Blog técnico sobre IA aplicada. Explorando y documentando lo que aprendo.
RAG, agentes, y cómo llevar proyectos de IA del prototipo a producción.
Anthropic demuestra que la asistencia de IA deteriora la comprensión conceptual, lectura de código y debugging sin mejorar significativamente la productividad. Sin embargo, identifica 3 patrones de uso que preservan el aprendizaje mientras se aprovecha la IA.
MIT propone RLMs, un paradigma de inferencia que permite a los LLMs procesar prompts 100× más largos que su context window usando recursión y un entorno REPL, alcanzando 91.33% de precisión en tareas donde GPT-5 estándar falla completamente.
Anthropic lanza Claude Opus 4.6 con mejoras significativas en razonamiento, código y contexto extendido. Con 1M tokens de contexto en beta y liderazgo en benchmarks de razonamiento económico, Opus 4.6 redefine lo que esperamos de modelos de frontera.
OpenAI lanza GPT-5.3 Codex, un modelo agentic que trasciende la generación de código para convertirse en un agente autónomo de desarrollo. Primera IA que participó en su propio entrenamiento, 25% más rápida, y líder en benchmarks de código. Con controles de seguridad sin precedentes por sus capacidades en ciberseguridad.
Explicaciones claras de conceptos fundamentales de IA
1 artículoAnálisis de papers de investigación en IA
18 artículosGuías paso a paso para implementar soluciones
7 artículosDocumentando proyectos reales de principio a fin
1 artículoNoticias y actualizaciones sobre avances en IA
6 artículos