Andrew Ng presentó OpenWorker, un agente de inteligencia artificial de código abierto que no se limita a chatear con el usuario, sino que entrega trabajo terminado: documentos redactados, mensajes de Slack enviados o eventos de calendario actualizados. El anuncio lo hizo el propio Ng junto a su socio Rohit Prasad, y la herramienta ya está disponible para descargar en Mac, con versión para Windows en camino.

El producto llega en un momento en que la carrera por los agentes de IA se acelera en todo el mundo, y Argentina no queda al margen de esa tendencia. OpenWorker funciona como una aplicación de escritorio construida con Tauri 2 y una interfaz en React, que se comunica con un servidor local en Python montado sobre FastAPI. A diferencia de otros asistentes que dependen de un servicio de inferencia propio, esta herramienta no tiene modelo propietario: el usuario debe traer su propia clave de API y elegir entre proveedores como OpenAI, Google o Anthropic, o bien optar por modelos de peso abierto como GLM, DeepSeek o Kimi, e incluso correr todo de forma local con Ollama para que los datos nunca salgan de la máquina.

El anuncio generó movimiento inmediato en el ecosistema de desarrolladores y en las redes de discusión tecnológica, donde OpenWorker fue comparado con otros agentes de escritorio que compiten por resolver tareas de oficina de punta a punta. El motor de la herramienta se apoya en aisuite, la biblioteca de enrutamiento de modelos que el propio Ng viene desarrollando, lo que le permite a las empresas alternar entre proveedores sin reescribir el código de sus flujos de trabajo. El repositorio publicado en GitHub suma más de 30 mil líneas de código en Python y una capa de permisos que clasifica cada acción del agente en cuatro niveles de riesgo, desde una simple lectura de archivos hasta una acción externa que requiere aprobación explícita del usuario antes de ejecutarse.

De cara a los próximos meses, el lanzamiento profundiza una discusión que ya venía instalada en la industria: si conviene depender de agentes cerrados y gestionados por una nube, o si el camino es hacia herramientas abiertas que corren en la computadora del usuario y solo se conectan a un proveedor de modelos cuando hace falta. No faltaron las voces críticas, que señalaron que aun con el código abierto, la dependencia de las claves de API de gigantes como OpenAI o Anthropic mantiene atada a la herramienta a esos mismos proveedores. Para los equipos de desarrollo y las empresas que evalúan sumar agentes a sus procesos, OpenWorker aparece como una alternativa concreta, gratuita y auditable, aunque con una barrera de entrada más alta que la de un asistente listo para usar: hay que instalar la aplicación, configurar las claves y, por ahora, contar con una computadora Mac.

Fuentes:

MarkTechPost: https://www.marktechpost.com/2026/07/23/andrew-ng-just-released-openworker-an-open-source-local-first-desktop-ai-coworker-that-returns-finished-deliverables-instead-of-chat/

Blockchain.News: https://blockchain.news/ainews/openworker-launches-open-source-agent-that-ships-work

Publicación de Andrew Ng en X: https://x.com/AndrewYNg/status/2080333504446108104

MoClaw Blog: https://moclaw.ai/blog/what-is-openworker

APIMart: https://apimart.ai/blog/openworker-andrew-ng-open-source-agents-deliver

La startup china Moonshot AI presentó Kimi K3, un modelo de mezcla de expertos (MoE) disperso con 2,8 billones de parámetros que, al momento de su lanzamiento, se convirtió en el modelo de inteligencia artificial abierto más grande jamás publicado. El sistema procesa de forma nativa texto, imágenes y video, sostiene una ventana de contexto de un millón de tokens y ya está disponible a través de la API y las aplicaciones de Kimi, con los pesos completamente abiertos previstos para el 27 de julio.

Desde el punto de vista técnico, Kimi K3 introduce dos novedades arquitectónicas: Kimi Delta Attention (KDA) y Attention Residuals, mecanismos diseñados específicamente para sostener la eficiencia en contextos extremadamente largos. El modelo coordina un total de 896 expertos bajo un framework llamado LatentMoE, de los cuales solo unos 16 se activan simultáneamente en cada inferencia, una estrategia que reduce drásticamente el costo computacional por consulta sin sacrificar capacidad total. Gracias a la cuantización de pesos en formato MXFP4, el almacenamiento del modelo se reduce a aproximadamente 1,4 terabytes, un tamaño que ya resulta manejable para que laboratorios y empresas lo alojen en infraestructura propia multi-nodo.

El posicionamiento de precios profundiza la disputa comercial entre los laboratorios de IA: Kimi K3 se ofrece a unos USD 3 por millón de tokens de entrada y USD 15 por millón de tokens de salida, sensiblemente más barato que los modelos de frontera equivalentes desarrollados en Estados Unidos. En materia de rendimiento, el modelo se ubicó primero en seis de siete dominios del Frontend Code Arena y obtuvo un puntaje de 88,3 en Terminal-Bench 2.1, benchmarks que evalúan la capacidad de generar y depurar código de forma autónoma.

El lanzamiento de Kimi K3 se da en medio de una ola de modelos abiertos que buscan ofrecer una alternativa real de autohospedaje frente a los sistemas cerrados de OpenAI, Google o Anthropic. Para empresas y desarrolladores, la disponibilidad de un modelo de este tamaño con licencia abierta reduce la dependencia de proveedores externos y plantea preguntas de fondo sobre soberanía de datos, seguridad y el futuro reparto de poder de cómputo entre laboratorios estadounidenses y chinos.

Fuentes:
Ink & Algorithms (AI Weekly Pulse): https://inkandalgorithms.systeme.io/ai-weekly-pulse-4-ai-model-releases-july-2026

Microsoft anunció el 2 de julio la creación de Microsoft Frontier Company, una unidad de negocio con 6.000 expertos dedicada a acompañar la implementación de IA dentro de sus clientes empresariales. La apuesta, valuada en 2.500 millones de dólares, busca resolver el problema de retorno de inversión que enfrentan hoy muchas compañías con sus proyectos de IA.

La nueva unidad, presentada por el CEO de Negocios Comerciales de Microsoft, Judson Althoff, y liderada por Rodrigo Kede Lima, combina conocimiento sectorial profundo, gestión del cambio y experiencia en ingeniería de IA de nivel empresarial. Microsoft evitó deliberadamente la etiqueta de «ingeniería de despliegue avanzado» (forward deployed engineering, FDE) que domina el discurso de la industria, aunque el modelo de negocio —insertar ingenieros propios dentro de las operaciones del cliente para diseñar, construir e implementar sistemas de IA— es esencialmente ese mismo enfoque, llevado a una escala mucho mayor que la de sus competidores directos.

El movimiento no ocurre en el vacío. Apenas dos días antes, Amazon Web Services había anunciado un compromiso interno de 1.000 millones de dólares para su propia iniciativa de despliegue de IA, adoptando explícitamente el modelo FDE. OpenAI y Anthropic vienen desarrollando esfuerzos similares desde hace meses. Lo que distingue a la apuesta de Microsoft es la escala: sus 6.000 profesionales dedicados superan ampliamente a cualquier iniciativa comparable, y se suman a la ya existente Industry Solutions Delivery, el brazo de consultoría interna que absorbió lo que antes era Microsoft Consulting Services.

El impacto empresarial es concreto: clientes como LSEG (London Stock Exchange Group), Land O’Lakes, Unilever y Novo Nordisk ya trabajan con equipos de Frontier Company para integrar IA en flujos de trabajo reales, desde consultas complejas sobre datos financieros hasta rediseño de procesos industriales. El CEO Satya Nadella planteó el eje central de la estrategia en un ensayo publicado el 14 de junio: ninguna empresa debería tener que ceder su ventaja competitiva —sus datos, su propiedad intelectual, su forma de trabajar— a un puñado de modelos que «se comen todo lo que ven». Microsoft promete que los datos del cliente no se usarán para entrenar modelos de manera que beneficien a sus competidores.

La pregunta de fondo, que atraviesa a toda la industria de despliegue de IA empresarial, es si el acceso a modelos potentes se está convirtiendo en un commodity mientras el verdadero valor diferencial pasa a estar en quién ayuda a las empresas a decidir dónde y cómo aplicar esa IA. Para los trabajadores dentro de esas organizaciones, la llegada masiva de ingenieros externos especializados en IA implica tanto una oportunidad de modernización acelerada como el desafío de adaptarse a procesos rediseñados por actores ajenos a la cultura interna de la empresa, una tensión que recién empieza a manifestarse en la práctica.

Fuentes al pie:
Microsoft (blog oficial): https://blogs.microsoft.com/blog/2026/07/02/microsoft-frontier-company-ai-engineering-that-amplifies-and-protects-your-intelligence/
GeekWire: https://www.geekwire.com/2026/microsoft-announces-2-5b-frontier-company-to-embed-ai-engineers-inside-customers/
TechCrunch: https://techcrunch.com/2026/07/02/microsoft-launches-its-own-ai-deployment-company-with-2-5-billion-commitment/