Nivel : Principiante
La IA de la semana n.º 1: noticias de IA y agentes del 15 al 22 de octubre de 2026
Por La redacción de Info Agent IA ·
Las noticias de IA de esta semana giran en torno a los agentes: un nuevo banco de pruebas mide si saben investigar en informática y varios trabajos abordan su seguridad. Aquí tiene seis noticias verificadas en la fuente entre el 15 y el 22 de octubre de 2026, cada una con lo que cambia para usted, y después la primera edición de nuestro ranking.
Un agente de IA es un programa que no se limita a responder: encadena acciones (buscar, ejecutar código, modificar un archivo) para alcanzar un objetivo. Todas las fuentes se consultaron el 22 de octubre de 2026.
1. FrontierCS 2: los agentes ante la investigación real
Un equipo de 61 investigadores publicó el 21 de octubre en arXiv FrontierCS 2, un benchmark (banco de pruebas) de 48 tareas abiertas de investigación y desarrollo en informática, repartidas en 13 áreas como sistemas de aprendizaje automático, bases de datos, seguridad o robótica. Los agentes trabajan en repositorios de código reales. De 12 agentes evaluados, los autores indican que el basado en Claude Opus 5.5 obtiene el mejor resultado, con el 58 % de sus intentos superados, y que en 16 tareas ningún intento tiene éxito.
Lo que cambia para usted. Incluso los mejores agentes fallan todavía a menudo en tareas largas y abiertas. Si encarga un proyecto complejo a un agente, prevea puntos de control humanos.
2. Trail of Bits quiere correcciones de agentes mejor verificadas
En una publicación del 21 de octubre, la empresa de seguridad Trail of Bits presenta dos extensiones para agentes de programación: «patching-bugs» reproduce un error, lo corrige y prueba la corrección; «regression-hunt» busca lo que el cambio haya podido romper en otra parte (una regresión). Según sus autores, la herramienta confirmó 21 regresiones entre más de 130 cambios ya integrados.
Lo que cambia para usted. Un agente que corrige un error puede crear otro sin avisar. Si programa con un agente, pídale siempre que compruebe que lo que funcionaba antes sigue funcionando.
3. Detectar la inyección de prompt sigue siendo difícil
La inyección de prompt consiste en esconder instrucciones en una página web o un documento para desviar a un agente. Un artículo de arXiv del 20 de octubre muestra que un método de detección existente, basado en observar la atención del modelo, queda casi al nivel del azar en el banco de pruebas AgentDojo. Los autores proponen una variante mejorada, AttnDA, pero reconocen que llevarla a situaciones reales de agentes sigue siendo difícil.
Lo que cambia para usted. Ningún filtro automático detiene todos los ataques. Evite que un agente lea páginas desconocidas y actúe sobre sus cuentas sin pedirle confirmación. Nuestro artículo sobre la inyección de prompt explica los buenos hábitos.
4. PerMIT: proteger la memoria de los agentes
La memoria de un agente le permite recordar información de una sesión a otra, lo que la convierte en un objetivo: un dato trampa puede quedarse ahí mucho tiempo. Publicado el 20 de octubre, el artículo PerMIT propone una memoria en la que solo se consideran fiables lo que escribe el usuario y los valores confirmados. Los autores demostraron dos propiedades de integridad con el asistente de pruebas Lean 4 y no observan ningún ataque exitoso en las pruebas Trojan Hippo.
Lo que cambia para usted. Es investigación, todavía no un producto. Pero confirma una regla sencilla: revise de vez en cuando lo que su asistente recuerda sobre usted y borre lo que le parezca dudoso.
5. OpenAI Agents SDK 0.24: agentes que se recuperan mejor de los errores
Publicada el 15 de octubre, la versión 0.24.0 del OpenAI Agents SDK mejora la recuperación tras un fallo: el trabajo ya terminado se conserva y el agente se recupera de argumentos de herramientas mal formados generados por el modelo. También se exponen las anotaciones de las herramientas MCP. Las notas de la versión advierten que hay que adaptar los gestores de errores personalizados.
Lo que cambia para usted. Si desarrolla con este kit, lea la sección de cambios antes de actualizar. Para los demás, es una señal de que la fiabilidad se ha vuelto la prioridad de las herramientas de agentes.
6. Microsoft Agent Framework y goose: dos actualizaciones
El 15 de octubre, Microsoft Agent Framework publicó su versión Python 1.22.0: compatibilidad con Python 3.15, direcciones de servicio configurables para Ollama y OpenAI, y reglas más estrictas en la aprobación de herramientas. El 16 de octubre, el agente de código abierto goose pasó a la versión 1.55.0, que corrige, entre otras cosas, la compatibilidad con Claude Sonnet 5.5 y Haiku 5.5.
Lo que cambia para usted. Ambas herramientas refuerzan el control de las acciones que debe aprobar una persona. Para comparar sus licencias y su nivel, consulte nuestra comparativa de frameworks de agentes.
La semana de un vistazo
| Noticia | Fecha | Fuente | Tipo |
|---|---|---|---|
| FrontierCS 2 | 21 de octubre | arXiv | Investigación |
| Extensiones de Trail of Bits | 21 de octubre | Publicación oficial | Herramienta |
| Detección de inyección de prompt | 20 de octubre | arXiv | Investigación |
| PerMIT | 20 de octubre | arXiv | Investigación |
| OpenAI Agents SDK 0.24.0 | 15 de octubre | GitHub | Versión |
| Agent Framework 1.22.0 y goose 1.55.0 | 15 y 16 de octubre | GitHub | Versión |
El ranking de la semana: primera edición
Nuestro ranking de modelos se basa en el índice de Epoch AI, una media de varias pruebas públicas. Es su primera edición, así que todavía no hay movimientos que comentar. A 22 de octubre de 2026, Claude Sonnet 5.5 y Claude Opus 5.5 comparten el primer puesto, por delante de Gemini 4 Argon y GPT-6 Astra.
| Puesto | Modelo | Organización | Índice |
|---|---|---|---|
| 1 | Claude Sonnet 5.5 | Anthropic | 95,9 |
| 2 | Claude Opus 5.5 | Anthropic | 95,9 |
| 3 | Gemini 4 Argon | Google DeepMind | 95,3 |
| 4 | GPT-6 Astra | OpenAI | 94,7 |
| 5 | Claude Opus 5 | Anthropic | 92,7 |
El ranking completo de modelos de IA se actualiza cada semana e incluye el método de cálculo.
Preguntas frecuentes
¿De dónde sale la información de este resumen semanal?
Cada noticia se verifica en su fuente oficial: el artículo de investigación en arXiv, la publicación de la organización que lo anuncia o la página de la versión en GitHub. Lo que no hemos podido abrir en la fuente queda fuera, aunque circule mucho.
¿Es fiable un artículo publicado en arXiv?
arXiv publica preprints: los artículos no pasan por la revisión de otros investigadores antes de aparecer en línea. Los resultados son los que anuncian los autores. Sirven como indicio, pero pueden corregirse o discutirse más adelante.
¿Debo actualizar mis herramientas de agentes en cuanto sale una versión?
No necesariamente. Lea primero las notas de la versión, sobre todo la parte de cambios incompatibles, y pruebe la actualización en un proyecto sin importancia. Las correcciones de seguridad, en cambio, conviene aplicarlas rápido.
¿Por qué el ranking no muestra subidas ni bajadas esta semana?
Es la primera edición del ranking del sitio. Las flechas de subida o bajada aparecerán a partir de la próxima actualización, cuando pueda compararse con la semana anterior.