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

Google presentó Gemini 3.6 Flash, la actualización más reciente de su línea de modelos livianos, orientada a aplicaciones que priorizan velocidad de respuesta y menor costo por consulta sobre el máximo poder de razonamiento. El lanzamiento se suma a una seguidilla de anuncios de modelos de frontera durante julio, en un momento en que la industria de la IA se mueve cada vez más hacia familias de modelos especializados por tarea y presupuesto, en lugar de apostar a un único modelo insignia.

Gemini 3.6 Flash se ubica dentro de la estrategia de Google de ofrecer variantes de distinto tamaño y costo computacional dentro de una misma familia, de forma similar a como OpenAI dividió su línea GPT-5.6 en versiones orientadas a razonamiento de alto nivel y versiones más económicas para tareas de uso masivo. Para desarrolladores empresariales, contar con una versión «Flash» actualizada significa poder desplegar asistentes conversacionales, herramientas de clasificación de datos o agentes de bajo costo sin necesidad de recurrir a los modelos más caros de la familia Gemini para cada tarea.

El lanzamiento se produce en un contexto de fuerte presión de precios en toda la industria: en julio se sucedieron los debuts de Grok 4.5 de xAI, la familia GPT-5.6 de OpenAI y modelos abiertos como Kimi K3 y Muse Spark 1.1, todos compitiendo por ofrecer más capacidad a menor costo por token. Analistas del sector describen este movimiento como el inicio de una verdadera guerra de precios en inferencia, en la que el costo de ejecutar inteligencia de frontera cae a un ritmo comparable al de una ley de Moore acelerada.

Para el usuario final, la multiplicación de modelos rápidos y económicos como Gemini 3.6 Flash se traduce en asistentes de IA integrados en más productos cotidianos —desde buscadores hasta aplicaciones móviles— sin los costos de latencia y factura que implicaban los modelos de mayor tamaño. La contracara es una industria cada vez más fragmentada, en la que elegir el modelo correcto para cada tarea específica se vuelve una decisión técnica y económica central para empresas y desarrolladores, y en la que la velocidad de iteración deja cada vez menos margen para el análisis pausado de riesgos de seguridad de cada nuevo lanzamiento.

Fuentes:
AI Release Tracker: https://aireleasetracker.com/latest
AIapps (July 2026 AI Mega-Update): https://www.aiapps.com/blog/july-ai-mega-update-major-breakthroughs-launches/

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