Qué pasó
Tres modelos de frontera en dos semanas, todos midiendo lo mismo
El 1 de septiembre Anthropic publicó Claude Fable 5.1 y Mythos 5.1, con ventana de contexto de 1M tokens, 128K de salida y razonamiento adaptativo integrado, evaluados sobre OSWorld 2.0. En el mismo período OpenAI lanzó GPT-6 Astra, orientado a razonamiento multi-paso, navegación, uso autónomo de computadora y resolución de incidentes técnicos, con 88% en SRE-Bench. El 2 de septiembre Google puso en disponibilidad general gemini-3.8-flash, el modelo más capaz de la serie Flash, con el mismo esquema de precios que 3.7.
Por qué importa: los tres se miden contra lo mismo, y no es conversación. OSWorld y SRE-Bench evalúan si el modelo usa una máquina y cierra un incidente sin que alguien lo guíe paso a paso. Es un cambio de rubro: hasta hace poco un modelo se elegía por cómo escribía o por cuánto costaba el millón de tokens; ahora se elige por si termina la tarea. Y que 3.8 Flash entre al precio de 3.7 pesa más de lo que parece cuando el volumen lo pone un proceso automático y no una persona tipeando.
Anthropic — Claude Fable 5.1 y Mythos 5.1 · OpenAI — GPT-6 Astra · Gemini API changelog
Gemini pasó a mirar video como quien busca, no como quien mira todo
Agentic Video Understanding entró en producción en septiembre para Gemini Flash 3.7 y 3.5 Lite: en lugar de procesar la pista entera, el modelo navega la línea de tiempo y pide transcripciones, frames puntuales o audio bajo demanda a través de las APIs Interactions y GenerateContent. La reducción declarada llega al 88% del consumo de tokens en videos largos frente al procesamiento estático.
Por qué importa: el video era el formato que quedaba afuera por costo. Cámaras de un depósito, capacitaciones grabadas, reuniones de las que hay que sacar decisiones. Procesar una hora entera para responder una pregunta puntual no cerraba en ningún presupuesto chico, y la alternativa era recortar a mano antes de mandar. Buscar en vez de leer todo es lo que vuelve viable ese pedido.
Gemini API changelog · Google AI for Developers
MCP dejó de ser un adaptador que se escribe a mano
LangChain 1.4, del 3 de septiembre, introdujo el namespace langchain.mcp y la clase MCPAdapter: cualquier servidor MCP, remoto por HTTP o local con FastMCP, se conecta como herramienta nativa de LangChain y LangGraph sin código intermedio. LangSmith Cloud sumó trazas distribuidas con OpenTelemetry para aplicaciones multi-agente. Del lado del protocolo, Microsoft y Cloudflare consolidan MCP 2.0 stateless para conectar agentes a bases de datos y APIs sin gestionar sesiones.
Por qué importa: el código pegamento entre un framework y un protocolo es trabajo que no se factura y que se rompe en cada versión. Que el adaptador venga adentro del framework significa que agregar una herramienta a un agente vuelve a ser una línea de configuración. Sumado a OpenTelemetry, la trazabilidad deja de ser algo propio de LangSmith y pasa a ser algo que se lee con las mismas herramientas que ya miran el resto del backend.
LangChain changelog · LangSmith Cloud changelog · Roadmap de MCP
Una corrección chica en datasette-mcp que arregla un problema grande
El 1 de septiembre Simon Willison publicó datasette-mcp 0.2, que expone un servidor MCP nativo sobre bases SQLite y Datasette. El cambio central es que execute_sql ahora devuelve arreglos de objetos en lugar de arreglos posicionales.
Por qué importa: con un arreglo posicional el modelo tiene que acordarse de qué columna era la tercera, y cuando se equivoca no falla, inventa. Es el tipo de error que no aparece en los logs ni tira excepción: aparece en un informe con un número puesto en la columna que no era. Devolver objetos con nombre elimina esa clase entera de alucinación, y es una decisión de diseño que conviene copiar en cualquier herramienta propia que le devuelva filas a un modelo.
Simon Willison — datasette-mcp 0.2
Los defaults se cerraron
Supabase cambió el comportamiento por omisión de la Data API: las tablas nuevas del esquema público ya no quedan expuestas salvo que se las habilite de forma explícita. Google, en paralelo, avanza hacia llaves de autenticación vinculadas a Service Accounts en la Gemini Enterprise Agent Platform, y actualizó el 2 de septiembre la documentación de ciclo de vida de modelos, retirando endpoints heredados.
Por qué importa: los dos cambios apuntan a lo mismo y llegan la misma quincena que los modelos que operan solos. Un default abierto es un problema cuando el que consulta es una persona; es otra cosa cuando el que consulta es un agente con permiso para encadenar llamadas. La contra es conocida: un proyecto que venía funcionando porque la tabla se exponía sola se rompe cuando el default cambia, y ese chequeo conviene hacerlo antes de la próxima migración y no después.
Supabase changelog · Gemini Enterprise Agent Platform · Deprecaciones de Gemini API
La capa de ejecución se puso más rápida
PyTorch 2.14.0 llegó a disponibilidad general el 2 de septiembre, con anuncio general el 9: ejecución libre de GIL en Python 3.13 y 3.14, aceleración de scaled_dot_product_attention y mejoras en compilación AOT para modelos de audio y visión. Transformers v5.14.1 integró SDPA de forma optimizada, con mejoras de hasta 40% en velocidad de inferencia. Del lado de audio, Gemini 3.5 Transcribe Live sumó transcripción continua por WebSocket con marcas de tiempo por palabra y detección de múltiples locutores, y Lyria 3.5 entró en public preview el 3 de septiembre.
Por qué importa: el free-threaded dejó de ser experimental, que era la condición para usarlo en algo que atiende pedidos reales. Un 40% en inferencia y marcas de tiempo por palabra parecen detalles de laboratorio, pero son exactamente lo que decide si transcribir las llamadas de un local entra en una máquina alquilada o hay que tercerizarlo por minuto.
PyTorch announcements · Transformers en PyPI
Embeddings más chicos, pgvector más previsible
Los análisis del período apuntan a embeddings cuantizados truncados a 512 o 768 dimensiones, al estilo Matryoshka, con hasta 50% menos de RAM en índices HNSW sobre Postgres y sin degradación sensible en recuperación. Del lado de la infraestructura, CREATE EXTENSION pgvector adopta automáticamente la versión administrada por el proyecto, con lo que un entorno Docker local y la nube quedan en la misma versión, y la CLI de Supabase llegó a v2.117.x el 5 de septiembre con Envoy consolidado como gateway por defecto en auto-alojado. En generación e interpretación de imágenes no hubo novedades: FLUX 2 y Qwen2.5-VL en FP8 y NVFP4 siguen siendo el piso para correr en hardware propio.
Por qué importa: esto se encadena con la deprecación de text-embedding-004 de la edición anterior. Si hay que reindexar igual, conviene hacerlo eligiendo dimensión en vez de arrastrar la que venía por defecto: la mitad de RAM en el índice es la diferencia entre una instancia chica y una que hay que justificar todos los meses. Y que la versión de pgvector deje de depender del entorno elimina la clase de error más molesta de todas, la que solo aparece en producción.
Comparación de costos de embeddings 2026 · Supabase CLI releases · Qwen2.5-VL
Qué cambió respecto del período anterior
La edición anterior cerraba con la auditoría: autenticación administrada, trazas de punta a punta, pruebas de regresión. Eran las herramientas para mirar lo que hace un agente. Este período trajo los agentes que justifican esa mirada. GPT-6 Astra, Fable 5.1 y 3.8 Flash no se presentan como mejores conversadores: se presentan midiéndose en usar una computadora y cerrar un incidente.
Lo interesante es que las dos cosas llegaron casi juntas. Supabase cerrando la exposición automática de tablas y Google moviéndose a llaves atadas a Service Accounts no son reacciones a estos lanzamientos, salieron en paralelo. Pero el orden quedó bien: primero se pudo auditar, después se pudo dejar operar. Es el orden inverso al habitual en esta industria.
Qué estoy mirando
- Si los benchmarks de operación se sostienen fuera del benchmark. 88% en SRE-Bench y puntajes récord en OSWorld 2.0 son entornos preparados. La prueba real es un sistema con datos sucios, credenciales vencidas y un caso que nadie documentó. Conviene medirlo con una tarea propia antes de moverle el alcance a un agente en producción.
- Qué se rompe con los defaults nuevos. El cambio de la Data API de Supabase es silencioso hasta que una tabla que se exponía sola deja de responder. Vale revisar qué depende de ese comportamiento antes de la próxima migración.
- Si conviene reindexar una sola vez. Entre la deprecación de embeddings del período anterior y la evidencia de que truncar a 512 o 768 dimensiones no degrada la recuperación, hay una sola ventana para hacer el trabajo pesado bien. Hacerlo dos veces es la opción cara.
Para tener presente
Buena parte de lo que se anunció acá son capacidades declaradas por quien las vende, medidas en benchmarks que también eligió. Los números de esta edición son los que publicaron los proveedores, no resultados propios. Esto registra lo que salió, no lo que está probado.