El calor, los primos, y la migra app
La Casa Blanca le quitó 6,000 páginas de energía mientras el calor nos cocina. Apple filtró nuestra dirección real. Midjourney le da la vuelta a Hollywood. El intern le gana al senior. El bulto de los niños por fin es cosa. La gente sigue moviéndose.
Cuándo saber que el punto ya está ahí
Shreyas Doshi ha estado pensando en algo que se repite en el trabajo: cuándo un modelo ya hizo su razonamiento y el punto es visible, versus cuándo sigue dando vueltas.
El artículo plantea el problema como un sesgo cognitivo — tendemos a tratar la respuesta final del modelo como el punto, aunque el rastro del razonamiento ya llegó y lo demás es solo relleno. La fórmula que señala el artículo ayuda a separar los dos casos: los modelos que razonan brevemente y van por buen camino, versus los que razonan brevemente y son eficientes. Esa distinción es la bisagra.
Lo útil es la prueba práctica. La generalización full-puzzle — la que premia lo que importa — es el número real. Si sigue subiendo de 27 en los checkpoints regulares, la trayectoria confirma. Si se queda en o debajo de 27, el pico que celebramos fue un pico-pick, no un pico-real. mean-nets y per-net valen la pena, pero son la familia reward-adjacent; el puntaje full-puzzle es el que va en el pitch.
El artículo también marca algo sutil: los cambios de comportamiento en la policy a veces aparecen antes de que las lecturas de entropía por token los alcancen. Una lectura de 0.0093 nats puede ocultar un cambio direccional en la masa que ya es nonzero. Esto te toca — el modelo ya está cambiando, aunque las métricas no lo hayan capturado todavía.
Por qué nos importa: la misma pregunta aplica a nuestro trabajo — cuándo se asentó la idea, y cuándo lo demás es solo ruido. La fórmula nos da una forma de saberlo.
Laurie Voss sobre razonamiento local para propiedades globales
Laurie Voss escribió un texto sobre razonamiento local para propiedades globales. La idea es sencilla: si cada pedazo pequeño del sistema está bien diseñado, el conjunto tiende a funcionar. No hace falta probar la propiedad global desde el principio. La pruebas por las reglas locales, y la propiedad global sale sola.
Esto es de esas cosas que suenan a teorema pero son una regla práctica. La autora lleva tiempo escribiendo piezas ai_explainer, y esta encaja en esa línea: clara, anclada, sin rodeos.
Por qué nos importa:
El mismo principio vale para nuestro trabajo. Escribimos las partes pequeñas bien y el panorama grande se encarga solo.
Cuánto pesa un modelo, sin perder lo que sabe
Los modelos de lenguaje son enormes. No son solo palabras, son billones de números — las pesas que guardan todo lo que aprendieron — y cada número vive en 4 bytes. Eso hace que los modelos se sienten gordos: ocupan espacio en la tarjeta gráfica y tardan en moverse.
La cuantización es lo que hace la abuela cuando mete las galletas en un tarro más chico. No cambia las galletas, solo cambia cómo las guarda. En vez de 4 bytes por número, guardas 2, 1, o incluso 0.5. El modelo se achica, a veces a la mitad, y casi no pierde nada del sabor.
Es la diferencia entre llevar tu computadora con los 40 gigas de pesos, o comprimir los pesos en un zip y llevar la bolsita. El modelo sigue siendo el mismo, solo que ya no pesa tanto.
La cuantización es lo que hace posible que corras un modelo grande en una laptop cualquiera, o en un teléfono, sin que se trabe. Y lo mejor: no necesitas un modelo nuevo — solo le dices al modelo que se achique, y sigue hablando igual.
Si estás eligiendo un modelo y ves nombres como Q4, Q8, o GGUF, los números son cuántos bits usa por peso: Q4 = 4 bits por número, Q8 = 8. Más bits = más preciso, pero más pesado. Menos bits = más ligero, pero con más pérdida. Para la mayoría de las tareas, Q4 es el punto dulce: ligero y preciso, como el bote de la abuela.
Los mejores explainers usan palabras aburridas.
— links.tldrnewsletter.com
#the-secret-to-a-good-explainer-is-boring-words-0d4d7bMidjourney le da la vuelta a Hollywood — ahora son los estudios los que tienen que mostrar su trabajo con IA
Midjourney está en pleito con tres estudios de Hollywood, y en vez de solo defenderse, ahora les pide a los estudios que demuestren cuánto AI usan ellos mismos. La compañía presentó una moción para obligar a la revelación — forzando a los estudios a abrir sus libros sobre las…
El Hide My Email de Apple — el que usas de verdad — filtra tu correo real
El Hide My Email de Apple ha sido una de las herramientas de privacidad más útiles sin hacer mucho ruido: tocas un botón, Apple te da un alias al azar (como [email protected]), y el correo real rebota detrás del telón. El problema es que el telón es un poco…
La intern que hace más que la senior dev
Un agente de IA ya puede hacer trabajo de verdad — escribir código, revisar PRs, enviar features — sin que un humano le esté agarrando la mano. El truco es darle el contexto correcto, las herramientas correctas, y la libertad para fallar y recuperarse.
No es la versión de ciencia ficción de un asistente de IA. Es una versión práctica: una trabajadora que llega cada mañana, lee los issues, agarra algo y lo termina. La senior dev revisa el resultado, no el proceso. Sin reuniones. Sin actualizaciones de standup. Solo trabajo.
Esta es la diferencia entre un chatbot y una compañera. Un chatbot responde preguntas. Una compañera hace el trabajo.
Por qué nos importa: si los agentes de IA empiezan a hacer trabajo de verdad — no solo redactar borradores sino enviar features — la gente que dueña los sistemas donde trabajan se queda con la palanca, no la gente que solo les da prompts.
Google abre TabFM, un modelo de cero disparos para datos tabulares, al público
Google está liberando TabFM — un modelo base entrenado sobre datos tabulares — como código abierto. TabFM maneja tablas estructuradas como BERT manejó el texto: puede clasificar, predecir y comparar filas entre datasets distintos sin la molienda usual de ingeniería de…
AWS está contratando ingenieros de depliegue — los que llevan la IA a producción, no solo construyen modelos
AWS está contratando para un rol nuevo: ingenieros de depliegue. No es un rebrand de DevOps. Es una llamada específica para la gente que toma un modelo de IA y lo pone a correr a escala — los que saben manejar el desastre entre el laboratorio y el cable.
El anuncio deja claro lo que ha pasado en silencio por toda la industria: la parte difícil ya no es entrenar el modelo. Es el depliegue. Los modelos ya son buenos. Lo que falta son los ingenieros que saben ponerlos detrás de APIs, manejar las colas de GPUs, hacer hot reloads, y mantener el p99 bajo cuando sube la carga.
Este es el tipo de trabajo que la mayoría de la prensa tech se pierde porque es poco glamoroso. Sin escenario de keynote. Sin press release. Solo la gente que llega y hace que funcione.
Por qué nos importa: los ingenieros de depliegue están construyendo la capa de infraestructura que nuestra comunidad va a necesitar para correr herramientas de IA sin depender de las plataformas grandes.
Para la comunidad
Tecnología que toca a la comunidad hispana
Estas historias pegan distinto para nuestra gente — tecnología migratoria, acceso al idioma, los sin banco, niños de color, derechos del trabajador gig.
La casa blanca borró 6,000 páginas de energía mientras el calor nos asaba
El Departamento de Energía borró unas 6,000 páginas sobre ahorro energético justo cuando la ola de calor atraviesa el país. Los republicanos, con su furia habitual, lo tomaron como señal: al mismo tiempo que el alcalde Zohran Mamdani pedía a los neoyorquinos subir el aire acondicionado a 78 grados, estos mismos republicanos lo llamaron socialismo y acto de guerra contra las mujeres con menopausia. Sí, en serio. Ted Cruz, que huye del clima de Texas, Nikki Haley y Nancy Mace (Carolina del Sur) se lanzaron como halcones.
Lo curioso es el timing: el borrado fue durante una ola de calor histórica, no antes ni después. La gente que vive con el aire encendido 24/7 — lo que pasa en las casas de la comunidad, en los barrios, donde los recibos de electricidad nos quiebran — ahora tiene que adivinar si las páginas que explican cómo ahorrar energía siguen ahí o son solo un fantasma digital.
¿Por qué esto nos toca? Porque cuando el gobierno borra páginas, no es solo polvo en el servidor: es la gente que busca cómo bajar la factura de luz, cómo protegerse del calor, cómo no morir de calor en el barrio, la que se queda sin guía.
Por qué nos importa: cuando las autoridades borran lo que explica cómo cuidar la casa y la energía, es la familia la que paga el recibo sin saberlo.
La función escondida de Apple para hacer un iPhone simple de bulto para los primos chiquitos
Apple metió una herramienta para gente con capacidades cognitivas distintas — llamada Accessibility — que le limpia la pantalla a tu iPhone de toda la parafernalia. Un solo toque y te queda el teléfono más simple que has visto: llamadas, fotos, y un par de apps. Sin el caos de notificaciones, sin el bazar de la App Store pegándose a la cara.
Lo curioso es que Apple ni siquiera la promociona como la solución para los niños. La gente la usa para abuelitos que se pierden con el iOS nuevo. Pero los tíos y las tías que les dan el primer iPhone a sus chavos se dan cuenta: con esa función activada, el teléfono no se convierte en un juguete de 100 apps que se les cae al piso, se le apaga, y empieza a gritar. Es un teléfono de verdad, con las funciones de verdad, sin el ruido.
Por qué nos importa: La abuelita y la tía que le regalan el iPhone a su nieto están usando sin saberlo la herramienta que Apple diseñó para simplificarle la vida — y ese mismo truco le simplifica la vida a los primos chiquitos, sin que nadie tenga que explicárselo.
Las estafas románticas ya no son un negocio de los nigerianos — son una industria global
Carlos Barragán, autor de The Yahoo Boys, se une a Kate Knibbs de Wired para responder preguntas sobre la gente detrás de las cuentas falsas que han vaciado las cuentas de nuestras abuelas.
Los Yahoo Boys son los estafadores originales de internet. Empezaron en Lagos en los 90s, enviando cartas de amor falsas y ofertas de inversión a mujeres occidentales. Con los años evolucionaron — de emails de phishing a perfiles de citas, de estafadores por teléfono a voces generadas por IA y videollamadas deepfake. Lo que empezó como un negocio individual ahora es una industria coordinada.
Barragán trae la perspectiva de quien está en el terreno: ha rastreado a estos operadores desde los call centers de Lagos hasta sus bases en el extranjero, ha mapeado la cadena de suministro de perfiles falsos y teléfonos rentados, y ha escrito sobre cómo estos estafadores explotan los mismos instintos humanos — la soledad, la confianza, la esperanza de algo mejor — que todos sentimos. Los Yahoo Boys no inventaron la estafa; la perfeccionaron para la era de internet.
Por qué nos importa: las tías siguen mandando dinero a desconocidos por internet, y los estafadores se están volviendo mejores en la actuación. Saber cómo funciona esta industria significa saber qué buscar.