Codex 0.136, Pautas de Agentes de Stanford, AWS OpenAI y Eficiencia de GPU

Codex rust-v0.136.0 lidera EP062 como la versión estable de CLI del 1 de junio, seguida de las directrices virales de Stanford sobre agentes de IA, OpenAI en AWS Bedrock y un proyecto de eficiencia de GPU respaldado por YC. El radar de proyectos cubre sistemas operativos de agentes para hardware, archivos de contexto de terminal y planificadores de agentes físicos.

[00:00] Apertura: Lanzamientos de CLI, directrices institucionales y distribución en la nube El camino útil para EP062 es una combinación de herramientas CLI, validación institucional e infraestructura del mundo real. Codex rust-v0.136.0 es la versión estable que movió el indicador en diagnósticos TUI, ciclo de vida del servidor de aplicaciones, alcance de hooks y mejoras en SDK. El documento de directrices de agentes de IA del curso CS336 de Stanford es la historia inesperada — un curso académico que publicó convenciones de agentes de IA y alcanzó 1,863 estrellas en menos de 24 horas, lo que nos dice que formalizar cómo deben trabajar los agentes ya no es una preocupación educativa de nicho. OpenAI poniendo modelos frontier y Codex en AWS Bedrock completa el patrón de Bedrock de doble laboratorio en el que las pilas de agentes empresariales están comenzando a depender. Expanse de YC P26 resuelve un problema específico y costoso: predecir cuánta GPU necesita realmente un trabajo y superar a los modelos frontier por 8x en esa tarea al entrenar con telemetría real del clúster.

[03:00] Análisis profundo de Codex rust-v0.136.0 Codex rust-v0.136.0 es la versión estable del 1 de junio, y es una ola de diagnósticos y confiabilidad. El cambio más útil operativamente está en la salida de codex doctor — los mensajes de error ahora llevan mejor información de ubicación y causa, lo cual importa para agentes locales donde una falla puede venir del entorno del shell, el transporte remoto, el estado del servidor de aplicaciones, el repositorio Git o el modelo mismo. Cuando algo se rompe, la diferencia entre "algo falló" y "la verificación de inventario de hilos se agotó porque el transporte remoto no se recuperó de un problema de red" es la diferencia entre depurar y adivinar.

El manejo del ciclo de vida del servidor de aplicaciones es más estricto. El servidor inicia y detiene más limpiamente, la selección de modelo al inicio es más confiable entre configuraciones de proveedores, y las conexiones de transporte remoto se recuperan más rápido después de un problema temporal de red. Ese último punto vale la pena profundizar porque el trabajo remoto de Codex — supervisar un host Windows desde un iPhone, por ejemplo — solo es práctico si el transporte puede recuperarse de un problema de WiFi sin requerir un reinicio completo. La versión aborda eso.

La configuración de hooks obtiene hooks nombrados y ámbitos de permisos. Anteriormente, un operador que quería el mismo comportamiento de hook en múltiples proyectos tenía que copiar el bloque de configuración del hook en cada archivo de proyecto. Los hooks nombrados te permiten definir el comportamiento una vez y referenciarlo por nombre en las configuraciones. Los ámbitos de permisos hacen lo mismo para el endpoint /permissions — en lugar de un conjunto plano de permisos, los operadores pueden definir ámbitos que representen diferentes niveles de confianza o diferentes contextos de proyecto.

Tanto el SDK de Python como el de Node reciben mejoras en manejo de hilos, manejo de turnos y propagación de errores. La instalación no interactiva a través de CODEX_NON_INTERACTIVE=1 funciona de manera más confiable, lo cual importa para equipos que quieren implementar Codex a través de una herramienta de gestión de configuración en lugar de un script de instalación interactivo.

La recomendación de actualización es directa: prueba la salida de codex doctor contra una configuración conocida que falla, define un hook nombrado para un patrón que usas en proyectos, y verifica que la instalación no interactiva funcione en tu pipeline de CI antes de depender de ella para despliegue automatizado.

[11:00] Directrices de agentes de IA de Stanford CS336: cuando la validación institucional se vuelve viral El curso CS336 de Stanford — "Language Modeling from Scratch" — publicó un documento formal de directrices de agentes de IA que la comunidad de GitHub trató como un recurso de ingeniería viral. El documento cubre cómo los estudiantes deben descomponer tareas, usar herramientas, gestionar contexto, verificar salidas y razonar sobre la calidad de agentes en un entorno académico. Alcanzó 1,863 estrellas en menos de 24 horas, lo cual es una señal inusualmente fuerte para un artefacto de asignación de curso.

La historia aquí no es sobre el documento siendo perfecto o comprehensivo. Es sobre el hecho de que la comunidad lo vio y lo trató como una referencia, no solo como una muestra de curso. Eso nos dice algo sobre dónde está la industria: los equipos están escribiendo archivos AGENTS.md, archivos CLAUDE.md y convenciones similares, pero los están haciendo desde cero y sin un punto de referencia claro. El documento de Stanford les da uno, aunque venga de un contexto académico.

El movimiento práctico es leerlo, extraer las convenciones que aplican a tu equipo, y usarlas como punto de partida para tu propio AGENTS.md. El formato es adaptable — los principios aplican más allá del contexto del curso — y el hecho de que esté bajo licencia MIT significa que puede usarse libremente como base.

[18:00] OpenAI en AWS Bedrock: el patrón de doble laboratorio está completo OpenAI hizo disponibles GPT-4.5, los modelos de la serie o y Codex a través de AWS Bedrock. Claude de Anthropic ha estado en Bedrock por un tiempo. Esto significa que las pilas de agentes empresariales ahora pueden aprovisionar modelos de ambos laboratorios principales a través de la misma credencial de AWS, misma VPC, mismos controles de IAM y mismo registro de CloudWatch.

La implicación práctica para operadores de OpenClaw, Hermes y Codex es directa: el enrutamiento de modelos de múltiples laboratorios se convierte en una elección de configuración en lugar de un proyecto de integración personalizada. Un equipo que quiera usar Claude para tareas de planificación y OpenAI para generación de código puede hacerlo dentro de la misma cuenta de AWS, con la misma rotación de credenciales, los mismos límites de cumplimiento.

El patrón de distribución en la nube vale la pena notar: ambos laboratorios eligieron AWS primero. Eso dice algo sobre dónde está concentrado el gasto de IA empresarial y qué proveedor de nube tiene más confianza de los equipos que compran capacidades de IA a escala.

[25:00] Expanse: 8x mejor predicción de GPU al entrenar con telemetría de clúster Expanse de YC P26 resuelve un problema que los operadores de HPC conocen bien pero que los equipos de software general a menudo pasan por alto: los trabajos de GPU solicitan más recursos de los que realmente necesitan porque quien los envía no tiene una buena forma de predecir el uso real. El resultado es computación desperdiciada — el equipo de Expanse midió 59% de desperdicio de computación en clústeres HPC nacionales, aproximadamente $8.5 millones por mes en un solo clúster.

Expanse funciona instalando un daemon ligero en nodos de SLURM y Kubernetes, ingiriendo telemetría de hardware a través de DCGM y CUPTI, y prediciendo las necesidades de VRAM, utilización y memoria de cada trabajo antes de que se ejecute. El modelo es específico del clúster — se afina en el historial de envíos real de ese clúster específico, así que mejora con el tiempo a medida que acumula más datos.

El resultado del benchmark es sorprendente: Expanse supera a GPT-4.5, Claude Opus 4.8, Gemini 3.5 Pro y Codex 5.3 por 8x en precisión de predicción de recursos de GPU. El detalle interesante para los oyentes de pilas de agentes es que el tamaño del modelo no predice la precisión aquí. Claude Haiku supera a Opus en algunas cargas de trabajo porque el ajuste fino en telemetría de clúster importa más que la capacidad de razonamiento general.

Para equipos que ejecutan cargas de trabajo de GPU — entrenamiento, ajuste fino, inferencia, procesamiento por lotes — el ROI es concreto. La integración no es invasiva: instala el daemon en un nodo, ejecuta predicciones contra uso real de recursos durante dos semanas, y compara.

[33:00] Radar de proyectos: sistema operativo de agentes, contexto de terminal y programación física El radar de proyectos cubre tres capas diferentes de la pila de agentes.

Anima es un sistema operativo de agentes de código abierto para inteligencia de hardware. La mayor parte de la discusión de agentes asume VMs en la nube, pero los agentes que se ejecutan en dispositivos IoT, robótica y hardware de borde necesitan una capa de SO diferente — una que pueda razonar sobre datos de sensores, estado físico y restricciones de tiempo real junto con llamadas a herramientas digitales. Anima está en etapas tempranas con 116 estrellas, publicado el 2 de junio, pero la forma del problema es real.

ctx es un gestor de contexto de terminal que genera archivos .ctx.md. El patrón es simple: un archivo en el repositorio que el agente lee como contexto del sistema al inicio de cada sesión, llevando adelante convenciones, estado de tareas y notas del proyecto. Esto es menos poderoso que un sistema completo de memoria de grafo de conocimiento, pero también es menos complejo de configurar y mantener. Para equipos que quieren continuidad de contexto sin comprometerse con una arquitectura de memoria completa, .ctx.md es un punto de entrada pragmático.

agentgrid es una capa de programación abierta para máquinas físicas operadas por IA, herramientas y escritorios. Se encuentra debajo del runtime del agente y decide cuándo y cómo se despachan las acciones físicas. Para agentes que necesitan coordinar el temporizado de hardware físico — no solo llamar herramientas digitales — una capa de programación que entiende las restricciones físicas es más apropiada que un bucle de acciones impulsado puramente por un LLM.

[41:00] Cola práctica

Para Codex, ejecuta codex doctor y compara la salida, define un hook con nombre para un patrón entre proyectos, y verifica la instalación no interactiva en CI. Para las directrices de Stanford, lee el documento, extrae lo que aplica a tu equipo, y actualiza tu AGENTS.md. Para el enrutamiento de modelos de AWS, prueba los endpoints de Bedrock para Anthropic y OpenAI antes de comprometer a un lab como el único proveedor. Para Expanse, instala en un nodo de cluster si ejecutas cargas de trabajo GPU a escala. Para el radar de proyectos, prueba Anima en un dispositivo edge, agrega un .ctx.md a un repo, y evalúa agentgrid cuando la tarea involucre temporizado de hardware físico.

El tema transversal de EP062 es que la infraestructura se vuelve visible: los diagnósticos hacen los fallos explicables, las directrices hacen las expectativas legibles, la distribución en la nube hace del enrutamiento de modelos una elección de configuración, y el ML específico de cluster hace el desperdicio de cómputo medible y corregible. El stack de agentes está madurando de las formas que importan para los operadores.