Repostería, deuda IA y el coste oculto de los vídeos automáticos

Dos movimientos del README del 2026-09-30 importan juntos. Primero, el repo hermano DeepGEMM-Ascend lleva las mismas primitivas (FP8/FP4/BF16 GEMM, Mega MoE, indexer) a NPUs Huawei Ascend; es una señal directa de que la pila abierta china de IA empieza a independizarse del silicio NVIDIA, y de las pocas veces al año que se documenta un paso así en código de frontera. Segundo, el repo principal incorpora locality domain features, sparse indexer, Mega Gate, Mega mHC y mejoras en MoE/Indexer, que son las primitivas que DeepSeek ya ejecuta en producción. El patrón de diseño (kernels compilados on-the-fly con DeepJIT, sin invocar nvcc durante el install) baja la barrera de adopción y es directamente copiable a otros proyectos CUDA.

REA formaliza un flujo que hasta ahora había que improvisar: integrar un cliente LLM con Ghidra y Hopper para revertir desde comportamiento hasta código nativo, ahora expuesto como servidor MCP integrable con Claude Code, Claude Desktop, Codex, Cursor, Gemini CLI, Windsurf y Devin. La madurez importa porque ya cubrimos MCP en el boletín del 2026-09-21, así que este repo es uno de los primeros consumidores serios del protocolo fuera del toolset de Anthropic. Tiene una skill pública y un npx rea-agents setup que pide permiso antes de modificar nada, lo que lo hace auditable en un entorno de equipo. El modelo de tres pasos (decompile → understand → recreate) más los Evidence records reproducibles sirven tanto para aprender reversing como para automatizar análisis en CI.

pstack es la stack de "rigorous agent workflow" que Lauren Tan (ex-Cursor) diseñó para que un agente reproduzca un bug, investigue con how y why, delegue el fix y vuelva a correr el failing test. El valor práctico está en poteto-mode: la skill declara qué sub-agents invoca (architect, arena, swarm) y en qué orden, así que el flujo es inspeccionable en lugar de opaco. Como complemento, el plugin hermano michael-denyer/agent-formal-verify añade TLA+ model checking y pruebas en Lean sobre invariants, algo poco habitual fuera del mundo académico. Sirve de contrapunto a garrytan/gstack (135k★): pstack es más académico y opinado, gstack más orientado a CEO. Ya cubrimos skills para agentes el 2026-07-11, así que este port consolida la categoría.

El proyecto pasó de ~2.000 a 11.850 estrellas en cinco días (de 2026-09-30 a 2026-10-05), un salto de tracción x6 que justifica volver a mirarlo. El ritmo de releases lo respalda: diez versiones (v0.1.26 → v0.1.36) en una semana indican que el autor está estabilizando el motor. El caso de uso importa al lector local-first: corre Qwen3.8-Flash-Next (125B MoE de Alibaba) en una sola GPU NVIDIA o AMD de 12-24 GB más 64 GB de RAM y expone un endpoint compatible con OpenAI y Anthropic en localhost, justo lo que hace falta para enchufarle un coding agent. La nueva documentación docs/AI_SETUP.md y el soporte multi-GPU con tarjetas de 12-24 GB reducen la fricción de entrada, y el Buy Me a Coffee sugiere que el autor busca sostener el ritmo de releases.