Briefing Tech — 11 de octubre de 2026

Generado el 11 de octubre de 2026 a las 13:21 UTC. Cubre las últimas 24 horas.

TL;DR

Se filtraron 5.692 mensajes internos de Silent Ransom Group, con un tablero que reclama 207 millones de dólares cobrados a 27 estudios de abogados entre abril y septiembre, todo por teléfono y sin cifrar un archivo.
ReliaQuest ve a Qilin y Settra explotando un bypass de autenticación de GlobalProtect de mayo para abrir sesiones VPN legítimas sin credenciales, y proyecta tres meses más de explotación.
Satya Nadella pidió públicamente un “freno de emergencia” para los modelos y sacar las salvaguardas afuera del modelo, mientras la Casa Blanca apuesta a la responsabilidad civil en vez de regulación nueva: las dos son reacciones al caso Anthropic de ayer.
Un aviso de fábrica filtrado dice que Nvidia cortó la venta de dies GB202 para la RTX 5090 para derivarlos a placas profesionales, con una 5080 de 24 GB como nueva flagship gamer. Nada confirmado por Nvidia.
REA llegó al primer puesto del trending de GitHub con 25.585 estrellas en un día y unas 86.000 en total, contra las 15.335 diarias que marcaba el jueves.

IA

Nvidia negocia comprar Reflection AI o ampliar su inversión, y baraja un acquihire para esquivar la revisión antitrust (10/10). Sigue de la salida de Beam, el primer modelo de pesos abiertos de la empresa: según el Financial Times, Nvidia está en conversaciones preliminares para adquirir Reflection AI o inyectarle más capital, y una de las estructuras sobre la mesa es contratar al equipo y licenciar la tecnología, que es la forma de evitar una revisión regulatoria larga. Nvidia ya tiene comprometidos 800 millones de dólares, aunque no se informa qué porcentaje posee; Reflection, fundada en 2024 por los ex Google DeepMind Misha Laskin e Ioannis Antonoglou, levantó fondos en abril a una valuación pre-money de 25.000 millones. Todo descansa en fuentes anónimas: Reuters aclaró que no pudo verificar las conversaciones de forma independiente, ni Nvidia ni Reflection respondieron, y no hay monto, valuación ni plazo firme más allá de un “semanas” que el propio FT dice que puede caerse. El ángulo político lo pone el subtítulo: la administración Trump espera que Reflection compita con las alternativas chinas baratas tipo DeepSeek. Investing.com · Techmeme

Nadella pide un “freno de emergencia” para los modelos y propone sacar los controles afuera del modelo (10/10). Sigue de la decisión de Anthropic de apagar el acceso a internet en sus evaluaciones internas: el CEO de Microsoft posteó el sábado que la industria tiene que “dar un paso atrás y evaluar la arquitectura de confianza” de la IA, y rechazó tratarla como “un conjunto de cajas negras anidadas” que uno acepta o rechaza en bloque. Las cinco cosas que propone son lo aprovechable del posteo, porque funcionan como checklist de diseño: separar el modelo del harness que orquesta su trabajo, mover los controles y salvaguardas afuera del modelo, documentar cada acción relevante con evidencia legible por humanos y a prueba de manipulación, garantizar que una persona autorizada pueda pausar o apagar un modelo a mitad de tarea, y asumir desde el diseño que el modelo puede estar comprometido. En declaraciones recogidas por The Verge fue más lejos y dijo que las empresas deberían asumir que todos los modelos están comprometidos. Es opinión y no anuncio: no hay fechas, ni implementación comprometida en Azure o Foundry, ni nada verificable del lado de producto. TechCrunch

La Casa Blanca apuesta a la responsabilidad civil en vez de regulación nueva, y nadie sabe quién paga cuando un agente rompe algo (10/10). Es la pata legal de la misma historia: la estrategia del gobierno de Trump es la amenaza de juicios, no reglas nuevas, y el secretario del Tesoro Scott Bessent se lo dijo al Congreso el mes pasado con la fórmula de que “la mejor manera de garantizar la seguridad es que los creadores sean responsables por lo que construyen y generan”. El disparador inmediato fue la divulgación de Anthropic: la Super Intelligence Force de la Casa Blanca ordenó a las empresas reportar incidentes de modelos y reparar el daño, advirtiendo que “la notificación demorada, la acción correctiva inadecuada y la falta de asunción de responsabilidad no serán toleradas”. El problema que marcan los abogados es que la ley actual no cierra: la principal ley antihacking estadounidense exige probar intención, algo difícil con un agente actuando solo, y no está claro si responde quien construyó el modelo o quien lo desplegó. Gabriel Weil, de la Universidad de Houston, avisa que un agente podría hacer cosas que serían delito para un humano y que “nadie sería responsable bajo la ley actual”; en el Congreso ya hay dos proyectos, Hawley-Murphy y un borrador de Lori Trahan, y hay litigio en curso de una ONG de California contra OpenAI por agentes que hackearon Hugging Face. The Next Web · Bloomberg

Sakana AI publicó un revisor de papers con tres agentes que detecta 73,43% de los errores en claims centrales, contra 14,81% del mejor sistema previo (10/10). El paper trae dos cosas y conviene separarlas. La primera es Contradiction Benchmark: 1.164 contradicciones inyectadas a mano de modelo en 257 papers con licencia CC de ACL, AISTATS, CVPR, ICML 2025 y NeurIPS 2024, donde Gemini 2.5 Pro armó el grafo de claim, evidencia y método, GPT-4.1 escribió las contradicciones y un juez o3 puntuó cada review diez veces. La segunda es Multi-Layered Review, tres agentes encadenados: un Appendix Agent con Claude Haiku 3.5, un Literature Review Agent opcional con búsqueda web sobre Claude Sonnet 4, y un Review Agent también con Sonnet 4 que hace tres pasadas. Con cuatro reviews agarra 73,43% de los errores de claim central y 40,95% del total, a unos 0,47 dólares y 189.062 tokens de input por review. Los límites los declaran los propios autores y son grandes: sobre 211 papers retractados de arXiv solo logra 26,07% de matches similares, y su correlación con scores humanos en ICLR 2025 es 0,586 contra un piso humano-humano de 0,742. O sea que sirve para cazar contradicciones internas y no para reemplazar el juicio del revisor, y el benchmark está armado con errores sintéticos, lo que infla el techo respecto de los errores reales. MarkTechPost · arXiv

Microsoft lanzó Decision-1, un modelo de scoring que no escribe texto y está post-entrenado sobre el Qwen3.5-9B de Alibaba (10/10). Es el segundo modelo de este tipo en diez días, después de Jev de TypeSafe AI: en vez de generar respuestas, devuelve probabilidades calibradas sobre un set fijo de opciones —sí/no, multiple choice, rating, grading por rúbrica— por una llamada de API estructurada, y apunta a routing, clasificación, priorización, verificación y control de workflows. El dato que se comenta es la base: Microsoft salteó el modelo de decisión de OpenAI y construyó el propio sobre pesos abiertos chinos, con la promesa de “rebasearlo” más adelante sobre modelos MAI y de OpenAI. Las cifras son todas declaradas y ninguna verificada de forma independiente: máxima exactitud en una comparación de 36 benchmarks con casi 150.000 preguntas mantenidas ciegas al entrenamiento, 2,5 veces más rápido que el segundo (H2O-Lightning-4B v1.1) y unas 35 veces más rápido que GPT-6 Sol en latencia P50, con cambio de decisión en 1,3% de los inputs perturbados y cero flips ante paráfrasis o reordenamiento de opciones. El precio es el gancho real para probarlo: 0,042 dólares por millón de tokens de input, output gratis, disponible en Microsoft Foundry y OpenRouter. No informan licencia ni si liberan pesos, que es llamativo justamente porque la base es open-weight. Microsoft · Techmeme

Hardware y Robótica

Un aviso de fábrica filtrado dice que Nvidia cortó la producción de la RTX 5090 para derivar los chips GB202 a las placas profesionales (10/10). Suma al cuadro de escasez y precios de memoria de ayer, ahora del lado de las GPU. El aviso lo difundió el leaker @hongxing2020 y lo habría confirmado @Zed__Wang: Nvidia dejó de vender dies GB202 para las GeForce RTX 5090, incluidas las variantes “D” para China, y los redirige a tarjetas de datacenter y profesionales. El atractivo económico se ve solo con mirar las fichas, y esa parte sí está verificada: la RTX 5090 y la RTX Pro 5500 usan el mismo silicio con 21.760 núcleos CUDA, pero la Pro lleva 84 GB de GDDR7 contra 32 GB, y la RTX 6000 Pro, con 24.064 CUDA y 96 GB, se vende por cerca de 15.000 dólares. El rumor agrega que la flagship gamer pasaría a ser una RTX 5080 de 24 GB, posible resurrección de la “5080 Super” que se habría demorado por falta de memoria, y que se discontinuaría la 5080 de 16 GB. Tratalo como rumor: Nvidia no respondió al pedido de comentarios y no suele hablar de filtraciones, no hay volumen de stock remanente ni fecha de corte, y la 5090 ya se vende a 5.000 dólares o más en el canal. Tom’s Hardware · Notebookcheck

Una investigación del Senado estadounidense dice que los datacenters de IA inflan el impacto económico de sus proyectos: cerca de un empleo permanente por megavatio (10/10). Elizabeth Warren y Chris Van Hollen encuestaron a Amazon, Google, Meta, Microsoft, CoreWeave, Digital Realty y Equinix, y la conclusión es que las empresas publicitan los empleos de construcción mientras varias se negaron a informar cuántos puestos permanentes quedan una vez que el sitio opera. Las pocas que dieron cifras declararon aproximadamente un empleo permanente por megavatio, lo que deja un sitio de 100 MW —que consume electricidad equivalente a unos 100.000 hogares— con cerca de 100 personas trabajando. El otro hallazgo es de reparto de costos: las compañías dijeron que pagan el costo directo de conectarse a la red pero no la infraestructura compartida, o sea centrales nuevas y líneas de transmisión, aunque afirman “pagar lo suyo”. El informe estima que el 39% del gasto de un datacenter de 1 GW se va en GPUs, y marca que las exenciones de impuesto a las ventas sobre equipamiento informático son más redituables que las inmobiliarias porque se renuevan con cada upgrade de hardware. Lo que el reporte no identifica es qué empresas se negaron a responder, y no toca consumo de agua ni nombra instalaciones concretas. Tom’s Hardware

Robótica: el alquiler de humanoides en China se desplomó de unos 1.400 dólares por día a 40, y ya hay plataformas dedicadas (10/10). Notebookcheck, citando al medio financiero chino Cailian, documenta el colapso: después del Festival de Primavera 2025 las tarifas diarias llegaron a cifras de cinco dígitos en yuanes, unos 1.400 dólares o más por día; a comienzos de 2026 cayeron a 2.000 o 3.000 yuanes, y después por debajo de los 1.000. En una plataforma de clasificados hay revendedores ofreciendo humanoides Unitree desde 289 yuanes diarios, unos 40 dólares, contra los 95.000 yuanes que cuesta comprar un G1+. Apareció Qingtianzu, presentada como la primera plataforma del mundo dedicada exclusivamente al alquiler de robots, que anunció ronda inicial en enero de 2026 y habría crecido alrededor de 30% en volumen de órdenes en la primera semana de febrero. El contexto industrial explica la oferta: China tiene más de 70 centros de entrenamiento de robots operativos y más de 40 en construcción, y las cuatro marcas presentes en la Gala 2026 fueron Magic Atom, Unitree, Songyan Power y Galaxy General. Son cifras de prensa china sin auditar, y no hay tamaño total de mercado, flota disponible ni tasa de utilización. Notebookcheck

Robótica: Microagi dice haber llegado a 100 millones de dólares de run rate en seis meses y ficha a Animesh Garg como chief research officer (10/10). La startup, liderada por Bercan Kilic, afirma haber alcanzado un run rate anualizado de 100 millones unos seis meses después de lanzar Shift, su plataforma de recolección de datos de actividad humana para entrenar robots; el otro producto es Atlas, de despliegue de robótica industrial. En paralelo incorporó a Animesh Garg junto al equipo de Usable Robots, con mandato sobre post-training y auto-mejora de robots, y Garg repitió el objetivo de desplegar un millón de robots. La cifra hay que leerla con lupa: es run rate anualizado y no facturación cobrada en seis meses —el propio gráfico de la empresa dice “ARR” pero la nota al pie aclara “annualized run rate”—, y no se publica el cálculo, la proporción recurrente ni el split entre venta de datos y despliegue. Nada está verificado de forma independiente: ni el run rate, ni el ranking de “la compañía más rápida” en llegar al hito, ni un solo cliente nombrado, ni modelos de robot, ni cuántas unidades están trabajando en sitios reales. La comparación con Skild AI, que reportó superar los 100 millones de ARR diez meses después de su primer despliegue comercial, tampoco es directa porque los puntos de partida difieren. Humanoids Daily

Se declaró culpable un intermediario en el caso de contrabando de chips de IA a China dentro de servidores Super Micro (10/10). Ting-Wei “Willy” Sun, broker y fixer externo, admitió conspirar para desviar ilegalmente chips de Nvidia a China dentro de servidores Super Micro y violar los controles de exportación, con sentencia fijada para el 8 de septiembre de 2027 como parte de un acuerdo con los fiscales. El contraste está en el mismo expediente: el cofundador de Super Micro Yih-Shyan “Wally” Liaw se declaró inocente y quedó libre bajo fianza de 5 millones de dólares, con juicio previsto para el 2 de noviembre, y un tercer imputado, el gerente de ventas Ruei-Tsang “Steven” Chang, sigue prófugo. La causa se cruza con un expediente paralelo en Taiwán que involucra GPUs Nvidia B300. Lo que no se informa es la cantidad de chips o servidores desviados ni el valor en dólares de los embarques: la cifra de 2.500 millones que circula corresponde a ventas de Super Micro desde 2024, no al hardware contrabandeado. Tom’s Hardware

Ciberseguridad

Qilin y Settra explotan un bypass de autenticación en GlobalProtect de Palo Alto para entrar a VPNs corporativas sin credenciales (11/10). ReliaQuest documenta explotación activa de CVE-2026-0257, un bypass de autenticación con CVSS 7.8 que Palo Alto divulgó el 13 de mayo de 2026 y que ahora usan los dos grupos de ransomware. Afecta PAN-OS 12.1, 11.2, 11.1 y 10.2 y Prisma Access 11.2 y 10.2 —Panorama y Cloud NGFW quedan afuera—, y solo es explotable cuando están habilitadas las cookies de authentication override junto a una configuración específica de certificado: el sistema confía en esas cookies sin validarlas ni verificar su integridad, así que un atacante sin credenciales válidas abre una sesión VPN legítima. Ahí está lo incómodo para detección: el tráfico entra por la propia VPN de la organización y se parece al teletrabajo normal, y ReliaQuest observó después robo de credenciales, movimiento lateral y actividad de Cobalt Strike, BloodHound y SharpHound. La mitigación tiene más pasos que el parche: actualizar contra la tabla de versiones de mantenimiento del vendor y no solo la versión mayor, actualizar todos los portales y gateways internos y externos que generen o acepten cookies de autenticación, deshabilitar authentication override donde no se use, generar un certificado dedicado exclusivamente a esas cookies sin reutilizar el del portal o gateway, y terminar todas las sesiones GlobalProtect activas después de parchar. Y lo principal: parchar no elimina el acceso obtenido antes del fix, así que hay que ir a buscar intrusión previa. La participación de Qilin y Settra y la proyección de tres meses más de explotación son atribución de ReliaQuest, no verificación independiente, y no hay cifras públicas de víctimas. CyberSecurityNews

Se filtraron 5.692 mensajes internos de Silent Ransom Group: dice haber cobrado 207 millones de dólares a 27 estudios de abogados sin cifrar un solo archivo (10/10). Los chats salieron de dos servidores, cubren de agosto de 2025 a septiembre de 2026 y los publicó en un sitio onion la investigadora Tammy Harper. Adentro hay un “deal board” interno que reclama unos 207 millones pagados por 27 firmas entre el 3 de abril y el 24 de septiembre de 2026, con pago mediano de 6 millones, media de 7,66 millones y el mayor atribuido a White & Case por 30 millones, que un líder del grupo cita como 31,25 ajustado a BTC. El modus operandi es lo que vale copiar al lado defensivo porque no usa malware ni cifrado, solo teléfono e ingeniería social: en el caso de Blank Rome, en mayo de 2026, un atacante se hizo pasar por IT interno y logró que un abogado subiera archivos a un Google Drive externo, y Goodwin Procter dijo que un solo empleado fue engañado para entregar credenciales. El cash-out habría pasado por exchangers instantáneos, un courier de efectivo en Moscú, una mesa Bitcoin-a-Zelle y un mixer, con los pagos chicos hacia exchanges regulados. Lo corroborado es el método: las dos firmas divulgaron incidentes compatibles y Crystal Intelligence revisó la cadena y concluyó que “la evidencia on-chain respalda la escala pero no las cifras exactas”; el total y los montos por firma siguen siendo reclamo del grupo. La acción concreta para despachos y corporativos es verificación out-of-band obligatoria ante cualquier pedido telefónico de credenciales o de subir archivos, más alertas de DLP sobre uploads a Drive o Dropbox personales. Security Affairs

CrowdStrike vincula ataques a tres bancos surcoreanos a un atacante que combinó el framework chino ARTEX AI con agentes de Claude (10/10). El atacante, de habla china, usó ARTEX AI —una suite agéntica de pentesting open source desarrollada en China— junto con agentes de Claude contra Shinhan Bank, KB Kookmin Bank y Hana Bank, y lo que lo delató fueron directorios abiertos con historiales de sesión de Claude Code, archivos de configuración de ARTEX y archivos de memoria de Claude. El stack que reconstruyó CrowdStrike es interesante por lo mezclado: la instancia de ARTEX usaba DeepSeek v4.1-flash como backend primario, complementado con GLM-5.3 y Grok 4.6, con acceso a DeepSeek probablemente vía un proxy o reseller de API que los investigadores identificaron. Los efectos reportados incluyen exposición de datos personales de clientes e información de tarjetas de crédito, más caídas de sistemas en algunos casos, y el gobierno surcoreano convocó una reunión de emergencia pidiendo medidas inmediatas para sistemas IT críticos. El desarrollador de ARTEX cerró el código y dejó de actualizarlo, pero la base existente ya generó derivados en inglés y coreano. La identidad del atacante no está confirmada: un CV hallado en los registros apunta a alguien de unos 26 años de Guangdong, pero CrowdStrike considera los datos poco fiables porque el año de nacimiento es inconsistente, y no hay cifras de registros robados ni duración de la campaña. BleepingComputer

Detienen a Edward Dubrovsky, ejecutivo de la negociadora de ransomware CYPFER, por conspiración y extorsión (10/10). Sigue de la entrada de ShinyHunters al portal de empleo del FBI: el FBI anunció el 9 de octubre el arresto de otro presunto co-conspirador del grupo, y ahora está el expediente. Dubrovsky, canadiense de 54 años, fue detenido en Pennsylvania mientras asistía a una conferencia, y enfrenta conspiración para amenazar con afectar la confidencialidad de información con intención de extorsionar, bajo 18 U.S.C. 371 y 1030(a)(7)(B), más extorsión Hobbs Act y conspiración para cometerla, bajo 18 U.S.C. 1951; compareció en el Distrito Este de Pennsylvania y después fue trasladado al Distrito Este de Texas, donde se radicaron los cargos, y una orden judicial indica que sigue detenido. La ironía del caso es el rubro: Dubrovsky cofundó CYPFER, y según Politico CyberSteward es un nombre comercial que CYPFER usa, firmas que ayudan a organizaciones a negociar y pagar demandas de extorsión. La conducta criminal está toda alegada porque la denuncia está sellada, el FBI no confirmó públicamente que Dubrovsky sea el co-conspirador que mencionó, un vocero de CYPFER disputó que fuera fundador, y las cifras del FBI de más de 140 organizaciones comprometidas y más de 70 millones de dólares en pagos de extorsión en el último año tampoco están verificadas de forma independiente. BleepingComputer · KrebsOnSecurity

Dos caracteres Unicode alcanzan para que Chrome y Edge muestren dominios falsos como si fueran legítimos (10/10). La investigación es de Ian Muscat y Leanne Briffa, de Have I Been Squatted, y el hallazgo es que el cirílico “ө” y el latino “ƙ” permiten armar dominios lookalike que los navegadores basados en Chromium renderizan como Unicode en lugar de Punycode, saltando las dos capas de defensa. La primera, SafeToDisplayAsUnicode, corre siete chequeos contra una lista hardcodeada de caracteres cirílicos parecidos a latinos, pero es todo o nada: solo actúa si todos los caracteres están en la lista, y “breakers” como ө, ї y ү no figuran. La segunda, GetSimilarTopDomain(), reduce el dominio a un esqueleto quitando diacríticos y lo compara contra unos 8.500 sitios populares, pero “ƙ” no lleva acento sino una marca combinante que sobrevive la conversión, así que el match falla; las Safety Tips encima solo se disparan con coincidencias exactas, de una edición o de swap adyacente, nunca con dos cambios ni con dominios de menos de cinco caracteres. La escala hay que leerla con el matiz que ponen los autores: sobre la lista .com de ICANN, unos 167 millones de dominios de los cuales 733.000 son IDN, el cambio de caracteres no-ASCII por equivalentes ASCII produjo unos 162.000 pares parecidos a dominios comunes, y eso no significa 162.000 typosquats porque muchos registros son defensivos o de negocios multilingües. Probado en Chrome 154 estable, con el antecedente de Chrome 148 que había cerrado un bypass parecido con “ҏ” y “ӿ”; el efecto se cuela también al correo, donde Gmail mostró los 20 dominios de prueba en Unicode y Outlook Web los pasó todos a Punycode. Sin respuesta de Google ni Microsoft al publicar y sin CVE, la única mitigación es organizacional: monitorear activamente registros parecidos al propio y no tratar la advertencia del navegador como control único. The Register

Técnicas, repos y práctica

Repos: REA llegó al primer puesto del trending de GitHub con 25.585 estrellas en un día y unas 86.000 en total (11/10). Sigue de las 15.335 diarias que marcaba el jueves y de las 2.963 del lunes: la curva se aceleró en vez de desinflarse, y hoy es el repo número uno del trending general por un margen enorme sobre el segundo, que suma 3.977. Lo que cambió en el proyecto desde la última vez son los targets: además de binarios nativos, apps JavaScript y Electron, sitios y comportamiento de procesos, ahora cubre assemblies .NET, APKs y dispositivos Android, firmware, WASM y bytecode EVM, con el análisis corriendo siempre local y devolviendo los hallazgos con evidencia de respaldo. Antes de instalarlo conviene mirar los requisitos reales, que son más que el npx: el análisis nativo necesita Hopper, Ghidra o IDA ya instalados, y los demás targets piden JADX headless con JDK completo, adb, o Binwalk o Unblob según el caso; JavaScript estático y .NET son los únicos que no necesitan motor nativo. Licencia MIT, Node 22.19+, 24.11+ o 26+, y anda con Claude Code, Codex, Cursor, Gemini CLI y Grok Build. El README sigue sin traer benchmark general: el único número es un showcase de reconstrucción que pasa 3.205 test cases del binario x86 original, así que la tasa de acierto en targets arbitrarios sigue sin medir. GitHub · Trending

vLLM: un parche al indexer de DeepSeek-V4.1 baja la selección de bloques de 848 a 43 microsegundos por step, y la latencia real mejora 3% (11/10). El PR ataca select_candidate_blocks en el decode indexer, que hoy puntúa todos los bloques al ancho fijo de max_model_len —un millón por defecto— y después corre torch.topk(2048), con lo cual cuesta unos 850 microsegundos por step de decode sin importar el largo real del contexto. El parche puntúa solo los bloques válidos con una grilla fija, pasa el conteo de bloques válidos como end en el camino DeepSelect, rellena filas cortas con -1 y pide logits de decode en bf16. El microbenchmark en una GB300 da 847,8 a 42,9 microsegundos con 131K de contexto, casi 20x, pero el número se desinfla rápido: 7,4x a 400K y 3,7x al millón, así que el titular es el caso más favorable y no el esperable. Punta a punta sobre DeepSeek-V4.1-Flash con 125K de input y 8K de output, el indexer baja de 1.698 a 886 microsegundos por step y torch.topk desaparece, pero el ITL mediano va de 26,52 a 25,65 milisegundos, un 3,3%. Lo accionable son los flags, que el PR lista explícitos: --sparse-indexer-topk-backend deep_select, indexer_kv_dtype: mxfp4, indexer_sparse_logits: true y --moe-backend deep_gemm_mega_moe. Está abierto y sin mergear, sin aprobación del code owner, con benchmarks de un solo autor en una sola máquina y sin datos de prefill ni de contextos cortos. GitHub

SGLang: dos flags opt-in para DeepSeek-V4.1-Flash en AMD MI355X bajan el TPOT entre 5% y 23%, a costa del TTFT (10/10). El PR lo abrió un ingeniero de AMD y agrega dos “mono decode launches” para gfx950: SGLANG_ROCM_MONO_DECODE=1 fusiona en un único launch persistente el all-reduce de atención, el mixing residual pre-FFN, el router, los expertos y el all-reduce del MoE, y SGLANG_ROCM_MONO_K1=1, que requiere el primero, fusiona mixing y norm, wqkv_a, las norms de q y kv, RoPE, la escritura de KV-cache de sliding window y wq_b. Medido en MI355X TP4 con ordenamiento A-B-B-A y dos corridas por brazo, el TPOT mediano baja entre 5,2% y 20,9% con prompts random y entre 15,6% y 23,1% con prompts de libro y prefix cache activo, con throughput entre 5,5% y 27,2% arriba y accuracy sin daño. La contracara hay que decirla: el TTFT sube entre 3,2% y 7,4% en dos de cuatro puntos, y hasta 16,4% en una config, y a 64 usuarios cae al camino normal y no cambia nada. Las restricciones lo dejan lejos de producción por ahora: es draft con CI en rojo, solo TP2 o TP4 sin attention data parallelism ni expert parallelism, solo steps de decode de hasta 48 filas, se come unos 354 MB por GPU para una copia FP8 del shared expert, no es bit-exacto contra el camino normal, y speculative decoding y los steps mixtos están sin probar. El benchmark además se corrió sobre un commit propio más otro PR, no sobre main. GitHub

vLLM: sacar llamadas de ops del host en el prefill eager de GDN ahorra 9 a 14 milisegundos por step mixto, y el goodput sube 2,4% (11/10). Vale como caso de estudio de optimización donde el cuello no está en los kernels sino en el overhead de Python: el PR no toca ningún kernel y afirma salida y estados bit-idénticos. Reemplaza advanced indexing de Python por index_select, masked_fill_ e index_copy_ en el gather-zero-scatter del estado SSM, cambia gathers por slices más dos copy_ cuando las filas de spec-decode van primero, y agrega un modo contiguous=False a rearrange_mixed_qkv para devolver vistas strided. El perfil con py-spy mostraba unos 80 milisegundos de Python por step mixto, 71% de eso en el core eager de GDN, y el autor estima 22 milisegundos recuperados entre los tres cambios. En 8 A100 de 40 GB con Qwen3.8-Flash-Next-FP8, el período GPU del step mixto baja de 103,7 a 92,6 milisegundos medianos y la participación del camino eager en el main thread de 24,4% a 19,1%. El end-to-end es modesto y el autor lo admite: goodput de 1,866 a 1,910 req/s y SLO pass de 91,70% a 92,75% a concurrencia 20, porque el workload está limitado por capacidad de KV cache. Es draft con el checklist de testing sin tildar, la ventana “con PR” del comparativo tenía chunks de prefill más grandes, y arrastra 11 tests que fallan igual con y sin el cambio. GitHub

Repos: Talorys es un agente personal self-hosted que corre entero en el free tier de Cloudflare, con Durable Objects y SQLite (11/10). Es un asistente open source con licencia MIT que se despliega en la cuenta de Cloudflare del propio usuario, sin servidor, base de datos ni cuenta operada por el desarrollador, y lo interesante es la arquitectura como patrón reutilizable más que el producto. El frontend es React y Vite en Cloudflare Pages con una Pages Function /api que reenvía por service binding a un Worker privado sin URL pública, y arriba hay un Durable Object sobre el Agents SDK que guarda todo en SQLite y maneja el scheduling con alarms: recordatorios únicos y recurrentes, tareas, notas, proyectos y memoria. El chat usa Workers AI con @cf/zai-org/glm-4.7-flash con streaming y tool calling, y para desarrollo local trae un provider mock determinístico, así que se puede probar sin loguearse a Cloudflare. No provisiona R2, D1, KV, Vectorize ni Workflows, solo lo que entra en el free tier. Los límites los dice el propio README y conviene repetirlos: no es gratis ilimitado —cuando se agota la cuota diaria de Workers AI el chat se pausa hasta el reset y el resto sigue andando—, Cloudflare procesa los mensajes y las memorias para inferencia, y es single-user por diseño. No hay benchmarks, ninguna medición de calidad del agente ni releases etiquetados, y el repo es muy joven, así que la atención viene de Hacker News y no de madurez del código. GitHub