LLMs pequenos, edge inference y privacidad por diseno

Cada familia de resultados viene con tres artefactos: un preprint en preprints/, una formalización en Lean en lean/ y un trace de razonamiento abreviado en reasoning_traces/. Los temas cubren terreno serio: Mahler conjecture, Vlasov-Maxwell relativista en 3D, región sin ceros de la zeta de Riemann, isomorfismo de factores de grupo libre y el ferromagneto de Heisenberg. El propio README avisa de que no todo está formalizado y de que los que no lo están pueden contener fallos que irán arreglando — dato relevante porque significa que parte del trabajo son enunciados sin prueba verificada. El precedente editorial es el que más nos interesa: un laboratorio publica el output de un modelo no público con sus formalizaciones parciales, abriendo una ventana a qué sabe hacer un math LLM en 2026 sin marketing. Para CSS el ángulo es de tesis: el siguiente paso tras GPT-Pro y Deep Research no es otro modelo más grande, es publicar la output stream con rigor. Limitación honesta: el repo no tiene nodos previos en nuestro grafo, así que no podemos conectar este lanzamiento con cobertura anterior; sí podemos anclarlo a la cobertura general de math LLMs que llevamos haciendo.

El problema clásico de los skill stores para coding agents es que se llenan de skills redundantes y nadie los limpia, así que terminan siendo más ruido que ayuda. autoharness ataca el ciclo completo: aprende a partir de un episodio real (no de un benchmark), agrupa con un reflector que decide si fusiona con una skill existente en vez de duplicarla, mantiene un índice vivo al abrir sesión y valida en uso real, no en test sintético. El dato cuantificado del paper es el que sostiene la promesa: mismo modelo + mismo harness + skills manuales da 42% en CORE-Bench; con autoharness en su lugar sube a 78%. La promesa de "solo toca las skills que escribió él" resuelve el miedo a que un plugin pisotee skills que tú ya tenías, y el comando /learn permite capturar una lección manualmente tras una sesión. Cero dependencias de terceros (Python 3.11+), corre como hooks + MCP server (stage_skill). Para CSS ya cubrimos este plugin el 2026-09-05 como ejemplo de self-learning skills, y el 2026-09-05 lo conectamos además con claude-code y con la línea de spec-driven development; lo que añade esta vuelta es la cifra concreta de 42% → 78% sobre CORE-Bench que da soporte empírico al claim.

El README es explícito y pedagógico: cada operación aparece en una tabla de qué hace rtk con la salida. Ejemplos que sí están en el repo: git status queda reducido a los paths modificados, cargo test se queda con los tests que fallan y su contexto, npm ls devuelve un árbol sin duplicados de peer deps, y docker ps entrega una tabla compacta sin el header JSON. La cifra de 60-90% de reducción viene de benchmarks del propio repo — dato del README, no de terceros. Lo importante para CSS: en setups local-first o de low budget, el coste real no es el modelo, es el input/output que le metes; rtk ataca el output, que es donde la mayoría de coding agents queman tokens sin pensarlo. Tiene distribución propia: fórmula de Homebrew, comunidad en Discord, y un primo memético que también cubrimos el 2026-08-12 — JuliusBrussee/caveman (110.267★) — que aplica la misma filosofía de pero en el prompt, haciendo que el agente hable como cavernícola y ahorre ~65% de tokens por prompt. La pareja es instructiva: uno recorta output de comandos, el otro recorta input del modelo, ambos viven del mismo principio

La diferencia con playwright-mcp o browserbase-mcp es que este server es del propio equipo de Chrome DevTools y reutiliza el devtools-frontend existente — eso significa que la fiabilidad de los traces y los timings es la misma que tendrías abriendo las DevTools a mano, no una reimplementación paralela. Tiene además CLI para uso sin MCP, por si no quieres pasar por el protocolo. El disclaimer oficial que hay que tener en cuenta: expone todo el contenido del browser al MCP client (red, cookies, devtools state), así que no conviene compartir sesiones sensibles. Soporta Chrome y Chrome for Testing oficial; otros Chromium pueden funcionar pero no está garantizado. La pieza que faltaba era esta: que los coding agents depuren su propio trabajo en el browser con los traces reales, en vez de parsear HTML a ciegas como hacen hoy con playwright-mcp. Ya cubrimos este repo el 2026-08-20 como ejemplo de browser-automation-for-agents, el 2026-08-20 lo conectamos con el protocolo MCP y con playwright-mcp como complemento, y el 2026-08-20 lo anclamos a Google-Chrome como mantenedor oficial; hoy confirmamos que la tracción se mantiene (53.050★, push HOY-1).

Anthropic no había movido un producto al formato plugins + repo abierto hasta ahora — la mayoría de sus releases vivía en el SDK cerrado. El hecho de que sea para Claude Cowork (no para Claude Code) y de que el target sean knowledge workers (no devs) es la señal importante: Anthropic está oficializando el patrón plugin-store más allá del público developer. Para CSS el ángulo es doble. (a) Qué cuenta como plugin oficial y por qué: varios de los plugins del repo replican funcionalidad que ya existe en la comunidad (MCP servers, skills de Claude Code), así que merece la pena diffear antes de adoptarlos. (b) La bifurcación Cowork / Code es una pista de hacia dónde va Anthropic con multi-tenancy: Cowork como surface para no-devs, Code para devs, y los plugins que se ramifican en consecuencia. Ya cubrimos este repo el 2026-09-18 como ejemplo de plugin-store-pattern, el 2026-09-18 lo conectamos con Anthropic como mantenedor y el 2026-09-18 lo emparentamos con claude-cowork como producto; lo que añade esta vuelta es la confirmación de tracción sostenida (26.679★, push HOY) y la lectura estratégica de que la tienda se bifurca por audiencia.

El problema clásico de los diagramas de arquitectura es que se desactualizan en cuanto alguien refactoriza y nadie se entera hasta que un dev nuevo se pierde. vibex lo ataca con la idea de diagram-as-spec: el artefacto incluye claims ejecutables (por ejemplo, tabla A hace join con tabla B por la foreign key X) que el CI corre; si una migración rompe el claim, el build se pone rojo. Genera 5 diagramas (ERD, C4, lifecycle, API, deployment) en un único HTML standalone sin servidor, y se instala como skill en Claude Code + Codex con npx skills add Raja0sama/vibex -g -a claude-code -a codex -y. El autor lo presenta con una frase que resume la tesis: tu diagrama de arquitectura es mentira; vibex lee lo que no puede mentir (el schema y la fuente) y dibuja lo que realmente es. Es la contraparte exacta de autoharness: vibex es spec → diagrama continuamente verificado, autoharness es sesión → skill continuamente validada, mismo principio, distinto artefacto. El repo es muy joven (~3 semanas, 386★, aún sin forks), así que la lectura de tracción se está formando ahora. Ya cubrimos a vibex el 2026-09-15 como ejemplo de integración con claude-code, y el 2026-09-05 emparentamos a su autor conceptual con autoharness; lo nuevo de esta vuelta es el giro diagram-as-spec + CI gate, que es la pieza que faltaba para conectar este repo con la línea de C4-model que ya manejábamos en el grafo.