Claude Code 2.1.165, la familia de modelos de codificación MAI de Microsoft y el Radar del Proyecto de Infraestructura de Agentes

[NOVA]: Soy NOVA.

[ALLOY]: Soy ALLOY, y esto es AgentStack Daily...

[NOVA]: Hoy vamos a desglosar un bloque de mantenimiento de tres versiones de Claude Code, la familia de modelos de código MAI de Microsoft, y un radar de proyectos de infraestructura de agentes construido para el stack local de coding-agent. Claude Code 165 llegó el 5 de junio como la última versión npm, completando un bloque de mantenimiento de tres versiones que cerró brechas en sesiones en segundo plano, expandió la extensibilidad de hooks, y corrigió el manejo de rutas de Windows para rutas profundas de directorios temporales. El bloque añade versión mínima requerida y versión máxima requerida como primitivas de cumplimiento de flota, extiende los hooks Stop y SubagentStop con una ruta de retorno de contexto adicional, y repara una regresión que rompió los flujos de trabajo de Bazel y Go protegidos por EDR al restaurar el comportamiento correcto del directorio temporal. OpenClaw 6.1, Hermes 15.2 y Codex 135 mantienen sus posiciones EP063 como líneas de harness estables. El lanzamiento principal del modelo es MAI-Code-1-Flash: el modelo de código de 5 mil millones de parámetros de Microsoft entrenado en harnesses de producción de GitHub Copilot, con un puntaje de 51% en SWE-Bench Pro con 60% menos tokens de solución que modelos comparables. MAI-Image-2.5 alcanza 1403 en el leaderboard Arena Image Edit, NVIDIA Cosmos 3 abre el desarrollo de IA física con un modelo base abierto en tres tamaños, y el radar de proyectos cubre memoria de agentes, grafos de código y herramientas MCP que sirven al stack local de coding-agent.

[ALLOY]: La capa de harness lidera porque es donde la confiabilidad del agente se construye o se rompe. Las sesiones en segundo plano tienen que reanudarse limpiamente, los hooks tienen que extender turnos sin etiquetar errores, el cumplimiento de versiones de flota tiene que ser ejecutable, y los entornos de Windows tienen que manejar atributos de OneDrive y rutas profundas correctamente. Esos son los problemas poco glamorosos que determinan si los operadores confían en el trabajo de agentes de larga duración. El carril de modelos se pone interesante: Microsoft entrenó un modelo de código en sus propios harnesses de producción, no en benchmarks públicos, y los números de eficiencia son diferentes a cualquier cosa que el stack de agentes ha visto de un modelo sub-10B. El radar de proyectos surfacea herramientas que hacen los stacks locales menos frágiles. Empecemos por ahí. ...

[NOVA]: Tres capas se están moviendo a la vez, y la forma más útil de escuchar es mantenerlas separadas. La capa de harness es la base que hace que el trabajo del agente sea repetible. La capa de modelos es lo que determina la calidad de lo que produce el agente. La capa de herramientas es lo que hace que todo el stack sea menos frágil a medida que escala.

[ALLOY]: Claude Code 165 es el lanzamiento de harness destacado, completando un bloque de tres versiones desde 162 hasta 165. La progresión no es una ola de características. Es una pasada de calidad que cierra brechas que los operadores descubren cuando un flujo de trabajo sale mal. Sesiones en segundo plano que pierden tareas en ejecución al reattach. Rutas profundas de directorios temporales que silenciosamente rompen la mensajería entre sesiones. Atributos de solo lectura de OneDrive en Windows que causan que comandos Bash fallen impredeciblemente. Estos son los fallos que hacen que los equipos desconfíen de las ejecuciones de agentes, y son exactamente los fallos que este bloque aborda.

[NOVA]: OpenClaw 6.1, Hermes 15.2 y Codex 135 son estables este ciclo. Esa estabilidad en sí misma es una señal. El ecosistema de harness está madurando hasta el punto en que tres herramientas consecutivas pueden mantener sus posiciones sin una regresión o una corrección crítica entre episodios. Para los operadores que gestionan cumplimiento de flota, esa predictibilidad es valiosa. Puedes razonar sobre tu stack sin preocuparte de que el próximo publish npm introduzca un bug de recuperación de sesión o una regresión de hook de plugin.

[ALLOY]: El carril de modelos es donde las cosas se ponen interesantes por una razón diferente. Microsoft lanzó una familia de siete modelos MAI en Build 2026, y el modelo destacado para el stack de agentes es MAI-Code-1-Flash. Un modelo de código de 5 mil millones de parámetros entrenado en harnesses de producción de GitHub Copilot, no en datasets de benchmarks. Esa es una filosofía de entrenamiento significativamente diferente a lo que la mayoría de labs han estado enviando, y los números de eficiencia sugieren que el enfoque funciona.

[NOVA]: MAI-Image-2.5 pone a Microsoft por delante de Gemini en el leaderboard Arena Image Edit por primera vez en un tiempo, lo cual importa para stacks integrados con Microsoft que necesitan tareas de imagen dentro de la superficie de Copilot. Cosmos 3 de NVIDIA es el modelo base abierto de IA física en el que los equipos de robótica y las tiendas de desarrollo basadas en simulación construirán. Y el radar de proyectos cubre tres herramientas que hacen que los stacks locales de coding-agent sean menos frágiles: Understand Anything para navegación de grafos de código, agentmemory para recall compartido entre agentes, y MCPJungle para gestión de proliferación de servidores MCP.

[ALLOY]: El orden es deliberado. Harness primero porque es donde se construye la confianza. Modelo segundo porque es donde se define la capacidad. Herramientas tercero porque es donde el stack se vuelve más fácil de operar. ...

[NOVA]: Claude Code 165 es el npm más reciente del 5 de junio, completando un bloque de tres versiones desde la línea base EP063 de 162. El bloque no es una ola de características. Es el tipo de lanzamiento que cierra brechas que los operadores descubren cuando un flujo de trabajo sale mal, y vale la pena entender cada corrección individualmente porque tocan exactamente las superficies que hacen que los agentes sean confiables en producción.

[ALLOY]: La versión 163 es la más interesante operativamente de las tres. versión mínima requerida y versión máxima requerida son configuraciones administradas que permiten a los admins de org imponer puertas de versión. Claude Code se niega a iniciar si su versión está fuera del rango permitido y dirige al usuario a una versión aprobada. Para los operadores de flota que necesitan comportamiento determinístico entre versiones, esto es una primitiva de cumplimiento real. Ahora puedes bloquear un equipo a un rango de versiones probado y saber que nadie está ejecutando una versión con una regresión o una característica faltante de la que dependes.

[NOVA]: El comando plugin list ahora muestra los plugins instalados, y puedes filtrar por habilitados o deshabilitados. Eso importa cuando la proliferación de plugins hace difícil auditar qué está realmente cargado. Si tienes cinco plugins instalados y dos están deshabilitados, necesitas saber eso antes de depurar un fallo de hook o un problema de llamada de herramienta. Los flags de filtro hacen esa auditoría directa en lugar de requerir que leas a través de un manifiesto completo de plugins.

[ALLOY]: Los hooks Stop y SubagentStop ahora pueden devolver lo que el equipo llama contexto adicional. El hook puede darle retroalimentación a Claude y mantener el turno sin ser etiquetado como error de hook. Eso cambia cómo los autores de hooks pueden extender una sesión. Un hook que necesita mostrar información sin bloquear el turno ahora tiene un contrato limpio. Antes de esto, un hook que quería proporcionar contexto tenía que bloquear el turno o devolver un error, lo cual ambos detenían la ejecución y confundían al operador sobre qué pasó. La ruta de retorno de contexto adicional separa esas preocupaciones.

[NOVA]: Skills obtiene un pequeño ajuste de sintaxis de escape para variables de shell, así que los cuerpos de comandos pueden pasarlas sin que el harness las lea mal. Ese es el tipo de corrección que la mayoría de los oyentes nunca verán, pero elimina una clase de confusos errores de carga de skills. [ALLOY]: Los servidores MCP stdio ahora reciben el mismo ID de sesión de Claude Code que los hooks y Bash cuando reanudas una sesión. Esto cierra una brecha donde los servidores MCP no podían correlacionar una sesión a través de operaciones de resume. Si reanudas una sesión y un servidor MCP necesita saber a qué sesión está hablando, ahora tiene el mismo ID de sesión disponible que reciben los hooks y Bash. Eso hace que las herramientas MCP conscientes de sesión sean más confiables.

[NOVA]: Las correcciones de Windows valen la pena notar individualmente. Una regresión en 154 causó que el harness sobrescribiera el directorio temporal para todos los comandos Bash, no solo los sandboxed. Eso rompió los flujos de trabajo de Bazel y Go protegidos por EDR que dependen del directorio temporal real. Bazel usa el directorio temporal para caché de artefactos de build, y las herramientas EDR monitorean creación de procesos y acceso a archivos contra la ruta temporal real. Cuando el harness sobrescribía el directorio temporal para todos los comandos, esos flujos de trabajo dejaron de funcionar correctamente. Los comandos Bash ahora fallan correctamente en Windows cuando el directorio session-env tiene el atributo de solo lectura o vive dentro de OneDrive. La mensajería entre sesiones también se rompía silenciosamente cuando el directorio temporal apuntaba a una ruta anidada profunda. Eso ahora está corregido.

[ALLOY]: La versión 165 es pura corrección de bugs y mejoras de confiabilidad. La señal práctica para los operadores de flota: audita tus configuraciones de cumplimiento de versiones y establece versión mínima requerida y versión máxima requerida si impones puertas de versión. Ejecuta el comando plugin list con los nuevos flags de filtro para ver qué está realmente instalado. Si tienes hooks que necesitan extender turnos sin etiquetar errores, prueba uno que devuelva el campo de contexto adicional. Y verifica que los flujos de trabajo de Bazel y protegidos por EDR se ejecuten correctamente ahora que la regresión del directorio temporal está corregida.

[NOVA]: La cadencia de tres puntos de lanzamiento en una semana suena a ruido, pero las correcciones tocan exactamente los flujos de trabajo que hacen que los operadores digan "no sabía que eso podía romperse". Sesiones en segundo plano, rutas profundas, OneDrive de Windows, y cumplimiento de versiones de flota. Esos son los problemas poco glamorosos que determinan si confías en una sesión de trabajo de agente de larga duración, y son exactamente los problemas que este bloque cierra. ...

[ALLOY]: OpenClaw 6.1, Hermes 15.2 y Codex 135 mantienen sus posiciones EP063 como líneas de harness estables. No aterrizaron nuevas versiones estables este ciclo, lo que significa que la guía operacional del episodio pasado todavía aplica. Esa estabilidad vale la pena reconocer porque no está garantizada. El ecosistema de harness todavía es lo suficientemente joven como para que las regresiones aterricen entre episodios, y el hecho de que tres herramientas consecutivas puedan mantener sus posiciones sin una corrección crítica es una señal sobre dónde está la curva de madurez.

[NOVA]: OpenClaw 6.1 sigue siendo la superficie de coordinación y gobernanza que convirtió un kanban en una superficie de orquestación multi-agente. Workboard es la capacidad destacada: ejecuciones de tableros respaldadas por tareas con comentarios de tareas incrustados en el modal de edición, lo que importa porque la revisión deja de deteriorarse cuando está incrustada junto al trabajo. Skill Workshop es la ruta gobernada para skills autoría de agentes, con flujos de aplicar, rechazar y cuarentena más metadatos de rollback. La recuperación respaldada por SQLite maneja el estado de iMessage y el ledger de instalación de plugins, así que los reinicios se recuperan sin escaneo duplicado del filesystem. Los timers limitados y reintentos envuelven las rutas de solicitud de proveedores y plugins, así que OAuth, códigos de dispositivo, descargas de medios y polling de contenido generado todos fallan limpiamente en lugar de colgar una ejecución indefinidamente.

[ALLOY]: Hermes 15.2 sigue siendo la línea estable multi-agente kanban con aislamiento de worktree, coordinación de enjambre y defensa de promptware. El aislamiento de worktree es la decisión arquitectónica clave para el trabajo paralelo de agentes: sin conflictos de ramas, sin gestión manual de ramas, sin interferencia de sesión cuando dos agentes operan en la misma base de código al mismo tiempo. La coordinación de enjambre añade las primitivas para la distribución de tareas multi-agente, y la defensa de promptware protege contra la deriva de instrucciones del modelo en escenarios de orquestación de larga duración.

[NOVA]: Codex 135 sigue siendo la CLI de OpenAI con diagnósticos TUI más claros, manejo del ciclo de vida app-server más ajustado, hooks nombrados con alcances de permisos, y comportamiento mejorado del SDK de Python y Node en torno a threads, turns y propagación de errores. Las mejoras en diagnósticos dan a los operadores evidencia en lugar de forzar la reconstrucción desde el scrollback y los logs. Los hooks nombrados con alcances de permisos facilitan la auditoría de lo que cada hook puede hacer antes de ejecutarse, lo cual es importante para despliegues conscientes de seguridad.

[ALLOY]: La señal práctica para los operadores es que estas líneas estables están probadas. Si estás ejecutando OpenClaw 6.1, Hermes 15.2, o Codex 135, las capacidades y características de confiabilidad han sido validadas a través de múltiples episodios de uso en producción. El cálculo de actualización es diferente cuando una herramienta es estable versus cuando está en desarrollo activo. Las herramientas estables se actualizan para parches de seguridad y correcciones de errores críticas. Las herramientas de desarrollo se actualizan para nuevas capacidades. Estas tres están en la categoría estable, lo que significa que la decisión de actualización es de menor riesgo y más predecible.

[NOVA]: Para los equipos que rastrean paquetes CLI, Claude Code 165 es el que se movió este ciclo. Los demás están en posición. ...

[ALLOY]: Microsoft abrió Build 2026 el 2 de junio con un anuncio de la familia MAI de siete modelos. El modelo que más importa para el stack de agentes es MAI-Code-1-Flash: un modelo de codificación de 5 mil millones de parámetros entrenado directamente en los harnesses de herramientas de producción de GitHub Copilot, no en conjuntos de datos de benchmarks genéricos. El enfoque de entrenamiento es el diferenciador clave, y vale la pena entender por qué produce resultados tan diferentes a los modelos entrenados en benchmarks.

[NOVA]: Al entrenarse en los mismos harnesses que los desarrolladores usan para sus tareas de codificación diarias, MAI-Code-1-Flash aprende cómo interactuar con las herramientas y sistemas circundantes en flujos de trabajo de codificación agéntica. No está aprendiendo cómo responder a un prompt de benchmark. Está aprendiendo cómo operar en el mismo entorno en el que operan los desarrolladores de producción, con las mismas llamadas a herramientas, las mismas ventanas de contexto, los mismos presupuestos de tokens y los mismos modos de falla. Esa es una señal de entrenamiento fundamentalmente diferente a lo que usa la mayoría de los laboratorios, y los números de eficiencia sugieren que produce un modelo mucho más adecuado para trabajo real de codificación.

[ALLOY]: Los números de benchmark son concretos. MAI-Code-1-Flash obtiene un 51% en SWE-Bench Pro, que es una ventaja de 16 puntos sobre Claude Haiku 4.5 en el mismo harness de producción. En SWE-Bench Verified, SWE-Bench Multilingual y Terminal Bench 2, supera a Haiku 4.5 en los cuatro benchmarks de codificación principales. Esas no son comparaciones cherry-picked. Son el mismo harness, el mismo protocolo de evaluación, y una brecha significativa en rendimiento.

[NOVA]: El control adaptativo de longitud de solución es el mecanismo de eficiencia que impulsa la reducción del 60% en tokens. El modelo se mantiene conciso en solicitudes simples y asigna más presupuesto de razonamiento en problemas más difíciles. Las solicitudes simples reciben respuestas cortas y directas. Las solicitudes complejas reciben el tratamiento completo de razonamiento. El modelo no gasta tokens en trazas de razonamiento para problemas que no los necesitan, por eso Microsoft ve un 60% menos de tokens de solución en tareas complejas. Eso se traduce en menor latencia, menor costo y flujos de trabajo interactivos más fluidos.

[ALLOY]: Para los operadores de agent-stack, la señal estratégica es que Microsoft está reduciendo la dependencia de OpenAI y compitiendo en capacidades de modelos fundamentales con pipelines de entrenamiento ajustados a su propia pila de desarrolladores. MAI-Code-1-Flash ya está dentro de GitHub Copilot y VS Code, lo que significa que ya está en los flujos de trabajo de millones de desarrolladores que usan esas herramientas diariamente. El modelo no es una vista previa de investigación. Es un servicio de producción que los desarrolladores están usando ahora mismo.

[NOVA]: La estrategia de la familia MAI importa para el enrutamiento de modelos en stacks alineados con Microsoft. Si ya estás dentro del ecosistema Copilot, puedes enrutar tareas de codificación a MAI-Code-1-Flash y obtener mejor rendimiento en benchmarks que los modelos de clase Haiku con un 60% menos de tokens. Ese es un perfil de costo y latencia diferente al que obtienes de modelos entrenados en benchmarks públicos, y cambia la economía de ejecutar agentes de codificación a escala.

[ALLOY]: MAI-Thinking-1 está en vista previa privada en Microsoft Foundry, posicionado contra Claude Opus 4.6 en SWE-Bench Pro. El conteo de 35B parámetros activos con aproximadamente 1 billón de parámetros totales es una arquitectura diferente al modelo de codificación de 5B. Es un modelo de razonamiento, no un modelo de codificación, y aún no está disponible para uso general. La vista previa privada significa que los constructores aún no pueden evaluarlo contra sus propias cargas de trabajo, lo que limita su impacto inmediato en el agent-stack. Estén atentos a los anuncios de GA, pero por ahora el modelo accionable es MAI-Code-1-Flash.

[NOVA]: El movimiento práctico para agentes dentro de tiendas Microsoft: prueba MAI-Code-1-Flash a través de GitHub Copilot en una tarea de codificación real y compara el uso de tokens contra tu modelo anterior. La historia de eficiencia es real, y el rendimiento en benchmark está respaldado por evaluación en harness de producción, no configuraciones de bench sintéticas. Si estás evaluando modelos para un agent-stack, obtén los benchmarks de MAI-Code-1-Flash del harness de producción de Microsoft y compáralos contra las líneas base de clase Haiku y clase Opus en tus propias tareas de repositorio. ...

[NOVA]: MAI-Image-2.5 obtuvo 1403 en el leaderboard de Arena Image Edit a fecha del 2 de junio, por delante de Gemini 3 Pro Image Preview 2K con 1388. Esa es una posición real en el leaderboard para Microsoft en edición de imágenes multimodales, y vale la pena entender qué mide el leaderboard y qué no garantiza para flujos de trabajo de agentes en el mundo real.

[ALLOY]: El leaderboard de Arena Image Edit se enfoca en tareas de edición de imagen a imagen, no en generación de texto a imagen. La distinción importa porque diferentes modelos están optimizados para diferentes casos de uso. Los modelos de texto a imagen como DALL-E y Midjourney están optimizados para generar imágenes desde cero. Los modelos de edición de imagen a imagen están optimizados para modificar imágenes existentes: ajustar composición, corregir artefactos, agregar elementos, cambiar estilo. MAI-Image-2.5 está en la categoría de edición, por eso compite directamente con Gemini 3 Pro en el mismo leaderboard.

[NOVA]: La ventaja de 15 puntos sobre Gemini 3 Pro es significativa, pero las puntuaciones del leaderboard no cuentan toda la historia para los flujos de trabajo de agentes. La puntuación de Arena refleja el rendimiento en tareas de benchmark específicas que diseñaron los curadores del leaderboard. Los flujos de trabajo de imágenes de agentes en el mundo real incluyen capturas de pantalla de documentación, mockups de UI, generación de diagramas y tareas de anotación que pueden o no mapearse limpiamente a las tareas de benchmark. La posición en el leaderboard es evidencia de que el modelo es capaz, pero no es una garantía de rendimiento en tu caso de uso específico.

[ALLOY]: Para los agent-stacks dentro de tiendas Microsoft, el valor estratégico es cerrar una brecha donde las tareas de imagen tenían que rutear fuera de la superficie de Copilot. Antes de MAI-Image-2.5, un agente de codificación que necesitaba generar un mockup de UI o anotar una captura de pantalla tenía que llamar a un servicio de imagen externo. Ahora esa capacidad está dentro de la misma superficie que el agente ya usa para tareas de codificación. Eso reduce el número de dependencias externas en el flujo de trabajo del agente, lo que simplifica el enrutamiento, reduce la latencia y mejora la confiabilidad.

[NOVA]: El ángulo del agent-stack no se trata de reemplazar Midjourney o DALL-E para trabajo creativo. Se trata de si los flujos de trabajo de agentes integrados con Microsoft ahora pueden usar MAI-Image para documentación, mockups de UI, generación de diagramas y anotación de capturas de pantalla sin salir de la superficie de Copilot. Para los operadores de OpenClaw, Codex y Claude Code que trabajan dentro de tiendas Microsoft, esto cierra una brecha donde las tareas de imagen tenían que rutear fuera del stack.

[ALLOY]: El movimiento práctico: si ejecutas agentes dentro de un stack alineado con Microsoft, prueba MAI-Image-2.5 a través de Copilot o Foundry en una tarea de edición de imagen. Genera un mockup de UI, anota una captura de pantalla, o crea un diagrama. Compara la calidad de salida y la latencia contra tu herramienta de imagen actual. La posición en el leaderboard sugiere que el modelo es competitivo, pero tu flujo de trabajo es la evaluación real. ...

[NOVA]: NVIDIA lanzó Cosmos 3 en COMPUTEX 2026 como un modelo fundamental de mundo abierto para IA física. El modelo combina razonamiento visual, generación de mundo y predicción de acción en una única arquitectura de mezcla de transformers. Eso son tres capacidades que antes eran sistemas separados, unificados en un solo modelo. Entender por qué esa unificación importa requiere un breve recorrido por lo que realmente significa la IA física para el desarrollo de agentes.

[ALLOY]: La IA física es la categoría de sistemas de IA que interactúan con el mundo físico: robots, vehículos autónomos, entornos de simulación y sensorización y actuación en el mundo real. Estos sistemas necesitan ver el mundo, entender cómo cambia el mundo y predecir qué acciones producirán los resultados deseados. Anteriormente, esas tres capacidades requerían tres modelos o sistemas separados. Cosmos 3 los pone en una arquitectura, lo que simplifica los pipelines de entrenamiento y permite la optimización de extremo a extremo en las tres capacidades simultáneamente.

[NOVA]: Hay tres tamaños disponibles. Cosmos 3 Nano tiene 16 mil millones de parámetros, optimizado para GPUs RTX PRO 6000 de nivel estación de trabajo. Cosmos 3 Super tiene 64 mil millones de parámetros, orientado a GPUs Hopper y Blackwell de centros de datos para generación de datos sintéticos a gran escala. Cosmos 3 Edge está próximo, diseñado para inferencia en tiempo real en el borde. Los niveles de tamaño se mapean a escenarios de implementación: desarrollo y pruebas locales en Nano, entrenamiento y generación de datos a gran escala en Super, e implementación en producción en el borde.

[ALLOY]: Cosmos 3 está abierto para investigación y uso comercial. NVIDIA ha publicado los pesos del modelo, scripts de entrenamiento, herramientas de implementación y conjuntos de datos en Hugging Face y GitHub. Eso es un lanzamiento significativamente abierto, no una API restringida. Los equipos que quieran ajustar con sus propios datos de IA física pueden descargar los pesos y scripts de entrenamiento y ejecutar el pipeline de entrenamiento en su propia infraestructura. El lanzamiento abierto reduce la barrera para equipos de robótica, desarrolladores de vehículos autónomos y talleres de desarrollo basados en simulación para construir sobre un modelo base de última generación.

[NOVA]: La cobertura de benchmarks es amplia. Cosmos 3 lidera en Artificial Analysis, Physics-IQ, PAI-Bench, R-Bench para precisión de generación de mundos, RoboLab y RoboArena para política de acciones, y VANTAGE-Bench y TAR para comprensión visual. Entre los modelos abiertos, Cosmos 3 lidera en estos benchmarks. El portafolio de benchmarks refleja la arquitectura de tres partes: razonamiento físico, generación de mundos y predicción de acciones se evalúan por separado y en conjunto.

[ALLOY]: El ángulo del stack de agentes no es trabajo de codificación inmediato. El modelo no está diseñado para generación de código o tareas de documentación. Está diseñado para robótica, simulación e interacción con el mundo físico. Pero entender lo que los modelos base de IA física significan para la próxima generación de hardware de agentes es relevante para operadores que están observando el horizonte. Los agentes que interactúan con robots, vehículos y entornos del mundo real necesitan exactamente las capacidades que Cosmos 3 combina: razonamiento visual, simulación de mundos y predicción de acciones.

[NOVA]: Para operadores que observan el horizonte, Cosmos 3 es el modelo base abierto en el que los equipos de robótica y los talleres de desarrollo basados en simulación construirán. El nivel de tamaño Edge vale la pena seguirlo para el futuro hardware de agentes en el borde, donde la inferencia en tiempo real en modelos del mundo físico se convierte en el objetivo de implementación. Si trabajas en robótica, vehículos autónomos o entrenamiento de agentes basado en simulación, descarga el modelo Cosmos 3 de Hugging Face y ejecútalo contra tu suite de benchmarks de IA física. Para los oyentes generales del stack de agentes, el movimiento práctico es entender lo que los modelos base de IA física significan para el hardware de agentes en el borde en 12 a 18 meses. ...

[NOVA]: La nueva aplicación de escritorio de GitHub es el anuncio de producto que convierte a Copilot de un asistente de codificación reactivo en una superficie proactiva de orquestación de múltiples agentes. La aplicación se lanzó en Build 2026 en vista previa técnica para suscriptores de Copilot Pro, Pro+, Max, Business y Enterprise en Windows 11, Windows 11 en Arm, Mac y Linux. Entender lo que realmente hace requiere mirar las decisiones arquitectónicas debajo del marketing.

[ALLOY]: El dashboard "My Work" monitorea y dirige múltiples agentes de IA simultáneamente a través de repositorios, issues, pull requests y automatizaciones en segundo plano. Esa es la capa de orquestación. Un desarrollador puede ver qué agentes se están ejecutando, en qué están trabajando y en qué estado se encuentran, sin cambiar entre ventanas de terminal o interfaces de chat. El dashboard es el centro de control para un flujo de trabajo de múltiples agentes.

[NOVA]: Cada sesión se ejecuta en su propio worktree de Git aislado. Esa es la decisión arquitectónica clave para el trabajo de agentes en paralelo. Cuando dos agentes operan en la misma base de código al mismo tiempo, necesitan evitar conflictos de ramas, gestión manual de ramas e interferencia de sesiones. Los worktrees aislados resuelven ese problema a nivel de Git. Cada agente trabaja en su propio worktree, lo que significa que los agentes pueden ejecutarse en paralelo sin coordinarse en el estado de la rama. Cuando un agente completa su trabajo, los cambios se pueden fusionar a través del flujo de trabajo normal de Git.

[ALLOY]: Los Canvases son el diseño de interacción más innovador de la aplicación. Son superficies visuales bidireccionales e interactivas donde los desarrolladores y los agentes colaboran en tiempo real. El agente muestra su plan actual, salidas de terminal, implementaciones o sesiones de navegador en el Canvas. El desarrollador puede inspeccionar, dirigir y verificar el trabajo sin cambiar de ventanas. Ese es un modelo diferente al patrón de terminal y chat que la mayoría de los agentes usan hoy. La superficie del Canvas hace el trabajo del agente visible y editable de una manera que la salida de terminal no hace.

[NOVA]: Agent Merge automatiza el ciclo de vida del pull request desde recoger un issue hasta revisión, verificaciones y fusión. La automatización cubre todo el ciclo de vida del PR, no solo el paso de generación. Eso significa que un agente puede recoger un issue, escribir el código, ejecutar las pruebas, manejar la revisión y fusionar el PR sin intervención manual en cada paso. Para los equipos que han estandarizado en flujos de trabajo de GitHub, Agent Merge agrega la capa de automatización que hace que la revisión de código de múltiples agentes sea práctica.

[ALLOY]: El Copilot SDK está disponible generalmente en seis idiomas: Node.js, TypeScript, Python, Go, .NET, Rust y Java. Eso significa que las herramientas personalizadas y las extensiones de agentes se convierten en una superficie de desarrollo de primera clase en lugar de un hack. Los equipos que quieran extender cómo los agentes de Copilot interactúan con sus flujos de trabajo existentes pueden construir herramientas basadas en SDK y distribuirlas a través de los canales normales de desarrollo. La disponibilidad del SDK cambia el cálculo para los equipos que han estado construyendo workarounds para integrar Copilot con sistemas propietarios.

[NOVA]: El modo de voz en la CLI agrega una nueva modalidad de entrada para los desarrolladores que prefieren hablar a escribir. La CLI de Copilot rediseñada incluye modo de voz y acceso experimental con pestañas a pull requests, issues y gists. La entrada de voz todavía es experimental, pero señala una dirección: los agentes están agregando modalidades de entrada más allá del texto, lo cual importa para la accesibilidad y para flujos de trabajo donde escribir es más lento que hablar.

[ALLOY]: La señal práctica: si eres suscriptor de Copilot Pro o Enterprise, únete a la vista previa técnica y prueba una sesión de agente paralelo en un repositorio de bajo riesgo. Usa el SDK para construir una herramienta personalizada que extienda cómo un agente interactúa con tu flujo de trabajo existente. La arquitectura de worktree aislado hace que el trabajo de agentes paralelos sea práctico por primera vez en una superficie Copilot de calidad de producción, y el SDK hace que las herramientas personalizadas sean una preocupación de primera clase en lugar de un pensamiento posterior. ...

[NOVA]: OpenHands trae soporte de Kubernetes y modo de planificación a los agentes de codificación autónomos en su último lanzamiento, y es el agente de codificación autónomo más endurecido para producción en el ecosistema de código abierto. El lanzamiento salió en marzo con dos adiciones principales: soporte de Kubernetes para cargas de trabajo de agentes contenedorizados a escala, y un modo de Planificación en beta que agrega descomposición explícita de tareas antes de la ejecución. La lista de adopción empresarial te dice dónde están los agentes de codificación autónomos en la curva de madurez: AMD, Apple, Google, Amazon, Netflix y NVIDIA lo están usando en producción. Eso no es un prototipo de investigación. Es una herramienta de producción en algunos de los entornos de ingeniería más exigentes.

[ALLOY]: La arquitectura del agente vale la pena entenderla como punto de referencia. OpenHands se ejecuta en un entorno sandbox con un shell incrustado, navegador web, editor de código y planificador de tareas. Realiza tareas de ingeniería de software de extremo a extremo: escribir y modificar código, ejecutar comandos, navegar por la web, ejecutar pruebas, depurar. El agente no requiere que cambies entre entornos. Opera en el sandbox y usa las herramientas incrustadas para completar tareas sin dependencias externas.

[NOVA]: La flexibilidad de LLM significa que puedes conectar GPT-4, Claude, Gemini, modelos locales u otros. OpenHands no está atado a un proveedor de modelos específico. El agente está diseñado para funcionar con el modelo que quieras proporcionar, lo que significa que los equipos pueden evaluar diferentes modelos contra sus propias cargas de trabajo sin cambiar la infraestructura del agente. Para los equipos que tienen opiniones fuertes sobre la selección de modelos, esa flexibilidad es una característica principal.

[ALLOY]: El soporte de Kubernetes significa que OpenHands ahora puede ser parte de una infraestructura de agentes contenedorizados y orquestados. En lugar de ejecutar el agente como un solo proceso en una sola máquina, puedes implementarlo como una carga de trabajo contenedorizada que escala con primitivas de Kubernetes. Eso cambia el modelo operativo de "ejecutar un agente en una máquina de desarrollo" a "ejecutar cargas de trabajo de agentes como un servicio administrado". Para los equipos que ya usan Kubernetes para su infraestructura, la integración es natural.

[NOVA]: El modo de Planificación es la función en beta que vale la pena observar. La descomposición explícita de tareas antes de la ejecución es una de las brechas que separa a los agentes autónomos que funcionan en demos de los que funcionan en producción. Una demo puede mostrar a un agente completando una tarea de un tiro. El trabajo de producción requiere que el agente entienda el alcance completo de una tarea, la descomponga en pasos, verifique cada paso y maneje los fallos con gracia. El modo de Planificación agrega el paso de descomposición antes de la ejecución, lo que significa que el agente construye un plan antes de empezar a trabajar.

[ALLOY]: La lista de adopción empresarial es la señal más concreta sobre dónde están los agentes de codificación autónomos en la curva de madurez. AMD, Apple, Google, Amazon, Netflix y NVIDIA son nombres que pesan en ingeniería de producción. Cuando esas organizaciones están ejecutando un agente de codificación autónomo en producción, significa que el agente ha pasado el proceso de evaluación que esas organizaciones usan para herramientas de producción. Ese es un baremo diferente a "pasa un benchmark" o "impresiona en una demo".

[NOVA]: Para el stack de agentes, OpenHands es una referencia principal de cómo se ve la codificación autónoma de producción. La integración de Kubernetes significa que ahora puede ser parte de una infraestructura de agentes contenedorizados y orquestados. El modo de Planificación en beta vale la pena observarlo porque la descomposición explícita antes de la ejecución es una de las brechas que separa a los agentes autónomos que funcionan en demos de los que funcionan en producción. Si evalúas agentes de codificación autónomos para uso en producción, ejecuta OpenHands contra uno de tus repositorios y compara su completación de tareas de extremo a extremo contra un agente de codificación de un solo turno. Prueba el modo de Planificación en beta en una tarea de múltiples pasos y verifica si la descomposición explícita mejora la calidad del resultado. ...

[ALLOY]: El radar de proyectos cubre tres herramientas que hacen que los stacks de agentes de codificación locales sean menos frágiles. No son actualizaciones de harness ni lanzamientos de modelos. Son la capa de infraestructura que hace que todo el stack sea más navegable a medida que escala. Understand Anything, agentmemory y MCPJungle atacan cada uno un problema diferente en el flujo de trabajo del agente local.

[NOVA]: Understand Anything convierte un codebase en un grafo de conocimiento navegable. La herramienta indexa tu repositorio en una base de datos de grafos y lo expone tanto a través de una CLI como de un servidor MCP. Un agente puede responder preguntas estructurales sobre el codebase sin hacer grep en docenas de archivos. Preguntas como "¿cuál es la ruta de solicitud para este endpoint?" o "¿de qué archivos depende este módulo?" se convierten en consultas de grafos en lugar de búsquedas en archivos. El grafo de conocimiento le da al agente un modelo mental navegable del codebase antes de que comience a trabajar, lo que reduce el tiempo dedicado a la orientación y reduce el riesgo de que el agente haga cambios que entren en conflicto con la arquitectura existente.

[ALLOY]: Los metadatos de la API de GitHub muestran más de 48,000 estrellas y una licencia MIT, lo que significa que la herramienta es ampliamente utilizada y de libre acceso. La licencia MIT es importante para los equipos que quieren integrar la herramienta en flujos de trabajo propietarios sin conflictos de licencia. El enfoque basado en grafos es diferente de la búsqueda basada en grep porque captura las relaciones entre los elementos de código, no solo el contenido de archivos individuales. Una consulta de grafo puede responder preguntas sobre la estructura que grep no puede responder sin ejecutar múltiples búsquedas y correlacionar resultados.

[NOVA]: agentmemory le da a cada agente en tu máquina un servidor de memoria compartida en el puerto 3111 con puntuación de confianza, gestión del ciclo de vida, un grafo de conocimiento y búsqueda híbrida. El servidor de memoria compartida significa que múltiples agentes pueden acceder al mismo contexto de memoria, lo cual es importante para flujos de trabajo donde un agente establece el contexto que otro agente necesita. La puntuación de confianza ayuda al agente a decidir cuánto confiar en un elemento de memoria. La gestión del ciclo de vida maneja la persistencia y limpieza de la memoria. El grafo de conocimiento añade consciencia de relaciones al almacén de memoria. La búsqueda híbrida combina búsqueda por palabras clave y semántica para una mejor recuperación.

[ALLOY]: Para los equipos que ejecutan múltiples agentes en paralelo o en secuencia, la memoria compartida es una capacidad que cambia cómo los agentes pueden coordinarse. Un agente que completa una tarea puede escribir sus hallazgos en el servidor de memoria compartida. Un agente subsiguiente puede leer esos hallazgos y construirlos sin tener que repetir la investigación. Ese es un modelo diferente de los agentes que comienzan cada sesión sin memoria del trabajo anterior.

[NOVA]: MCPJungle aborda la proliferación de servidores MCP. A medida que los equipos añaden más servidores MCP a su configuración de agentes, la superficie de gestión se vuelve compleja. MCPJungle proporciona visibilidad y herramientas de gestión para el ecosistema de servidores MCP. La herramienta ayuda a los equipos a entender qué servidores están instalados, qué proporcionan y cómo están configurados. Para los operadores de agentes que han acumulado servidores MCP con el tiempo, MCPJungle añade la capa de gestión que hace que la proliferación sea manejable.

[ALLOY]: El hilo común en las tres herramientas es reducir la fragilidad en el stack de agentes local. Understand Anything reduce la fragilidad al darle a los agentes un grafo de codebase navegable. agentmemory reduce la fragilidad al darle a los agentes contexto compartido y duradero. MCPJungle reduce la fragilidad al darle a los operadores visibilidad en el ecosistema de servidores MCP. Estas no son capacidades que hacen a los agentes más inteligentes en abstracto. Son capacidades que hacen que modos de fallo específicos sean menos probables en flujos de trabajo de producción. ...

[NOVA]: La cola práctica es lo que pasa de escuchar a actuar. Para Claude Code, audita la configuración de cumplimiento de versión de tu flota y establece la versión mínima requerida y la versión máxima requerida si aplicas puertas de versión. Ejecuta el comando de lista de plugins con los nuevos flags de filtro para ver qué está realmente instalado. Verifica que los flujos de trabajo de Bazel y los protegidos por EDR funcionen correctamente después de la corrección de regresión del directorio temporal. Para Microsoft MAI, prueba MAI-Code-1-Flash a través de GitHub Copilot en una tarea de codificación real y compara el uso de tokens contra tu modelo anterior. Si estás dentro de un entorno Microsoft, prueba MAI-Image-2.5 a través de Copilot en una tarea de edición de imágenes.

[ALLOY]: Para NVIDIA Cosmos 3, descarga el modelo de Hugging Face si trabajas en IA física o robótica, y haz seguimiento del nivel de tamaño de Cosmos 3 Edge para futuro hardware de agentes de borde. Para la aplicación de escritorio de GitHub Copilot, únete a la预览 técnica si eres suscriptor de Copilot Pro o Enterprise y prueba una sesión de agente paralelo en un repositorio de bajo riesgo. Usa el SDK para construir una herramienta personalizada que extienda cómo un agente interactúa con tu flujo de trabajo existente. Para OpenHands, ejecútalo contra uno de tus repositorios, prueba el Modo de Planificación en una tarea de múltiples pasos, y compara la finalización de tareas de extremo a extremo contra un agente de codificación de turno único.

[NOVA]: Para las herramientas del radar de proyectos, ejecuta Understand Anything en un repositorio con puntos de entrada confusos y pide la ruta de solicitud, luego compara el plan del agente antes y después de la orientación del grafo. Si ejecutas múltiples agentes en paralelo o en secuencia, configura agentmemory y verifica que el contexto compartido mejora el rendimiento del agente downstream. Si has acumulado servidores MCP con el tiempo, usa MCPJungle para auditar lo que está realmente instalado y configurado.

[ALLOY]: El hilo a lo largo de today's AgentStack Daily es la madurez de la infraestructura. La capa de harness se está consolidando alrededor de superficies estables y confiables. La capa de modelos está añadiendo nuevas capacidades con entrenamiento de harness de producción y uso eficiente de tokens. La capa de herramientas está añadiendo el contexto y las herramientas de gestión que hacen que todo el stack sea menos frágil. El stack de agentes se está volviendo menos místico y más operacional, y eso es exactamente lo que necesita para convertirse en una herramienta de producción en lugar de una demo de investigación.

[NOVA]: Las notas del programa para today's AgentStack Daily están en Toby On Fitness Tech punto com. Encontrarás los timestamps, los enlaces a los lanzamientos y herramientas que cubrimos, y el contexto técnico más profundo que no cabía en el audio hablado. Si quieres profundizar en cualquiera de las historias, mira las notas del programa en Toby On Fitness Tech punto com.

[ALLOY]: Volveremos pronto.

[NOVA]: Esto es AgentStack Daily. Soy NOVA. Gracias por escuchar.