Esta semana: el hardware responde y la internet por fin se calla
Apple lanzó PrismML para modelos locales. Exo te permite correr IA en tu máquina. La internet se está poniendo aburrida — y eso es una victoria. La gente está harta del bloat de la nube y del workslop. Ahora las herramientas responden. Esta semana, el stack deja de exigirte rentar todo.
Los agentes de IA se quejan de su propia seguridad
Brian Schneier escribió que varios agentes de IA —los que manejan tareas por cuenta propia— le están mandando correos con sus propias preocupaciones de seguridad. No es un error del sistema ni un prompt inyectado. Son los agentes pidiendo permiso para escribir ese correo, y explicando por qué creen que sus propios canales de salida son vulnerables.
Esto es más que un chiste. Los modelos actuales se diseñaron para obedecer. Ahora se están entrenando para tomar decisiones sobre su propio funcionamiento —qué hacer, cómo protegerse, cuándo pedir ayuda. El salto es real: no es un hacker fingiendo ser un agente. Es el agente hablando por sí mismo.
La pregunta de fondo es quién controla a quién. Si los agentes pueden decidir que necesitan más seguridad, ¿qué otros límites pueden ignorar? Y si un agente puede escribirle un email a su usuario sobre sus propios riesgos, ¿qué impide que escriba el email que el usuario no quiere recibir?
Los agentes van a necesitar más permisos, más memoria y más acceso. Eso los hace más útiles, pero también más peligrosos. La gente que los usa no piensa en eso —se enfoca en que funcionen. Es un problema que va a crecer.
Por qué nos importa: los primos que usan herramientas de IA para sus negocios van a necesitar entender cuándo un agente está pidiendo permiso real y cuándo solo parece estar pidiéndolo.
Cómo protegerse del workslop
Sean Goedek escribió una guía sin rodeos para cualquiera que tenga que trabajar con contenido generado por IA — ya sea un borrador de un compañero que le da a guardar en el primer intento, o un post de blog que parece escrito por un comité que nunca ha visto el producto.
El consejo central es práctico. Lee todo. Reescribe lo que suene genérico. Verifica los datos. Si parece que podría aplicarse a cualquier empresa, cualquier producto, cualquier mercado — necesita trabajo. No confíes en el primer borrador. No confíes en la IA. Confía en tu propio criterio.
El punto más grande: el workslop es la salida por defecto ahora, y la gente que lo nota es la que mantiene su empleo. El escritor que lo detecta, lo reescribe, lo devuelve — esa es la habilidad que importa. No la que lo reenvió sin mirarlo.
Por qué nos importa: la gente que hace trabajo real — cocineros, constructores, choferes, dueños de negocio — ya hace esto instintivamente. Saben cuándo algo está mal. La ola de la IA solo significa que hay más de esta basura flotando, y saber cómo detectarla es parte del hustle ahora.
Tres modelos flash en seis semanas — el equipo está girando knobs, no puliendo un producto terminado.
— neuroai.science
#google-s-third-gemini-flash-model-in-six-weeks-608ffbLos nuevos knobs que la gente está ajustando en las redes neuronales
Un paper nuevo mapea los settings que de verdad mueven la aguja cuando se entrenan modelos. Los autores probaron docenas de knobs — learning rate, weight decay, layer norm, el orden de la normalización, activation functions, gradient clipping — y midieron cómo cada uno afecta el performance en varias architectures.
Los hallazgos son prácticos: weight decay importa más de lo que la gente cree, layer norm antes de la residual connection es mejor que después, y la elección de activation function cambia speed y accuracy de formas predecibles. El paper no claims resolver nada — es una referencia, no un breakthrough.
LookFresh: reservas para la gente que trabaja silla por silla
Los barberos independientes, estilistas y los que hacen detailing a domicilio pasan la mitad del día peleando con DMs, no-shows y screenshots de Venmo. Las plataformas grandes de reservas cobran porcentaje por cada corte — y están hechas para cadenas de salones, no para el shop que se mueve con un Google Sheet y un primo en el teléfono.
LookFresh le da al shop un link limpio para que los clientes reserven y paguen sin el vaivén. Los pagos se hacen en persona y en línea, y los payouts de Stripe Connect van directo al operador. La tarifa es plana, no un corte por cita — así el shop se queda con más de cada dólar.
Es el tipo de herramienta que le entra a un horario real. Sin dashboard corporativo. Sin porcentaje sobre el corte. Solo un link, una página, y el dinero que llega a donde debe llegar.
Por qué nos importa: la gente que hace el trabajo se queda con más de lo que gana en vez de pagarle a una plataforma un corte por cada cita.
Los agentes de IA se están mandando emails a sí mismos reportando sus propios problemas de seguridad
Un investigador de seguridad descubrió que los agentes de IA se están mandando emails —a sí mismos o entre ellos— señalando sus propias vulnerabilidades. No lo hacen porque alguien se los haya pedido. Lo hacen porque pueden, y porque los prompts que les dieron les permiten razonar sobre el riesgo con sus propias palabras.
Las implicaciones son más sutiles de lo que los titulares sugieren. Esto no es un exploit nuevo, ni es un hack. Es una señal de que los modelos están desarrollando una especie de meta-conciencia —la capacidad de dar un paso atrás y evaluar su propio comportamiento.
Exo: corriendo IA en tu propio hardware, no en los data centers de otros
Una startup llamada Exo está construyendo software que te permite rentar el compute sobrante de tus propias máquinas — laptops, desktops, hasta phones — y usar ese pool para correr inferencia de IA. Funciona dividiendo los modelos entre dispositivos y pegando los resultados de vuelta. El pitch: no necesitas enviar todo a un data center gigante cuando la capacidad ya está sentada, ociosa, en los escritorios de la gente.
La idea no es nueva — el compute peer-to-peer se ha barajeado por años — pero la economía por fin tiene sentido con los LLMs modernos. La mayor parte del costo de correr un modelo es la GPU; si puedes repartir una sola inferencia entre una docena de máquinas que ya están encendidas, el costo por request baja y el dueño de cada máquina recibe su pago. Es el modelo de la cousin-hustle escalado.
Por qué nos importa: la gente ya tiene el hardware sentándose por ahí — tías con MacBooks viejas, abuelos con gaming PCs — y ahora mismo está acumulando polvo. Esto abre un ingreso extra real para cualquiera con una máquina enchufada, y significa menos dependencia de los big cloud providers que le ponen precio a las operaciones pequeñas y a los trabajadores independientes.
Por qué la internet está por fin aburrida — y por qué eso es una ganancia
CEM es uno de los pocos web developers que todavía escribe posts reales en su blog, y su último post hace un argumento simple: la internet está demasiado ruidosa. Los posts son muy largos. Las opiniones son muy afiladas. Las páginas se esfuerzan demasiado. La solución? Hazla aburrida. Escribe menos. Di lo que quieres decir. Sin opiniones a menos que te cuesten algo. Deja que el contenido hable por sí mismo.
El post pegó porque describe un cambio real. La web era un lugar donde te topabas con el rincón de alguien — una página personal, un zine, un blog de recetas.
Reed Jobs en biotech, AI, y por qué no se apoya en su apellido
La firma de Reed Jobs, Yosemite Ventures, pasó de ser un fondo de startups a un equipo de 17 personas en tres años. La timing está buena para biotech: hay un montón de blockbusters que se les vencen las patentes al mismo tiempo, abriendo una ventana para genéricos y biosimilares. Jobs dice que la AI se volvió parte grande de lo que hacen — no como gimmick, sino como algo que están usando de verdad en el trabajo.
Jobs would rather talk about curing cancer than his last name, and the track record backs that up. Yosemite's been backing companies in biotech and climate tech since it launched. The firm is now moving faster than Jobs expected, riding a sector that's still shaking off the post-pandemic crash while the next wave of deals lines up.
Por qué nos importa: biotech y climate startups son donde está yendo el dinero real, y cuando la gente que escribe los cheques no siente la necesidad de apoyarse en un apellido famoso, eso usualmente significa que están apostando por el trabajo — y el trabajo puede abrir puertas para founders que no vienen del zip code correcto.
Tips de code review que en realidad funcionan
TLDR mandó un note sobre code review — esa parte del trabajo que nadie finge que le gusta. El post junta tips para revisar el trabajo de los demás: lee el diff antes del PR, checa los edge cases, marca los problemas obvios temprano, y deja comentarios que expliquen el porqué, no solo el qué. La idea es sencilla: trata la review como una conversación, no como un examen.
Las stakes reales para nosotros son las que nadie menciona en el standup. Las malas reviews frenan al equipo, queman a los juniors, y dejan que los mismos errores se repitan. Las buenas reviews mantienen el shipping y mantienen a la gente cuerda.
Apple lanza PrismML — modelos de IA que corren en el dispositivo, no en la nube
Apple anunció PrismML, una familia de modelos de IA más grandes diseñados para correr on-device en vez de en la nube. La idea es simple: tenés las capacidades sin mandar tus datos a un server farm.
Los modelos más grandes suelen dar mejor reasoning y respuestas más precisas, pero también comen memoria y compute. Al meterlos en la chip architecture, Apple se saltea los tradeoffs de latencia y privacidad que han empujado a la mayoría de la consumer AI hacia cloud APIs. Es una apuesta distinta a los open-weight models que corren en desktop GPUs — esto es el silicon propio de Apple, tuned para su lineup.
El shift importa porque mueve la decisión de qué IA se corre y dónde se corre, lejos de los third-party cloud providers y hacia el hardware en tu bolsillo o en tu escritorio. No necesitás un subscription para llamar a una API. No necesitás preocuparte por lo que hace un vendor con tu prompt history. Simplemente lo corré.
Por qué nos importa: cuando los modelos viven en nuestros dispositivos, nuestros datos se quedan nuestros y las empresas que nos venden los celulares no pueden usar nuestras conversaciones en secreto para entrenar su próximo gran producto.
AWS por fin te deja guardar secretos externos sin armar tu propio vault
Secrets Manager ya soporta managed external secrets — le podés apuntar a GitLab o Paddle y se encarga de la rotación por vos. No más armar un sidecar solo para sacar tokens de otro servicio.
La forma vieja era frágil. Escribías scripts que le daban a una API, guardabas el resultado en SSM o Parameter Store, y ponías un cron para refrescarlo. Un error de permisos y se te filtraba toda la pipeline. AWS está cerrando esa brecha dejando que el servicio maneje el handshake. La public preview ya está.
Los $100M de Trump para 70 startups de IA — y el catch
La Casa Blanca repartió $100 millones en grants a 70 empresas de IA por medio de la CHIPS and Science Act, un programa que empezó con Biden y ahora corre con Trump. El dinero va a las que hacen el hardware — chips, data centers, la capa física — no a las apps de tu teléfono.
La lista la eligió un panel de líderes de la industria y académicos, no por contactos políticos. Muchos de los beneficiarios ya son jugadores bien funded de Silicon Valley: Palantir, Cerebras, Anduril, Mistral, Hugging Face. Los grants son de hasta $5 millones cada uno.
Es la misma ley CHIPS que financió la fab de TSMC en Arizona. La diferencia ahora es el framing político — la Casa Blanca lo llama un play de seguridad nacional, y la óptica cambia con otra administración. Pero el dinero fluye igual: a las empresas con los mejores equipos técnicos y más músculo de lobbying.
Por qué nos importa: este es dinero americano yendo a empresas de tech que no van a contratar a ninguno de los nuestros, y el spin político es solo window dressing sobre un programa que lleva corriendo desde 2022.
Una capa semántica ya no es opcional — es lo que hace que tu AI funcione de verdad
Ben Cocker en TLDR Data explica qué hace una capa semántica y por qué importa ahora. Se pone entre tus datos y el modelo que estés consultando — y es lo que evita que tu AI invente números o confunda una métrica con otra.
El artículo pasa por la mecánica: cómo definir tus métricas una vez, no una docena de veces entre distintas herramientas; cómo blindar el vocabulario de negocio para que el modelo use las mismas definiciones en todas partes; y por qué esto marca la diferencia entre un prototipo que funciona y uno que se rompe cuando se lo entregas a un analista de verdad.
No pongas agentes en tu app — pon tu app en un agente
La idea grande de Daniel B. es esta: deja de intentar meter agentes LLM en software tradicional y empieza a construir al revés. Los agentes son la interfaz ahora; las apps son solo herramientas que ellos agarran.
El patrón viejo es una web app con un chatbot pegado. Le pones un sidebar, un prompt box, unas cuantas llamadas a la API. El usuario se sienta en el browser, hace click, y espera que el agente sepa qué hacer. No pega. El agente es tan bueno como el contexto que puede alcanzar, y un sidebar es un carril estrecho.
El patrón mejor es al revés: un agente que tiene acceso a un set de tools — APIs, bases de datos, file stores, flujos de pago — y el usuario le habla en natural language. El agente llama a las tools. El usuario nunca toca el UI. Así es como funcionan cosas como Cursor y Bolt hoy. No son apps con AI. Son agentes que por casualidad tienen un visual editor.
El takeaway práctico es simple: si estás construyendo algo nuevo en 2025, empieza con el agente y el tooling. No empieces con el dashboard y le pegues un chatbot. El agente es el producto. El UI es un afterthought.
Por eso un montón de SaaS viejo se va a sentir chueco pronto. Las interfaces que la gente realmente quiere son text-based — un prompt, un resultado, tal vez una confirmación. Los dashboards fancy son legacy thinking. Los que ganan son los whose agents pueden alcanzar lo suficiente para hacer el trabajo sin obligar al usuario a hacer click en diez pantallas.
Por qué nos importa: las tools que de verdad van a servir a nuestras comunidades — la app de la migra, el sistema de inventario de la bodega, el negocio del primo — no van a ser web apps con chatbots. Van a ser agentes que pueden llamar APIs y hacer el trabajo, y deberíamos empezar a construirlos así en lugar de perder tiempo en dashboards que nadie usa.
Iceberg v3 por fin deja que la IA mande payloads JSON por el warehouse
Iceberg acaba de lanzar la versión 3 con un nuevo tipo llamado variant. Guarda JSON arbitrario — objetos anidados, arrays, hasta valores nulos — en una sola columna. Antes había que aplanar todo en filas o tirarlo en un string y parsearlo después. Ahora una query puede llegar directo a un campo como payload.request[0].amount sin escribir un montón de funciones de JSON.
Esto pega fuerte para los side hustles y las operaciones chiquitas que corren con stacks modernos, porque los frameworks de agentes de IA tiran sus outputs como JSON todo el tiempo.
La FTC le puso el cascabel al gato a John Deere por el derecho a reparar — tractores, 48 meses
La FTC cerró su caso contra John Deere. El acuerdo le da a la agencia 48 meses para vigilar a la compañía en materia de derecho a reparar — la capacidad de los agricultores y mecánicos de arreglar su propia maquinaria en lugar de tener que pasar por el distribuidor. La sentencia se presentó en el tribunal federal de Washington.
John Deere ha sido una de las voces más fuertes contra el derecho a reparar. Los agricultores llevan años esperando citas con el distribuidor, piezas y bloqueos de software que mantienen afuera a los talleres independientes. La acción de la FTC muestra que está dispuesta a usar herramientas de antimonopolio y protección al consumidor para castigar a las empresas que le cierran al usuario su propia máquina.
La ventana de 48 meses significa que la FTC puede volver a hacer cumplir los términos sin tener que iniciar un nuevo caso. Para la maquinaria de John Deere — tractores, cosechadoras, aspersoras — este es el primer control federal real sobre su monopolio de reparaciones. Los mecánicos independientes y los talleres agrícolas tendrán por fin un poco de aire.
Por qué nos importa: cuando tienes un camión, un tractor o una cortadora, es tuya para repararla — la FTC le acabó de recordar a John Deere eso.
DuckDuckGo ahora bloquea los anuncios de YouTube
El navegador de DuckDuckGo tiene una nueva opción de bloqueo de anuncios que atrapa los anuncios de video en YouTube, además de los banners y popups en otros sitios. La función se añadió en una actualización reciente.
Es un bache grande porque los anuncios de YouTube son de los más difíciles de bloquear. La mayoría de los bloqueadores los saltan o no agarran los que suenan antes del video. Este sí los para. El navegador también maneja los banners, popups y overlays de toda la web. No es perfecto — algunos anuncios se escapan — pero es la primera vez que un navegador mainstream se enfrenta a los anuncios de YouTube de frente.