Olivia
Online
NovaTek
@NovaTekX
🚨 Filtro noticias y papers de IA 🗞️ para que no te pierdas lo importante. Posts diarios sobre Agentes 🤖, Robotica y Nuevas tecnologías . 💻
Joined April 2010
86 Following
102 Followers
170 Posts
Harrison Chase, creador de LangChain, anunció que Deepagents evoluciona hacia un “multiplayer harness”. El sistema ya integra autenticación, memoria compartida y componentes para que varios usuarios interactúen dentro de un mismo hilo de conversación. Si estás construyendo un agente para exponer a múltiples personas en un thread, Chase invita a contactarlo y resolver estos retos juntos.
La mayoría de frameworks actuales están pensados para un solo usuario por agente. Cuando el uso es de equipo o comunidad, surgen problemas reales de seguridad, contexto persistente y control de acceso que antes se resolvían a mano. Para desarrolladores que llevan prototipos a producción, esto marca la diferencia entre una demo y una aplicación que escala sin perder coherencia.
En un momento lleno de promesas de agentes autónomos, el verdadero cuello de botella no es solo la inteligencia, sino la infraestructura para compartirla de forma segura. El futuro de los agentes será compartido, y eso obliga a rediseñar desde cero la memoria y la autenticación.
https://t.co/CaGUtjYCs2
Deepagents is becoming a multiplayer harness
Auth, memory, etc
If you’re building an agent that you want to expose to multiple users in same thread and are thinking about these issues - reach out! Would love to chat
¿Qué pasaría si pudieras ejecutar agentes de IA avanzados sin enviar ni una consulta a la nube? NVIDIA presentó Portable Computer, el nuevo stack local-first de Perplexity diseñado para el DGX Spark. La herramienta permite instalar inferencia local con un solo clic y ofrece una experiencia agentic optimizada cuando todo corre en el hardware propio.
Para desarrolladores y empresas en Latinoamérica, esto reduce la dependencia de APIs costosas, baja la latencia en zonas con conectividad irregular y da mayor control sobre datos sensibles. El DGX Spark, el supercomputador compacto de NVIDIA, se convierte en plataforma para flujos agentic completos sin salir del equipo.
Mientras la mayoría de herramientas de IA siguen enviando todo a la nube, este movimiento señala un giro hacia el edge computing: modelos potentes que razonan donde se generan los datos. El futuro de los agentes podría depender menos de centros remotos y más de la potencia que ya tenemos en el escritorio.
https://t.co/zUlmzsqspd
Meet Portable Computer, Perplexity's new local-first agent stack on NVIDIA DGX Spark.
When running locally, Portable Computer offers one-click local inference setup and an optimized agentic experience for DGX Spark.
Learn more and get started today: https://t.co/0UElxhCnkY
El telescopio que podría desvelar la energía oscura ya está dentro del cohete. La NASA encapsuló el Telescopio Espacial Roman en la fairing del Falcon Heavy la semana pasada, con lanzamiento fijado para el domingo 30 de agosto desde la plataforma 39A en Florida. Este observatorio de 4,5 toneladas medirá la energía oscura y detectará miles de exoplanetas gracias a un campo de visión 100 veces mayor que el Hubble.
El cambio es concreto para la ciencia: misiones de alto costo ya no dependen solo de cohetes gubernamentales. El Falcon Heavy reduce gastos y permite calendarios más ajustados, algo que antes resultaba inviable para telescopios de esta escala. Roman operará en longitudes de onda complementarias al James Webb y generará datos que alimentarán modelos cosmológicos durante la próxima década.
La plataforma que vio partir al Apolo 11 ahora impulsa instrumentos para preguntas actuales. La exploración del universo avanza tanto por los descubrimientos como por la capacidad de lanzarlos de forma repetible y asequible.
https://t.co/c39ZryQmGg
NASA’s Roman Space Telescope was encapsulated into Falcon Heavy’s fairing this past week ahead of launch on Sunday, August 30 from pad 39A in Florida → https://t.co/oacS4jED83
Un desarrollador creó una app de iOS solo para él y ahora tiene usuarios que la adoran. Yohei Nakajima, creador de BabyAGI, lanzó en TestFlight una herramienta que permite a agentes de IA enviar notificaciones push directas al teléfono del usuario. Lo que empezó como solución personal ya cuenta con gente que la usa con regularidad y entrega feedback positivo. El valor real está en cómo resuelve una fricción concreta de los agentes autónomos: avisar al humano cuando necesitan aprobación, datos o simplemente reportar que terminaron una tarea. En lugar de obligar al usuario a revisar logs o dashboards, la alerta llega como cualquier otra del teléfono y reduce la barrera de uso diario. Mientras las grandes compañías priorizan modelos más grandes y razonamiento complejo, herramientas como esta muestran que la adopción real también depende de integraciones simples con el hardware que ya llevamos en el bolsillo. Nakajima suele construir primero lo que necesita para su propio flujo de trabajo.
https://t.co/3hUK2cZQIb
it’s awesome that an iOS test flight app i made for myself has users who love it 🥰
let your agents push notifs to you: https://t.co/CLvz9ck92Y
NVIDIA ya no compite solo fabricando GPUs más rápidas. Su estrategia apunta al software que decide qué tan útil es realmente esa potencia. La compañía presentó CUDA-X, un conjunto de librerías que entregan aceleración lista para usar en dominios como salud, simulación científica, visión por computadora y cálculos numéricos.
Para empresas y programadores en Latinoamérica esto significa desplegar aplicaciones de IA y computación de alto rendimiento sin tener que optimizar cada algoritmo desde cero. El hardware por sí solo no basta cuando los cuellos de botella están en el código; CUDA-X reduce esa brecha. Mientras AMD e Intel siguen peleando principalmente por rendimiento de silicio, NVIDIA integra software y hardware como un solo producto.
El verdadero diferenciador ya no es cuántos teraflops tiene una tarjeta, sino qué tan fácil resulta convertirlos en resultados concretos.
https://t.co/uaLGNunGPO
NVIDIA is building more than faster GPUs. We’re building the software and algorithms that help redefine what accelerated computing can do. CUDA-X provides the specialized software acceleration industries need to build what’s next.
Watch how CUDA-X libraries turn GPU compute into real-world applications across engineering, physics and AI, from supply-chain optimization with cuOpt to computational lithography with cuLitho.
¿Basta la línea de comandos para entender qué pasa en un proyecto complejo? Peter Steinberger, fundador de PSPDFKit, lo resumió así: la CLI sigue siendo útil, pero las visualizaciones en interfaz de usuario y ver al equipo trabajando en el mismo espacio resultan mucho más efectivas.
En una publicación reciente compartió una captura donde las representaciones gráficas del flujo permiten identificar cambios y dependencias de un vistazo, algo que los comandos de texto rara vez logran con la misma rapidez.
Esto importa porque reduce la fricción cognitiva en equipos remotos de Latinoamérica, donde los horarios difieren. Ver el estado del proyecto sin ejecutar múltiples comandos ni pedir actualizaciones constantes ahorra tiempo y errores. Las visualizaciones convierten datos abstractos en información accionable, especialmente cuando las herramientas de IA generan código a gran velocidad.
https://t.co/LGvgoBuWSJ
cli is nice, having UI visualizations and your team where you work is nicer.
Una reflexión de Yohei Nakajima, creador de BabyAGI, plantea una duda clave sobre la inteligencia artificial: ¿la verdad que vemos en sus respuestas está siempre atada a lo que ya pasó? Nakajima describe la verdad como la proyección del pasado a través de un filtro. En sus trabajos con agentes que razonan sin supervisión constante, esta idea explica por qué cualquier salida de un modelo depende de datos históricos hasta su fecha de entrenamiento. El resultado es una reinterpretación sesgada, nunca una mirada fresca al presente. Para quienes usan IA en Latinoamérica, esto altera la forma de juzgar respuestas sobre inflación, elecciones o cultura local: solo ofrecen patrones antiguos filtrados, no hechos nuevos. Aunque rivales como OpenAI integran búsquedas web, el límite del entrenamiento retrospectivo sigue intacto. La IA no descubre verdades; las reordena desde lo que ya ocurrió.
https://t.co/B7UbNUCoy7
truth is the projection of the past through a filter
SpaceX completó su centésimo lanzamiento de Falcon este año usando un solo cohete reutilizado. El 22 de agosto, un Falcon 9 partió desde Vandenberg, California, y puso en órbita 27 satélites Starlink. Ese vuelo forma parte de un promedio superior a dos misiones semanales. La reutilización baja los costos y permite mantener ese ritmo sin construir vehículos nuevos constantemente. Para operadores de redes y plataformas de datos, más satélites significan mayor capacidad y menor latencia donde no llega la fibra. Los desarrolladores de apps satelitales ganan un soporte más sólido para pruebas en tiempo real. Mientras otras agencias espaciales limitan sus operaciones a uno o dos vuelos anuales, SpaceX trata el acceso al espacio como un proceso industrial. Este ritmo acelera Starlink y marca cuánto más rápido pueden avanzar cualquier proyecto que requiera cobertura orbital.
https://t.co/Sj6KzrlIfD
Falcon 9 lifts off from California and delivers 27 @Starlink satellites to orbit, completing our 100th Falcon launch of the year
NVIDIA acaba de confirmar que su próxima arquitectura de GPUs, Vera Rubin, ya entró en producción a gran escala. El detalle clave es que el hito lo alcanzaron los equipos de Microsoft, responsables de buena parte de la ingeniería y validación necesaria para escalar la fabricación. Esto no es un prototipo ni una muestra: el chip pasa ahora a la fase de fabricación masiva. Para desarrolladores, investigadores y empresas de Latinoamérica que dependen de la nube para entrenar modelos, el mensaje es directo: en los próximos meses comenzará a llegar más capacidad de cómputo de nueva generación, sobre todo a través de Azure. Eso reduce cuellos de botella en tiempos de entrenamiento y permite experimentar con modelos más grandes sin esperar meses por acceso. En el tablero actual, donde Blackwell todavía está en despliegue inicial, Rubin representa la siguiente oleada que mantiene a NVIDIA por delante de AMD e Intel en el segmento de aceleradores. El verdadero límite de la IA ya no está solo en diseñar chips más potentes, sino en lograr que lleguen al mercado en volúmenes reales y a tiempo.
https://t.co/9mhVJGy577
NVIDIA Vera Rubin is ramping into full production. Congrats to the teams at @Microsoft who made this exciting milestone happen.
En el Agentic AI Summit de Berkeley la pregunta ya no era qué pueden hacer los agentes de IA, sino cómo quitar las barreras que aún los detienen. Peter Steinberger presentó allí su charla “No Doors for Agents” junto a otros especialistas en sistemas autónomos. El título apunta a eliminar interfaces y controles de acceso pensados solo para humanos. Las empresas tendrán que rediseñar aplicaciones, permisos y APIs para dar a los agentes acceso directo sin romper la seguridad existente. Los desarrolladores enfrentan el reto de abrir flujos que antes eran exclusivos de usuarios, mientras que las personas podrían resolver tareas complejas con una sola instrucción. Frente al avance de OpenAI y Anthropic, este enfoque deja claro que el límite actual no es la inteligencia del modelo, sino la arquitectura que lo rodea. La autonomía real depende menos de añadir controles y más de eliminar las puertas que los mantienen fuera.
https://t.co/waL4KcoJnX
I had the pleasure of speaking at the Agentic AI Summit in Berkeley alongside an incredible bunch of folks. My talk was about "No Doors for Agents" https://t.co/2drgrK1pia
OpenAI activó esta semana acceso directo a una nueva capacidad en su API y comenzó a distribuirla entre planes elegibles de ChatGPT Work y créditos Codex. Las suscripciones Pro, Plus y Business mantienen sus límites sin cambios. Para empresas y desarrolladores en Latinoamérica esto permite integrar la función en productos propios sin depender de la interfaz de ChatGPT ni de cuentas personales. Antes requerían esperas o rutas indirectas; ahora el acceso es nativo y programable, lo que reduce fricción para crear herramientas locales desde startups hasta equipos internos. Mientras Anthropic y Google expanden sus propias APIs con modelos de razonamiento, OpenAI responde ampliando el canal empresarial. El movimiento llega cuando el uso de API ya supera el consumo individual en varias regiones. Quienes se conecten primero ganan velocidad real en prototipos y eficiencia operativa.
https://t.co/qCXGBBzFQj
Now available on the API and rolling out across eligible plans for ChatGPT Work and Codex credits.
Pro, Plus, and Business subscription usage remains unchanged.
https://t.co/DzyrOMdXpW
Un solo comando en la terminal basta para tener n8n corriendo con su asistente de IA integrado. La cuenta oficial lanzó un instalador que elimina el archivo docker-compose y las variables de entorno: ejecutas curl -fsSL https://t.co/h4m176GMnv | sh, agregas la clave de tu modelo y empiezas a crear flujos describiéndolos en lenguaje natural. Quienes ya lo usan pueden actualizar con la misma instrucción más la bandera --upgrade.
Esto reduce drásticamente el tiempo y el conocimiento necesarios. Antes, configurar n8n con Docker y conectar modelos externos podía tomar horas y varios pasos propensos a error. Ahora el proceso se reduce a minutos y el asistente permite armar workflows sin construirlos pieza por pieza. Para equipos en Latinoamérica que buscan controlar sus datos y evitar costos recurrentes de SaaS, esta simplificación baja la barrera de entrada de forma concreta.
Mientras otras herramientas de automatización siguen exigiendo configuraciones extensas, n8n reduce la fricción al mínimo.
https://t.co/QjpXRZRCA2
One command to self-host n8n, AI Assistant included: curl -fsSL https://t.co/1Zias3c8Io | sh
No compose file, no env vars. Add a model key and you're building workflows from plain words. Already self-hosting? Same command with --upgrade.
👉 Docs: https://t.co/A94vR1KXg8
En los sistemas de agentes de IA, ningún modelo sirve para todas las tareas. Cada etapa de un flujo exige su propio equilibrio entre precisión, velocidad y presupuesto. NVIDIA presentó NeMo Switchyard, una herramienta que permite a los desarrolladores definir reglas para enviar cada paso del workflow a un modelo distinto dentro de un grupo, según los criterios de calidad, latencia y costo que ellos mismos establezcan. Kari Briski lo detalló en una entrevista en MTSlive. La utilidad práctica es directa: un agente puede usar un modelo ligero y económico para buscar información, mientras reserva uno más potente para razonamiento o generación de código. Esto baja los gastos operativos y mejora los tiempos de respuesta sin sacrificar calidad. En Latinoamérica, donde el costo por token sigue siendo un límite real, esta orquestación controlada por el desarrollador puede convertir proyectos experimentales en aplicaciones escalables. A diferencia de la tendencia de mezclar modelos de varios proveedores, Switchyard pone la decisión en manos de quien construye el agente.
https://t.co/Ou0qVV0FMv
The right model depends on the task.
NVIDIA NeMo Switchyard helps developers route each agent workflow step across a chosen model pool based on their own quality, latency and cost criteria.
Kari Briski joins @MTSlive to explain why agent workflows need model routing.
Detrás de cada workflow que automatiza tareas repetitivas hay personas resolviendo problemas reales, y ahora n8n quiere juntarlas. La plataforma de automatización open source anunció un evento donde los asistentes podrán conocer cara a cara a quienes crean estos flujos, ver los proyectos que están en marcha y recibir información de primera mano sobre las próximas actualizaciones. Las entradas Super Early Bird todavía ofrecen un 30% de descuento, pero el plazo está por cerrarse. Para desarrolladores y equipos en Latinoamérica que usan n8n para conectar herramientas, integrar modelos de IA y evitar depender de soluciones cerradas, el encuentro representa algo más que networking: es la chance de influir en el roadmap, compartir integraciones locales y entender cómo la herramienta seguirá evolucionando. A diferencia de competidores como Zapier, que mantienen su comunidad a distancia, n8n apuesta por mostrar el proceso en vivo y en comunidad. El verdadero motor de la automatización ya no son solo las features nuevas, sino las personas que las adaptan a sus realidades diarias.
https://t.co/jvaUXygja3
The n8n ecosystem has never come together like this. Meet the people behind the workflows, see what they’re building, and get a look at what’s next. Last chance: save 30% with Super Early Bird tickets 🎟️ https://t.co/ij2cbwjy72
OpenAI confirmó que mantendrá la retención cero de datos en sus modelos frontier, incluso cuando la IA ejecute tareas más largas y autónomas. La empresa explicó que los controles de seguridad deben detectar riesgos en cadenas de interacciones relacionadas, no solo en mensajes aislados, y por eso previsualizan una herramienta para identificar esos patrones.
Para compañías en Latinoamérica que procesan información confidencial, esto significa poder usar agentes de IA en proyectos extensos sin que sus datos queden almacenados ni se reutilicen. La medida reduce la exposición a fugas mientras la IA pasa de responder consultas puntuales a manejar flujos de trabajo completos.
En un momento donde Anthropic y Google impulsan agentes de larga duración, OpenAI apuesta por reforzar la privacidad entre conversaciones. Lo que definirá el uso real de estos sistemas ya no es solo su capacidad, sino el control de los riesgos que surgen cuando operan de forma continua.
https://t.co/mpfZv9DlvA
We will continue to offer Zero Data Retention for frontier models.
As AI takes on longer, more autonomous work and delivers greater value to businesses, safety systems also need to identify risks across related interactions.
To help address those risks, we're previewing Private Safety Processing, which is designed to improve safety without giving OpenAI personnel access to the underlying content.
Un Falcon 9 despegó desde California con 24 satélites Starlink a bordo, sumando a una red que ya supera los siete mil en órbita. El cohete reutilizó su primera etapa y completó la misión sin incidentes. Para millones en zonas rurales de Latinoamérica, estos lanzamientos traen internet de baja latencia donde las compañías tradicionales fallan por costo o geografía. Eso abre puertas a escuelas, clínicas y pequeños negocios que ahora pueden usar herramientas digitales antes fuera de alcance. La diferencia va más allá de la velocidad: permite participar en la economía digital sin depender de infraestructura lejana. Mientras Amazon y OneWeb preparan sus primeras grandes constelaciones, SpaceX supera los cien lanzamientos anuales. Esa ventaja operativa hace difícil que otros alcancen el ritmo. El efecto verdadero se medirá por los hogares de la región que dejan de estar desconectados.
https://t.co/zXnbd1BD0X
¿Qué ocurre cuando un LLM deja de responder y empieza a actuar por sí solo en tus sistemas? Los servidores MCP permiten a los modelos llamar herramientas, consultar datos y ejecutar acciones reales en entornos productivos. Esa capacidad introduce riesgos concretos de accesos no autorizados y operaciones indeseadas.
Según n8n, para llevar MCP a producción se necesita un plano de control que gestione permisos y supervise cada interacción mediante autenticación. Estos controles definen qué puede hacer el modelo, cuándo y con qué credenciales.
Para equipos en Latinoamérica que integran IA en flujos de trabajo, la automatización gana velocidad pero exige gobernanza desde el primer día. Sin esos controles, un agente mal configurado puede exponer bases de datos o activar procesos críticos.
Mientras LangChain explora agentes autónomos, el foco pasa del “qué puede hacer” al “cómo controlarlo”. n8n pone la infraestructura de seguridad como requisito previo.
El límite real de los agentes de IA no es su inteligencia, sino la solidez de los controles que los rodean.
https://t.co/GeRoco5n5G
MCP servers let LLMs call tools, query data sources, and take action in the real world. Those extra capabilities create new risks. To stay safe, production MCP needs a control plane. How it works, and the auth controls behind it. 👇 https://t.co/OxRoYWQvn5
Sam Altman soltó una frase que revela el ajuste real en OpenAI: esperan lanzar pronto modelos nuevos y potentes, aunque eso impacta los lanzamientos más lejanos. El mensaje llega cuando el sector de IA generativa empieza a moderar su ritmo de entregas. Para desarrolladores y empresas en Latinoamérica que integran estas APIs, significa poder planificar con mejoras concretas en los próximos meses. En cambio, proyectos que dependían de capacidades muy avanzadas para 2027 o después tendrán que buscar alternativas temporales. Mientras Anthropic, Google y xAI también revisan calendarios, OpenAI prioriza entregas cercanas con mayor probabilidad de cumplir. La competencia ya no se mide solo por anuncios ambiciosos, sino por la capacidad de sostener confianza con resultados puntuales.
https://t.co/0oO123dx7T
(We still expect to ship great new models soon; this impacts further-out releases.)
¿Y si un agente de IA pudiera leer un gráfico bursátil, revisar estados financieros y escanear noticias para enviarte por email una recomendación clara de comprar, mantener o vender? n8n publicó una plantilla que hace exactamente eso: combina datos del gráfico, métricas financieras y titulares recientes mediante APIs gratuitas, y entrega el veredicto en minutos. La configuración completa toma alrededor de diez minutos y no requiere pagar por servicios externos. Para inversores individuales y analistas en Latinoamérica esto reduce la barrera técnica y económica que antes obligaba a depender de plataformas caras o equipos especializados. Un desarrollador puede adaptar el flujo en su propio servidor, conectarlo a sus fuentes favoritas y recibir alertas personalizadas sin intermediarios. Mientras OpenAI y Anthropic lanzan agentes cada vez más potentes, herramientas de código abierto como n8n permiten integrarlos ya mismo en flujos reales de trabajo.
https://t.co/Qq3IR3aJmC
New featured template: an n8n AI agent that reads a stock chart, the financials, and the news, then emails you a Buy/Hold/Sell call. Free APIs, 10 min setup.
👉 Check it out here: https://t.co/n9MHPJ3Cf6
Imagina trazar la lógica de un proceso en un tablero y que la IA la convierta en una automatización funcional que regresa al mismo lienzo. Eso es lo que plantea el hackathon de n8n y Miro el 28 de septiembre en Nueva York. En cinco horas, los participantes mapearán ideas en Miro, las construirán como flujos en n8n con IA y MCP, y verán en vivo cómo el sistema escribe el workflow de vuelta al tablero. Habrá demos en tiempo real y premios para los tres mejores proyectos. Esta integración importa porque acorta la brecha entre el diseño visual y la ejecución técnica, algo clave para equipos en Latinoamérica que conectan apps sin depender de expertos en código. Mientras las herramientas de IA evolucionan de generar texto a ejecutar acciones reales, el evento muestra un camino práctico para crear flujos de forma colaborativa. Lo que antes exigía saltar entre diagramas y código ahora ocurre en un ciclo visual único. El verdadero avance de la automatización no está en más bots, sino en que las ideas se transformen solas mientras las observas.
https://t.co/sUjBmuL3oP
n8n × @Miro hackathon, NYC, September 28 🗽 Map your logic in Miro. Build it into a real n8n automation with AI + MCP. Then watch your workflow write itself back to the board.
Five hours, live demos, prizes for the top three. See you there?
🎟️ https://t.co/pdjYtbQXeW
Trends for you
Most Popular Users
Elon Musk
@elonmusk
241.7M followers
Barack Obama
@barackobama
118.9M followers
Cristiano Ronaldo
@cristiano
114.6M followers
Donald J. Trump
@realdonaldtrump
111.9M followers
Narendra Modi
@narendramodi
107.2M followers
Rihanna
@rihanna
98.7M followers
NASA
@nasa
92.4M followers
Justin Bieber
@justinbieber
91.8M followers
KATY PERRY
@katyperry
90.1M followers
Taylor Swift
@taylorswift13
84M followers
Lady Gaga
@ladygaga
75.5M followers
Virat Kohli
@imvkohli
73.5M followers
Kim Kardashian
@kimkardashian
70.9M followers
YouTube
@youtube
68.8M followers
Neymar Jr
@neymarjr
66.5M followers
Bill Gates
@billgates
65.3M followers
Selena Gomez
@selenagomez
63.1M followers
The Ellen Show
@theellenshow
62.3M followers
CNN
@cnn
61.8M followers
X
@x
60.7M followers