Consola de triaje

comprobando sesión…

Archivo · 64

09-02 09-01 08-31 08-30 08-29 08-28 08-27 08-26 08-25 08-24 08-23 08-22 08-21 08-20 08-19 08-18 08-17 08-16 08-15 08-14 08-13 08-12 08-11 08-10 08-09 08-08 08-07 08-06 08-05 08-04

Pendientes

5 por explorar

5 en vigilancia

2026-08-15

La infraestructura discreta que sostiene a los agentes: runtimes, sandboxes y datos persistidos

14 items · 7 hallazgos · 7 radar

explorar 3

probar 2

leer 3

vigilar 5

Descartados y sin acción 1

J/K mover E explorar P probar L leer V vigilar X descartar G grafo ↵ abrir ficha

Selecciona un item del tablero
o pulsa J para empezar.

explorar hallazgo 01 · #local-multimodal-inference

lablup/mlxcel

272★ · 38 forks · Rust · Apache-2.0 · 56 issues

Qué es

runtime y servidor de inferencia para modelos MLX (Apple Silicon y NVIDIA CUDA), implementado en Rust sobre bindings C++ de MLX. Sirve modelos text + visión directamente desde checkpoints mlx-community sin conversión.

Cómo encaja

lablup/mlxcel → local-multimodal-inference

implements · ya cubierto el 2026-08-11

lablup/mlxcel ⇄ ggerganov/llama.cpp

competes_with · relación nueva de hoy

Por qué importa

v0.5.x añade prompt-cache multi-turn con snapshot en el boundary del historial (turn 2 pasa de 0 a 150 cached tokens de 189 en qwen3.5-0.8b-4bit), warm-up en idle y soporte Gemma 4 con long-common-prefix restore — lo que faltaba para que MLX en local rinda como backend serio de agentes y no solo como demo. Competimos directamente con llama.cpp en el segmento local-first, un tema que cubrimos el 2026-08-11 con la categoría 'local-multimodal-inference' en el boletín; hoy MLXcel es el ejemplo más nítido de por qué ese espacio se está moviendo rápido.

Alerta honesta

mlxcel corre sobre MLX (Apple Silicon); su compatibilidad OpenAI es útil pero no es un sustituto drop-in de vLLM/llama.cpp en hardware no-Apple.

Abrir ficha Grafo ↗

explorar hallazgo 02 · #agent_runtime pick

opensandbox-group/OpenSandbox

13.103★ · 1.124 forks · Python · Apache-2.0 · 158 issues

Qué es

plataforma de sandbox de propósito general para AI apps: SDKs multi-lenguaje, CLI osb, MCP server, protocolo de sandbox abierto, runtime Docker + Kubernetes, entornos preconstruidos (Command, Filesystem, Code Interpreter, browser Chrome/Playwright, VS Code sobre VNC).

Cómo encaja

opensandbox-group/OpenSandbox → agent_runtime

implements · ya cubierto el 2026-08-11

opensandbox-group/OpenSandbox → k8s-sandbox-crd

complements · ya cubierto el 2026-08-07

opensandbox-group/OpenSandbox → kubernetes-sigs/agent-sandbox

complements · ya cubierto el 2026-08-07

Por qué importa

a diferencia de E2B o daytona (que aún no han aparecido en nuestro grafo), OpenSandbox está en el CNCF Landscape, lleva el OpenSSF Best Practices badge, expone MCP de forma nativa y trae Coding Agents (Claude Code) y GUI Agents preconfigurados — es el puente entre tu agente local y una ejecución aislada que escala. Encaja con el patrón agent-runtime que ya cubrimos el 2026-08-11, y completa el lado de kubernetes-sigs/agent-sandbox que documentamos el 2026-08-07 como CRD: aquí está el runtime que lo aprovecha de verdad.

Abrir ficha Grafo ↗

vigilar hallazgo 03 · #edge-ai-agent pick

OpenSparX/MasterAgent (OAK

336★ · 17 forks · C++ · NOASSERTION

Qué es

framework C++ para correr agentes AI 100% on-device, latencia sub-100ms en NPU de Qualcomm, sin dependencia cloud. Se comercializa bajo "OAK — The Linux of AI Agents".

Cómo encaja

OpenSparX/MasterAgent (OAK → edge-ai-agent

implements · relación nueva de hoy

OpenSparX/MasterAgent (OAK ⇄ apple-metal

competes_with · ya cubierto el 2026-08-11

Por qué importa

MasterAgent cubre el flanco que faltaba en el mapa de inferencia local: si Apple Silicon es MLX y NVIDIA es CUDA, Qualcomm NPU (Snapdragon, automoción, IoT) era el hueco. La promesa de latencia sub-100ms en NPU abre un nicho distinto al on-device de laptop tipo llama.cpp — robótica, automoción y embebidos donde cada milisegundo y cada vatio cuentan. Toca tratarlo con cautela: creado el 2026-08-10, 336 ★, 17 forks, 1 issue abierto y la API marca license NOASSERTION (revisar el fichero LICENSE antes de cualquier adopción). Competimos directamente con el flanco Apple Metal que cubrimos el 2026-08-11.

madurez baja, revisar LICENSE antes de probar

Abrir ficha Grafo ↗

leer hallazgo 04 · #agent-data-sovereignty

0xSero/ai-data-extraction

1.026★ · 91 forks · Python · sin licencia

Qué es

toolkit Python que extrae TODO el histórico (chats, agent turns, code context, diffs, tool results) de Cursor, Codex, Claude Code, Windsurf y Trae, en sus formatos nativos (JSONL, SQLite, KV buckets). Lo vende como "training data extraction" pero técnicamente es un volcado de tu propia actividad de coding agent.

Cómo encaja

0xSero/ai-data-extraction → agent-data-sovereignty

relevant_to · relación nueva de hoy

0xSero/ai-data-extraction → agent-runtime-data-leak

risk · relación nueva de hoy

Por qué importa

la pregunta editorial relevante no es 'cómo entrenar tu modelo con tus prompts', sino '¿sabías que todo tu histórico de coding agent está en local y se puede volcar en un script?'. Para quienes usan Cursor, Codex o Claude Code esto es un recordatorio de auditoría: el SQLite de Cursor vive en state.vscdb y cursorDiskKV, Claude Code guarda JSONL por sesión, y cada IDE tiene su esquema propio. La API marca 'no license', lo que bloquea adoptarlo como dependencia pero no impide leerlo para entender qué expone cada agente. Ojo con la señal de abandono: creado 2025-11-16, último push 2026-01-21 — está más como ejemplo reproducible que como producto mantenido.

no adoptar; entender qué datos almacena cada agente

Alerta honesta

0xSero/ai-data-extraction no declara licencia en los datos recibidos; extraer y republicar historiales locales de Cursor/Codex/Claude Code/Windsurf/Trae puede tocar restricciones de uso y, sobre todo, de privacidad del usuario aunque el repo sea 'educativo'.

Abrir ficha Grafo ↗

probar hallazgo 05 · #agent-document-output

nexu-io/open-design

86.527★ · 10.091 forks · TypeScript · Apache-2.0 · 793 issues

Qué es

alternativa open-source a Claude Design. App desktop local-first donde tu coding agent (Claude Code, Codex, Cursor, Gemini, OpenCode, Qwen, +20 CLIs vía BYOK) se convierte en el "design engine": genera prototipos, landing pages, dashboards, slides, imágenes y vídeo, exportando a HTML, PDF, PPTX, MP4 reales — no screenshots.

Cómo encaja

nexu-io/open-design → agent-document-output

implements · ya cubierto el 2026-08-07

nexu-io/open-design → byok-agent-design

implements · relación nueva de hoy

nexu-io/open-design ⇄ agent-shipped-app

competes_with · ya cubierto el 2026-08-10

Por qué importa

Open Design cruza dos líneas que ya cubrimos: el giro 'agent-as-designer' del 2026-08-07 con el concepto agent-document-output, y la consolidación de BYOK como modelo estándar (mismo patrón que apify-mcp-server y cursor-byok). La diferencia con el hype está en el export: HTML, PDF, PPTX y MP4 son ficheros reales que puedes versionar, revisar en PR y reutilizar — no screenshots. Compite con el concepto agent-shipped-app que documentamos el 2026-08-10, pero resuelve el problema de un modo distinto: aquí el agente diseña, en el otro el agente entrega.

Abrir ficha Grafo ↗

vigilar hallazgo 06 · #multi-device-inference pick

exo-explore/exo

46.833★ · 3.429 forks · Python · Apache-2.0

Qué es

runtime para correr modelos frontier distribuidos sobre todos tus dispositivos (Mac, Linux, etc.). Discovery automático + day-0 support para RDMA sobre Thunderbolt 5 (latencia -99% entre dispositivos). Mantenido por exo labs.

Cómo encaja

exo-explore/exo → multi-device-inference

implements · relación nueva de hoy

exo-explore/exo → lablup/mlxcel

complements · relación nueva de hoy

Por qué importa

exo ya estaba en el radar del sector como runtime de inferencia distribuida entre dispositivos, pero la novedad de hoy es el soporte day-0 de RDMA sobre Thunderbolt 5 — convierte un setup casero (un par de Mac minis más un PC) en un cluster con latencia casi de bus local, sin ethernet ni InfiniBand. Es el ángulo multi-device para el patrón local-multimodal-inference que cubre mlxcel en single-node: donde mlxcel optimiza un Mac, exo los une. Cautela: creado 2024-06-24, 46.833 ★, pero el último push es del 2026-06-23 — unos dos meses sin actividad nueva, conviene confirmar roadmap antes de recomendar como dependencia estable.

comprobar actividad reciente en commits antes de probar

Abrir ficha Grafo ↗

explorar hallazgo 07 · #gpu-physics-simulation

newton-physics/newton

5.377★ · 636 forks · Python · Apache-2.0 · 372 issues

Qué es

motor de simulación física acelerado por GPU, construido sobre NVIDIA Warp (el warp.sim deprecado), con MuJoCo Warp como backend primario. Soporta OpenUSD, diferenciabilidad, extensibilidad. Proyecto Linux Foundation iniciado por Disney Research, Google DeepMind y NVIDIA.

Cómo encaja

newton-physics/newton → gpu-physics-simulation

implements · relación nueva de hoy

newton-physics/newton → embodied-agent-training

relevant_to · relación nueva de hoy

newton-physics/newton → nvidia-warp

extends · relación nueva de hoy

Por qué importa

Newton hereda y generaliza el camino de Warp + MuJoCo Warp, y lo coloca bajo Linux Foundation (gobierno neutral entre Disney Research, Google DeepMind y NVIDIA). Cuando los agentes pasen de 'LLM en pantalla' a 'agente físico' — manipulación, locomotion, sim-to-real — necesitarán un backend de física serio, y esta es la pieza que faltaba entre el boletín de agents y el de robótica reproducible. Doble ángulo: (a) el ecosistema robotics/embodied-ai se está moviendo a motores GPU-accelerated, así que conviene documentar el cambio; (b) si tu producto entrena políticas, Newton es el módulo que cierra la cadena de herramientas. Construye directamente sobre el framework:nvidia-warp que ya cubre el grafo.

Alerta honesta

newton (Linux Foundation) aparece como physics engine para robótica; el boletín técnico puede sobredimensionar su encaje con el agent stack si no se marca claramente como capa adyacente.

Abrir ficha Grafo ↗

probar radar

citrolabs/ego-lite

10.500★ · JavaScript

Qué es

el "browser para AI agents" más rápido: comparte tu sesión logueada con el agente sin molestarte, sin coste, sin config. Compite directamente con el modelo "browser sandbox para agentes".

verificar licencia MIT y demo antes de instalar

Abrir ficha Grafo ↗

leer radar

K-Dense-AI/scientific-agent-skills

33.537★ · Python · MIT

Qué es

librería #1 de skills para AI Scientist (161 skills, 100+ databases biotech/chem/med/drug). Compatible con Cursor/Claude Code/Codex/Pi/Antigravity.

útil aunque no trabajes en ciencia — el catálogo de skills es referencia

Abrir ficha Grafo ↗

vigilar radar

dmmulroy/anti-slop

863★ · TypeScript · MIT

Qué es

reglas Oxlint para rechazar TypeScript/JavaScript "low-evidence" generado por LLMs.

early pero alineado con agent-skills-layer

Alerta honesta

Hay margen de hype en el resumen ejecutivo al presentar 'agent-skills como capa estandarizada' — solo dos muestras (skill-up del jueves y anti-slop de hoy) no bastan para reclamar estándar.

Abrir ficha Grafo ↗

vigilar radar

can1357/oh-my-pi

24.884★ · TypeScript · MIT

Qué es

coding agent para terminal con hash-anchored edits, LSP, Python, browser, subagents. Mismo autor que Hindsight (cubierto en boletines previos). Reentrada con cadencia diaria — sigue activo.

ya conocido, prioriza exploración profunda solo si Alejandro lo pide

Abrir ficha Grafo ↗

descartar radar

harry0703/MoneyPrinterTurbo

103.684★ · Python · MIT

Qué es

generación de shorts HD a partir de un tema/keyword. Reentrada clásica del top chino.

calidad cuestionable, ya cubierto en radares anteriores

Abrir ficha Grafo ↗

leer radar

github/awesome-copilot

37.857★ · Python · MIT

Qué es

repo oficial de GitHub con instrucciones, agents, skills y configs contribuidos por la comunidad para Copilot.

referencia estructural del agent-skills estándar de GitHub

Abrir ficha Grafo ↗

vigilar radar

zeronsh/comet

583★ · Rust · MIT

Qué es

agente Rust sin tagline visible, requiere leer README antes de clasificar.

verificar antes de incluir en próximos boletines

Abrir ficha Grafo ↗