VIERNES, 11 DE SEPTIEMBRE DE 2026
Cursor lanza Projects: coordinador en la nube que planifica y delega en miles de subagentes
El coordinador no escribe código: planifica, delega en agentes que implementan en paralelo y devuelve el trabajo listo para revisar. Vive en la nube, así que cerrar el portátil no lo para, y puede vigilar un canal de Slack, correr en cron o seguir tus PRs y arreglar CI cuando abren o se mergean.
5 MIN LECTURAClaude Code 2.1.268: WebFetch con timeout duro y plugin commands con --json
WebFetch corta a los 300 s (configurable con CLAUDE_CODE_WEBFETCH_DEADLINE_MS), los plugin commands aceptan --json para script y las reglas de permisos se aplican en directorios enlazados por symlink.
OpenAI Codex CLI 0.154.0: GPT-6-Astra, worktrees aisladas y preguntas inline sin cortar el draft
GPT-6-Astra en el picker y en Bedrock, worktrees por sesión con /worktree, preguntas inline sin perder el borrador y demonio de Windows que comparte servidor entre shells para no re-autenticar cada vez.
DeepSeek V4.1 Flash entra en producción como reemplazo de V4-Pro con cache-hit un 60% más barato
Nueva arquitectura multimodal nativa al mismo precio que V4-Flash y con un recorte del 60% en el input cacheado: sustituye a V4-Pro en tu pipeline RAG sin subir la factura y sin cambiar de proveedor.
Simon Willison hace un huevo Fabergé estilo Pluribus en Blender con ChatGPT Images 2.5 + Codex GPT-6-Astra
Genera el diseño con ChatGPT Images 2.5 y usa Codex con GPT-6-Astra para escupir el .blend directamente: patrón claro de agente encadenando generación de imagen y conversión a formato específico.
RAG en producción 2026: híbrido semántico + BM25, reranking y evals que bloquean merges
Búsqueda híbrida (semántica + BM25), reranking, reescritura de consulta y cache semántico con evaluaciones que miden calidad de recuperación en vez de 'vibes' y bloquean merges en CI cuando cae.
Antigravity CLI de Google: Remote Control desde el navegador y timeouts por MCP
Añade Remote Control (conecta desde el navegador a sesiones locales con notificaciones push cuando termina el agente), attachments .json/.md/.csv, timeouts por servidor MCP y ajustes de teclas.
Una técnica, prompt o comando aplicable hoy. Cópialo, pruébalo en tu stack en menos de 5 minutos y reenvíalo a un colega si te resulta útil. Ejemplos típicos: un prompt para evals, un patrón de agente, un comando que recorta tokens o un truco de RAG.
Patrón coordinador-trabajador con Claude Agent SDK
// npm i @anthropic-ai/claude-agent-sdk import { query } from "@anthropic-ai/claude-agent-sdk"; // Cada subagente arranca con context window vacia y devuelve // solo el mensaje final: -60% de contexto en el coordinador. async function delegate(prompt: string) { let last = ""; for await (const msg of query({ prompt, options: { allowedTools: ["Read", "Grep", "Glob"], // solo lectura maxTurns: 15, // corta runaway loops }, })) { if (msg.type === "result") last = msg.result; } return last; } // 3 subagentes en paralelo. El coordinador espera los 3 resumenes // y solo entonces edita. Cada uno grep-a su slice sin ruido cruzado. const [auth, cache, tests] = await Promise.all([ delegate("Localiza donde se validan tokens JWT. Resume <=200 palabras."), delegate("Localiza donde se cachea /auth. Resume <=200 palabras."), delegate("Lista los tests que cubren refresh de sesion."), ]);
- 01 GitHub Copilot HydraFusion: orquestación multi-modelo con -67% de coste vs Claude Opus 5
- 02 MCP servers monorepo publica la release 2026.8.31 con filesystem, memory y sequential-thinking
- 03 Chrome DevTools MCP v1.6.0 añade experimentalGcfFormat y stats de heapsnapshot
- 04 Vercel AI Gateway estrena presupuestos por usuario y añade Claude Fable 5.1 con una sola API key
- 05 Karpathy: prefiere 'context engineering' sobre 'prompt engineering' en apps LLM industriales
Cierre
El patrón del día es el mismo en tres frentes: Cursor, Claude Code y Codex convergen en un coordinador que planifica y delega en subagentes efímeros y aislados. La arquitectura monolito con un solo agente masticando 200K de contexto queda obsoleta: si sigues llenando el contexto del agente principal en vez de delegar, estás pagando tokens que no aportan al output final. DeepSeek empuja el mismo mensaje desde el otro lado con cache-hit un 60% más barato para que ese enjambre de subagentes sea asequible en producción. El siguiente cuello de botella no será el modelo, será cómo particionas el trabajo entre ellos.
Iván consulta sobre todo esto
Ingeniero IA con 3 años llevando LLMs a producción y más de 15 construyendo producto para Openbank, Inditex e Iberia. Agentes autónomos, RAG auditable: del piloto al despliegue real.