Si buscas las noticias del día anterior, puedes encontrarlas aquí. O si lo que buscas son las noticias del día siguiente, haz clic aquí.
Microsoft ha publicado un tutorial práctico que muestra cómo convertir una aplicación de agente hecha con Microsoft Agent Framework en un “Foundry Hosted Agent” gestionado en Azure. El proceso promete simplificar el despliegue: un paquete NuGet adicional, tres líneas de C# y un par de comandos de Azure Developer CLI permiten exponer el agente mediante el protocolo /responses, con gestión de sesiones, versiones, telemetría y escalado proporcionados por la plataforma. El artículo incluye ejemplos de código C# y detalla el flujo para depurar localmente y desplegar en Foundry.
Fuente: .NET Blog — From dotnet run to Foundry Hosted Agent in 3 lines of C#.
Uno Platform publicó (a través del blog de .NET) una entrada que explica cómo integraron servidores del Model Context Protocol (MCP) en C# para que agentes basado en LLMs puedan “groundearse” en la documentación de la app y ejecutar acciones en una aplicación multiplataforma. El artículo describe la arquitectura usada, ejemplos de integración con herramientas de machine reasoning y cómo aprovechar la telemetría y testeo para mantener calidad al incorporar capacidades agenticas en apps .NET.
Fuente: .NET Blog — How Uno Platform uses .NET, MCP, and AI to build high quality apps.
Se publicó una vulnerabilidad (CVE-2026-56854) en golang.org/x/crypto/ssh donde la opción crítica source-address en las Permissions no se aplicaba para rutas de autenticación distintas de la llave pública (por ejemplo PasswordCallback, KeyboardInteractiveCallback, NoClientAuthCallback y GSSAPIWithMICConfig.AllowLogin). Eso permitía ignorar restricciones de dirección de origen definidas por esas callbacks. El registro indica que la corrección consiste en validar la dirección del cliente para las Permissions devueltas por cualquier callback de autenticación; se recomienda actualizar a la versión parcheada del módulo afectado.
Fuente: OSV / resumen de la vulnerabilidad (pkg.go.dev / CVE-2026-56854).
Anthropic ha abierto una preview de investigación del Model Hardware Standard (MHS), una especificación compartida diseñada para que agentes de IA operen dispositivos físicos de forma segura. La iniciativa está inicialmente disponible para un grupo de laboratorios de investigación y fabricantes avanzados; el objetivo es establecer prácticas y requisitos para que agentes que controlan hardware cumplan criterios de seguridad y gobernanza compartidos. Esta noticia subraya el foco creciente en seguridad y estandarización para agents que interactúan con entornos físicos.
Fuente: Anthropic Newsroom — Previewing the Model Hardware Standard (MHS). (anthropic.com)
Un tribunal federal en California falló el 28 de agosto que la designación del Departamento de Defensa de EE. UU. que etiquetó a Anthropic como “supply‑chain risk” fue ilegal, calificando la acción como represalia y señalando falta de debido proceso según la sentencia. La resolución declara que las medidas adoptadas contra Anthropic fueron arbitrarias y caprichosas y recoge la respuesta pública de la compañía acogiendo la decisión. El caso sigue teniendo ramificaciones en las relaciones entre proveedores de modelos y adjudicadores gubernamentales.
Fuente: TechCrunch — Anthropic gets its first court win over the Pentagon’s supply‑chain risk label (28 Aug 2026).
Anthropic ha publicado (y la prensa técnica ha cubierto) un trabajo que muestra cómo sistemas automatizados —”Automated Researchers”— pueden proponer, entrenar y evaluar mejoras en un modelo para mitigar fallos de alineamiento en benchmarks concretos. El experimento reporta mejoras en las métricas de alineamiento en múltiples tareas sin degradar rendimiento general, y discute coste comparativo frente a investigación humana. Los autores resaltan limitaciones y la necesidad de benchmarks robustos; el trabajo es relevante para discusiones sobre auto‑mejora y evaluación continua de modelos.
Fuente: TechCrunch — An Anthropic researcher just gave us a peek at self‑improving AI (28 Aug 2026).
Google Cloud mantiene una hoja de release notes actualizada con múltiples cambios y parches publicados a finales de agosto; entre las anotaciones recientes aparecen actualizaciones de GKE (canales Stable/Regular/Rapid), parches de seguridad para componentes como Cloud Service Mesh y cambios en el Cloud SDK. La página central de release notes ofrece el listado completo por producto y es la referencia para planificar actualizaciones o revisar vulnerabilidades corregidas en GCP.
Fuente: Google Cloud Release Notes (página central, actualizaciones de finales de agosto 2026). (docs.cloud.google.com)
Kubernetes v1.37 se publicó a finales de agosto; el lanzamiento trae una colección de mejoras operativas y de seguridad (entre ellas cambios en manejo de kubelet, KYAML y otras estabilizaciones) que requieren revisión previa al upgrade en entornos productivos. Las notas de la release advierten sobre cambios por defecto que pueden afectar arranque de kubelets o comportamiento de pods estáticos; se recomienda leer el CHANGELOG y planificar pruebas en clusters de staging antes de subir a 1.37.
Fuente: Kubernetes Blog / Release v1.37 (26 Aug 2026).
Portainer publicó la versión 2.45.0 (LTS) a finales de agosto, que agrupa correcciones y mejoras acumuladas de líneas STS previas; entre los cambios están nuevas opciones avanzadas para el drenado de nodos Kubernetes con failover de agentes, APIs nativas para escribir secrets/configmaps/deployments y actualizaciones de dependencias para corregir varias CVE. Si usas Portainer en entornos Docker/Kubernetes/Edge, conviene revisar las notas y planear la actualización a la rama LTS indicada.
Fuente: Release notes / agregadores de release (Portainer 2.45.0 LTS, 27 Aug 2026).
Varios análisis y guías de hardware compactos se han actualizado el 27–28 de agosto con recomendaciones para ejecutar modelos locales: comparativas priorizan capacidad de memoria unificada (RAM), soporte NPU/GPU y ancho de banda de memoria como factores decisivos para modelos de 14B–70B en local. Las guías recogen opciones desde mini‑PCs asequibles hasta equipos orientados a cargas de IA local, y comentan el impacto real de cifras TOPS de NPUs frente al límite práctico impuesto por memoria. Ideal para quien arma un homelab de IA local.
Fuente: Compute Market — Best Mini PC for AI (actualizado 28 Aug 2026). (github.com)