Claude Skills, contexto a la carta y el navegador que ya no necesita intermediarios

El espacio de escribir kernels de GPU desde Python lo dominaba Triton (de OpenAI). TileLang es la alternativa open source con un compilador distinto (TVM TIRX en lugar de MLIR), más superficie de lenguaje y cobertura multi-vendor real (NVIDIA + AMD + Apple + Huawei). Para una newsletter de infraestructura de IA, TileLang es la noticia del día por dos motivos concretos: (1) el soporte nativo para Ascend 950 abre el mercado chino de NPU a código open source escrito desde Python; (2) ya trae kernels entregados para DeepSeek V4, es decir, está a la altura de cargas de modelos reales y no solo de ejemplos de GEMM. Buen tema para un artículo tipo "más allá de Triton: qué ofrece TileLang en 2026".

Para escribir sobre inferencia de modelos agentic, InferenceX es la fuente canónica: open source, mantenida por SemiAnalysis (la gente de newsletter.semianalysis.com), con resultados reproducibles y disclaimer explícito de que los forks no son oficiales. El lanzamiento de AgentX en agosto 2026 llena un hueco enorme: hasta ahora no había un benchmark open source para comparar agentes con contexto largo, así que cualquier afirmación sobre qué modelo agentic rinde mejor se apoyaba en benchmarks cerrados. Corre de forma continua modelos nuevos (DeepSeek V4.1 Flash, Qwen3.8-Flash-Next, GLM5.3, Kimi K3 2.8T) desde el día de salida, lo que lo convierte en el sitio donde mirar antes de fiarse de claims de proveedores. Buen tema para un análisis tipo "AgentX: el benchmark que faltaba para comparar modelos agentic en inferencia".

Es un movimiento tectónico del frontend meta-framework: la API de Next.js reimplementada como plugin de Vite abre dos puertas concretas, deployment a Cloudflare Workers sin reescribir nada y acceso al ecosistema de Vite (plugins, config de Rollup, dev server) sin perder la ergonomía de Next. Los gaps documentados son honestos y útiles de saber: Cache Components y Partial Prerendering están incompletos, falta optimización build-time de imágenes y los módulos nativos en App Router dev no funcionan del todo; es decir, no es drop-in para cualquier app Next.js, pero sí para un porcentaje alto. El blogpost de Cloudflare explicando que lo reescribieron con coding agents en una semana es parte de la historia, porque deja a Vercel en una posición incómoda: su ventaja ya no es solo la DX. Buen tema tipo "vinext y el futuro de los meta-frameworks: si Cloudflare puede reescribir Next.js en una semana con AI, ¿qué significa eso para Vercel?".

Tema crítico y todavía sin resolver: cómo dejar a un coding agent ejecutar cosas reales sin entregarle tu filesystem, tu red y tus secretos. OpenShell es la apuesta de NVIDIA para cubrir ese hueco con primitivas a nivel de kernel y verificación formal sobre cambios de policy. El push de hoy consolida la rama 0.1.x como estable y amplía la API de extensiones. Ya cubrimos el problema en el boletín del 2026-08-07 al hablar de sandbox para agentes y de kubernetes-sigs/agent-sandbox como competidor; la diferencia práctica con OpenShell es dónde aplica el control, a nivel de kernel y syscall en lugar de a nivel de herramienta MCP. Buen tema tipo "agent runtimes: kernel-level sandbox vs per-tool gateway".

Junto con mem0, Hindsight consolida la categoría "memory layer para agentes de IA" como infraestructura crítica, no como feature opcional. El push de hoy confirma una cadencia de release sostenida y el paper en arxiv (2512.12818) le da base académica; además, las reproducciones independientes de Virginia Tech Sanghani Center y The Washington Post refuerzan que los números de LongMemEval no son auto-reportados. Ya cubrimos mem0 como competidor directo en el boletín del 2026-08-10, y earendil-works/pi (que cubrimos el 2026-08-08) ya lo tiene en uso, lo que da una pista de hacia dónde va el stack. La integración vía npx skills add lo conecta directamente al flujo de coding agents tipo Hermes o Claude Code. Buen tema tipo "agent memory 2026: cuándo Mem0 y cuándo Hindsight".

OpenRig aterriza el mismo concepto abstracto que EverMind-AI/Raven (que cubrimos en el boletín del 2026-09-28) pero con un foco más afilado: solo coding harnesses, patrón owner+checker, TUI y YAML como UX. Es el tipo de herramienta que un equipo pequeño podría usar mañana para correr Claude Code como lead y Codex como verifier sobre la misma tarea, sin escribir un orquestador a medida. El requerimiento de Node 22/24 + tmux lo deja lejos de ser un juguete: asume un entorno tipo máquina de desarrollador, no un dashboard en la nube. Buen tema tipo "owner/checker pattern: cómo dividir el trabajo entre Claude y Codex en el mismo repo".

Es la pieza complementaria a Hindsight: ambos compiten en el mismo LongMemEval (que cubrimos el 2026-09-07 como benchmark de memoria) y ambos presumen paper + dashboard, pero atacan el problema desde ángulos distintos. Mem0 enfatiza memoria personalizada y token-efficient, con un SDK ligero para integrar en apps y agentes; Hindsight apunta al lado "learn" del problema y se integra más como servidor. Los números que aporta el repo son concretos (71.4 → 92.5 en LoCoMo y 67.8 → 94.4 en LongMemEval con 7K tokens y <1.1s p50), pero al ser auto-reportados conviene tratarlos como pista, no como verdad validada. Ya cubrimos el espacio de memory layer para agentes el 2026-08-10 al hablar de Hindsight; ahora con dos implementaciones de referencia asentadas (Mem0 + Hindsight), tiene sentido un artículo de comparación. Buen tema tipo "Mem0 vs Hindsight: dos arquitecturas para memoria agentic".