La commoditizacion del agente se muda del modelo al entorno

El truco no es solo comprimir el modelo, sino el streaming selectivo de expertos desde SSD mientras el core compartido (1,35 GB) y la KV-cache FP16 se quedan en RAM. Cualquier Mac M-series de 8 GB ejecuta un MoE de 26B. Para Código Sin Siesta es material de un artículo sobre "local-first a coste cero": demuestra que el límite de memoria se mueve cuando se reescribe el runtime en lugar de encadenar librerías genéricas. En el grafo ya compite directamente con llama.cpp desde el boletín del 2026-07-21, y frente a MLX (de Apple, sin fecha de primera mención aún en el grafo) marca una frontera interesante: aquí la eficiencia sale de mover I/O a SSD, no de atajos de cuantización.

Alibaba abrió tras dos años en producción interna con "decenas de miles de developers y millones de defectos detectados". El README declara ~1/9 de tokens vs Claude Code con mayor precisión y F1. OpenSSF Silver y pipeline de release CI con npm @alibaba-group/open-code-review. Encaja con la tesis "code-review como skill programable" y conecta con openai/codex-security por la superficie competida. El grafo ya sitúa agentic-code-review desde el 2026-07-24 como categoría con varias implementaciones; Open Review entra como la referencia a batir en escala industrial (más de 16k estrellas en poco más de dos meses), y los nodos coding-agents y la pugna con codex-security también quedaron fijados ese mismo día, así que lo nuevo aquí es la cifra de adopción, no el marco.

redefine "audit trail" para equipos mixtos: la identidad de cada actor es una keypair, humanos y agentes tienen la misma superficie (canales, canvas, workflows, huddles) y el log es a la vez chat, repo y workflow. Apunta al problema que el resto resuelve con dos bases de datos separadas.

entra al cuadrilátero pi (TypeScript, MIT) / Orca (TypeScript, YC) / OpenCode (Go) / jcode (Rust). La promesa explícita de eficiencia en memoria lo convierte en candidato natural para correr agentes en hardware modesto o en paralelo, justo el lado que Hermes no cubre como runtime.

empaqueta el patrón "una capability, muchos agentes" en una SaaS + cliente open source, apuntando al hueco que oomol-lab/open-connector cubre para integraciones. Buena base para un artículo de "tu segundo cerebro de skills, fuera del harness".

demuestra que el patrón "skills como enrutador + herramienta de auto-mejora" funciona para dominios sensibles y no solo para código. Trae un README_AI.md dedicado a agentes (patrón Anthropic Agent Skills oficial), 9 skills y operaciones estructuradas con field-journal.