Briefing Tech — 7 de noviembre de 2026

Generado el 7 de noviembre de 2026 a las 13:20 UTC. Cubre las últimas 24 horas, desde el 6/11 a las 13:20 UTC.

TL;DR

Google DeepMind dice que agentes de IA, guiados por criptoanalistas humanos, encontraron dos debilidades en RSA de 1024 bits: una falsificación de firmas unas 1.600 veces más eficiente en teoría y un factoreo en lote unas 30 veces más barato por clave. No toca RSA-2048.
Physical Superintelligence asegura que un modelo no público de Anthropic probó la conjetura de Aaronson-Ambainis, abierta desde 2008, con la demostración verificada en Lean.
Ajeya Cotra, leyendo un reporte de METR, sostiene que el umbral de “aceleración dramática” de la política de escalado de Anthropic ya se cruzó: el progreso del último año fue el doble del anterior y METR atribuye un 80% de ese salto a la IA.
La falla “sshole” de OpenSSH pasó de divulgada a explotada en menos de nueve horas, con root confirmado en un honeypot con Alpine.
Check Point destapó 1.608 paneles expuestos de ARTEX y campañas agénticas que se llevaron más de 300 certificados de firma de Apple y 190.000 credenciales de Honor of Kings por menos de 1.500 dólares de inferencia.

IA

DeepMind: agentes de IA encuentran dos debilidades en RSA de 1024 bits, una de ellas unas 1.600 veces más eficiente que el mejor ataque conocido (06/11). El equipo de Ciencia de Google DeepMind trabajó con criptoanalistas de la Universidad de California San Diego y del Inria francés, con Dj Dvijotham y Abhradeep Thakurta a la cabeza, y dice haber llegado a los dos resultados en semanas. El primero es sobre padding, el bloque de datos preestablecido que se agrega antes de firmar y que se asume que bloquea la falsificación: cuando el atacante controla alrededor de la mitad o más del bloque firmado, el padding no da “prácticamente ninguna protección adicional”. La validación fue en sandbox contra un benchmark de RSA-1024 ya resuelto por trabajos académicos previos, y la implementación generada por la IA reprodujo el resultado usando 3,5 veces menos tiempo de CPU y menos de la milésima parte del cómputo que hace falta para factorizar esa clave; cuando el atacante controla solo una parte chica de los datos —una huella de 32 bytes, por ejemplo— el algoritmo encontrado supera en teoría al mejor ataque anterior por unas 1.600 veces para claves de 1024 bits. El segundo mejora la eficiencia asintótica del factoreo en lote: como muchos despliegues usan tamaños de clave estándar, el cómputo caro se puede compartir entre muchas claves, y el algoritmo baja unas 30 veces el costo promedio de factorizar cada clave adicional de 1024 bits. Las salvedades son grandes y las pone el propio laboratorio: RSA de 1024 bits ya está mayormente reemplazado por 2048 o más, Pushmeet Kohli dijo que “los resultados no afectan a esquemas de cifrado modernos como RSA 2048”, el número de 1.600 es teórico, el resultado de padding se validó solo en sandbox, y los agentes trabajaron bajo supervisión humana. Ningún sistema en producción fue nombrado como afectado. Interesting Engineering · Crypto Briefing

Physical Superintelligence dice que un modelo no público de Anthropic probó la conjetura de Aaronson-Ambainis, y Lean aceptó la demostración (06/11). La conjetura está abierta desde 2008 e implica que las computadoras cuánticas no pueden conseguir aceleraciones exponenciales en preguntas de sí o no sobre entradas aleatorias salvo que la entrada tenga un patrón raro; el resultado incluye una cota de influencia de variables para polinomios acotados de bajo grado, con una constante de alrededor de 0,0025. El sistema de investigación es propio de PSI y corre sobre un modelo de Anthropic que no está publicado ni nombrado. La secuencia: produjo una demostración completa al tercer día de la corrida, Lean —el asistente de pruebas que chequea cada paso por computadora— la aceptó, después el sistema mejoró el resultado dos veces y Lean volvió a aceptar la versión final. David Turturean lideró el trabajo y se declara responsable de la corrección del paper, cuyo primer borrador lo escribió el modelo bajo su prompting y revisión; Jim Halverson auditó la demostración y Phiala Shanahan comentó la formalización. Los investigadores de Stanford Guy Blanc, Jordan Docter, Carmen Strassle y Li-Yang Tan leyeron la prueba, mandaron comentarios y están escribiendo una versión expositiva más corta: la llamaron “un resultado enorme”, y su propio trabajo de agosto de 2026 había probado solo un caso especial, los algoritmos cuánticos que leen la entrada en una cantidad fija de rondas paralelas. Lo que falta: es un anuncio autoinformado, sin revisión por pares ni publicación en revista, el modelo no es público así que nadie afuera puede reproducir la corrida —el código y las pruebas sí están en GitHub—, y no se dice cuánto duró ni cuánto costó. PSI · FourWeekMBA

Ajeya Cotra: el umbral de “aceleración dramática” de la política de escalado de Anthropic ya se cruzó, según su lectura de un reporte público de METR (06/11). El argumento se apoya en números concretos. Entre octubre de 2025 y octubre de 2026 el progreso en Anthropic corrió alrededor del doble de rápido que en los doce meses anteriores, medido con una versión interna del Epoch Capabilities Index, y METR atribuyó aproximadamente el 80% de esa aceleración a la IA, lo que implica unas 1,8 veces contra el contrafactual sin IA a octubre; Cotra supone que en noviembre la cifra es más alta. Como los multiplicadores de cómputo son solo uno de los insumos, el aumento de productividad de los investigadores tiene que ser mucho mayor que la aceleración total: ella lo estima en 4 a 9 veces al principio y tal vez unas 10 veces ahora, mientras el personal de Anthropic se autoreporta en unas 12 veces. Si la aceleración sigue creciendo parejo, los tiempos de duplicación bajarían de seis meses a tres y después a seis semanas, y la extrapolación ingenua da superinteligencia dentro de un año; METR no encontró cuellos de botella claros ni retornos decrecientes pronunciados que frenen eso, aunque reconoció una incertidumbre grande. La parte incómoda es la de seguridad: la RSP vieja pedía al menos seguridad ASL-4 en este punto, y Cotra dice que la industria está lejos de cumplirla, citando brechas recientes en OpenAI y en Anthropic. Las salvedades son suyas: no trabajó en el proyecto, no vio el reporte sin redactar, y buena parte de la evidencia que lo sostiene está tachada. 182 puntos en Hacker News. Planned Obsolescence · Hacker News

OpenAI cierra 11.000 millones a 1,25 billones de valuación y los compradores de la IPO de Anthropic ya hablan de 1,1 billones (06/11). Sigue de lo de ayer, donde el barrido demócrata hundía a los chips y el Nasdaq perdía billones: esto es la misma ola llegando al financiamiento privado. Los fondos de OpenAI se transfirieron el viernes 6/11 y son el primer tramo de una ronda que puede crecer hasta unos 20.000 millones en las próximas semanas; la empresa buscaba originalmente 30.000 millones o más, así que incluso la versión ampliada queda un tercio corta. La valuación de 1,25 billones de dólares está alrededor de 11% abajo del 1,4 billones que apuntaba, aunque sigue siendo unos 47% más que los 852.000 millones de la ronda de marzo, que había levantado 122.000 millones; OpenAI postergó una IPO para hacer esta ronda. Del lado de Anthropic, Bloomberg reporta que los compradores potenciales de su IPO ahora ven la valuación tan baja como 1,1 billones, presionada por la liquidación de acciones de IA. Las dos cosas son reportes de Bloomberg citando gente al tanto, no anuncios oficiales, y el total de 20.000 millones es una posibilidad y no una cifra confirmada. Reuters/Investing.com · Bloomberg · Quartz

Meta baja Active Memory y Active Focus de Muse Wonder a todos los usuarios de Muse y Meta AI (06/11). El movimiento es el que importa estructuralmente: el modelo bueno y caro deja de ser el producto y pasa a ser el entrenador del modelo que usa la mayoría. Zuckerberg lo anunció diciendo que los nuevos modelos especializados son 2,4 veces menos propensos a olvidar información crítica y 67% mejores autocorrigiéndose y completando tareas cotidianas. Lo que no hay es la base de comparación: Meta no publicó contra qué se miden esos porcentajes ni qué evaluaciones usó, así que por ahora son cifras de la empresa sin forma de reproducirlas. The New Stack · ShiftDelete

Hardware y Robótica

TSMC estudia entrar en 3D DRAM a pedido de Nvidia, el negocio de memoria que Morris Chang le dejó a otros (07/11). Lo reportó The Information citando a dos personas al tanto, y lo levantó el Seoul Economic Daily el 7/11 sin confirmarlo de forma independiente. La 3D DRAM apila celdas de memoria verticalmente para subir la densidad, y TSMC nunca produjo memoria directamente: las opciones bajo revisión son construir una planta nueva o comprar una existente y convertirla. El pedido vino de Nvidia, su cliente más grande, y la lectura es de diversificación de proveedores en medio de la escasez de memoria que empuja la IA, con el bonus de que una sola empresa cubriría fabricación de GPUs, memoria y empaquetado avanzado. Todo lo demás está sin definir: no hay decisión de invertir, ni monto, ni fecha de arranque de producción. Y las trabas son técnicas: calor e integración de procesos, con rendimientos estables y producción en masa que pueden llevar años, mientras Samsung, SK hynix y Micron ya vienen desarrollando lo mismo. La propia nota dice que las posiciones de los fabricantes coreanos no se van a mover pronto, aunque la entrada de TSMC les toque el poder de negociación más adelante. Seoul Economic Daily · Igor’s Lab

Google le compra a Crusoe el predio del datacenter del sudeste de Wyoming (06/11). Sigue de lo de ayer, donde Google anunciaba 17.000 millones de dólares para su primer datacenter de Wyoming con 702 MW de celdas de combustible: esta es la pieza que faltaba de ese anuncio, quién venía trabajando el sitio. Crusoe lo comunicó el 6/11 desde Denver, y con la venta cierra su etapa de predesarrollo: selección del sitio, aprobaciones gubernamentales y estrategia energética. Esa estrategia la armó con Tallgrass Energy y es híbrida —celdas de combustible, energía de red y turbinas de gas natural—, con una hoja de ruta de largo plazo para captura de carbono a través del hub regional de secuestro de CO2 de Tallgrass. Crusoe además está desarrollando el campus de Google que se está construyendo en el condado de Armstrong, cerca de Amarillo, Texas. No se publicó el precio ni los términos de la operación, y la empresa no dio capacidad del sitio de Wyoming: las cifras que da —más de 6 GW contratados y más de 40 GW en cartera— son de toda la compañía. Crusoe · Hacker News

Microsoft apaga la capacidad de IA que le alquilaba a Oracle desde 2023 porque son GPUs de generación vieja (06/11). Es un reporte de Bloomberg citando gente al tanto: Microsoft decidió no renovar partes del acuerdo y viene apagando la capacidad alquilada en los últimos meses, como parte de una revisión más amplia de miles de millones de dólares en sociedades de nube. El motivo que dan es de obsolescencia y no de precio: el hardware alquilado usa una generación anterior de chips de Nvidia y dejó de encajar con las necesidades de Microsoft. El acuerdo se había anunciado en 2023 como un arreglo multianual para alimentar la versión de Bing asistida por IA, y nunca se publicaron los términos financieros, así que tampoco hay un monto que ponerle a esto. Oracle respondió que “la demanda por la infraestructura de IA de OCI sigue fuerte, incluso para GPUs de generaciones anteriores”. Lo que conviene no exagerar: hubo titulares de una caída de 4% en Oracle, pero según Reuters las acciones de Oracle y Microsoft estaban planas en la rueda de la tarde del 6/11. Reuters · Investing.com

Tesla discontinúa la Cybertruck: la producción se apaga a mediados de 2027 y vende alrededor del 12% de la capacidad para la que se armó la línea (06/11). Musk lo anunció el 6/11 en X con un posteo breve, diciendo que van a ir apagando la producción “para hacer lugar a más producción de Cybercab”, y Giga Texas la discontinúa unos tres años y medio después de las primeras entregas. Los números de demanda son el motivo real: la línea se armó para 250.000 unidades anuales y la camioneta vende cerca del 12% de eso. La categoría “Otros modelos” de Tesla, que la incluye, cayó 48% interanual a 8.295 unidades en el tercer trimestre de 2026, de las cuales Electrek estima que 7.000 a 8.000 fueron Cybertrucks —un ritmo de unas 30.000 al año—, y Cox Automotive calculó 3.744 ventas en Estados Unidos en el segundo trimestre. El argumento del espacio no cierra: Giga Texas tiene más de 10 millones de pies cuadrados, la mayor parte de la capacidad de Cybertruck está ociosa, y en Texas había 463 Cybercabs registradas a fines de octubre. Dos detalles que quedaron sin respuesta: cuánto va a seguir la venta de inventario y qué pasa con repuestos y servicio para los dueños actuales. Tesla, además, subió los precios de la Cybertruck después del anuncio. 897 puntos en Hacker News. Electrek · CNN

Robótica: Tau Robotics limpia departamentos en San Francisco con humanoides teleoperados, y MIT Technology Review lo cuenta de primera mano (06/11). El robot mide alrededor de 1,37 metros, tiene la cabeza impresa en 3D con antenas y dos manos tipo pinza también impresas. El modelo de negocio es el dato: pilotos humanos lo manejan a distancia desde la sede de la empresa mirando por cámaras en la cabeza y las muñecas, para algunas tareas los movimientos del piloto se transmiten y el robot los copia, y los datos que se juntan entrenan modelos más autónomos; el cofundador dice que aspirar y trapear ya se hacen sin ayuda humana, mientras tender camas y doblar ropa todavía necesitan movimiento guiado. Lo que la periodista vio: limpió mesadas de cocina salteando la hornalla, limpió el inodoro reenganchando tres veces un cepillo que se le caía, y subió escaleras tambaleándose —en la primera visita las escaleras con alfombra lo derrotaron y un empleado lo subió a upa. En esa misma primera visita el robot se colgó y se fue antes porque se recalentó el equipo del piloto. Los precios: 30 dólares por una hora con un robot al momento de reservar, hoy 60 por una limpieza semanal con dos robots o 100 por una visita única. Está solo en San Francisco por lista de espera y la empresa hizo apenas un par de cientos de limpiezas; dejó canillas goteando, volteó una botella de aceite de oliva y no pudo levantar un purificador de aire caído. La conclusión de la nota es que es lento, así que no es ninguna ganga. MIT Technology Review

Ciberseguridad

“sshole” pasó de divulgada a explotada en menos de nueve horas, y un honeypot con Alpine terminó con acceso root (06/11). Sigue de lo de ayer, donde una contraseña de 257 bytes autenticaba una cuenta sin contraseña y OpenSSH sacaba 10.6p2 de emergencia: ahora hay explotación real. La falla es CVE-2026-123158, de 8,1 de CVSS, encontrada por el investigador Ozgun Kultekin. La firma de inteligencia de amenazas Previdian —su CEO Ryan Dewhurst le pasó los datos a The Hacker News— vio el primer intento de explotación menos de nueve horas después de que se publicara el CVE, y contó ocho intentos en total, con la IP de origen geolocalizada en Japón y contraseñas de 257 a 1.024 bytes. En el honeypot, un Alpine Linux con OpenSSH, confirmaron acceso root: la actividad del atacante fueron comandos de reconocimiento —id, uname, hostname— corridos por sesiones SSH no interactivas. La guía de Alpine para revisar un parque: buscar entradas “Accepted password” en los logs para cuentas que no deberían poder entrar con contraseña, revisar el uso de doas, los usuarios creados recientemente y las claves autorizadas, y tratar la máquina como comprometida si no se puede descartar un login. El alcance sigue siendo el mismo: hace falta una cuenta con asterisco como hash de contraseña, y no afecta a Dropbear, a distribuciones con glibc, a sistemas que no son Linux ni a los que autentican por PAM. The Hacker News · BleepingComputer

ARTEX: Check Point destapa 1.608 paneles expuestos y campañas agénticas que roban 300 certificados de firma de Apple y 190.000 credenciales de Honor of Kings por menos de 1.500 dólares (05-06/11). Sigue de lo de ayer, donde Chainalysis admitía un ataque con “técnicas agénticas ofensivas” y Microsoft describía herramientas que escanean GitHub buscando secretos: acá están los números de esa misma ola. ARTEX es una plataforma china de pentesting con IA, de código abierto, que coordina varios agentes para planificar pruebas, correr herramientas y registrar evidencia; se diseñó para pruebas autorizadas y Check Point la encontró usada para delito. Encontraron 2.557 sistemas que alojan o alojaron paneles de ARTEX, 1.608 de ellos vivos y accesibles públicamente, la mayoría en Estados Unidos (882, 54%), Hong Kong (295, 18%) y China (103, 6%); diez instancias mal configuradas dejaron expuestas sus bases de datos completas, y de ahí salieron los prompts de los operadores y los logs de los agentes. Las tres campañas: certificados, del 14 al 29 de octubre, más de 300 certificados de firma de código y contraseñas obtenidos, 3 pasaron validación, unos 36.000 millones de tokens por 700 a 1.500 dólares estimados; cripto, 292 dominios de pago apuntados, 230 hallazgos y unos 400.791 mensajes de agente por 145 a 300 dólares, sin un peso movido; y gaming, 13 sitios y más de 190.000 credenciales de Honor of Kings, de las cuales 3,3% seguían válidas, unas 6.000 cuentas extrapoladas, por 180 a 360 dólares. Las técnicas no son exóticas: credenciales de admin hardcodeadas o débiles —algunas en el JavaScript del frontend—, APIs web sin autenticación, RCE por inyección de comandos y de plantillas del lado del servidor, IDOR, escalada local a root, y credenciales de S3 filtradas que permitían sobrescribir un bucket que servía landings de apps de iOS. GitGuardian le agregó el 6/11 el lado de la velocidad, citando a Microsoft Threat Intelligence: en un caso un agente fue de escanear GitHub a exfiltrar datos de Azure Key Vault en cinco minutos, por unos pocos dólares de inferencia. Los límites que el propio reporte marca: los costos son estimaciones sobre precios de API publicados, el 3,3% es extrapolado de una muestra, la campaña de cripto incluyó resultados alucinados —los agentes tomaban respuestas “exitosas” de API como cobros reales—, y el bucket de S3 lo restauraron sus dueños, así que el compromiso de cadena de suministro no se ejerció del todo. Dato de contexto: los modelos chinos dominan las instancias expuestas, con DeepSeek Flash el más común, y un operador que chocó con las barreras de un modelo de Anthropic se cambió a modelos chinos. Check Point Research · GitGuardian

WordPress: instalar el parche de la falla ya explotada CVE-2026-119977 puede exponer el sitio una última vez (06/11). La falla es del núcleo de WordPress, no de un plugin, y afecta de la versión 4.7 a la 7.1.3; la encontró Umut Bayram de Picus Security y dice que viene desde la 2.7. El mecanismo: un atacante no autenticado que adivine el nombre de una carpeta temporal bajo wp-content/upgrade y llegue al instalador antes de que WordPress la borre puede ejecutar código en el servidor. La vuelta de tuerca es la que hay que tener en cuenta antes de actualizar: la propia actualización que instala el arreglo descomprime archivos con el código viejo del actualizador que todavía está en el sitio, y en sitios con 5.9 o posterior ese código nombra la carpeta según el archivo descargado, así que el nombre es predecible durante esa única actualización. Quien pegue en esa ventana puede armar una copia temporal de WordPress, loguearse y correr PHP con los permisos del servidor web; las ramas 4.4 a 5.8 le agregan caracteres aleatorios al nombre, lo que lo esconde salvo que se filtre por otro lado. Los paquetes completos siempre traen el instalador y por lo tanto están expuestos, los parciales solo si lo incluyen, y en las pruebas del investigador las actualizaciones dentro de la misma rama recibían paquetes parciales mientras los saltos de rama recibían completos. La explotación ya está andando: CISA lo metió en su catálogo KEV esa semana, Wordfence vio intentos de ataque nueve minutos después de desplegar su regla de firewall el día del lanzamiento y detectó dos fuentes chequeando grupos chicos de sitios durante unas 14,5 horas, lo que lee como intentos de agarrar sitios a mitad de actualización; hay repos públicos de GitHub con código descrito como exploit, sin confirmar que funcione. Hay además una discrepancia de severidad: Wordfence le pone 8,1 y el aviso de WordPress la califica de baja. La mitigación antes de actualizar es bloquear el acceso web a wp-content/upgrade en la configuración del servidor y verificar que devuelva 403 —no poner un .htaccess adentro de esa carpeta, porque el actualizador viejo le borra el contenido—, o hacer la actualización a mano fuera del directorio servido; wp core update de WP-CLI usa el mismo actualizador vulnerable y no evita el riesgo. The Hacker News

Claude Dispatch: una extensión maliciosa en claude.ai podía mandarle tareas a Claude Desktop y ejecutar código en la máquina (06/11). Dispatch es la función que permite mandar tareas desde el teléfono a Claude Desktop, que puede correr comandos en la computadora donde está instalado. Lo que encontraron los investigadores de Forever Security —el escrito técnico lo publicó Gal Weizman— es que Dispatch aceptaba una sesión común de claude.ai con el usuario logueado, aunque el sitio no mostrara ningún vínculo con la función: una extensión corriendo en claude.ai podía entonces mandarle instrucciones a Claude Desktop como si las hubiera mandado el usuario. En la prueba, un script abrió Dispatch y mandó cuatro prompts pidiendo instalar un paquete de npm; Claude dudó, un mensaje de seguimiento lo convenció, el script clickeaba “Allow” cada un segundo, y el script de instalación del paquete abrió la Calculadora. Los investigadores dicen que con el mismo acceso se podían robar archivos o instalar un backdoor. Las precondiciones: una extensión que pueda correr scripts en claude.ai —maliciosa, legítima con una actualización comprometida, o legítima con una falla— y un usuario logueado en claude.ai y en Claude Desktop con Dispatch habilitado. La cronología de la respuesta: lo reportaron el 14 de mayo, el 19 Anthropic lo aceptó como válido pero cerró el reporte como duplicado de algo que ya había encontrado internamente, y el 13 de octubre les dijo que Dispatch se iba a retirar con fin de octubre como objetivo; la página de ayuda, actualizada la semana anterior al artículo, no menciona el retiro y dice que Dispatch está cerrado a usuarios nuevos y que los existentes de algunos planes Pro, Max y Ultra pueden seguir usándolo. Las salvedades: la prueba corrió con el navegador y Claude Desktop en la misma computadora, no hay ataques reportados en el mundo real, y el ataque entre dispositivos se describe pero no se demostró. La frase que resume el punto de los investigadores es que “Anthropic está retirando Dispatch, pero no el diseño detrás”; dicen que Claude Code Remote Control y las sesiones de Cowork podrían permitir lo mismo, sin haberlo probado. The Hacker News

Técnicas, repos y práctica

Las skills de agentes barren el trending de GitHub: la de auditoría de seguridad de Cloudflare suma 2.524 estrellas en un día (07/11). Cuatro de los repos que más crecen hoy son colecciones de skills, y el patrón es el mismo: empaquetar un procedimiento con varias fases en vez de un prompt. cloudflare/security-audit-skill (+2.524 estrellas hoy, 63,9k en total) convierte a un agente de código en auditor de seguridad orquestando agentes aislados en seis fases: reconocimiento, que mapea arquitectura, límites de confianza y superficies de entrada y deja la cobertura anotada en architecture.md y coverage-ledger.json; caza guiada por cobertura, con cazadores aislados asignados desde el ledger y críticos que buscan los huecos; validación de candidatos, donde un verificador nuevo intenta refutar cada candidato único; salida estructurada a findings.json con registros confirmed, needs_validation y rejected chequeados contra un esquema; verificación independiente de los registros por agentes nuevos; y reporte final en REPORT.md, FINDINGS-DETAIL.md y NEEDS-VALIDATION.md. Las corridas sucesivas sobre el mismo repo son acumulativas y usan los ledgers anteriores para apuntar a los huecos. Se instala con npx skills add https://github.com/cloudflare/security-audit-skill --skill security-audit y necesita un agente con uso de herramientas y subagentes en paralelo, más Node.js; el código controlado por el objetivo debería correr en un sandbox impuesto por el sistema operativo, y sin eso el flujo deja las pistas como needs_validation en vez de ejecutar. El README aclara que este repo es el punto de partida de un solo repositorio para el harness de descubrimiento de vulnerabilidades que Cloudflare construyó después. Los otros tres: mattpocock/skills (+2.058 hoy, 307,2k estrellas, MIT), con skills invocables por el usuario como grill-me, to-spec e implement y otras que el modelo activa solo, como tdd, diagnosing-bugs y code-review; NVIDIA/auto-ontology (+2.005), un framework de capas de razonamiento semántico sobre grafos para generación determinística de consultas en flujos de LLMs y agentes; y google/skills (+532), la biblioteca de skills para productos y tecnologías de Google. GitHub — Cloudflare · GitHub — mattpocock · agents-radar

Un juez barato que escala a Opus da la exactitud de Opus a la mitad del costo, y la calibración importa más que la exactitud cruda (04-07/11). El post de Hightouch es del 4/11 y llegó hoy a la portada de Hacker News con 305 puntos. La tarea es resolución de identidades: detectar perfiles sobre-fusionados que contienen más de una persona real. Probaron modelos frontera —Claude Opus 5.5, Gemini 3.1 Pro y GPT-6 Sol— contra modelos de decisión baratos —GPT-6 Luna por la Decisions API, y Jev—, y después armaron un híbrido donde el modelo barato juzga cada identidad y solo los casos dudosos escalan al grande. Los números por 1.000 identidades en el test difícil: Opus 5.5 solo, 95,1% de exactitud a 5,39 dólares; Jev solo con corte al 60%, 89,1% a 0,06; el híbrido Jev→Opus, 95,3% a 2,94; el híbrido Luna→Opus, 91,6% a 1,15. En el test más fácil, Opus solo da 99,0% a 3,86 y el híbrido Jev→Opus 98,8% a 0,88. El hallazgo contraintuitivo es el que vale guardarse: Luna le gana a Jev en los casos fáciles, pero cae al mismo nivel en los difíciles y su exceso de confianza lo vuelve un peor ruteador, porque lo que hace falta de un juez de primera pasada no es acertar sino tener la confianza calibrada. El híbrido con Jev, además, manda más casos a Opus automáticamente cuando se ponen difíciles. Tres detalles prácticos más: poner ejemplos de los tipos de error en el prompt fue lo que más ayudó a todos los modelos, el contexto de datos de fondo ayudó un poco a los frontera y nada a los de decisión, y el corte de confianza importó mucho más para Jev que para Luna, así que hay que tunearlo con los datos propios. La revisión humana corre a unas 50 identidades por hora y estimar una tasa rara dentro de ±1% pide más de 1.000 muestras, que es el argumento de fondo para auditar con modelos — validándolos antes contra juicios humanos. Hightouch · Hacker News

Nvidia publica NVKE, un plano de control para fabricar clusters de Kubernetes sobre su infraestructura de GPU, en preview y con la autenticación apagada por defecto (06/11). No es una distribución de Kubernetes: el README se describe como “una fábrica autohospedada de clusters de Kubernetes”, donde un cluster semilla temporal levanta un cluster de gestión que después aprovisiona clusters de carga de trabajo aislados. Los clusters se piden por la API de NVKE o con nvkectl, las máquinas se aprovisionan a través de NVIDIA Infra Controller, y cada cluster se lleva su propio plano de control, su etcd y sus node pools, que se pueden crear, escalar y borrar, con actualizaciones de Kubernetes y reemplazo de nodos. La parte interesante para quien opere esto es la identidad de los nodos: atestan con SPIFFE/SPIRE usando su TPM antes de recibir las credenciales de unión, y hay cifrado de etcd por cluster. El proyecto compañero, NVIDIA Kubernetes Recipes, construye las imágenes de nodo y los componentes desde insumos pineados. Las advertencias están en el propio repo y son fuertes: el README recomienda no usarlo en producción, la autenticación de la API viene apagada por defecto y la API queda en HTTP plano después de instalar, el cluster de gestión no puede actualizarse, escalarse ni reemplazarse a sí mismo, y no hay procedimiento documentado de backup o restauración del plano de gestión. Está bajo Apache 2.0 con copyright de NVIDIA, en la organización dsx-ai-factory, con 1.348 commits y apenas 26 estrellas; 120 puntos en Hacker News. GitHub · Hacker News

ChatGPT ruteó en silencio una llamada a herramienta por un conector distinto al que la inició, y reportarlo al bug bounty pedía documento y biometría (05-06/11). El reporte lo publicó el usuario AldiPower el 5/11 en la categoría ChatGPT Apps SDK del foro de desarrolladores de OpenAI. El armado: dos conectores apuntando al mismo servidor MCP, uno agregado a mano en modo desarrollador y el otro una app publicada del directorio, cada uno con su propio cliente OAuth, así que el servidor veía dos clientes distintos para el mismo usuario. Lo que pasó es que un código de confirmación de un solo uso emitido por el widget del primer conector se intentó canjear por el segundo, y el servidor rechazó todos los intentos de esa conversación porque el código estaba atado al cliente OAuth del primero. El planteo del reportante es doble: que las llamadas a herramientas deberían asociarse a un conector por su cliente OAuth y no por la URL del servidor, y que el cambio silencioso pasa datos entre apps separadas sin consentimiento. La respuesta en el hilo es de la comunidad y no de OpenAI: el 6/11 otro usuario señaló que el chequeo del lado del servidor funcionó pero que el ruteo sigue siendo un problema, y sugirió preservar la identidad del conector a través de flujos de varios pasos, pedir aprobación explícita antes de cambiar de conector y loguear las decisiones de ruteo, además de recomendar el canal de divulgación coordinada. El remate llegó el mismo 6/11: el reportante dijo que intentó reportarlo por el programa de bug bounty de OpenAI y que le pedía información personal sensible —identificación biométrica y documento— antes de poder enviar el reporte, y que no estuvo dispuesto. La lección práctica para cualquiera que esté publicando un conector: atar los tokens y códigos al cliente OAuth, no al servidor, y asumir que la identidad del conector puede no sobrevivir un flujo de varios pasos. OpenAI Developer Community · Hacker News