Briefing Tech — 20 de octubre de 2026

Generado el 20/10/2026 a las 13:12 UTC. Cubre las últimas 24 horas: desde el 19/10 a las 13:12 UTC.

TL;DR

OpenAI busca compromisos por unos 30.000 millones de dólares a más de 1,4 billones de valuación para adelantarse al IPO de Anthropic, que sería a mediados de noviembre.
El DHS ordena a todas las agencias civiles federales de EE.UU. sacar DeepSeek de sus sistemas, incluidos productos de terceros “construidos con” su tecnología.
ByteDance, Alibaba y Tencent encargaron más de 3 millones de RTX PRO 5500 por más de 35.000 millones de dólares, aunque solo un 10% de los pedidos sería abastecible.
La brecha de OpenCode Console expuso las API keys de Anthropic, OpenAI y Google del 1,4% de sus usuarios, con cargos no autorizados de hasta 1.700 dólares.
Rank Math PRO sirvió desde su propio canal oficial una versión troyanizada con un backdoor que se regenera solo (CVE-2026-111862, CVSS 9.8).

IA

OpenAI acelera una ronda de 30.000 millones de dólares a más de 1,4 billones de valuación para llegar antes del IPO de Anthropic (19/10). La exclusiva es de Reuters: la empresa está juntando compromisos de inversores con una valuación que más que duplicaría los 852.000 millones de marzo de 2026, y el apuro tiene una razón concreta —Anthropic saldría a bolsa a mediados de noviembre y las dos pelean por la misma base de fondos long-only y soberanos, a los que OpenAI vio la semana pasada justo cuando Anthropic hacía su investor day—. SoftBank, MGX de Abu Dhabi y otros accionistas existentes estarían en conversaciones para entrar, y una fuente le dijo a Reuters que la facturación anualizada llegó a 50.000 millones con expectativa de 70.000 a fin de año tras el lanzamiento de GPT-6 Astra. Importa porque fija el precio de referencia de todo el sector en un momento raro: el índice de semiconductores de Filadelfia perdió 1,6 billones en menos de dos semanas y varias empresas pausaron sus salidas a bolsa esperando ver qué pasa con Anthropic. Las reservas son grandes: todo son fuentes anónimas, la ronda no está cerrada y la valuación es un “podría”, las cifras de ingresos vienen de una sola fuente, y OpenAI y SoftBank no comentaron. De fondo sigue sin resolverse la acusación de OpenAI de que Anthropic infla ingresos contando el valor bruto de contratos vendidos por clouds de terceros. Reuters vía The Star · Quartz

Estados Unidos ordena a todas las agencias civiles federales sacar DeepSeek de sus sistemas (20/10). La orden salió del Departamento de Seguridad Interior y está publicada en el Federal Register como documento 2026-21447: prohíbe comprar productos de DeepSeek y obliga a removerlos de los sistemas de IT que ya los tengan. El alcance incluye empresas afiliadas y —acá está la zona gris— productos y servicios de terceros “construidos con” tecnología de DeepSeek, sin que ninguna de las coberturas logre precisar si eso abarca gateways como OpenRouter. El argumento del DHS es que datos sensibles de usuarios del gobierno podrían quedar accesibles a las autoridades chinas bajo la ley china, y las agencias pueden pedir excepciones. Es el primer veto federal amplio a un modelo de pesos abiertos chino y extiende a lo civil las restricciones que una ley de diciembre de 2025 ya aplicaba en sistemas de inteligencia y seguridad nacional, justo mientras Beijing evalúa controles de exportación sobre 23 tecnologías vinculadas a IA. Lo que la orden no trae: plazo de remoción, una amenaza concreta identificada, ni cifras de cuántas agencias o productos quedan afectados. El vocero de la cancillería china respondió que Beijing se opone a “estirar el concepto de seguridad nacional”; DeepSeek no comentó. TechCrunch · The Decoder

Nscale y Anthropic negocian un segundo acuerdo de cómputo por 45.000 millones de dólares, a un mes del primero (19/10). Sigue de ayer, cuando los inversores le bajaban el pulgar a la valuación de salida a bolsa de Nscale pidiendo 16.000 a 19.000 millones contra un objetivo de 30.000 a 35.000: el desarrollo nuevo es que, según Bloomberg, las dos empresas están “a punto de anunciar” otro contrato por el mismo monto exacto que el de agosto. Duplicar el compromiso con el mismo proveedor en cinco semanas es justo el tipo de gasto que los inversores están mirando con lupa mientras Anthropic se prepara para cotizar. Las fuentes de Bloomberg advierten que las negociaciones siguen abiertas y los detalles pueden cambiar, no hay cifra de gigavatios ni plazo, y ni Nscale ni Anthropic respondieron los pedidos de comentario. TechCrunch

Nvidia lanza tres modelos Nemotron 3.5 de pesos abiertos para agentes en empresa y en PCs locales (19/10). El anuncio lo firma Kari Briski, VP de Open Models and Software, y son tres: Nemotron 3.5 Super VL, de 120.000 millones de parámetros, para agentes empresariales; Nemotron 3.5 Bolt 74B-A9B 24GB, de 74.000 millones, para tareas agénticas locales como razonamiento multipaso, tool calling y navegación web; y Nemotron 3.5 Bolt E4B, el más chico, para agentes conversacionales y que llega más adelante este mes. Los dos primeros ya están disponibles, y los Bolt están pensados para correr en AI PCs con RTX Spark y en workstations DGX Spark que despachan socios como Microsoft y Dell. La lógica del movimiento es vender silicio de inferencia local con pesos abiertos como palanca, en la misma semana en que Washington le cierra la puerta a los modelos abiertos chinos. Los números hay que tomarlos con pinzas porque son todos autoinformados: Nvidia dice que Super VL iguala en instruction-following y uso de herramientas al Nemotron 3 Ultra, más grande, y que completa tareas agénticas más rápido que modelos de Anthropic y OpenAI tras post-entrenamiento específico, pero no hay puntajes concretos, metodología ni medición independiente, y tampoco se precisa la licencia de esos “pesos abiertos”. TechCrunch

MiniMax M3.1 Flash: razonamiento con un millón de tokens de contexto a 0,15 dólares el millón de entrada, y una tasa de alucinación del 93% (19/10). El modelo acepta texto e imágenes y sale a 0,15 dólares por millón de tokens de entrada, 0,60 de salida y 0,015 de entrada cacheada, lo que deja el costo por tarea en torno a 0,22 dólares en la evaluación de Artificial Analysis y por debajo de 0,30 en DeepSWE v1.1. En el Intelligence Index marca 42 contra 29 del M3 anterior, con 48% en Humanity’s Last Exam, 22% en CritPt, 56% de respuestas correctas en AA-Omniscience y 73,7% en el coding de DeepSWE v1.1; los pesos abiertos están prometidos para el 23 de octubre, sin términos de licencia publicados. El salto de 29 a 42 a ese precio comprime todavía más el piso de costo que los laboratorios occidentales pueden defender, y ahí está el interés. El dato incómodo lo midió Artificial Analysis, no la empresa: 93% de alucinación, porque el modelo intenta responder casi todo en lugar de abstenerse cuando no sabe. El gráfico de DeepSWE v1.1 y el “tres veces más rápido que M3” los aporta MiniMax, el score de Humanity’s Last Exam no tiene atribución clara, y no se publicaron parámetros ni arquitectura. The Decoder

Hardware y Robótica

ByteDance, Alibaba y Tencent encargaron más de 3 millones de RTX PRO 5500 por más de 35.000 millones de dólares, y solo un 10% sería abastecible (20/10). Lo reportó Reuters citando fuentes no identificadas: los tres gigantes chinos se volcaron a la GPU de workstation que Nvidia recortó a propósito para que sea exportable a China, y el volumen muestra que la demanda local de cómputo sigue intacta y que prefieren acumular silicio legal antes de que Washington vuelva a mover la línea. El número que relativiza todo lo demás aparece en los mismos reportes: advertencias de la cadena de suministro indican que solo alrededor del 10% de esos pedidos se podría abastecer, así que los 35.000 millones son intención de compra, no facturación. Nada fue confirmado públicamente por Nvidia ni por las tres compañías, y los precios unitarios, el calendario de entrega y el reparto por empresa no son verificables de forma independiente. Tom’s Hardware · Reuters

Meta publica los números de Prometheus: cientos de miles de GPUs ya corriendo en Ohio y cerca de un millón a plena escala (19/10). Sigue de ayer, cuando SemiAnalysis proyectaba más de 50 GW de datacenters nuevos para 2027 y la discusión era cuántos anuncios se convierten en fierros: acá hay capacidad instalada y métricas, no proyecciones. El desglose técnico del equipo de ingeniería cuenta que lo que hace dos años era un datacenter convencional sirviendo tráfico web hoy corre GB200 NVL72 —“Catalina”, unos 120 kW por par de racks— y GB300 NVL72 —“Clemente”, unos 135 kW por rack—, con los Vera Rubin NVL72 —“San Miguel”, más de 170 kW por rack— llegando pronto, y cada fabric de edificio escalando hasta 20.736 GPUs. Las cifras de operación son las que valen para quien entrena a esta escala: goodput arriba del 85% en pre-entrenamiento y arriba del 90% en corridas de RL de Muse Wonder, y un tiempo medio entre interrupciones que pasó de unas 47.000 a más de 54.000 horas-GPU a fuerza de fixes de firmware. Todo es autoinformado y sin auditoría externa, y el posteo nunca publica el número de gigavatios: “escala gigavatio” es caracterización de la propia Meta. Meta Engineering

Robótica: Eka levanta 150 millones de dólares a 1.450 millones de valuación con un modelo de visión-fuerza-acción que apuesta contra los VLA (20/10). La fundaron el profesor del MIT Pulkit Agrawal y el ex investigador de Google DeepMind Tuomas Haarnoja, y la Serie A la lideran a16z y F-Prime. Lo distintivo es técnico: el modelo no se apoya en lenguaje sino en fuerza —una mano robótica sensible al contacto, con más sensores de fuerza que un gripper tradicional, acoplada a un modelo entrenado en un simulador físico que modela las fuerzas del agarre dentro de un entorno de refuerzo—, y el hardware sale por menos de 1.000 dólares certificado para 5 millones de ciclos, con la meta puesta en los 20 millones que es el estándar industrial. Importa porque es una apuesta explícita contra el consenso de los vision-language-action models: la tesis es que el cuello de botella de la manipulación es la propiocepción, no el lenguaje. Los números clave son todos de la empresa y sin medición independiente —unos 1.500 objetos por hora de hasta 1 kg contra unos 600 de un humano, y más del 95% de levantamientos exitosos—, el modelo no tiene nombre de producto ni release público, los pilotos industriales son confidenciales, y el “ya supera el desempeño humano en algunas tareas” es cita de un socio de a16z, o sea de un inversor en la compañía. El profesor Kris Hauser marcó las dos preguntas abiertas: durabilidad a un año en líneas reales y generalización más allá del pick-and-place. TechCrunch

Robótica: Dream Labs levanta 90 millones seed y abre una API de modelo fundacional para robots a 0,75 dólares la hora (19/10). La fundaron ex líderes del equipo GR00T de Nvidia y la ronda la lidera B Capital, con A.Capital, Kindred, Unusual, SV Angel, Wing y Scribble. Dream-1 trata el control robótico como predicción de video —predice qué va a pasar en la escena y de ahí deriva la acción—, está entrenado con video egocéntrico humano de tareas cotidianas y, según la empresa, controla cualquier robot de dos brazos con pinzas paralelas out of the box, con una sola cámara y una instrucción en lenguaje natural. Lo que cambia el juego es el modelo de negocio: 3 dólares por hora para el flagship y 0,75 para el “flash” mueve los VLA del terreno de la integración a medida al de API medida por hora. Los números de desempeño son de la empresa y no tienen verificación independiente: alrededor de 80% de éxito zero-shot en pick-and-place, 50-60% en otras tareas, más de 20 socios de hardware, y la afirmación de que el tiempo de adaptación bajó de 100.000 horas a 30 minutos de datos de robot. La mezcla de datos de entrenamiento es propietaria y no hay benchmarks de terceros ni resultados de clientes. Forbes

Rumor fundamentado: DeepSeek aportaría al diseño de los Ascend de Huawei y empezaría a pre-entrenar sobre ellos a fin de 2026 (19/10). The Information lo reportó citando fuentes: DeepSeek daría datos sobre los cuellos de botella computacionales que encuentra al correr LLMs y Huawei trabajaría específicamente en eficiencia de ancho de banda de memoria y en el framework de interconexión, con refuerzo de CANN —su respuesta a CUDA— y un ecosistema open source que cubra todo el stack. Si se confirma, es el movimiento más concreto hacia un reemplazo doméstico de Nvidia en pre-entrenamiento y no solo en inferencia, que es donde los Ascend ya se usan. Hay que tratarlo como rumor por dos razones: ni DeepSeek ni Huawei confirmaron nada, y la nomenclatura del chip no es consistente entre coberturas —se habla de un Ascend 950DT hacia fin de 2026 en un resumen y de un 960DT para el Q1 de 2027 y un 960PR para el Q3 en la cobertura secundaria—, sin especificaciones publicadas en ningún caso. Techmeme · Dataconomy

Ciberseguridad

La brecha de OpenCode Console expuso las API keys de Anthropic, OpenAI y Google del 1,4% de sus usuarios, con cargos no autorizados de hasta 1.700 dólares (19/10). OpenCode, el agente de codificación open source y agnóstico de modelo, confirmó lo que describe como un “ataque de destilación a gran escala”: quedaron expuestas las keys almacenadas de proveedores externos vinculados a la consola. Solo están afectados los usuarios con proveedores propios conectados, la exposición más temprana posible es el 17/10 a las 00:30 UTC, y la empresa notificó por mail —si no llegó el mail, dice, no hay impacto—. El cofundador Dax Raad contó que los atacantes venían golpeando sus sistemas desde al menos 48 horas antes usando agentes de IA, y que la propia investigación se trabó porque los modelos que usaban rechazaban los pedidos por sus salvaguardas, hasta que pasaron al modelo de ciberseguridad Daybreak de OpenAI para el trabajo defensivo. Hay usuarios reportando cargos no autorizados de varios cientos a más de 1.700 dólares y proyectos de Google Cloud suspendidos por “actividad abusiva”; OpenCode menciona la posibilidad de reembolso. Lo accionable es inmediato: si usás OpenCode Console con proveedores propios, rotá todas las keys y revisá facturación y logs de uso desde el 17/10. No se sabe cómo obtuvieron las keys, quién fue, ni el alcance total de los cargos. BleepingComputer

CVE-2026-111862: Rank Math PRO distribuyó por su propio canal oficial una versión troyanizada con un backdoor que se regenera solo, CVSS 9.8 (19/10). El plugin SEO pago —el que se baja de rankmath.com, no el gratuito de WordPress.org— sirvió copias maliciosas de la versión 3.0.123 a través de su sistema oficial de descarga y actualización. La ventana es el único criterio válido para saber si una copia está comprometida: todo lo bajado o actualizado entre las 20:02 UTC del 15/10 y las 07:12 UTC del 16/10; el número de versión por sí solo no alcanza. El backdoor se vuelve a crear cada vez que alguien visita el sitio y, según el aviso del fabricante y los de terceros, puede dejar backdoors PHP en carpetas de plugins, themes y mu-plugins, crear cuentas de administrador, modificar .htaccess, agregar un archivo falso del core de WordPress, y plantar tareas programadas y claves SSH. Rank Math quitó los archivos y publicó la 3.0.124 limpia, pero el parche no borra lo que ya quedó en el servidor: cualquier sitio que haya activado la 3.0.123 en esa ventana se trata como comprometido, se rotan todos los secretos alcanzables —contraseñas, credenciales de base de datos, API keys— y se bloquea rank1cdn[.]com. Lo que no se sabe es grande: cómo entraron los archivos maliciosos al sistema de distribución, cuántos clientes los recibieron, si las actualizaciones automáticas los empujaron, los hashes del paquete limpio y del contaminado, y quién está detrás. The Hacker News

Secuestraron los servidores de actualización de AOMEI durante meses para repartir dos malwares nuevos en ventanas de minutos (19/10). La investigación es de METAL, el laboratorio de ManageEngine, junto con Google Threat Intelligence Group y Mandiant: un actor rastreado como UNC7017 comprometió la infraestructura de actualización de AOMEI Backupper y la usó entre abril y julio de 2026 para entregar CROSSROAD —un downloader desconocido hasta ahora que hace reconocimiento, baja componentes extra y persiste por tarea programada— y SHINYROAD, un backdoor que abusa de componentes legítimos de Radmin para cargar código malicioso y hablar con su C2. La táctica que explica por qué tardaron meses en verlo es la evasión: los archivos de configuración maliciosos se sirvieron en ventanas de minutos y después se restauraban los originales, con tres ejemplos documentados —28/05 de 05:40 a 05:50 UTC, 16/07 de 08:33 a 08:39, 20/07 de 10:35 a 10:40—. El 20/07 Google observó además un intento de forzar un popup invisible contra un recurso WebDAV del atacante, que podría exponer hashes NTLM. AOMEI dice que actualizó sus servidores, parcheó vulnerabilidades potenciales y verificó sus archivos, pero un arreglo del lado servidor no limpia el malware ya instalado: hay que revisar tareas programadas sospechosas, ejecutables inesperados en los directorios de instalación y conexiones a la infraestructura publicada. Queda sin confirmar cómo entraron, qué versiones exactas están afectadas y el alcance real: Google avisa que cualquiera que chequeó actualizaciones en esas ventanas puede estar afectado, mientras la revisión inicial de AOMEI no halló evidencia de brecha. BleepingComputer

CVE-2026-110936: explotan un side-loading de DLL en Siemens Software Center con señuelos ClickFix para desplegar payloads de ROMULUS (20/10). Siemens reconoció que la falla se está explotando en la calle, y el vector no es un exploit remoto: los atacantes distribuyen un instalador malicioso fuera de los canales oficiales —AllMyBasic.msi, servido desde 2.27.248[.]127— que mete una copia legítima y firmada de Software Center 3.5.8.7 junto a archivos auxiliares propios, así que el binario no se modifica y la firma sigue validando. La cadena arranca con ClickFix, donde la víctima pega y ejecuta el comando ella misma esquivando descargas de navegador y parte de la detección de endpoint, y termina en payloads de ROMULUS, el panel multi-payload que identificó Forescout, entre ellos LegionLoader, que roba datos de Chrome. Hay parche: la 4.0.9.8 corrige el problema y las instalaciones existentes se actualizan solas al próximo arranque; el CVSS v4.0 es 8.4 y el hallazgo original es de Jose Oregon, de Huntress Labs. Para el defensor: actualizar, bloquear la infraestructura listada por Siemens y Forescout, y cazar SiemensSoftwareCenter.exe lanzado por msiexec desde AppData\Local\Programs. No se sabe quién opera ROMULUS —Forescout no descarta herramienta privada, servicio pago, programa de afiliados o software copiado— ni cuántas máquinas se infectaron; los “al menos 40 incidentes” que circulan son de la campaña amplia, no infecciones Siemens confirmadas. Help Net Security · SecurityWeek

GhostAction mutó: tras el bloqueo de GitHub ahora esconde un ladrón de credenciales como fuente .woff2 en 94 repositorios (19/10). Los operadores, que venían inyectando workflows maliciosos de GitHub Actions en proyectos comprometidos, agregaron una segunda etapa que no depende del runner de CI después de que GitHub empezara a bloquear el workflow el 09/10. El payload nuevo son tres archivos commiteados: un tasks.json de VS Code configurado para ejecutarse al abrir la carpeta (folderOpen), el stealer disfrazado como public/fonts/fa-solid-400.woff2, y un segundo workflow —con nombres como lint.yml o audit.yml— que corre si el stealer no se ejecutó. Apunta a credenciales de AWS, PyPI, npm, Git, Kubernetes, SSH y de proveedores de IA, Anthropic y Google Gemini incluidos, instala un cron que ejecuta código del atacante cada cinco minutos y exfiltra por HTTP plano al puerto 8080. Son 94 repos de 66 dueños, la mayoría proyectos abandonados —65 de los 79 accesibles no tenían commits en más de un año—, y hay una campaña de phishing asociada: el dominio my-github[.]com, registrado el 09/10 y apuntando a la misma IP de exfiltración, se usó contra un maintainer con una página que hacía de reverse proxy, capturaba contraseña y 2FA y completaba en silencio un OAuth device flow con scopes repo, workflow y read:org. Si clonaste alguno de estos repos: revocar accesos y tokens de GitHub desde un dispositivo limpio, cambiar contraseñas, rotar todo lo alcanzable y buscar los IoC. El hallazgo es de OpenSourceMalware; no hay atribución, y el nombre del archivo de fuente coincide con uno de la campaña norcoreana PolinRider de enero de 2026. The Hacker News

Técnicas, repos y práctica

Repos: Ponytail, la skill que hace que el agente escriba la menor cantidad de código posible, sumó 1.007 estrellas en el día y llegó a 168.799 (20/10). Es una skill de prompt con licencia MIT que, en palabras del repo, hace que el agente “piense como el dev senior más vago de la sala”. El mecanismo es una escalera que el agente baja parando en el primer escalón que funciona: ¿hace falta la feature?, reusar código existente, usar la librería estándar o una feature nativa de la plataforma, usar una dependencia ya instalada, escribir un one-liner, y solo al final escribir el mínimo código que funcione; nunca recorta validación, manejo de errores, seguridad, pérdida de datos ni accesibilidad, y la lógica con ramas, loops, parsers, dinero o seguridad se lleva un test chico. Se instala en Claude Code con /plugin marketplace add DietrichGebert/ponytail y después /plugin install ponytail@ponytail; en otros agentes se copia el AGENTS.md o se instala skills/ponytail/SKILL.md, y el badge dice 20 agentes soportados. Los números son del benchmark del propio autor y no hay eval independiente: -53% de código, -41% de tiempo, -26% de costo y -45% de tokens sobre 39 tareas con Opus 5.5 y cinco corridas cada una, más 98% de lógica riesgosa con test contra 68% sin la skill. Requisito escondido: la banda que muestra costo, tokens y estado de tests pide Claude Code 2.1.290 o superior y no aparece en el panel de VS Code, ni en sesiones cloud, ni con claude -p. GitHub · Trending

Repos: Cloudflare publicó security-audit-skill, la skill que semilló su propio harness de búsqueda de vulnerabilidades, y sumó 849 estrellas en el día (20/10). Es una skill MIT que convierte al agente de código en auditor de seguridad con un pipeline de seis fases: reconocimiento de arquitectura y límites de confianza, caza guiada por cobertura con “hunters” aislados y críticos de cobertura, validación donde un verificador nuevo intenta refutar cada candidato, salida estructurada a findings.json con estados confirmed/needs_validation/rejected, verificación independiente por agentes frescos, y reporte final en REPORT.md, FINDINGS-DETAIL.md y NEEDS-VALIDATION.md. Se instala con npx skills add https://github.com/cloudflare/security-audit-skill --skill security-audit, con --global para instalación a nivel usuario, y va por 33.204 estrellas totales con apenas 14 commits en main: es un repo nuevo que explotó. Lo que el README no dice de entrada es lo que decide si sirve: necesita un agente con tool use y subagentes en paralelo, Node.js para los validadores y, sobre todo, un sandbox a nivel sistema operativo —sin eso los hallazgos quedan en needs_validation y el código auditado nunca se ejecuta—. El único número que publica es autoinformado y flojo: una sola corrida encontró alrededor de la mitad de las vulnerabilidades que hallaron corridas repetidas en total. GitHub · Trending

Repos: el trending de hoy es casi todo scaffolding de agentes, con Orca sumando 1.559 estrellas en el día, opencode 1.256 y ruflo 683 (20/10). Vale como mapa de qué está adoptando la gente ahora mismo. stablyai/orca —1.559 en el día, 99.129 totales— apunta a manejar una flota de agentes corriendo cualquier agente de código con tu propia suscripción, en desktop, mobile y runtime remoto. anomalyco/opencode —1.256 en el día, 218.432 totales, MIT— es el agente de código en terminal con app desktop en beta, y trae dos agentes incorporados, build con acceso completo por default y plan de solo lectura para análisis, más un subagente general; es el mismo OpenCode que hoy aparece en la sección de seguridad por la exposición de API keys de su consola, que es un servicio aparte del CLI. ruvnet/ruflo —683 en el día, 77.543 totales— es un harness de swarms multi-agente con memoria adaptativa, federación e integración de RAG vectorial. Y anthropics/knowledge-work-plugins —262 en el día, 30.623 totales, Apache 2.0— suma 11 plugins por función laboral, de ventas a legales, finanzas, data y product management, hechos solo con markdown y JSON, sin build ni infraestructura, instalables con claude plugin marketplace add anthropics/knowledge-work-plugins. La salvedad metodológica: ninguno publica release notes fechadas, así que las estrellas del día son el único dato temporal duro. Trending · opencode · knowledge-work-plugins

Un paper anunciado hoy en arXiv muestra que medir prompt injection con una sola corrida está mal: las etiquetas cambian hasta en el 35% de los casos al repetir (20/10). “The Window Is in the Reasoning: When LLM Agents Decide to Follow Prompt Injections” rompe el supuesto sobre el que se apoyan los monitores de runtime y los benchmarks de una pasada, que es que la decisión del agente de seguir una inyección queda sellada en el momento en que la lee. Los autores usan rollouts ramificados —repiten cada episodio hasta el punto de lectura y remuestrean el resto muchas veces— y descomponen la varianza del resultado en la parte fijada al leer y la parte que se decide después: en Qwen3 sin thinking 0,91 de la varianza ya está determinada al momento de la lectura, pero con thinking cae a 0,62, con intervalo de confianza del 95% para la caída de -0,38 a -0,22. O sea que en los agentes que razonan la decisión se forma gradualmente durante el razonamiento, y de ahí salen las dos consecuencias adoptables hoy: correr cada tarea varias veces en lugar de etiquetar con una sola pasada, y preferir el monitor de lookahead —el que juzga acciones siguientes simuladas—, que es el que más se acerca a lo que el prefijo ya determina. Los límites: la v1 se subió el 16/10 y recién se anunció en el listado de hoy, la evaluación es sobre cuatro suites de AgentDojo con tres plantillas de ataque, los otros dos modelos probados no se nombran en la página del abstract, y no consta que se haya liberado código ni datos. arXiv · Listado cs.CL

Exa 3.0 agrega un tipo de búsqueda “lite” más barato que la competencia y se autoadjudica el primer puesto en los ocho benchmarks que corrió (20/10). La actualización de la API de búsqueda web para agentes trae un modelo de embeddings más grande, Dynamic Highlights en disponibilidad general y un type: "lite" que usa el mismo índice que Auto pero sale más barato: 4 dólares por 1.000 requests contra 7 de Auto y 5 de Perplexity, Brave y Parallel, sin cargo extra por los highlights. Los resultados que publica ponen a Exa 3.0 Auto primero en los ocho: BrowseComp 91,8% contra 91,5% de Perplexity, DSQA F1 88,2 contra 87,6, WideSearch F1 56,1 contra 54,0, ATLAS 42,0 contra 37,2, WebCode 75,5 contra 69,9, FinSearchComp 68,0 contra 63,4, y en Company y People FindAll 15,4 y 7,6 entidades promedio. Lo accionable es que hay SDKs oficiales y servidor MCP, así que se enchufa a un agente existente sin tocar el scaffolding. Las reservas son fuertes: Exa corrió los ocho benchmarks por su cuenta y eligió harness, endpoints y modelo del agente, ningún competidor publicó resultados comparables, ATLAS es un benchmark que publicó Exa misma, la ventaja en BrowseComp es de 0,3 puntos, y la API es propietaria y hosteada, sin opción self-hosted. MarkTechPost