Brief diario
Slash Stack — 10 de noviembre de 2026
Snapshot diario priorizado de IA, software, sistemas, infraestructura, agentes, blockchain, research y herramientas desde Discover.
Síntesis del día
Modelos multimodales, agentes de navegador y pruebas formales marcan la jornada
NVIDIA lleva Nemotron 3.5 Super VL a SageMaker JumpStart para tareas con texto, imágenes y vídeo. Gemini 4 Carbon, Browser Use y AlphaProof Code apuntan a otros frentes: flujos de trabajo largos, automatización web y verificación de software.
Análisis principal
NVIDIA Nemotron 3.5 Super VL ya está disponible en Amazon SageMaker JumpStart. El modelo se describe como multimodal, de 120.000 millones de parámetros, y la ficha indica que se pueden desplegar las variantes NVFP4 o BF16 para inferencia sobre texto, imágenes y vídeo. Entre los usos citados están la comprensión de documentos y los agentes que operan interfaces; el extracto queda truncado después de mencionar otros escenarios agentivos, así que no permite precisar su alcance. (S1)
El cambio práctico es el acceso desde JumpStart: quienes trabajan en SageMaker pueden evaluar el modelo en ese entorno en vez de tratar su disponibilidad allí como algo pendiente. Una evaluación concreta sería comparar las dos variantes con tareas representativas de texto, imagen y vídeo de su propio flujo, observando calidad y requisitos de ejecución. La fuente no proporciona resultados comparativos, precios, latencia ni detalles de disponibilidad regional; tampoco demuestra que el modelo sea adecuado para una carga de trabajo particular. Por tanto, “en unos pasos” es la descripción de despliegue del anuncio, no evidencia de rendimiento en producción. El interés editorial está en la combinación de acceso gestionado, dos formatos de precisión y entrada de vídeo, pero su valor dependerá de pruebas locales y de los límites que la ficha truncada no permite resolver. (S1)
El cambio práctico es el acceso desde JumpStart: quienes trabajan en SageMaker pueden evaluar el modelo en ese entorno en vez de tratar su disponibilidad allí como algo pendiente. Una evaluación concreta sería comparar las dos variantes con tareas representativas de texto, imagen y vídeo de su propio flujo, observando calidad y requisitos de ejecución. La fuente no proporciona resultados comparativos, precios, latencia ni detalles de disponibilidad regional; tampoco demuestra que el modelo sea adecuado para una carga de trabajo particular. Por tanto, “en unos pasos” es la descripción de despliegue del anuncio, no evidencia de rendimiento en producción. El interés editorial está en la combinación de acceso gestionado, dos formatos de precisión y entrada de vídeo, pero su valor dependerá de pruebas locales y de los límites que la ficha truncada no permite resolver. (S1)
Fuentes:[S1] AWS Machine Learning
Señales secundarias
La llegada de Nemotron a JumpStart forma parte de un día en que varios anuncios sitúan los modelos dentro de flujos de trabajo más concretos, aunque con evidencias de alcance desigual. Google DeepMind anuncia que Gemini 4 Carbon está disponible para desarrolladores, empresas, científicos y consumidores. La compañía lo presenta como su modelo más potente, con capacidades de ciberseguridad y flujos agentivos de largo horizonte; el texto también contrasta Carbon con Argon, al que describe como opción adecuada para la mayoría de las tareas de ingeniería de software y trabajo de conocimiento. Son afirmaciones de Google, no resultados independientes en el material disponible. (S2)
En la capa de ejecución web, Browser Use 1.0 describe una arquitectura en la que el agente escribe Python en un REPL persistente y actúa directamente sobre Chrome DevTools Protocol, tras eliminar gran parte de la biblioteca anterior. La versión 1.0.1 añade, según el extracto, uso de MCP sin Chrome preinstalado en servidores, contenedores y CI, con Chromium instalado en el primer uso. Esto ofrece un punto de evaluación para equipos que comparen automatización de navegador con su infraestructura actual; el material no aporta métricas de fiabilidad ni detalles suficientes para valorar seguridad o compatibilidad. (S9, S4)
En verificación, Google DeepMind afirma que AlphaProof Code escribió tres millones de líneas de pruebas en Lean para verificar el cifrado central de Signal. El dato describe un caso concreto, no una medida general de capacidad. En conjunto, los anuncios abren preguntas distintas: qué tareas multimodales cubre un modelo desplegable, qué control ofrece una interfaz de agente y cómo se comprueba software complejo. (S8)
En la capa de ejecución web, Browser Use 1.0 describe una arquitectura en la que el agente escribe Python en un REPL persistente y actúa directamente sobre Chrome DevTools Protocol, tras eliminar gran parte de la biblioteca anterior. La versión 1.0.1 añade, según el extracto, uso de MCP sin Chrome preinstalado en servidores, contenedores y CI, con Chromium instalado en el primer uso. Esto ofrece un punto de evaluación para equipos que comparen automatización de navegador con su infraestructura actual; el material no aporta métricas de fiabilidad ni detalles suficientes para valorar seguridad o compatibilidad. (S9, S4)
En verificación, Google DeepMind afirma que AlphaProof Code escribió tres millones de líneas de pruebas en Lean para verificar el cifrado central de Signal. El dato describe un caso concreto, no una medida general de capacidad. En conjunto, los anuncios abren preguntas distintas: qué tareas multimodales cubre un modelo desplegable, qué control ofrece una interfaz de agente y cómo se comprueba software complejo. (S8)
Fuentes:[S2] Google DeepMind · [S9] Browser Use · [S4] Browser Use · [S8] Google DeepMind
Por qué importa
- Nemotron 3.5 Super VL ofrece un caso concreto para evaluar inferencia de texto, imagen y vídeo en SageMaker; faltan comparativas de calidad, coste y latencia. (S1)[S1]
- Google presenta Gemini 4 Carbon para trabajo agentivo de largo horizonte y conocimiento complejo; esa descripción aún requiere validación en tareas reales. (S2)[S2]
- Browser Use 1.0 reduce intermediarios al ejecutar Python directamente sobre CDP. Puede interesar a equipos de automatización web, pero el extracto no ofrece métricas de fiabilidad. (S9)[S9]
- Browser Use 1.0.1 añade una vía MCP para servidores, contenedores y CI; conviene evaluar compatibilidad y límites en el entorno objetivo. (S4)[S4]
- El caso de AlphaProof Code con Lean apunta a una posible aplicación de agentes en verificación formal; la evidencia disponible se limita a Signal. (S8)[S8]
Qué seguir
- Seguir qué información pública aparece sobre rendimiento, coste y disponibilidad de las variantes NVFP4 y BF16 de Nemotron en JumpStart. (S1)[S1]
- Observar cómo Google caracteriza los límites y casos de uso de Gemini 4 Carbon frente a Argon; el extracto disponible solo recoge afirmaciones de la compañía. (S2)[S2]
- Comprobar qué documentación y resultados de compatibilidad acompañan el uso de MCP de Browser Use 1.0.1 en servidores y CI. (S4)[S4]
- Seguir si Google DeepMind publica más detalles sobre la verificación con Lean realizada por AlphaProof Code y el alcance de ese caso. (S8)[S8]
Radar de fuentes
Material primario
Enlaces directos a las fuentes utilizadas en la síntesis de esta edición.
- S1
- S2
- S3
- S4
- S5
- S6
- S7
- S8
- S9
- S10
- S11
- S12
- S13
- S14
- S15
- S16
- S17