Jorge Loja

[elhacker.NET @elhackernet]

Compartimos nuestra configuración 📖 servidor web Apache mpm_event para recibir ⚡️ataques DDoS de hasta 1.5M peticiones en 1 minuto

Por defecto Apache no es capaz de manejar más de 512 conexiones simultáneas, con esta config podremos manejar 32K conexiones

Son valores muy altos, mínimo 32 cores y 64GB RAM

<IfModule mpm_event_module>
# Elevamos a 32 procesos iniciales
StartServers             32
ThreadLimit             128
ThreadsPerChild         128
# Para 16,384 trabajadores: ServerLimit 128 (128 * 128 = 16384)

# Para 32,768 trabajadores: eleva ServerLimit a 256 (256 * 128 = 32768)
ServerLimit             256
MaxRequestWorkers       16384

# Aumentamos el margen de hilos en reserva
MinSpareThreads          1024
MaxSpareThreads          2048

# Evita la fragmentación de memoria reiniciando procesos tras 10k peticiones
MaxConnectionsPerChild   10000

# AJUSTE ANTI-DDoS: Reducir peticiones por conexión KeepAlive
KeepAlive On
MaxKeepAliveRequests     100
KeepAliveTimeout         2
</IfModule>

📈Gráficas de CloudFlare y Monitorix

Conexiones TCP: Las conexiones ESTABLISHED en IPv4 pasaron de un promedio de ~315 a un pico de 16k

Apache Workers: Los workers dedicados a lectura (Reading request) alcanzaron un pico de 4.380 solicitudes simultáneas, empujando la capacidad total de procesadores al límite máximo de 15.706 (la mayoría retenidos en Waiting for conn).

Cierre de Sockets: Se registró un pico abrupto de conexiones en estado TIME_WAIT cercano a 20K

[ggml @ggml_org]

llama.cpp v0.2.0

https://t.co/1TbfIX51nS

[ollama @ollama]

Qwen 3.8 27B is now available on Ollama.

It's one of the best open models at this size, and made for agentic tasks and professional work.

Try it directly with the apps & harnesses you use:

Claude Code:
ollama launch claude --model qwen3.8

OpenCode:
ollama launch opencode --model qwen3.8

Hermes Agent:
ollama launch hermes --model qwen3.8

Pi:
ollama launch pi --model qwen3.8

We have also optimizations for Apple Silicon!

Try it with the model name: qwen3.8:27b-mlx

[CS50 @cs50]

¡Hola, mundo! Estamos lanzando CS50x doblado al español. Las 12 clases, con temas que van desde Scratch hasta Estructuras de Datos, ya están disponibles totalmente dobladas al español. ¡Feliz aprendizaje!

https://t.co/FplUGktdpS, made possible with https://t.co/cnJGpugtdX.

[Vlad Mihalcea @vlad_mihalcea]

Pro tip: If the LLM generates code that you cannot understand, it means you need to upskill. Use AI to explain what was generated and provide more resources to help you keep up with the model. Being able to review the code that AI generates will become a mandatory requirement for software engineers.

[Maximiliano Firtman @maxifirtman]

Le pidió a Claude Code que le haga un backup de la computadora: le borró todo y no hizo el backup. Le echó la culpa a un error de "tipeo".

Aprendan para qué sirve la IA y para qué no más allá de lo que repitan los IA Bro sin ningún background técnico.

[Branko @brankopetric00]

Kubernetes solved the problem of running one container by introducing the problem of running Kubernetes.

[Miguel Ángel Durán @midudev]

¡Esto es histórico! NVIDIA, Microsoft, Mozilla y Linux Foundation, entre otras, han firmado una carta a favor de los modelos de pesos
abiertos.

Defienden que abrir la IA es CLAVE para competir, reducir costes, evitar depender de unas pocas empresas y mejorar la seguridad.

Y dejan otro mensaje importante: usar las respuestas de un modelo para entrenar otro mediante destilación es una práctica legítima y habitual. NO debería considerarse automáticamente un robo.

Y la frase más bestia: “Depender únicamente de modelos cerrados no es intrínsecamente seguro.”

BOOM.

[Unsloth AI @UnslothAI]

Introducing Unsloth for AMD 🚀
You can now train & run LLMs on your AMD hardware

• We collaborated with AMD to enable you to train & run 500+ models on AMD GPUs
• Works on Windows, WSL, Linux
• Train Qwen, Gemma on 3GB VRAM

GitHub: https://t.co/2kXqhhvLsb

Works on Radeon, Instinct, Ryzen and data center GPUs with up to 2× faster with 70% less VRAM and no accuracy loss via our custom Triton kernels and math algorithms. We also support optimized ROCm builds for GGUF & Safetensors inference.

Unsloth is an open-source local UI for faster LLM training and inference, with tool-call healing, code execution, secure web search, remote APIs, and HTTPS deployment. Connect local models to Claude Code, Codex agents and run the latest Kimi, GLM, DeepSeek, Qwen3.6, and Gemma 4 models.

🔗Blog + Guide: https://t.co/U9LqyRjFdj

[Python Programming @PythonPr]

RAG vs Agentic RAG

[Maximiliano Firtman @maxifirtman]

La destilación significa que esas cuentas chinas le habrían hecho millones de preguntas a Claude, y que las respuestas fueron usadas para entrenar otro modelo, de origen chino, que absorbe parte de sus capacidades sin pagar el costo de desarrollarlas desde cero. Anthropic lo denuncia como una intromisión contra la industria estadounidense de IA.

Ahora bien: ¿de dónde sacó Anthropic los textos para entrenar a Claude? Gracias a la causa “Bartz contra Anthropic”, en un tribunal federal de California, sabemos que descargó ilegalmente unos siete millones de libros de sitios piratas.

(Sigue) https://t.co/VbtIcU0AyS

[Leon Palafox @leonpalafox]

Palantir Technologies acaba de publicar una especie de declaración en X. Y refleja mucho de lo que he estado hablando en varios foros recientemente.

La soberanía en IA no se trata de nacionalismo ni de querer construir todo internamente. Se trata de agencia.

La pregunta clave es:

¿Estamos usando IA como una herramienta rentada de productividad, o estamos construyendo una capacidad que acumula el conocimiento de la organización?

Mientras muchos se preocupan de gastar Tokens en código genérico que todos pueden replicar, el verdadero valor está en convertir datos, decisiones, procesos, errores y experiencia en una ventaja que se compone con el tiempo.

Si todo ese aprendizaje vive afuera, la empresa puede sentirse más rápida, pero también se vuelve más dependiente.

Soberanía en IA es cuidar tus datos estratégicos, construir sistemas que duren y tomar decisiones técnicas desde la experiencia, no desde la moda o la política interna.

Para México y Latinoamérica, este punto importa mucho.

Adoptar IA no debería significar entregar el aprendizaje.

La pregunta de fondo es simple:

¿Quién se queda con el conocimiento que la IA ayuda a generar?

[Maximiliano Firtman @maxifirtman]

Ford vuelve a contratar ingenieros humanos luego que la IA no lograr superar los controles de calidad.

Aunque la noticia está siendo simplificada. El dato es que contrataron 300 ingenieros "de barba gris", seniors y jubilados para que vuelvan a entrenar a los jóvenes ingenieros y a la IA porque no estaba funcionando.

El vice presidente de ingenería de Ford dijo: "La IA es una herramienta fantásitca, pero es solo tan buena como la información que usás para entrenarla (...) Durante los últimos años, no prestamos tanta atención como debíamos a la experiencia de nuestros ingenieros más expertos que han estado con nosotros durante tantos ciclos de producto. Hemos confiado demasiado en sistemas automatizados. Bajo error pensamos que solo usando IA y metiendo los requerimientos de diseño que teníamos íbamos a producto un producto de alta calidad".

[Branko @brankopetric00]

Every company wants to be Netflix but nobody wants to hire Netflix-level engineers or pay Netflix-level salaries. So you get Netflix-level complexity operated by three people who are using AI. This will end very well.

[Gentleman Programming @G_Programming]

Anthropic acusa a Alibaba de la mayor "destilación ilícita" de Claude que vieron hasta hoy. 28.8 millones de interacciones, 25.000 cuentas falsas.

Y la mayoría de la gente no entiende qué significa eso realmente.

Destilación no es hackeo. Nadie robó código ni pesos del modelo. Lo que se hace es más sutil y más inteligente: le preguntás millones de veces al modelo fuerte, juntás sus respuestas, su forma de razonar, su manera de resolver, y entrenás un modelo más chico con eso. Copiás el comportamiento sin copiar el motor.

Pensalo así. No le robás el cerebro a Tony Stark. Le grabás cada decisión que toma durante meses hasta que tu modelo aprende a imitarlo. Más barato que investigar desde cero.

Literalmente miles de millones más barato.

Y acá está lo jugoso. Anthropic pide al Congreso que frene estas prácticas mientras EE.UU. le acaba de cortar a la propia Anthropic el acceso global a sus modelos top por control de exportación.

El que pide protección está siendo apretado por el mismo Estado. Esa es la pelea real del 2026: no es modelo contra modelo, es geopolítica contra ingeniería.

Ojo, es una acusación. Alibaba todavía no respondió. Pero el patrón ya lo vimos antes con DeepSeek, Moonshot y MiniMax. No es un caso aislado.

La pregunta que importa para vos que programás: ¿entendés qué te están vendiendo cuando usás un modelo barato? Porque a veces lo barato es una copia sin los guardrails del original. Y eso no se ve en el benchmark.

Conceptos antes que código. Siempre.

Es así.

Link en comentarios.

[Branko @brankopetric00]

Andrej Karpathy provided a list of 4 clauses for his CLAUDE.md

[Branko @brankopetric00]

AI agents are the new microservices. Everyone is building them. Nobody knows why. In six months we will all be debugging why the agent decided to delete production at 3am.

[ollama @ollama]

GLM 5.2 on Ollama's cloud just doubled GPU capacity to handle the volume of usage!

This is all US based, and running on NVIDIA B300 Blackwell GPUs. We believe privacy matters!

Let's go open models! ❤️

[Branko @brankopetric00]

Microservices: we took one database transaction and turned it into 18 HTTP calls and a distributed tracing problem.

[Fazt @FaztTech]

Al parecer ya se están dando cuenta de que las herramientas de IA, sin las personas adecuadas, no valen tanto.

El día de hoy Satya Nadella, CEO de Microsoft, publicó algo muy interesante sobre cómo funcionaría esto.

Menciona que en una empresa moderna debe existir tanto el capital humano (el conocimiento, juicio, relaciones, ingenio y capacidad de reconocer patrones de las personas) como el capital de tokens (básicamente la capacidad de IA que construye y posee la empresa).

La clave está en combinarlos para formar un learning loop (bucle de aprendizaje) donde humanos y herramientas de IA se potencien mutuamente.

Cada workflow, cada decisión y cada dato real de la empresa se convierte en señal para que el sistema mejore continuamente. Ese loop se vuelve el verdadero valor de la compañía: una máquina que escala el conocimiento tácito y es muy difícil de copiar.

Así que al fin se está pisando tierra: ya no se habla de reemplazar a las personas, sino de amplificar su expertise para que mejoren con el tiempo. 🔥

Y bueno, finalmente menciona que las empresas que armen estos sistemas agenticos propios temprano van a tener una ventaja brutal.