Boletín Semanal Best-IA #87

Nueva Guía de Prompt Engineering de Google

• https://www.kaggle.com/whitepaper-prompt-engineering

Noticias

Google

🌐 Firebase Studio: desarrollo full-stack sin código

• ¿Qué es?
  Una plataforma revolucionaria que combina herramientas como Project IDX, Genkit y el modelo Gemini, ofreciendo un entorno de desarrollo agentic en la nube.

• Características principales:

  • 100% gratuita

  • Integración con Gemini 2.5 Flash

  • Desarrollo sin código (no-code)

  • Publicación con un clic

  • Depuración automática

  • Despliegue instantáneo con subdominios gratuitos

🎥 Veo 2 disponible a través de la API de Gemini

• Disponible para usuarios con facturación activa (Tier 1+), ahora es posible generar vídeos de 5 a 8 segundos con tiempos de espera razonables (~40s por video).

• Funciones destacadas:

  • 🎨 Inpainting y outpainting: elimina o expande elementos del video.

  • 🎬 Técnicas cinematográficas: control de tomas, ángulos, y ritmo.

  • 🔗 Conexión de activos: permite definir inicios y finales, y la IA genera las transiciones intermedias.

• Aplicación: edición profesional sin conocimientos técnicos, ideal para marketing, medios, y creación de contenido automatizado.

🧠 ADK (Agent Development Kit): framework para construir agentes

• Presentado en Google Cloud Next 2025, el ADK es un entorno open-source para construir, evaluar y desplegar agentes inteligentes y sistemas multi-agente.

• Pilares del ADK:

  • 🧩 Multi-agente por diseño: agentes especializados que colaboran entre sí.

  • 🔄 Interacción en tiempo real: audio y video bidireccional con unas pocas líneas de código.

  • 🧪 Evaluación integrada: pruebas automáticas del rendimiento del agente.

  • 🧰 Ecosistema rico de herramientas: incluye LangChain, LlamaIndex, LangGraph, CrewAI.

  • ⚙️ Orquestación flexible: flujos de trabajo definidos o dinámicos.

  • 🧱 Desarrollo local y visual: CLI + UI para depuración paso a paso.

  • 🚢 Despliegue sencillo: container-ready, adaptable a cualquier entorno.

• Modelos compatibles: Gemini, Vertex AI Model Garden, LiteLLM (Anthropic, Meta, Mistral AI, etc.)

🤝 Agent2Agent (A2A): protocolo para colaboración entre agentes

• ¿Qué es?
  Un protocolo abierto que permite que agentes de distintos proveedores o frameworks colaboren de forma segura y eficiente.

• Capacidades:

  • 🔄 Interoperabilidad universal: descubrimiento de capacidades, negociación de tareas, y colaboración.

  • 🔐 Flujos seguros de identidad/autenticación (estándares OpenAPI).

  • 🧩 Modularidad y compatibilidad multimodal (texto, video, audio).

  • 🧠 Complemento perfecto para MCP (Model Context Protocol) de Anthropic.

• Diseñado para:

  • Tareas largas (e.g., planificación logística)

  • Coordinación entre agentes diversos

  • Aplicaciones empresariales complejas

📚 Gemini 2.5 Pro con Deep Research

• Ahora Gemini 2.5 Pro potencia la app de investigación “Deep Research” de Google, permitiendo:

  • 📑 Transformar informes en resúmenes de audio

  • 🎯 Mejor desempeño (preferido 2:1 sobre competidores)

  • 🤹 Multimodalidad para análisis más profundos

• Aplicación educativa y profesional: permite a estudiantes y expertos acceder a contenido complejo de forma más amigable y auditiva.

• LINK: https://blog.google/products/gemini/deep-research-gemini-2-5-pro-experimental/

🧮 Ironwood: el nuevo TPU para la era de la inferencia

• Ironwood es el primer TPU (Tensor Processing Unit) optimizado específicamente para inferencia de IA, y representa un gran salto tecnológico.

• Comparativa con Trillium (TPU anterior):

  • ⚡ 2x rendimiento por watt

  • 💾 192 GB por chip (6x más)

  • 🚀 4.5x más rápida en acceso a datos

• Importancia: responde a la creciente demanda de cómputo de IA a escala global, con especial atención a eficiencia energética y capacidad de memoria.

• LINK: https://blog.google/products/google-cloud/ironwood-tpu-age-of-inference/

Nuevo nivel de personalización en ChatGPT: ahora recuerda TODAS tus conversaciones

• OpenAI ha mejorado la memoria de ChatGPT: desde hoy, puede usar no solo los datos guardados previamente, sino también todas tus conversaciones pasadas para responder de forma más personalizada.

• Puntos clave

  • Respuestas más útiles y adaptadas: ChatGPT puede hilar mejor tus gustos, proyectos y estilo para ayudarte a escribir, aprender o resolver cosas como si ya te conociera.

  • Memoria viva y automática: Cada nueva conversación ahora se construye sobre lo que ya sabe de ti, haciendo que la experiencia sea más fluida e intuitiva.

  • Tú mandas: Puedes desactivar el uso de memoria o de chats anteriores en cualquier momento desde la configuración. Y si no usas memoria, esto también estará desactivado por defecto.

  • Disponibilidad: Los usuarios de ChatGPT Plus y Pro (excepto en el Espacio Económico Europeo, Reino Unido, Suiza, Noruega, Islandia y Liechtenstein) ya pueden probarlo. Los usuarios de Team, Enterprise y Edu lo recibirán en las próximas semanas.

• Esta mejora acelera el camino hacia asistentes realmente personalizados. Ya no hablamos solo con una IA genérica: hablamos con nuestra IA, que recuerda, aprende y nos entiende mejor cada día. Eso sí, sin renunciar al control sobre qué recuerda o no.

NVIDIA Llama Nemotron: La nueva familia de modelos abiertos con razonamiento de alto nivel para agentes empresariales

• NVIDIA ha presentado su familia de modelos Llama Nemotron, diseñada para potenciar agentes de IA con capacidades de razonamiento avanzadas. Estos modelos abiertos, optimizados y con licencia empresarial, permiten abordar tareas complejas en sectores como logística, investigación científica y atención médica, combinando eficiencia, precisión y adaptabilidad.

• Tres puntos clave:

  • Modelos ajustados para diferentes necesidades y hardware
    La familia Llama Nemotron incluye tres variantes: Nano (8B), Super (49B) y Ultra (253B), todas adaptadas a distintos entornos —desde dispositivos locales hasta servidores multi-GPU. Cada modelo ofrece un equilibrio entre precisión y eficiencia computacional, destacándose en benchmarks de razonamiento como GPQA Diamond, MATH-500 y AIME 2025.

  • Interruptor de razonamiento y entrenamiento sofisticado
    Una de las innovaciones más prácticas es la posibilidad de activar o desactivar el modo de razonamiento mediante un simple prompt, permitiendo que un único modelo cubra tanto tareas analíticas como funcionales. Su entrenamiento se realizó en tres fases: destilación con búsqueda arquitectónica, ajuste supervisado con datos sintéticos y aprendizaje por refuerzo, todo usando el marco NeMo de NVIDIA.

  • Colaboración multiagente para tareas abiertas
    Los modelos permiten sistemas colaborativos en tiempo de inferencia, capaces de resolver problemas sin soluciones predefinidas. Este enfoque, basado en ideación, retroalimentación, edición y selección, imita el trabajo en equipo humano y supera las limitaciones de métodos tradicionales como el "long-thinking" o "self-verification".

• LINK: https://developer.nvidia.com/blog/build-enterprise-ai-agents-with-advanced-open-nvidia-llama-nemotron-reasoning-models/

Kimi-VL: Un modelo ligero y abierto que planta cara a los gigantes multimodales

• Moonshot AI ha lanzado Kimi-VL y Kimi-VL-Thinking, dos modelos de lenguaje-visión (VLM) de código abierto que destacan por su eficiencia y capacidad de razonamiento, logrando rendimientos comparables a modelos diez veces más grandes como GPT-4o.

• Tres puntos clave:

  1. Eficiencia extrema con solo ~3B de parámetros activos
     Ambos modelos están basados en arquitecturas Mixture of Experts (MoE), activando solo unos 3.000 millones de parámetros por inferencia.

  2. Razonamiento multimodal de alto nivel
     Kimi-VL-Thinking logra un 36,8% en MathVision y un 34,5% en ScreenSpot-Pro, benchmarks exigentes que miden la capacidad de razonamiento con imágenes y habilidades tipo agente. Además, alcanza resultados competitivos en tareas OCR (867 en OCRBench) y manejo de contexto visual prolongado.

  3. Contexto largo y rendimiento top en benchmarks
     Con soporte para contextos de hasta 128K tokens, estos modelos son capaces de procesar documentos extensos y vídeos largos. En benchmarks como MMLongBench-Doc (35,1%) y LongVideoBench (64,5%) superan incluso a modelos mucho más grandes, como GPT-4o.

• La familia Kimi-VL demuestra que no es necesario un modelo gigantesco para obtener resultados de primera línea en tareas multimodales. Es una herramienta ideal para desarrolladores y equipos que quieran construir agentes visuales inteligentes sin depender de infraestructuras costosas.

• Pruébalo en Huggingface:  https://huggingface.co/collections/moonshotai/kimi-vl-a3b-67f67b6ac91d3b03d382dd85

FantasyTalking: Avatares hiperrealistas que hablan desde una sola foto

• Alibaba ha presentado FantasyTalking, un modelo de código abierto que genera retratos animados con sincronización labial, expresiones faciales realistas y movimiento corporal completo, todo a partir de una imagen estática. El sistema supera a métodos punteros como OmniHuman-1, Sonic y Hallo 3, llevando la animación facial impulsada por voz a un nuevo nivel.

• PAPER: https://huggingface.co/papers/2504.04842

Robots

Fourier N1

• Un robot humanoide completamente de código abierto, con acceso público a todo su hardware, software de control y diseños, para acelerar la investigación y desarrollo en robótica a nivel global. 

• Tiene un diseño compacto de 1,3 metros de altura y 38 kg de peso, y alcanza una velocidad de 3,5 m/s, respaldado por más de 1.000 horas de pruebas en exteriores.

• → Todo el hardware del Fourier N1 es de código abierto, incluyendo listas de materiales (BOM), diseños CAD, especificaciones de actuadores y código operativo disponible en GitHub.

• → Utiliza actuadores propietarios FSA 2.0 que le permiten una alta movilidad y estabilidad en terrenos complejos.

• LINK: https://fourier-grx-n1.github.io/

Reflexiones Finales

Mo Gawdat: La tiranía de IA para la que nadie está preparado

Sam Altman habla el futuro de la IA, la seguridad y el poder