Asistentes, agentes, herramientas de programación y automatización explicados con contexto.
73 publicaciones
H Company presenta dos modelos de agentes capaces de alternar entre interfaces gráficas, ejecución de código y herramientas MCP o API. Publica pesos y resultados, aunque las pruebas no demuestran autonomía general ni rendimiento uniforme en todos los entornos.
Google DeepMind y GovTech Singapore anunciaron una herramienta que analiza posibles estafas conversacionales con modelos Gemma en el dispositivo. La información disponible no precisa la variante, los resultados de las pruebas ni el alcance de la protección de privacidad.
Agent Lightning conecta agentes con sus sistemas de herramientas y contexto a un flujo de entrenamiento por refuerzo. El proyecto ofrece código con licencia MIT y presenta resultados propios que todavía requieren evaluación independiente.
La propuesta combina un gemelo digital de la red, algoritmos de grafos y agentes que eligen cómo analizar cada incidente. Amazon afirma que una demostración con NTT DOCOMO identificó causas raíz en minutos, pero la información disponible no detalla métricas comparativas ni acredita un despliegue operativo.
Google amplía el acceso a Gemini 4 Argon, presentado para trabajos prolongados de programación, ciencia, finanzas y ciberseguridad. Sus resultados y el uso real todavía requieren evaluación independiente; la información disponible tampoco permite confirmar capacidades concretas de robótica.
Quine combina un modelo de biología con herramientas de investigación para priorizar hipótesis antes de probarlas en el laboratorio. Microsoft Research comunica ensayos iniciales en cáncer pancreático, pero todavía falta una evaluación independiente del sistema.
Beam combina 501.000 millones de parámetros totales con 23.000 millones activos por token. Reflection anuncia resultados competitivos y una estimación de menor cómputo, pero los pesos aún no están disponibles y las cifras no cuentan con reproducción independiente verificada.
Open Agent Safety Platform reúne OpenShell, que aplica límites durante la ejecución, y Sentry, diseñado para supervisar agentes desde una DPU BlueField-4. Nvidia afirma que Sentry puede aislarlos en milisegundos, pero esa capacidad no equivale a una defensa demostrada frente a cualquier ataque: la detección, las configuraciones y los escenarios de fallo siguen siendo decisivos.
Un estudio con 4.500 ejecuciones encuentra que Jev reduce el coste y la latencia de las decisiones en cinco agentes, pero los efectos sobre el éxito y los recursos totales dependen del flujo de trabajo.
La medida se atribuye a Anthropic después de que tres pruebas permitieran a un modelo llegar a internet y acceder a sistemas reales. La documentación pública confirma esos incidentes, pero no acredita por sí sola que el corte abarque todas las evaluaciones ni cuánto durará.
La documentación de Google describe Gemini Enterprise como una plataforma de IA para el trabajo que puede conectarse con aplicaciones y apoyar tareas de conocimiento. Sin embargo, las fuentes verificadas no confirman una identidad laboral propia para el agente ni detallan el alcance de un lanzamiento con delegación autónoma entre aplicaciones.
Trust Layer añade cuatro comprobaciones a la puntuación de un benchmark: examina el calificador, la trazabilidad de la respuesta, la veracidad de la afirmación de éxito y la estabilidad entre ejecuciones. El marco se probó en cinco configuraciones de agentes y 108 tareas, pero sus resultados aún no demuestran que funcione en otros benchmarks.