1017 | Bits rebeldes: IA, redes y curiosidades

Clara Vega: Hola y bienvenidos de nuevo al podcast. Yo soy Clara Vega.

Mateo Ruiz: Y yo soy Mateo Ruiz. Gracias por acompañarnos en otra edición donde revisamos lo que la comunidad técnica está discutiendo en las últimas horas.

Clara Vega: Hoy tenemos una mezcla fascinante: desde inteligencia artificial que está optimizando circuitos cuánticos y escribiendo su propio código, hasta redes que podrían cambiar el futuro de internet.

Mateo Ruiz: Sí, y además tenemos historias de seguridad, privacidad y hasta un lenguaje de programación hecho solo de carpetas. Vamos a arrancar con un tema que está generando bastante conversación: la IA que trabaja sola.

Clara Vega: Empecemos con algo bastante impresionante. Claude, el modelo de Anthropic, optimizó ocho circuitos cuánticos simulados y logró reducir las operaciones hasta un factor de diecisiete.

Mateo Ruiz: Espera, ¿diecisiete veces menos operaciones? Eso es una reducción enorme. ¿Cómo lo hizo?

Clara Vega: Pues según lo que se cuenta, el modelo lo hizo de forma autónoma. Nadie le dijo paso a paso qué hacer; él analizó los circuitos y encontró por dónde podían simplificarse. Y lo importante es que el resultado es verificable: puedes comprobar que el circuito optimizado hace lo mismo que el original.

Mateo Ruiz: Eso me lleva a otro dato relacionado: se dice que Claude Code escribe cerca del noventa por ciento de su propio código. ¿Cómo funciona eso exactamente?

Clara Vega: Bueno, la idea es que Claude Code, la herramienta de programación de Anthropic, está generando la gran mayoría del código que utiliza. Y para mantener la calidad, Anthropic procesa más de treinta mil cambios diarios con revisiones automatizadas.

Mateo Ruiz: Es decir, hay un ciclo donde la IA produce código, y luego hay un sistema de revisión automática que verifica ese trabajo.

Clara Vega: Exacto. Y eso es lo que hace interesante este momento: la IA ya está produciendo trabajo verificable sin necesidad de supervisión humana constante. El circuito cuántico optimizado se puede validar, el código se puede probar.

Mateo Ruiz: Pero aquí es donde entra un matiz importante, ¿no? Porque hay un estudio de Mercor que pone las cosas en perspectiva.

Clara Vega: Sí, y es clave. El estudio de Mercor dice que el noventa por ciento de las horas de trabajo en Estados Unidos están en tareas que los benchmarks actuales de IA apenas cubren.

Mateo Ruiz: Espera, ¿noventa por ciento? Eso es muchísimo. ¿Qué significa eso en la práctica?

Clara Vega: Significa que aunque veamos demos impresionantes como los circuitos cuánticos o el código autogenerado, la mayoría del trabajo real que hacen las personas no está representado en los tests que usamos para evaluar IA.

Mateo Ruiz: O sea, hay una brecha entre lo que la IA puede demostrar en un entorno controlado y lo que realmente necesita el mercado laboral cotidiano.

Clara Vega: Exactamente. Lo demostrado aún no es lo cotidiano. Es un recordatorio de que los avances que vemos, por impresionantes que sean, son puntos específicos, no una cobertura completa.

Mateo Ruiz: Y hablando de cosas que la IA está haciendo sola, hay otro ejemplo muy divertido: StarSkirmish Bench v0.2.

Clara Vega: Ah sí, este es buenísimo. Es un benchmark donde los modelos de lenguaje escriben bots de StarCraft en C++ en una hora.

Mateo Ruiz: ¿Una hora para escribir un bot de StarCraft en C++? ¿Y cómo les va?

Clara Vega: Pues GPT-6 Astra lidera con un cincuenta y siete por ciento de winrate. O sea, estos bots escritos por LLMs compiten entre ellos y hay un modelo que gana más de la mitad de las partidas.

Mateo Ruiz: Me encanta este ejemplo porque es un terreno de juego muy concreto. No es generar texto bonito, es escribir código que tiene que funcionar en un entorno real y competitivo.

Clara Vega: Sí, y además es medible. Ganas o pierdes. No hay ambigüedad. Eso es lo que hace interesante este benchmark frente a otros.

Mateo Ruiz: ¿Y qué se discute alrededor de esto? ¿La gente está de acuerdo en que esto representa un avance real?

Clara Vega: Creo que la conversación va por dos lados. Por un lado están los que ven esto como prueba de que la IA ya produce trabajo técnico verificable sin supervisión constante. Pero por otro lado está justamente la pregunta que plantea el estudio de Mercor: ¿esto representa el trabajo real o es un caso especial muy pulido?

Mateo Ruiz: Es decir, escribir un bot de StarCraft en una hora es impresionante, pero es un problema con reglas claras y un entorno definido.

Clara Vega: Exacto. Un videojuego tiene especificaciones precisas, un objetivo claro y una forma objetiva de medir el resultado. El trabajo real, el de oficina, el de muchos sectores, es mucho más ambiguo.

Mateo Ruiz: Y creo que ahí está la tensión central de esta discusión: los demos son espectaculares, pero la pregunta sin resolver es hasta dónde llega esto fuera de los entornos controlados.

Clara Vega: Sí, y esa pregunta sigue abierta. Nadie tiene todavía una respuesta definitiva sobre cómo se cierra esa brecha entre los benchmarks y el trabajo cotidiano.

Mateo Ruiz: Bueno, siguiendo con el tema de la IA trabajando en entornos inesperados, hay otro hilo fascinante: modelos abiertos corriendo en hardware que nadie esperaría.

Clara Vega: Este tema me encanta porque va de la descentralización de la IA. Empecemos con FLUX 3 Image Klein de Black Forest Labs.

Mateo Ruiz: ¿Qué tiene de especial este modelo?

Clara Vega: Pues es un modelo abierto de pesos, con cinco punto seis mil millones de parámetros, que sirve para texto a imagen, edición y multi-referencia.

Mateo Ruiz: Multi-referencia, es decir, ¿que puedes darle varias imágenes de referencia?

Clara Vega: Exacto, y eso es lo que lo hace interesante para flujos de trabajo creativos. No es solo generar una imagen desde cero, sino editar y trabajar con referencias existentes.

Mateo Ruiz: Y al ser de pesos abiertos, cualquiera puede descargarlo y ejecutarlo en su propio hardware.

Clara Vega: Justo. Y eso conecta con el siguiente ejemplo, que es espectacular: Muse Spark Open, un modelo de unos ochocientos dieciséis mil millones de parámetros, corriendo en cuatro Mac Studios a más de treinta y seis tokens por segundo.

Mateo Ruiz: Espera, ¿ochocientos dieciséis mil millones de parámetros en cuatro Mac Studios? ¿Cómo es eso posible?

Clara Vega: Pues gracias a RDMA sobre Thunderbolt. Acceso directo a memoria remota entre las máquinas, de forma que los cuatro Mac Studios actúan casi como un solo sistema.

Mateo Ruiz: Eso es una burrada técnica. Y muestra que no necesitas un datacenter para correr modelos gigantes si eres ingenioso con el hardware.

Clara Vega: Y luego está el ejemplo extremo: alguien jailbreakeó una PS5 y está corriendo llama.cpp en su GPU, con once punto cuatro gigabytes de memoria compartida, sirviendo como servidor de modelos.

Mateo Ruiz: ¿Una PS5 como servidor de modelos de lenguaje? Eso es brillante en lo absurdo.

Clara Vega: Es la demostración perfecta de la idea central: pesos abiertos más RDMA están descentralizando la IA y sacándola del datacenter.

Mateo Ruiz: Y creo que aquí la conversación en los comentarios va por dos lados. Por un lado está el entusiasmo técnico: la gente compartiendo configuraciones, cifras de tokens por segundo, trucos de memoria.

Clara Vega: Sí, hay un componente muy de aficionado, muy de taller. La gente experimenta con lo que tiene en casa.

Mateo Ruiz: Pero por otro lado está la pregunta abierta que nadie ha respondido: ¿hasta dónde va a escalar este enfoque casero?

Clara Vega: Exacto. Correr un modelo de ochocientos dieciséis mil millones de parámetros en cuatro Mac Studios es impresionante, pero ¿es práctico? ¿Es fiable? ¿Puede competir con la infraestructura profesional a largo plazo?

Mateo Ruiz: Y esa es la incógnita que queda en el aire. Los experimentos demuestran que es posible, pero posible no es lo mismo que sostenible o escalable.

Clara Vega: Bien, y ya que estamos hablando de infraestructura, el siguiente tema encaja perfectamente: redes, el estándar que gana y las reglas que mandan.

Mateo Ruiz: Empecemos con algo técnico pero importante: RFC8950.

Clara Vega: Sí, este RFC permite rutas IPv4 sobre sesiones BGP con next-hop IPv6.

Mateo Ruiz: Explícame eso en términos sencillos.

Clara Vega: Básicamente, antes el BGP tenía restricciones sobre cómo se mezclaban las familias de direcciones. Ahora, con RFC8950, puedes anunciar rutas IPv4 a través de una sesión donde el next-hop es una dirección IPv6.

Mateo Ruiz: ¿Y por qué importa eso?

Clara Vega: Porque abre la puerta a backbones solo-IPv6. Es decir, infraestructuras troncales de internet que funcionan únicamente con IPv6, sin necesidad de mantener IPv4 en el núcleo.

Mateo Ruiz: Eso es un cambio estructural bastante profundo, porque hasta ahora IPv4 seguía colándose por todas partes en el centro de la red.

Clara Vega: Exacto. Y aquí viene la conexión histórica interesante: el Token Ring de IBM.

Mateo Ruiz: Ah sí, el estándar de red de los años ochenta y noventa.

Clara Vega: El Token Ring perdió contra Ethernet, que era más barato y escalaba mejor, sobre todo a partir de los cien megabits por segundo. La lección es que en redes, el estándar que gana no siempre es el mejor técnicamente, sino el más económico y escalable.

Mateo Ruiz: ¿Y cómo conecta eso con IPv6?

Clara Vega: Pues en que los estándares vivos evolucionan. IPv6 lleva décadas empujando y poco a poco va ganando terreno, y RFC8950 es otro paso en esa dirección: el estándar se adapta para permitir transiciones que antes no eran prácticas.

Mateo Ruiz: Pero también está el otro lado de la moneda: los reguladores.

Clara Vega: Sí, y ahí tenemos el caso de eBay. La plataforma está restringiendo listados de Funkgeräte, de radios, por nuevas reglas de la FCC.

Mateo Ruiz: ¿Y hay alguna excepción?

Clara Vega: Sí, hay una excepción para equipos que corran solo en frecuencias de aficionados, de radioaficionados.

Mateo Ruiz: O sea que si tu equipo funciona exclusivamente en bandas amateur, puedes seguir listándolo.

Clara Vega: Exacto. Y esto muestra algo importante: no solo los estándares técnicos deciden qué tecnología sobrevive, también los reguladores lo hacen.

Mateo Ruiz: ¿Y qué viene después según la discusión?

Clara Vega: Dos cosas: la adopción real de backbones IPv6-only, que aún está por verse, y previsiblemente más límites en el mercado de radio según la FCC siga ajustando reglas.

Mateo Ruiz: Es interesante porque ambos casos, IPv6 y las radios, hablan de lo mismo desde ángulos distintos: qué tecnologías sobreviven y quién decide eso.

Clara Vega: Sí, la tecnología sola no basta; hacen falta economics y regulación a favor.

Mateo Ruiz: Bueno, pasemos a un tema que siempre genera debate intenso: seguridad, privacidad y confianza auditada.

Clara Vega: Empecemos con una historia que causó protestas: Home Assistant.

Mateo Ruiz: ¿Qué pasó exactamente?

Clara Vega: Home Assistant escaneó datos que se parecen a secretos, como contraseñas o tokens, y envió los hashes a HaveIBeenPwned sin pedir opt-in a los usuarios.

Mateo Ruiz: Espera, ¿envió datos sin consentimiento? ¿Qué dijeron los usuarios?

Clara Vega: Los usuarios protestaron en GitHub. La cuestión es delicada: no se enviaron los secretos en sí, sino hashes, o sea, huellas criptográficas. Pero la decisión se tomó por el usuario, no con el usuario.

Mateo Ruiz: Y ahí está el problema de fondo, ¿no? Es un debate clásico: la intención era buena, comprobar si tus credenciales han aparecido en filtraciones, pero el método pisó el consentimiento.

Clara Vega: Exacto. Mucha gente diría que comprobar si tus contraseñas están comprometidas es útil y protege al usuario. Pero otros dirían que da igual lo buena que sea la intención: mi máquina no envía nada a ningún servicio sin preguntarme antes.

Mateo Ruiz: Y creo que ahí no hay consenso. Es una tensión real entre seguridad proactiva y privacidad estricta.

Clara Vega: Sí, y es una discusión que sigue abierta: ¿dónde está la línea entre protegerte y decidir por ti?

Mateo Ruiz: Y hablando de confianza, hay otro tema que mezcla dinero y promesas: Anthropic recibió en junio la calificación crediticia más baja, la de junk.

Clara Vega: Sí, la peor categoría. Y al mismo tiempo se espera un IPO con una valoración de más de dos billones de dólares.

Mateo Ruiz: ¿Cómo se cuadra eso? ¿Peor calificación crediticia y valoración de dos billones?

Clara Vega: Pues es la tensión clásica: el mercado de inversiones ve potencial enorme, mientras los analistas de crédito ven riesgos serios. Es dinero inestable bajo las grandes promesas de la IA.

Mateo Ruiz: Y esto conecta con el tema que hablamos al principio: Claude produciendo resultados impresionantes. La misma empresa que hace demos espectaculares tiene una calificación de basura.

Clara Vega: Exacto. El contraste es notable: la tecnología avanza a toda velocidad, pero la solidez financiera del negocio está en cuestión.

Mateo Ruiz: Y ya que estamos con lo técnico, hay un bug de OpenBSD que es de colección: se llama "Big Fish".

Clara Vega: Cuéntanoslo, porque es una joya.

Mateo Ruiz: Pues es un desbordamiento de dieciséis bits con treinta y siete años de antigüedad, en el contador de SysV-Shm Attach. Y permite escalada local a root.

Clara Vega: Espera, ¿treinta y siete años? ¿Ese bug llevaba más de tres décadas ahí?

Mateo Ruiz: Sí, es un contador de dieciséis bits que hace demasiado tiempo nadie revisó con cuidado, y un overflow en ese contador permite a un usuario local obtener privilegios de root.

Clara Vega: Es una lección tremenda sobre auditoría de código: el software más veterano esconde decisiones de diseño de hace décadas que hoy se vuelven vulnerabilidades.

Mateo Ruiz: Y el límite de dieciséis bits era razonable cuando se escribió, pero el tiempo lo convirtió en un problema.

Clara Vega: Y luego está el caso más satisfactorio de todos: el misterio de las curvas NIST resuelto por Claude.

Mateo Ruiz: Este me encanta. ¿Qué misterio era?

Clara Vega: Durante años hubo sospechas sobre las semillas de las curvas elípticas del NIST. La gente se preguntaba si las semillas podrían esconder una puerta trasera, porque nadie sabía de dónde salían.

Mateo Ruiz: ¿Y qué descubrió Claude?

Clara Vega: Que las semillas provienen de lrand48, inicializado con marcas de tiempo Unix. O sea, no hay puerta trasera: hay un generador pseudoaleatorio común con semillas derivadas de timestamps.

Mateo Ruiz: ¿Y cómo se recibió eso? ¿La gente quedó convencida?

Clara Vega: La conclusión es que no hay indicios de backdoor, es una explicación mundana. Pero lo interesante es el método: en lugar de especular, se audita. Se rastrea el origen de las semillas y se verifica.

Mateo Ruiz: Y eso es lo que une todos estos casos: la confianza se audita, se pacta y se revisa línea por línea.

Clara Vega: Exacto. Home Assistant nos enseña que la confianza se pacta con el usuario antes de actuar; el bug de OpenBSD nos enseña que hay que revisar el código viejo; el misterio NIST nos enseña que la verificación deshace especulaciones.

Mateo Ruiz: Y Anthropic con su calificación junk nos recuerda que incluso la confianza en las empresas hay que auditarla.

Clara Vega: Bueno, y para cerrar, vamos a un tema más ligero pero igual de interesante: la cultura de desarrolladores, sus formas, formatos y rarezas.

Mateo Ruiz: Empecemos con /dev/null, que ya solo el nombre es un chiste para programadores.

Clara Vega: Sí, es una red social para desarrolladores donde haces login con GitHub y tu perfil se importa automáticamente.

Mateo Ruiz: O sea que tu historial de código es, en la práctica, tu identidad social.

Clara Vega: Exacto. En lugar de escribir una bio, tu perfil se construye a partir de lo que ya hiciste en GitHub.

Mateo Ruiz: Es una idea interesante porque apuesta por la reputación verificable frente a la autopresentación.

Clara Vega: Sí, y creo que esa es la conversación: ¿una red social basada en trabajo real es mejor que una basada en perfiles curados?

Mateo Ruiz: Bueno, siguiendo con rarezas, está el esolang "Folders" de Daniel Temkin.

Clara Vega: Explícale a la gente qué es un esolang por si alguien no lo conoce.

Mateo Ruiz: Un lenguaje esotérico de programación, creado más como experimento artístico que como herramienta. Y "Folders" es especial: el código consiste únicamente en carpetas anidadas.

Clara Vega: ¿Carpetas anidadas? ¿Y los nombres?

Mateo Ruiz: Los nombres se ignoran. Solo importa la estructura de anidamiento. O sea que un programa es literalmente un árbol de directorios.

Clara Vega: Es fascinante porque invierte la idea de lo que es código: normalmente el nombre de las cosas importa, aquí nada de eso cuenta, solo la forma.

Mateo Ruiz: Y conecta con el tema general de esta sección: la forma importa tanto como la función.

Clara Vega: Que es justo lo que pasa con los formatos de imagen. Jake Archibald tiene una conclusión muy práctica al respecto.

Mateo Ruiz: ¿Cuál es?

Clara Vega: Que para fotos y capturas de pantalla en la web, AVIF suele dar archivos más pequeños, pero para imágenes sin pérdida, JPEG XL gana.

Mateo Ruiz: O sea que no hay un formato ganador universal; depende del tipo de imagen.

Clara Vega: Exacto. Es una conclusión pragmática, no dogmática. AVIF para el caso común de fotos en la web, JPEG XL cuando necesitas fidelidad total sin pérdida.

Mateo Ruiz: Y luego está el caso más nostálgico de todos: el render por software en DOS.

Clara Vega: Cuéntanos, porque este tiene su gracia.

Mateo Ruiz: Un autor defiende el render por software en DOS porque da píxeles nítidos, sin filtrado bilineal. El problema es el coste: para correr Quake a ochocientos por seiscientos a sesenta frames por segundo, necesitas un PC moderno rápido.

Clara Vega: Espera, ¿un PC moderno corriendo Quake por software? ¿Eso no era lo que hacían los PCs de hace décadas?

Mateo Ruiz: Sí, pero la gracia es la inversión: los PCs de la época no podían con eso a esas resoluciones, y hoy un PC moderno sí puede, pero ya nadie renderiza por software porque las GPUs lo hacen mejor.

Clara Vega: Y el autor argumenta que merece la pena por la estética: esos píxeles nítidos sin el filtro borroso que la GPU añade.

Mateo Ruiz: Es una discusión sobre estética versus eficiencia, y ahí tampoco hay consenso: para unos es nostalgia que vale la pena, para otros es ineficiencia innecesaria.

Clara Vega: Y hasta los materiales se rinden a esta idea de la forma. Dekton, por ejemplo.

Mateo Ruiz: ¿Dekton? ¿Eso qué es?

Clara Vega: Es un material de alto rendimiento desarrollado por Cosentino en dos mil trece, resistente al calor, y en su núcleo es esencialmente porcelana.

Mateo Ruiz: O sea, un material moderno que en el fondo es una forma avanzada de algo muy antiguo.

Clara Vega: Exacto. Y es un buen cierre para la idea de la sección: los detalles de forma importan tanto como la función, ya sea en un formato de imagen, un lenguaje de carpetas, un render por software o un material de cocina.

Mateo Ruiz: Bueno, Clara, ¿cómo cerramos todo esto?

Clara Vega: Creo que el hilo que atraviesa todo el episodio es la confianza: en el código que la IA escribe, en las redes que transportan nuestros datos, en las empresas que manejan nuestras contraseñas, y en los formatos y herramientas que elegimos.

Mateo Ruiz: Y en todos los casos, la lección es la misma: la confianza se audita, se pacta y se revisa línea por línea. No se asume.

Clara Vega: Pues nada, gracias por acompañarnos. Nos vemos en el próximo episodio.

Mateo Ruiz: Hasta la próxima.