Archivo
50 publicaciones sobre modelos, herramientas y noticias de IA.
Ollama en tu laptop funciona bien para desarrollo. Para un servidor compartido con varios usuarios o para integrarlo en una aplicación, hay configuración extra necesaria. Esta guía cubre el setup completo.
Agentes más autónomos, modelos multimodales más capaces, y la consolidación del mercado de herramientas. Sin bola de cristal, pero con los indicadores que ya están sobre la mesa.
Los streams transforman la experiencia de usuario al mostrar texto mientras se genera. Guía de implementación en el backend (Node.js) y frontend (React) usando Server-Sent Events con OpenAI y Anthropic.
Las diferencias entre Anthropic y OpenAI van más allá del modelo. Filosofía de seguridad, acceso a herramientas, políticas de uso y visión a largo plazo marcan dos apuestas distintas sobre cómo construir IA.
Tool use permite que Claude invoque funciones definidas por ti para obtener información externa o ejecutar acciones. Implementación completa con TypeScript, manejo del ciclo de herramientas y patrones de error.
Las políticas de uso de datos de OpenAI, Anthropic y Google son distintas entre sí y no siempre fáciles de entender. Resumen de lo que saben y lo que hacen con los datos que envías a sus APIs.
Tutorial completo: interfaz de chat con streaming, historial de mensajes, cambio de modelo y manejo de errores. Usando el Vercel AI SDK con Next.js 14 App Router y TypeScript.
Los LLMs alucinan, tienen fechas de corte, no conocen tu contexto específico y a veces confunden certeza con precisión. Cómo usar IA con criterio sin dejar de aprovechar su potencial.
Cada base de datos vectorial tiene un caso de uso donde brilla. Comparamos las opciones principales en rendimiento, facilidad de uso, coste y cuándo tiene sentido each una para un proyecto real.
La carrera por el modelo más grande empieza a dar paso a una competencia por la eficiencia. Phi-3, Gemma 2 y las destilaciones de DeepSeek apuntan a un futuro donde el tamaño importa menos que la calidad del entrenamiento.
OpenAI permite hacer fine-tuning de GPT-4o Mini con tus propios datos. Guía completa: preparación del dataset, formato JSONL, llamada a la API y evaluación del resultado.
El término 'vibe coding' describe desarrollar aceptando código de IA sin entenderlo completamente. Hay casos donde es una herramienta válida. Hay muchos más donde es una trampa.
El caching de Anthropic permite reutilizar contexto largo entre llamadas. Guía de implementación con TypeScript para system prompts, documentos de referencia y herramientas definidas.
Los precios por millón de tokens son fáciles de encontrar. Lo que no es tan obvio: el coste del contexto largo, el caching, los tokens de razonamiento ocultos y cómo los patrones de uso real difieren de los ejemplos del playground.
Llama 3, Mistral y DeepSeek cerraron la brecha de calidad con GPT-4 y Claude. Pero la elección no es solo de rendimiento: hay licencias, infraestructura, latencia y privacidad en juego.
Tutorial completo para construir recuperación aumentada generativa. Cargamos documentos, generamos embeddings, indexamos en Chroma y construimos la cadena de QA. Con variantes para escalar a producción.
Con Structured Outputs, GPT-4o puede garantizar que su salida se ajuste exactamente a un schema JSON. Cómo implementarlo, cuándo usarlo y qué diferencia hay con el modo JSON anterior.
Cada semana hay un nuevo modelo o herramienta que 'lo cambia todo'. Un año después, ¿qué realmente cambió en cómo los desarrolladores construyen software? Balance sin filtros.
Guía práctica para usar la API de Claude desde TypeScript o Python. Cuenta, instalación, primera llamada, streaming y manejo de errores. Todo lo que necesitas para empezar.
La pregunta no es si la IA reemplaza a los desarrolladores, sino qué partes del trabajo se automatizan y qué nuevas habilidades se vuelven más valiosas. Una lectura sin dramatismo.
Pedir al modelo que 'piense paso a paso' mejora drásticamente los resultados en problemas de razonamiento. Explicamos por qué funciona, las variantes más efectivas y cuándo no es la herramienta adecuada.
Con modelos que aceptan 1M de tokens, ¿sigue teniendo sentido construir pipelines de RAG? La respuesta depende del caso de uso. Aquí el análisis técnico honesto.
NotebookLM deja subir tus propios documentos y hace preguntas sobre ellos con contexto real. El modo Audio Overviews que genera podcasts a partir de PDFs fue inesperadamente viral. Repasamos qué hace bien.
MMLU, HumanEval, GPQA, MT-Bench, LMSYS Arena: cada benchmark mide algo diferente y tiene sus propias trampas. Una guía para interpretar los resultados antes de elegir un modelo.
LM Studio ofrece una alternativa a Ollama con interfaz gráfica: descarga modelos desde HuggingFace, los gestiona y expone una API local compatible con OpenAI. Ideal para quien no quiere configurar nada manualmente.
La familia Qwen 2.5 de Alibaba incluye variantes especializadas en código y matemáticas, con soporte sobresaliente para idiomas asiáticos y rendimiento competitivo en benchmarks occidentales.
El concepto de agente de IA existe desde hace años, pero las implementaciones prácticas que realmente funcionan son pocas. Repasamos los patrones que están dando resultados y los antipatrones más comunes.
MCP define cómo los modelos de lenguaje se conectan con fuentes de datos, herramientas externas y sistemas. Anthropic lo publicó como estándar abierto y varios proveedores lo están adoptando.
o1 es el primer modelo de OpenAI que genera una cadena de razonamiento interna antes de responder. Cambia la relación coste-calidad para problemas complejos y exige replantear cómo se hacen los prompts.
Los LLMs con capacidad visual ya no son novedad, pero sus capacidades reales varían mucho. Repasamos qué funciona bien en visión, dónde fallan todavía y las arquitecturas que lo hacen posible.
Anthropic lanzó en beta la capacidad de Claude para controlar un ordenador mediante capturas de pantalla. Revisamos cómo funciona, para qué sirve hoy y por qué todavía no reemplaza la automatización tradicional.
Microsoft publicó Phi-3 Mini con 3.8B parámetros y rendimiento de modelo mediano. El experimento demuestra que la calidad de los datos de entrenamiento puede compensar el tamaño del modelo.
Groq usa chips LPU propios en lugar de GPUs para inferencia de LLMs. El resultado: velocidades que hacen que la generación de texto parezca instantánea. Revisamos cuándo esto importa y cuándo no.
Google publicó Gemma 2 con variantes de 2B, 9B y 27B parámetros. El modelo de 9B supera a Llama 3 8B en benchmarks clave y corre en consumer hardware sin grandes concesiones.
GitHub integró un marketplace de modelos donde puedes experimentar con GPT-4o, Llama 3 y otros directamente desde github.com, con créditos gratuitos para desarrollo y una API unificada.
text-embedding-3-large de OpenAI, Cohere Embed v3, y los modelos de HuggingFace como BGE o E5 tienen rendimiento y costes muy distintos. Guía práctica para elegir según el caso de uso.
DeepSeek publicó R1 con pesos abiertos y rendimiento equivalente a OpenAI o1 en matemáticas y código. El impacto en el mercado fue inmediato y la discusión sobre eficiencia en el entrenamiento se reabrió.
El AI SDK de Vercel unifica la interfaz para OpenAI, Anthropic, Google y otros proveedores. Streaming, generación de objetos estructurados y herramientas con una API consistente.
Mistral AI lanzó Large 2 con 123B parámetros, ventana de 128K tokens y rendimiento que rivaliza con GPT-4o. Disponible como pesos descargables y como API, con enfoque en idiomas europeos.
La arquitectura MoE activa solo una fracción de los parámetros del modelo en cada inferencia. Eso permite modelos enormes que cuestan como modelos pequeños. Explicamos el mecanismo y sus implicaciones.
Ollama simplifica radicalmente correr modelos de lenguaje en tu propia máquina. Un repaso de cómo funciona, qué modelos soporta y cuándo tiene sentido frente a usar una API en la nube.
Meta publicó Llama 3 con pesos descargables, contexto de 128K tokens y rendimiento competitivo con GPT-4. El ecosistema open source no había visto algo así desde el primer Llama.
CAI es la técnica de Anthropic para reducir comportamientos dañinos usando al propio modelo como crítico. Explicamos el mecanismo y por qué importa para quienes construyen aplicaciones con LLMs.
Google amplió el contexto de Gemini 1.5 Pro a 1 millón de tokens y, en versión experimental, a 2 millones. Qué cambia cuando puedes meter un codebase entero en el prompt.
Cursor es un fork de VS Code con integración nativa de LLMs. Más que un plugin, cambia el modelo mental de cómo interactuar con el código. Repasamos qué lo diferencia de GitHub Copilot y cuándo merece el cambio.
Low-Rank Adaptation permite adaptar modelos grandes a dominios específicos entrenando menos del 1% de sus parámetros. Con QLoRA, cabe en una sola GPU de consumo. Aquí el estado del arte práctico.
OpenAI fusionó texto, audio e imagen en un solo modelo con GPT-4o. Repaso de qué significa esto para el desarrollo de aplicaciones y dónde sigue siendo la mejor opción.
GitHub presentó Copilot Workspace como el siguiente paso después del autocompletado: un entorno donde describes una tarea en lenguaje natural y el modelo propone, explica y ejecuta los cambios en tu repositorio.
Anthropic lanzó Claude 3.5 Sonnet y superó a GPT-4o en la mayoría de pruebas de razonamiento y código. Qué cambia para los desarrolladores y qué limitaciones sigue teniendo.
La recuperación aumentada evolucionó. RAG híbrido, reranking, chunking inteligente y grafos de conocimiento son técnicas que marcan la diferencia entre un RAG que funciona y uno que falla en producción.