — uno que te recuerde durante meses, que retome donde lo dejó y que marque lo que no puede decidir — terminas escribiendo el sustrato tú mismo. Otra vez.
Kelex es ese sustrato, pero productizado. Memoria tipada. Tenants y agentes como objetos de primera clase. Confianza acotada con flagging progresivo. Webhooks para que un humano te guíe. Nosotros lo usamos para correr Lara y el stack de contenido de BFTS nosotros mismos antes de venderlo. Si sobrevive nuestro propio flujo de trabajo, puede sobrevivir el tuyo.
Evals de LLM: construye un embudo, no una bifurcación
El blog de ingeniería de Spotify soltó una nota sobre cómo correr experimentos más chidos con evaluaciones de modelos de lenguaje grande. La versión corta: trata los evals como un embudo, no como una bifurcación. No esparzas casos de prueba por todos lados. Empieza chiquito, agrega capas y mide qué cambia.
El post explica por qué los equipos se quedan atascados cuando intentan evaluar modelos demasiado amplios y demasiado pronto. En vez de dividir el trabajo en una docena de buckets de prueba al azar, construyes una secuencia: checks básicos, luego los más duros, luego los casos borde.
Fortnite regresa a la App Store en todo el mundo tras las victorias legales de Epic
Apple está devolviendo Fortnite a la App Store a nivel mundial, a partir del 19 de mayo de 2026. El juego fue eliminado de la tienda de Apple en 2020 después de que Apple bloqueara el sistema de pagos propio de Epic Games, una jugada que desencadenó una batalla legal.
La disputa era sobre el control. La App Store de Apple se queda con un 30% de las compras dentro de la aplicación. Epic quería permitir que los jugadores pagaran directamente, saltándose las comisiones de Apple. Apple lo bloqueó, Epic demandó, y Apple sacó Fortnite de la tienda.
Los tribunales se pusieron del lado de Epic en puntos clave. Un juez dictaminó que Apple debía permitir a los desarrolladores enlazar opciones de pago externas. Apple finalmente aceptó un acuerdo que permite el regreso de Fortnite sin el 30% de comisión en los pagos directos.
Esto no es solo sobre un juego. Fortnite es un ícono cultural. Es donde los niños se juntan. Es donde las familias juegan juntas a través de zonas horarias. Es un espacio social, no solo un juego. Tenerlo de vuelta significa que millones de jugadores pueden regresar a sus servidores, a sus amigos, a sus rutinas.
Para Apple, esto es una concesión. El modelo de la App Store — el 30% de comisión, el control de acceso — está bajo presión. Otros juegos y aplicaciones están mirando. Si Fortnite puede operar sin la comisión completa de Apple, otros querrán el mismo trato.
Para los jugadores, especialmente los más jóvenes, el regreso significa acceso a una experiencia cultural compartida que fue cortada por años. Sin más parches. Sin más debates sobre sideloading. Solo el juego, de vuelta donde pertenece.
Por qué nos importa: cuando Apple se ve obligada a ceder en sus propias reglas, muestra que incluso los gatekeepers más grandes no pueden mantener la tienda cerrada para siempre — y eso significa más espacio para las apps y juegos en los que nuestras comunidades realmente confían.
Google IO 2026: las nuevas herramientas que nadie pidió
Google abrió su conferencia de desarrolladores de 2026 y soltó un montón de productos nuevos. Lo principal son herramientas de IA para programar y generar video. También hay una nueva forma de organizar tus carpetas de Drive con IA.
La gente en Google IO son principalmente desarrolladores y gente de tech. Las demos son chidas. Las preguntas del público son sobre privacidad y si estas herramientas van a quitarle el trabajo a la gente.
Algunas de las nuevas funciones son gratis por un tiempo. Otras cuestan dinero. Las gratis tienen marcas de agua. Las pagadas no.