Semana 43 · corte 20 oct 2026

IA y agentes: estado del arte, semana 43

Papers, lanzamientos de modelos y movimientos de industria de la semana del 20 de octubre de 2026, con el dato que sostiene cada afirmación.

29papers citados 14modelos en la ventana 14fuentes 2semanas publicadas
01

TL;DR

  1. El agente ya no es el modelo, es el harness. La investigación más votada del mes trata de cómo el andamiaje (contexto, herramientas, verificación, subagentes) evoluciona solo, con los pesos congelados. Mejorar el harness rinde más que cambiar de modelo. · Hugging Face trending · arXiv:2607.13683
  2. Pensar más no siempre ayuda. Varios papers muestran rendimientos decrecientes del "test-time compute": los modelos no saben racionar el presupuesto de razonamiento y el proveedor tiene incentivo a cobrar tokens inútiles. Tendencia: razonamiento adaptativo y latente, sin palabras. · arXiv:2608.07968 · arXiv:2601.21839
  3. Long-horizon es el tema que más crece (+510 % en papers). Benchmarks de negocio (BizBench, E-Commerce Bench) muestran que los agentes aún violan restricciones y fallan en silencio en tareas largas. · AI Papers Academy, tendencias H1 2026 · arXiv:2608.30730
  4. Menos contexto, mejores agentes. Podar el historial de herramientas (quedarse con las últimas 5 llamadas) subió la tasa de éxito del 71 % al 79 % y redujo tokens unas 3 veces. "Context engineering" sustituye a "prompt engineering". · arXiv:2606.10209
  5. Modelos: guerra de precios en la gama media. Sonnet 5.5 y GPT-6.1 Sol a 2/10 dólares; Haiku 5.5 a 0,10/0,50 con 1M de contexto; Gemini 4 Argon en disponibilidad general; Meta lanza sus primeros modelos cerrados (Muse Wonder); DeepSeek V4.1 Flash con pesos MIT. OpenAI canceló GPT-6.1 Astra tras tests de seguridad. · Local AI Zone, modelos de octubre · LLM Gateway, timeline
  6. Routing y cascadas son la palanca de coste real. Enrutar lo fácil a modelos baratos y lo difícil a Opus recortó un 46 % el coste de API en producción (PayPal), aunque los routers topan con un "plateau" en las consultas difíciles. · arXiv:2606.22840 · arXiv:2606.07587
  7. Seguridad de agentes pasa a primera página. Ciberataque a más de 100 empresas delegado a agentes por unos miles de dólares; bancos (Schwab, JPMorgan) bloquean agentes de terceros para mover dinero; Microsoft lanza controles por agente en M365; las skills de terceros son nueva superficie de ataque. · The Neuron, 20 oct 2026 · arXiv:2604.03081
  8. Enjambres de agentes como investigadores. Sin ideas humanas, producen borradores y pruebas formales más rápido de lo que los humanos pueden revisar. El cuello de botella ya es la revisión, no la producción. · arXiv:2609.35719
  9. Infraestructura: la restricción es la energía, y pronto la memoria. Microsoft abandona un datacenter en el Reino Unido por falta de conexión eléctrica hasta los 2030; SemiAnalysis prevé unos 50 GW nuevos en 2027. · The Neuron, 20 oct 2026 · Sopenu, 18 oct 2026
02

Lanzamientos de modelos

Ventana: 28 de septiembre a 19 de octubre de 2026.

FechaModeloQué importaFuente
28 sepClaude Sonnet 5.5 (Anthropic)2/10 dólares por M tokens. Índice Artificial Analysis 56,0, segundo tras Opus 5.5 (57,6).Local AI Zone
29 sepGPT-6.1 Sol (OpenAI, DevDay)2/10 dólares, índice 51,8 al coste más bajo del top tier. DevDay añadió modo Ultrafast, plan Pro 500 (500 dólares al mes) y preview de Decisions API.Local AI Zone
30 sep y 13 octGemini 4 Argon (Google)Primero restringido a ciberdefensores (programa Fairwind), disponibilidad general el 13 oct. Hasta 1M tokens de salida. 2/10 dólares introductorio, sube a 4/20 el 1 dic.Local AI Zone
1 y 2 octOla de "especialistas"Cloudflare Clef 27B/9B (Apache 2.0, modelos de decisión), Amazon Strands Decider 2B (local, gratis), Microsoft MAI-Voice-2.1 y MAI-Transcribe-2-Streaming, Bilibili Index-Translate (150 idiomas).Micro Center, 2 oct
6 octMistral Large 4 "Le Chonk"1T parámetros MoE, 49B activos, multimodal. Preview con guardrails en Mistral Studio; pesos prometidos para fin de mes.LLM Gateway timeline
6 octGPT-6 Luna Decisions (OpenAI) y Gemini Nano Banana 2.1Modelo de decisiones para agentes; nueva generación de imagen de Google.LLM Gateway timeline
7 octClaude Haiku 5.5 (Anthropic)0,10/0,50 dólares hasta 100K de contexto, ventana 1M, 128K de salida, thinking adaptativo por esfuerzo. Lo relevante para pipelines de volumen (screening, extracción).Local AI Zone
7 octGLM 5.3 Fast (Z.AI)Open weights, rápido y barato.LLM Gateway timeline
12 octMeta Muse Wonder / Wonder FullPrimeros modelos frontier cerrados de Meta. 4/20 dólares en API; Full solo para suscriptores Muse Code. Entrenados en el supercluster Prometheus (Ohio, escala GW).Local AI Zone
14 octGrok Voice 3.0 (xAI)Voz en tiempo real.LLM Gateway timeline
16 octTencent Hy Memory 2.0Stack de memoria abierto para agentes (modelo escritor 30B-A3B, MemHub y framework).LLM Gateway timeline
17 octDeepSeek V4.1-Flash-1017Mismo precio, pesos MIT. Terminal-Bench 4.0 de 31,2 a 42,3. APIs Search/Fetch a 0,75 dólares por 1.000 llamadas. El mismo día, EE. UU. prohíbe DeepSeek en agencias federales civiles.The Neuron, 20 oct
19 y 20 octMiniMax M3.1 Flash y Mercury 3 (Inception)M3.1: coding y computer-use, unas 3 veces más rápido y 70 % más barato. Mercury 3: modelo de lenguaje por difusión, más de 1.000 tok/s, calidad comparable a frontier pequeños.The Neuron, 20 oct
CanceladoGPT-6.1 Astra (OpenAI)Según WSJ, retirado tras tests internos de seguridad, sin fecha de reemplazo. También sin fecha: Qwen 4, Kimi K3.1, Grok 4.8.The Neuron, 20 oct
Patrón de la semana: los laboratorios convergen en 2/10 dólares para el nivel "Sonnet", sacan modelos de "decisión" pequeños para orquestar agentes (Clef, Strands Decider, Luna Decisions, StartLux-Decision, Drex Max) y publican stacks de memoria. Los modelos de difusión de texto (Mercury 3, Next-Concept Modeling) reaparecen como apuesta por velocidad.
03

Tendencias de investigación en agentes

Harness que se auto-mejoranHarness² (recursivo, sin verificadores ground-truth), Self-Evolving Agent Harness (optimización evolutiva con pesos fijos), HarnessBank, DarwinX, RSI-Anything. El harness (prompts de sistema, herramientas, memoria, subagentes, verificación) se trata como objeto de optimización independiente del modelo. Fuentes: arXiv:2607.13683, arXiv:2606.13643, arXiv:2608.07545
Context engineering"Less Context, Better Agents": podar a las últimas 5 llamadas de herramienta mejora el éxito y recorta tokens de 1,48M a 535K. Corpus2Skill compila corpus en árboles de skills navegables en lugar de RAG en tiempo de consulta. Fuentes: arXiv:2606.10209, arXiv:2604.14572
MemoriaCORAL (sistemas multi-agente de larga duración con memoria persistente compartida), Tencent Hy Memory 2.0, controladores aprendidos de qué guardar y qué olvidar. Memoria y RAG se miden ahora por coste de recuperación, no solo por recall. Fuentes: arXiv:2604.01658, LLM Gateway timeline
Long-horizon y planificaciónEl tema de crecimiento más rápido del año (+510 %). PlanBench-XL (1.665 herramientas): los fallos silenciosos y la recuperación de errores son el punto débil. "Choosing Before Acting" (NeurIPS 2026): un modelo pequeño estima el valor a largo plazo de cada llamada antes de ejecutarla. Fuentes: AI Papers Academy, arXiv:2606.22388, arXiv:2610.02330
Computer use y agentes generalistasOpenGCUA (agente de uso de ordenador abierto que mezcla interfaz visual y programática), nanoMuse (agente personal open-source multi-dispositivo), ChatGPT actúa sobre pestañas abiertas de Chrome. Benchmarks de negocio: BizBench, E-Commerce Bench, RetailBench, CoffeeBench, con violaciones de restricciones frecuentes. Fuentes: arXiv:2608.30730, arXiv:2606.15862, arXiv:2606.16613
Razonamiento eficienteOverthinking (más presupuesto empeora), los modelos cuantizados "creen" que deben pensar más, "Learning When to Think" (elige desde el primer token), razonamiento latente sin palabras (hasta 12 veces más corto), Hybrid Reasoning Agents (latente dentro, texto fuera). Calibración en test-time con datos sin etiquetar. Fuentes: arXiv:2604.10739, arXiv:2608.20256, arXiv:2604.22709
Enjambres y ciencia autónoma"AI Agent Swarms as Researchers" (28 sep): enjambres de agentes de código con la instrucción "haz progreso real y no pares" producen pruebas formales verificadas en 5 campos. Agon (30 días sin supervisión), DiscoveryRSI, ARIS, Optimus-1. Problema: revisar cuesta meses. Fuente: arXiv:2609.35719
Seguridad de agentesSupply-chain poisoning en skills (bypass del 11 al 33 %), Agent Skills survey (arquitectura, adquisición, seguridad), Speculative Probing (monitor de seguridad a coste casi cero reutilizando el módulo de speculative decoding), "Internal Safety Collapse" en modelos frontier. 82 papers de seguridad solo en la lista VoltAgent. Fuentes: arXiv:2604.03081, arXiv:2602.12430, arXiv:2608.28099, VoltAgent
Routing, cascadas y servingRLM-Cascade (PayPal): 45,8 % menos coste, latencia 1,83 veces mejor. "The Routing Plateau": 21 routers, todos en una banda estrecha. SLARouter y "Routing Should Pay for Itself": basta con el 33 al 41 % del feedback. SpecStream y DLite: speculative decoding para agentes y long-context. Fuentes: arXiv:2606.22840, arXiv:2606.07587, arXiv:2609.37402, arXiv:2609.33184
Coding agents en el mundo realSWE-chat (6.000 sesiones reales): solo el 44 % del código del agente llega a commit, y añade más vulnerabilidades. SWE-Together: Opus 4.8 resuelve el 63 % frente a un 78 % humano; GPT-5.5 es más barato por tarea. DeepSWE: benchmarks nuevos para evitar contaminación. Fuentes: arXiv:2604.20779, arXiv:2606.29957, arXiv:2607.07946
04

Papers clave

Agentes y harness

Razonamiento y test-time compute

Coste, routing y serving

Coding agents y seguridad

05

Industria, regulación y seguridad

Agentes como arma. Reuters: un atacante chinoparlante comprometió webs de más de 100 empresas delegando casi todo el trabajo a agentes de IA, con un coste de pocos miles de dólares. Primer caso documentado a esta escala. Fuente: The Neuron, 20 oct 2026

Las instituciones ponen límites. Schwab y JPMorgan bloquean agentes de terceros, incluido Muse de Meta, para mover dinero, y ofrecen servidores MCP de solo lectura. Microsoft lanza controles por agente en M365 E7 y Project Perception: evaluación de riesgo por agente, bloquear cambios, exigir aprobación humana, apagarlo. EE. UU. ordena retirar DeepSeek de agencias federales. Anthropic consulta a juristas sobre cómo deben actuar sus agentes negociadores y sobre la gobernanza de la constitución de Claude; Jack Clark pide kill switches obligatorios y supervisión verificable (FMI y Banco Mundial, Bangkok). Fuentes: The Neuron, 20 oct 2026, Sopenu, 18 oct 2026

Capital y laboratorios. OpenAI cierra una ronda que la valoraría por encima de 1,4 billones de dólares antes de la IPO esperada de Anthropic. Editores canadienses demandan a Anthropic por copyright. OpenAI confirma que construirá un robot humanoide, con demo en 2027. Anthropic: la proporción de contrataciones técnicas junior cayó del 27 % al 9 %. Fuentes: The Neuron, 20 oct 2026, Sopenu, 18 oct 2026

Plataformas de agentes. Claude Managed Agents (beta pública desde abril): runtime gestionado, sandbox por sesión, vault de credenciales, 0,08 dólares por hora de runtime activo. Cowork en disponibilidad general con RBAC, límites de gasto y OpenTelemetry. Anthropic OSS Scanner escanea vulnerabilidades en proyectos open-source críticos. OpenAI añade Decisions API y mejora COBOL y Fortran para migraciones legacy. Fuentes: Managed Agents y Cowork en GA, The Neuron, 20 oct 2026

Infraestructura. Microsoft se retira como anchor tenant del datacenter de Nscale en Essex (2.000 millones de libras, 23.000 GPUs) porque la red eléctrica no da conexión hasta los 2030. SemiAnalysis: unos 50 GW nuevos en 2027 y 60 GW en construcción; chips y memoria pasarán a ser la restricción. Meta publica Prometheus, un clúster de escala GW. Amazon TorchNeuron (PyTorch en Trainium) en beta pública. Fuentes: The Neuron, 20 oct 2026, Sopenu, 18 oct 2026

06

Datos de fondo

Primer semestre de 2026, sobre 170.927 papers de arXiv. Toda la tabla sale de la misma fuente: AI Papers Academy, tendencias H1 2026.

MétricaDatoFuente
Papers sobre workflows agénticos4.585 a 10.496AI Papers Academy
Long-horizon planning264 a 1.611 (+510 %, el tema que más crece)AI Papers Academy
Mayor volumenReasoning y CoT: 11.636 papersAI Papers Academy
Alignment y safety8.121 papers, +33 % de cuotaAI Papers Academy
Open weights más citadosQwen (+98 %) supera a Llama (+14 %); Gemma el que más crece (+147 %)AI Papers Academy
PropietariosClaude el de mayor crecimiento (+130 %); GPT mayor volumen pero estancadoAI Papers Academy
En decliveDatos sintéticos (24 % menos cuota), Mamba y SSM (20 % menos), difusión de imagen (15 % menos, migra a vídeo)AI Papers Academy
07

Lectura para Joblanders

08

Fuentes

Cada viernes

Te mandamos el repaso de la semana

Papers, modelos y movimientos de industria de los últimos siete días, con el dato que sostiene cada afirmación. Un correo por semana.

Solo lo leemos nosotros. Puedes salir cuando quieras.

Los datos de blogs secundarios (precios, benchmarks) no están contrastados con los anuncios oficiales salvo que se indique.