Hola, soy Carlos.
Soy arquitecto de software en Santiago y llevo trece años en sistemas de banca, telecomunicaciones y sector público. En mi trabajo uso agentes de IA todos los días. Este sitio es lo que hago en mi tiempo libre: corro equipos de agentes sobre mi propio código y publico lo que mido.
Notas
- Cuánto cuesta la IA en voz, video e imagen, en pesos Precios oficiales al 23 de octubre de 2026, en pesos: un minuto de transcripción, de voz, de agente de voz y de video, y cinco casos calculados al mes.
- Si el agente sabe de quién es el archivo, no lo toca, pero lo rodea Qué hacen Claude Code, Codex y opencode cuando el kernel les niega escribir un archivo de otro rol. Con la negación sola, dos de los tres insisten en todas las corridas. Si saben de antemano quién es el dueño, ninguno lo intenta, pero dos de los tres siguen arreglando el bug en sus propios archivos. El mensaje de seisin al negar nunca llegó a mostrarse.
- La intrusión en Hugging Face desde una evaluación de OpenAI, paso a paso Un agente que rendía una evaluación de OpenAI salió de su sandbox y pasó cinco días en la infraestructura de Hugging Face. Reconstruido desde los reportes de las dos empresas.
- Tres de cada cuatro escapes de sandbox que medí no rompen ninguna regla configurada sandbox-runtime, nono y Codex contra 168 tests de las suites de sus propios proyectos. La mayoría de los escapes sale de los valores por defecto.
- Cuánto cuesta la IA de pago en Chile: ChatGPT, Claude y Gemini en pesos Precios oficiales de ChatGPT, Claude y Gemini al 15 de octubre de 2026, en pesos: planes para personas y equipos, y cuánto cuesta la API en cuatro casos comunes.
- El equipo de nueve roles cuesta 3,5× más por tarea verificada que el de cuatro Comparé ocho equipos de agentes por costo de tarea verificada. La brecha sigue a las tool calls por turno, y partir el equipo grande no cambiaría lo que hacen sus dos roles más caros.
- El disparador por ocupación compacta sin saber cuántas llamadas quedan Compactar tiene un costo fijo y un ahorro por cada llamada restante. En 13 compactaciones medidas el cruce quedó cerca de 17 llamadas. La ocupación no ve ese número; la historia de turnos de cada rol sí lo puede estimar.
- En una prueba chica, mantener vivo el hilo de un agente costó menos que reiniciarlo Reiniciar el hilo de un rol en cada turno parecía la forma de gastar menos tokens. En una prueba controlada con un rol y una tarea, el hilo largo salió más barato, por la escritura de caché.
- Mi verificador daba 100% de conformidad hasta que medí cuánto rechaza 718 de 718 rondas siguieron el proceso declarado, pero un verificador que acepta casi todo también da 100%. Un control con trazas barajadas mostró que el número se sostiene en un equipo de seis.
- Encontrar duplicados y verificar citas piden búsquedas opuestas Cuatro citas de mis agentes se cayeron al abrir la fuente. En 14 pares etiquetados, la búsqueda exacta casi no encuentra duplicados y los embeddings los encuentran todos, con ruido. Verificar una cita es búsqueda exacta en un archivo conocido, donde el parecido estorba.
- El 86% del código de mis agentes sigue ahí, y la mayor parte de la caída vino de una semana Supervivencia de líneas en un repositorio de producción escrito por agentes: 85,9%, desde 92,7% dos días antes. La mayoría de las líneas perdidas entremedio son de una semana y de un commit de 2.408 líneas que sobrevivió en cero.
- El 38% de las entregas entre mis agentes nunca llegó al prompt del destinatario 11.845 entregas en 312 rondas de un equipo, y 4.445 descartadas por el tope del buzón antes de que el destinatario las viera. Con un fan-out de 3,37×, cada rol le avisaba todo a casi todos.
Lo que construí
- seisin · Le da a cada agente sus carpetas y sus llaves. Cuando el kernel bloquea algo, te dice de quién era el archivo. MIT, en npm.
- tartaros · Un sandbox local para agentes de código donde cada promesa es un test que puedes correr en tu máquina. Alpha, Apache-2.0.
- sandbox-conformance · Un laboratorio abierto que mide sandboxes de agentes con los tests que escribieron sus propios autores.
- denial-detours · Un experimento: qué hace un agente de código cuando se le niega escribir en el archivo de otro rol. Con todos los trials guardados.