El día va de músculo: dinero, cómputo y un modelo abierto. Salesforce se lleva Fin (la antigua Intercom) por unos 3.600 millones para reforzar Agentforce; Microsoft se ve obligada a apoyarse en la nube de Amazon porque GitHub se queda sin capacidad de cómputo para IA; y Moonshot libera Kimi K2.7-Code, un modelo de coding agéntico que recorta un 30% los tokens de razonamiento. En la conversación: la tesis de que el sistema de archivos es el nuevo primitivo de los agentes, la marcha atrás de Anthropic con los créditos del Agent SDK y dos avisos de seguridad sobre comandos inseguros y búsquedas manipulables. En herramientas: un control plane open source de Databricks, un medidor de coste por PR, Claude Code dentro de Visual Studio y un transporte binario para MCP.
Lo grande
Empresas15 jun · Salesforce
Salesforce dobla su apuesta por los agentes de atención al cliente con la compra de Fin, el producto de soporte con IA que nació en Intercom, por cerca de 3.600 millones de dólares. La operación alimenta directamente Agentforce, su plataforma de agentes para empresa.
Qué significa: consolidación gorda en el espacio de agentes de soporte. Los grandes están comprando capacidad ya hecha en vez de construirla; quien venda automatización de atención al cliente compite ahora contra un Salesforce con producto integrado.
Infraestructura16 jun · RuntimeWire
El cuello de botella de cómputo aprieta tanto que Microsoft se apoya en la nube de su rival Amazon para sostener la demanda de IA en GitHub y Copilot. Un movimiento llamativo entre competidores directos que mide hasta dónde llega la escasez de capacidad.
Qué significa: ni el dueño de Azure tiene cómputo de sobra. La capacidad, no el modelo, es el recurso escaso del año, y eso explica buena parte de la guerra de precios y de los límites de uso que vienen detrás.
Modelos15 jun · Moonshot
Moonshot presenta Kimi K2.7-Code, un modelo abierto orientado a coding agéntico: 1 billón de parámetros con 32.000 millones activos y 256K de contexto, con foco en gastar menos tokens por tarea. El reclamo es un 30% menos de tokens de razonamiento frente a su versión anterior.
Qué significa: alternativa abierta para quien vive dentro de coding agents y nota el coste por tarea. Menos tokens por trabajo es menos factura en flujos donde el agente itera muchas veces.
De X / conversación social
Arquitectura15 jun · X
Una tesis que circuló fuerte ayer: en vez de inflar el contexto del modelo, dale al agente un sistema de archivos como memoria y estado. El agente escribe, lee y organiza ficheros igual que un humano, y arrastra menos contexto en cada paso.
Qué significa: es la dirección hacia la que apuntan varios harness esta semana. Tratar el filesystem como memoria barata abarata y ordena los flujos agénticos largos.
Builder15 jun · X
Marcha atrás tras la queja de developers: Anthropic frena el cambio que sacaba el uso del Agent SDK de la suscripción Pro/Max hacia un crédito aparte. El movimiento, que entraba en vigor estos días, se aparca tras la presión de quien construye sobre el SDK.
Qué significa: afecta directo al coste de cualquiera que automatice con el Agent SDK sobre su plan. La pausa da aire, pero deja claro que el modelo de facturación de los agentes sigue en el aire.
Seguridad15 jun · HN
Un equipo probó un agente basado en Gemini y reportó que dos de cada tres comandos generados eran inseguros: borrados sin confirmación, rutas peligrosas o acciones sin validar. El dato alimenta el debate de dejar que un agente ejecute en tu máquina sin revisión.
Qué significa: dar permisos de ejecución a un agente sin gate de revisión es un riesgo medible, no teórico. Refuerza por qué conviene aprobar comandos y aislar lo que el agente toca.
Debate15 jun · 404 Media
Una investigación muestra que envenenar las respuestas de los buscadores con IA es barato: basta sembrar contenido en Reddit, que estos sistemas citan con peso, para colar afirmaciones falsas en sus resultados.
Qué significa: afecta a cualquiera que confíe en respuestas de IA para investigar o decidir. La fuente importa tanto como el modelo, y las plataformas que el modelo prioriza son un punto débil.
Herramientas, repos y técnicas
Agentes15 jun · Databricks
Databricks abre Omnigent, una capa de orquestación para coordinar varios agentes —routing, estado y control— sin tener que montar tú el pegamento entre ellos. Viene de un actor grande, lo que da peso al estándar.
Para qué sirve: si ya encadenas dos o tres agentes a mano, una capa de control reduce el código propio y ordena quién hace qué y con qué estado.
Coste15 jun · GitHub
Una herramienta que pone número al gasto de tus coding agents a nivel de PR: cuántos tokens y cuánto dinero costó llegar a cada cambio mergeado.
Para qué sirve: es la respuesta concreta al "token bill shock" de la semana. Saber qué PR te cuesta de verdad permite decidir dónde el agente sale a cuenta y dónde no.
IDE15 jun · GitHub
Una extensión que lleva el flujo de Claude Code al IDE de Microsoft, con revisión de diffs integrada: ves lo que propone el agente y aceptas o rechazas cambio a cambio.
Para qué sirve: control sobre lo que escribe el agente sin salir del editor; encaja con el método de revisar antes de dar nada por "hecho".
MCP15 jun · GitHub
Un transporte binario para MCP que busca menos overhead que el JSON-RPC habitual: mensajes más compactos y rápidos entre agente y servidor.
Para qué sirve: relevante si montas o consumes servidores MCP con volumen; menos overhead por llamada se nota cuando el agente hace muchas.