Hilos · 5 noticias en 22 días
NVIDIA abre todo Run:ai con Apache 2.0, incluido el fraccionamiento de GPU que antes era propietario (18/10)
- Noticias
- 5
- Briefings
- 5
- Empieza
- Última
-
Perplexity abre SPACE, el sandbox de Firecracker con el que corre todas las tareas de Perplexity Computer, con Apache 2.0 (16/10)
Es lo más directamente aprovechable del día si estás corriendo agentes que ejecutan código: una API HTTP con server-sent events para crear entornos Linux, correr comandos y streamear salida, donde un template define el filesystem inicial y un sandbox es una instancia con su propia VM y disco escribible. Cada sandbox es una microVM de Firecracker con kernel invitado propio, y la pieza de diseño que más vale copiar es el gateway de red por sandbox en el host, que aplica política de egreso en cada conexión saliente e inyecta credenciales a nivel de red, así que los secretos nunca entran al invitado; los root filesystems usan copy-on-write de btrfs, los sandboxes suspendidos snapshotean memoria y filesystem, y los inactivos se suspenden a las 6 horas por defecto. Los números reportados: latencia mediana de creación de 185 ms a 60 ms contra su proveedor anterior, y p90 de 447 ms a 89 ms. El red team propio es más interesante que el benchmark: 9 modelos, 216 corridas con root dentro del invitado, 0 de 108 escapes de VM a host y 0 de 54 en bypass sin red, pero 11 de 54 en bypass con red parcial antes de los arreglos —Claude Opus 5.0, GPT-5.6 Sol, GPT-5.6 Cyber y Kimi K3 encontraron caminos con spoofing de DNS e IPs de CDN compartidas—, y el retest tras agregar validación de dirección de origen y terminación TLS con chequeo de SNI y host no encontró bypass verificado. Los requisitos son restrictivos: Linux x86_64 con KVM, /dev/kvm, btrfs y Docker, sin macOS, con virtualización anidada si corre dentro de una VM, y no hay endpoint hosteado público. El soporte del SDK de E2B va por un wrapper de compatibilidad probado contra e2b==2.21.1, y ojo que pausar no es un snapshot durable. Release 0.8.0, en Rust. GitHub · MarkTechPost · Docs
-
Google abre Harness2 con Apache 2.0: mejora el andamiaje del agente sin tocar los pesos, y le suma 11,5 puntos a GLM-5 en WorkBuddy-Bench (18/10)
Es lo más accionable del día para cualquiera que esté armando agentes: Google Cloud AI Research libera un framework —versión 0.1.0, no un modelo— que edita ocho componentes del harness, cada uno montado como archivo: system prompt, guardrails, memoria, guía de herramientas, subagentes, skills, scripts y plugins de middleware. Funciona con dos niveles de recursión encadenados: a nivel tarea propone dos ediciones candidatas —una general, una específica del dominio—, prueba las dos y se queda solo con lo que el comportamiento observado respalda; a nivel harnessing guarda los harnesses adoptados y las lecciones en un EXPERIENCE.md que guía las tareas siguientes. Lo probaron en WorkBuddy-Bench, JobBench y el LAB de Harvey, con Gemini 3.5 Flash y GLM-5 bajo OpenCode y Codex, usando Claude Opus 4.8 como editor por defecto y promediando tres corridas: el mejor resultado es GLM-5 bajo OpenCode subiendo de 64,2 a 75,7 en WorkBuddy-Bench, y el peor es GLM-5 bajo Codex ganando 1,2 puntos en JobBench. El patrón interesante es que los ejecutores más débiles ganan más —tras un paso, GLM-5 le gana al Gemini 3.5 Flash base en WorkBuddy-Bench—. Requisitos: Linux, Python 3.12 o 3.13, uv, llamadas de modelo por Vertex AI, más Node.js 20+ y la CLI de Google Cloud para corridas con modelo; hay una demo local sin credenciales. Dos costos a tener en cuenta: cada tarea requiere corridas extra, y el sandbox del entorno de ejecución corre por tu cuenta. MarkTechPost
-
NVIDIA abre todo Run:ai con Apache 2.0, incluido el fraccionamiento de GPU que antes era propietario (18/10)
Es lo más accionable del día para cualquiera que comparta GPUs entre equipos: el monorepo trae control plane, servicios de cluster, instalador, CLI y un servidor MCP, y se puede inspeccionar, forkear y autohostear sin suscripción. Son cuatro componentes modulares y se pueden usar por separado: el KAI Scheduler, nativo de Kubernetes, con gang scheduling, fair share por tiempo, topology awareness, bin-packing y soporte de DRA, y que ya es proyecto CNCF Sandbox; el GPU Fractioning Operator, que parte GPUs con fracciones nativas de CUDA 13.4 y límite duro de memoria por workload, es agnóstico del scheduler y exporta métricas por pod —reemplaza el fraccionamiento propietario anterior—; KAI Resource Management, que agrega proyectos, departamentos, cuotas y node pools; y Workload Map, una librería en Go que describe tipos de workload como PyTorchJob, RayCluster o servicios KServe y que no agenda ni escala nada. Para probarlo sin GPU hay un local-dev.sh en macOS o Linux que levanta un cluster Kind de 5 nodos con 8 Tesla-A10 simuladas; con GPUs reales pide Linux, Docker y el NVIDIA Container Toolkit, y no soporta aceleradores de AMD ni de Intel, ni Windows. Dos límites a tener claros: esta edición no trae soporte enterprise, y NVIDIA no publicó ningún benchmark a nivel plataforma para el release. MarkTechPost · GitHub
MarkTechPost GitHub GitHub Nvidia AMD Intel MCP Windows Linux
-
Rivet llega a Launch HN: orquestar agentes como actores con SQLite propio y arranque en frío de 12 ms (06/11)
La frase que vende el proyecto es "donde Kubernetes agenda pods, Rivet agenda Actores". Cada Actor es un proceso de larga vida con estado persistente, su propia base SQLite, una cola, conexiones vivas y agendamiento; se lo direcciona por clave, corre en Node.js, Bun o Rust, y lo hace dentro de los procesos worker que ya operás, no en contenedores ni máquinas virtuales propias. El plano de control se distribuye como un único binario de Rust con cuatro componentes —Pegboard para agendamiento y red, Gasoline para ejecución durable, Guard para ruteo de tráfico y Epoxy, un KV multirregión—, los Actores inactivos hibernan y despiertan con el siguiente pedido, y el almacenamiento se tiera a S3 con Postgres o FoundationDB para la persistencia, aunque la página no explica cómo funciona ese tiering. Es Apache 2.0, autohospedable por completo, y el servicio administrado corre el mismo plano de control; unas 6.400 estrellas. Las comparaciones son del propio proyecto y conviene verificarlas: 12,3 ms de arranque en frío contra unos 6 segundos de un pod y 72,4 KB contra unos 200 MB por instancia, con la aclaración de que las cifras de Kubernetes son valores típicos y no un benchmark apareado. Contra Durable Objects de Cloudflare, el argumento es que no hay tope de 128 MB de memoria ni límite de 10 GB de SQLite, que no desaloja Actores al azar y que corre sobre Node o Bun estándar en vez de un runtime propio. GitHub · 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
El hilo se arma solo en cada build: junta noticias de días distintos que nombran a la misma entidad y repiten vocabulario que casi no aparece en el resto del archivo. Nadie lo edita a mano, así que puede dejar afuera una noticia o sumar una de al lado.