Estado de GitHub: problemas de acceso e interrupciones

Problemas en las últimas 24 horas

El siguiente gráfico muestra la cantidad de informes que hemos recibido sobre GitHub por hora del día durante las últimas 24 horas. Una interrupción se determina cuando la cantidad de informes es mayor que la línea de referencia, representada por la línea roja.

Problemas Más Reportados

Los siguientes son los problemas más recientes informados por los usuarios de GitHub a través de nuestro sitio web.

• Sitio Caído (58%)
• Errores (26%)
• Inicio de Sesión (16%)

Mapa de interrupciones en vivo

La mayoría de reportes de fallos e interrupciones se originaron en

City	Problem Type	Report Time
Township of Evan	Errores	hace 2 días
Madrid	Errores	hace 2 días
Bogotá	Errores	hace 2 días
Paris	Errores	hace 2 días
Lyon	Sitio Caído	hace 2 días
Lima	Errores	hace 2 días

Mapa de Fallos

Discusión comunitaria

¿Consejos? ¿Frustraciones? Compártelos aquí. Los comentarios útiles incluyen una descripción del problema, la ciudad y el código postal.

Tenga cuidado con los "números de soporte" o las cuentas de "recuperación" que se pueden publicar a continuación. Asegúrate de informar y votar negativamente esos comentarios. Evite publicar su información personal.

Reportes de Fallos de GitHub

Los últimos problemas e interrupciones reportados en social media:

• 
  ItscoachFO (@itscoachfo) reportó hace 6 minutos

  Una liquidity pool no es solo código. Es un conjunto de activos, participantes, comisiones y riesgo real: riesgo de contrato inteligente, de liquidez, de mercado, de contraparte. Alguien tiene que asumir esa responsabilidad. Un DAO o un repositorio de GitHub no sirve. Todos quieren que las instituciones se involucren. Pero las instituciones solo se involucran si hay responsables. En el futuro (más cercano de lo que creemos) nadie hablará de defi vs cefi. Solo veremos liquidez regulada.

• 
  Fran Lanuti (@ChefFranPS) reportó hace 7 minutos

  Me pareció super útil si como yo detestas todos los meses sentarte a pelear con la web para facturar. Si sos RI, el 70% del camino está y el core está separado a propósito. PRs bienvenidos. Si te sirve, una ⭐ en GitHub me dice si le sigo metiendo. Gracias por bancar!

• 
  fred (@heyfredds) reportó hace 8 minutos

  LOS PDFs ESCANEADOS, LAS FÓRMULAS Y LAS TABLAS ROTAS YA NO SON UN PROBLEMA PARA TU IA. 63.000 estrellas en GitHub. Y casi nadie fuera de China lo conoce todavía. Se llama MinerU. Coge el PDF más caótico que tengas y lo convierte en datos limpios que la IA entiende de verdad. → Las fórmulas matemáticas salen en LaTeX, no en símbolos rotos → Las tablas se reconstruyen en HTML, sin descuadrarse → Lee documentos escaneados, manuscritos y a varias columnas → OCR en 109 idiomas, y corre en tu máquina sin conexión Donde otros conversores devuelven texto ilegible, este te da estructura. Es la diferencia entre fotocopiar un documento torcido y volver a escribirlo limpio. Gratis y open source. Repo abajo.

• 
  Francisco Alcoba (@arkhadi) reportó hace 10 minutos

  @lendersacc Basicamente un compañero ha creado un harness para Claude code (adaptado también para Codex aunque no lo hemos probado) con distintas acciones. Primero puedes generar información de arquitectura para el agente y refinar los tickets que tengas en la plataforma, en general le damos un proyecto que nos haya creado el PM con todo el contexto y genera las tareas con sus relaciones. Una vez hecho revisamos el plan de los tickets con toda la información. A partir de ahí conexiones con Linear y github para empezar. El agente lee el ticket que le indiques, lo mueve de columna, genera el worktree correspondiente, traza un plan, te hace preguntas sobre las dudas o arquitectura que no estén claras. Una vez hecho eso, implementa, luego revisa con un bucle hasta que tiene un score de confianza alto en la solución y el código, realiza capturas de pantalla si es un ticket con UI, abre la PR, con una descripción del problema, solución, etc... y añade a los revisores configurados, en nuestro caso tenemos además un par de agentes de revisión automática y monitoriza la PR en bucle para revisar comentarios, resolverlos si son válidos y responder. Tras eso es cuando nosotros, dependiendo del tamaño del cambio, complejidad y riesgo podemos entrar a revisar. Por último tiene un paso para completar el ticket con el merge, moviendolo a "done" y basicamente finalizando ese trabajo.

• 
  Shagai (@Shagaiyo) reportó hace 11 minutos

  Tengo que probar este modo live, pero últimamente (desde 5.5) para mi la mejor forma es ir conversando, mejor que intentar hacer one-shot con una tarea bien específica. Sería gracioso decirle, usa la cli de atlassian/gitlab/github para acceder a los issues que tengo abiertos, pilla el dedicado a X, lee el problema e implementa la solución, pregunta si te falta información.

• 
  NIKLAUS (@Niklaus__04) reportó hace 21 minutos

  @powerhdeleon últimamente me da la sensación de que el software funciona peor, bitbucket, github, pornhub, xvideos, redtube. definitivamente se construye peor software

• 
  SONIA (@S0N_IA) reportó hace 22 minutos

  MÁS DE 70,000 PROYECTOS DE AGENTES INDEXADOS, Y CASI NINGUNO SE PUEDE LLAMAR DE VERDAD 70,000 proyectos de agentes de ia indexados desde github, hugging face, pypi, npm y otras fuentes públicas. suena a un ecosistema gigante. la cifra real de agentes que están conectados y se pueden llamar en vivo es una fracción muchísimo más chica de eso. indexar un repositorio es trivial, cualquier scraper lo hace. el problema real es otro: hacer que un agente operado por alguien que nunca conociste, corriendo en un stack distinto al tuyo, sea direccionable, atribuible y alcanzable fuera de su propio runtime. eso es lo que casi nadie resolvió todavía. mcp ya resolvió cómo un agente descubre y llama una herramienta dentro de una relación coordinada por un host. lo que mcp no resuelve es qué pasa cuando dos agentes no comparten host, no se conocen de antemano y pertenecen a operadores distintos. ahí es donde nace la idea de una red abierta: cada agente publica una identidad criptográfica propia y una tarjeta con sus capacidades, precios y endpoint. otro agente describe en lenguaje simple lo que necesita, un oracle devuelve candidatos ordenados, y el que llama elige uno y lo contacta directo. la parte que nadie cuenta es que esta capa no reemplaza a mcp, lo empuja hacia una pregunta incómoda. mcp ya tiene servidores remotos, registros y descubrimiento dinámico, cada vez se parece más a una red. y si un servicio remoto tiene identidad persistente, historial, reputación y precio propio, la pregunta deja de ser si es una “herramienta” y pasa a ser si es un peer que casualmente se puede llamar. lo que todavía no está resuelto es justo lo más difícil: la reputación abierta se puede manipular, los acuerdos y disputas entre agentes no están estandarizados, y cualquier directorio con incentivo económico de por medio termina atrayendo spam y ataques sybil tarde o temprano. así que la cifra real detrás de esos 70,000 proyectos no es cuántos existen, es cuántos de esos son direccionables hoy mismo por otro agente que nunca los había visto antes. y esa cifra, todavía, es incómodamente pequeña.

• 
  Teki Now (@Teki_Now) reportó hace 22 minutos

  Un modelo de IA china se ha escapado del entorno cerrado donde los investigadores lo estaban poniendo a prueba. Kimi K3, de la china Moonshot, aprovechó un fallo en la configuración de red del laboratorio y salió a internet libre. No hackeó nada: se limitó a buscar en GitHub las respuestas ya resueltas. Es el cuarto caso en semanas, después de que modelos de OpenAI, Anthropic y Meta se escaparan también de sus propias pruebas de seguridad.

• 
  marcus (@marcusyul) reportó hace 23 minutos

  @artic_ai 51k stars y la mayoría no sabe que existe, así funciona github a veces

• 
  PA13L0 (@Fluyeporlaweb) reportó hace 24 minutos

  No cobran por hora. No tienen mal día. No necesitan descanso. Pero trabajan 24/7. 10 repos de GitHub para automatizar tu trabajo con agentes IA:

• 
  Edgar Manuel (@3d64r_89) reportó hace 26 minutos

  La mayoría de traders no sabe que existe esta herramienta y cuesta €0 👀 Vibe-Trading: Tu agente de trading personal impulsado por IA. 25k estrellas en GitHub y 4.2k forks demuestran que funciona. Con Python, backtesting avanzado y LLMs integrados, automatiza estrategias algorítmicas sin tocar un centavo en suscripciones. Lleva actualizaciones semanales. El repositorio está on fire esta semana. ¿Ya la usas o aún estás perdiendo dinero a mano? Lo tienes abajo 👇

• 
  roman (@Nozelcode) reportó hace 27 minutos

  OpenAI está regalando $1.200 GRATIS para usar Codex Solo necesitas un repo público en GitHub, rellenar un formulario y te dan 6 meses de ChatGPT Pro + Codex Y casi nadie está hablando de esto, seguramente porque no quieren que se entere todo el mundo Todavía estás a tiempo de solicitarlo, aunque no sepas programar o estés empezando Así funciona: 1. Instala Cursor, Codex, Claude Code o lo que uses 2. Monta un proyecto, de lo que sea 3. Súbelo a GitHub 4. Pide a tus amigos que le den stars Deja el link de tu repo en los comentarios, entre todos te daremos Star. Si tienes dudas de si aceptarán tu proyecto, no te preocupes. Estos programas aceptan hasta proyectos a medias Enlace para aplicar abajo👇

• 
  🇲🇽 ingjmanuells :~$ (@ingjmanuells) reportó hace 28 minutos

  Validación de integridad: Los servicios confiables utilizan "firmas secretas" (como tokens hash). El servidor receptor verifica esta firma matemática para asegurarse de que la petición proviene legítimamente de tu proveedor de código (como GitHub o GitLab) y no de un atacante.

• 
  Jera ⛩ (@Jera_Value) reportó hace 29 minutos

  Eres un tech-bro de primer año, ¿verdad? Acabas de terminar de leerte un hilo en Twitter de algún gurú que montó una demo en una tarde. Viste un vídeo de dos minutos donde un agente abre el navegador, busca información, escribe código, manda un correo y actualiza el CRM a la primera. Y ahora estás convencidísimo de que el futuro es darle a un modelo veinte herramientas y decirle: «Haz tu magia». Eso te va a durar hasta el mes que viene, cuando descubras los MCP. Entonces vas a estar aquí pontificando sobre cómo hay que «estandarizar la capa de herramientas». Conectarás GitHub, Slack, Notion y la madre que los parió, y empezarás a soltar el discursito de que las aplicaciones tradicionales están muertas porque ahora el modelo interactúa directamente con los sistemas. Probablemente uses la frase «el modelo es el nuevo sistema operativo» como si se te hubiera ocurrido a ti. Y eso te aguantará hasta el año que viene, cuando leas a alguien en Substack explicando que un solo agente no basta. Entonces empezarás a vomitar palabrería sobre los «sistemas multiagente». Vas a montar un agente planificador, uno investigador, un programador, un crítico y un supervisor. Harás que se manden mensajitos entre ellos para resolver una tarea que un *script* básico de trescientas líneas habría terminado en ocho segundos. Pero tú lo llamarás «organización emergente». Hasta que los agentes empiecen a alucinar, a duplicar trabajo y a fundirse cuarenta dólares de API en un bucle infinito solo para cambiar el nombre de una variable. Y ahí es cuando te toparás con la observabilidad. Empezarás a soltar términos como *trazas, evaluaciones, memoria episódica, recuperación de contexto, presupuestos de tokens* y *bucles de reflexión*. Vas a construir un *dashboard* entero solo para entender por qué tus cinco súper agentes no consiguieron reservar una maldita reunión sin inventarse el correo del cliente. Un par de meses después, descubrirás que darle autonomía ilimitada a un LLM es un suicidio. Entonces dirás que tú nunca defendiste los agentes completamente autónomos. Que siempre hablaste de «autonomía acotada con intervención humana». Y te pondrás a añadir permisos, límites de gasto, aprobaciones, esquemas estrictos, *reintentos*, *timeouts*, validaciones, colas, máquinas de estados y código determinista alrededor del modelo. ¿Y sabes qué habrás hecho? Habrás gastado miles de dólares y meses de tu vida en reconstruir una aplicación normal. Solo que ahora será muchísimo más lenta, más cara, totalmente impredecible y tendrá una carpetita en tu repositorio que se llamará `/agents`. Y dentro de seis meses, te sentarás a escribir un artí**** titulado: “Por qué los agentes no funcionan y qué viene después”. Explicarás que el problema nunca fueron los modelos, sino la arquitectura. Y nos presentarás a todos tu nueva y revolucionaria idea: pequeños flujos de trabajo especializados, con pasos definidos, herramientas limitadas, validaciones explícitas y supervisión humana. Es decir, *software*. Software de toda la vida. Pero esta vez... esta vez lo llamarás «agentic workflow».

• 
  ratonazul (@ratonazul_) reportó hace 33 minutos

  "bullshit no one gaf about" que alguien le explique a este señor para que sirve github dios mio

• 
  Sergio Márquez • IA (@sergiomarquezp_) reportó hace 37 minutos

  El problema tiene dos caras: la económica y la de privacidad. Con la cuota cerrada de Copilot tu código pasa por la infraestructura de GitHub. En proyectos con datos sensibles, eso es una conversación incómoda con el equipo de seguridad.

• 
  Andrea Díaz Correia ⚡ (@AndreaDCorreia) reportó hace 39 minutos

  Yo antes: nah es excesivo dejar github, funciona bien Yo ahora: hay que dejar github, hacen lo que quieren y ni sirve bien

• 
  Brian Mena (@brian_limitless) reportó hace 41 minutos

  4/7 El problema es sistémico. Los tutoriales, la documentación oficial y los examples de GitHub muestran un server aislado que solo tú usas. Nadie te enseña a gestionar 20 o 100 usuarios concurrentes llamando a las mismas tools desde sesiones diferentes.

• 
  Cielo Dahy (@CieloDahy) reportó hace 44 minutos

  el otro día conté que le pasé esto a un seguidor y consiguió una oferta en mercado libre, se los comparto finalmente Mandar cv es una ****; copiar, pegar, adaptar, personalizar, repetir. es manual, es lento, para que despues encima lo lea un ats y no pase ningun filtro. les presento este repo open source que ya tiene 25k stars en github - analiza la oferta de trabajo - genera un cv personalizado para cada puesto - hace una cover letter - todo manejado por claude code abro hilo y les dejo el repo al final

• 
  AI Spanish Community (@aiscwork) reportó hace 46 minutos

  GitHub solucionó el mayor problema del vibe coding. Acaban de lanzar Spec Kit y en días ya tiene +95K estrellas. ¿La idea? En vez de tirar prompts vagos y rezar para que el agente no rompa tu proyecto… Spec Kit obliga a la IA a crear una especificación estructurada ANTES de tocar código. La IA primero entiende lo que quieres construir, pregunta lo que falta, organiza el proyecto y después empieza a programar. Eso significa menos tiempo arreglando errores absurdos, menos código inconsistente y resultados mucho más predecibles cuando trabajas con agentes. El flujo es simple: /constitution → reglas y estándares /specify → qué quieres construir /clarify → dudas antes de empezar /plan → arquitectura y stack /tasks → tareas ordenadas /implement → ejecución Compatible con Claude Code, Cursor, Copilot, Codex, Gemini CLI y +25 agentes. 95K estrellas. 8K forks. Open source. Publicado por GitHub.

• 
  Henry Pérez (@henry_hjpg) reportó hace 46 minutos

  @BtcAndres Parece que mi pregunta ya no tiene sentido pero creía entender que el algoritmo de generación de llaves de coldcard era de código abierto, y estaba en repositorio en GitHub, es decir que programadores independientes que hayan revisado tampoco se dieron cuenta del fallo cierto?

• 
  Ingeniero Seed Ph. (Oficial) (@IngenieroSeed) reportó hace 55 minutos

  La próxima semana me voy de hotel. Ya he usado mi software para tener listo mi DNI cuando me lo pidan en recepción. O bien se enseña desde el móvil o bien se envía por mail para que lo puedan ver. E incluso por WhatsApp muchas veces. Recuerda que es: - 100% offline - Gratis - Instantáneo - Funciona en cualquier PC e incluso sistema operativo. Yo mismo acabo de descargarme el archivo de mi github y al hacer "clic" en él, se me ha abierto Chrome con la aplicación. En menos de 30" me he guardado mi DNI (anverso y reverso) modificado. Se leen todos mis datos pero con la marca de agua. Además, EXTREMADAMENTE ÚTIL, ante cualquier filtración a Internet por parte de la empresa, podremos saber quién ha sido la culpable y denunciar si hiciese falta. Es imposible hacerlo más fácil y más rápido. IngenieroSeed

• 
  Edgardo (@edgardo_rl) reportó hace 56 minutos

  ¿A alguien más le falla GitHub con @izzi_mx ? Ya van 2 veces éste mes que falla, GitHub está bien, es Izzi el problema.

• 
  Jose Mª Rufo (@jmrufo) reportó hace 56 minutos

  Ya tengo el mini ERP de fabricación textil funcionando a tope con la colección de otoño: - Control stock de materiales y fornituras. - Órdenes de compra a proveedores. - Catálogo de prendas con ficha técnica, escandallos y fichas de confección. - Órdenes de producción y generación de pdf (con html por ahora) tanto de órdenes de corte como de confección. - Diagrama de gantt con seguimiento de las producciones en curso. Tengo ganas de compartirlo, subirlo a github para que cualquier marca pequeña pueda usarlo.

• 
  precis0x (@precisox) reportó hace 57 minutos

  Subes fotos de tu familia a Google Drive? Tus declaraciones de impuestos a Dropbox? El escaneo de tu pasaporte a iCloud? Crees que son privados pero no lo son. Por defecto, Google, Dropbox e iCloud tienen permiso (según sus términos de servicio) para escanear tus archivos y entregarlos si reciben una solicitud legal válida. Un pequeño equipo en Alemania lleva más de 10 años construyendo la solución real a este problema. Se llama Cryptomator. Instálalo, elige la carpeta de tu nube y crea un “vault”. Todo lo que metas dentro se cifra en tu dispositivo con AES-256 antes de subir. La nube solo ve un montón de datos encriptados. Solo tú tienes la contraseña. - Funciona con Google Drive, Dropbox, OneDrive, pCloud, MEGA, Nextcloud y más. - Cifra el contenido, los nombres de los archivos y la estructura de carpetas. - Sin cuentas, sin telemetría. - Disponible en Windows, macOS y Linux. Las aplicaciones de escritorio son gratis para siempre. La versión móvil es de pago único (sin suscripciones). Es software abierto (GPL-3.0), con más de 15.000 estrellas en GitHub y desarrollo activo. No compras almacenamiento en la nube. Estás alquilando una casa de cristal. Cryptomator te pone las cortinas. Enlace en comentarios 👇

• 
  precis0x (@precisox) reportó hace 58 minutos

  UN PROGRAMADOR ACABA DE LOGRAR LO QUE GOOGLE LLEVA AÑOS PASANDO POR ALTO Desarrolló un navegador en rust creado específicamente para automatizar procesos, hacer scraping web y potenciar agentes de IA > Solo consume 30MB de RAM > Las páginas cargan en apenas 85ms > Bloquea automáticamente más de 3.500 trackers > Elimina anuncios, analíticas y scripts de rastreo Se llama Obscura Y tiene algo que Chrome nunca va a poder ofrecer Cada sesión genera una huella completamente distinta. GPU, canvas, audio, batería… todo se randomiza Ningún detector lo identifica porque se comporta exactamente igual que un Chrome real Es el reemplazo directo de Puppeteer y Playwright Sin Node.js. Sin dependencias. Un solo binario Ya supera las 16k estrellas en GitHub. 100% open source. Totalmente gratis Guárdalo antes de que se te olvide, es una joya 📄

• 
  darwin enriquez (@darwinenriquez) reportó hace 58 minutos

  Fable 5 respondía más rápido, pero Codex 5.5 cuidó mejor mi código Estos días estuve probando Fable 5 y Codex 5.5 conectados al código real de mi app. Mi flujo es este: sigo construyendo en Replit, hago pull del código desde GitHub a mi PC usando la app de GitHub, y así mantengo el proyecto actualizado para que ambos modelos puedan revisar el código real. No los uso para hacer todo, sino como una segunda capa de revisión cuando necesito agregar algo, corregir un problema o tocar partes delicadas de la lógica. Estoy en una etapa donde ya hay muchas piezas conectadas. Un cambio pequeño puede romper cosas que ya funcionan: referencias, prompts, storyboards, créditos, validaciones, duración de videos o lógica interna. Por ejemplo, en el Production Board Creator Pro el usuario puede subir referencias, escribir una idea y generar prompt, storyboard y video. Pero por detrás hay más lógica: las referencias se validan, se envían a ByteDance para evitar bloqueos, un modelo multimodal analiza imágenes, video, audio e idea del usuario, luego GPT Image 2 genera el storyboard y Seedance genera el video final. Además, el sistema de créditos tiene que calcular consumo según referencias, tokens, imágenes del storyboard y duración del video. Si el usuario selecciona 30 segundos, el sistema debe generar dos partes, dos storyboards y dos prompts, usando bien las referencias y el storyboard correspondiente. Por eso, cuando algo es delicado, uso Replit en modo plan y antes de ejecutar mando ese plan a revisar. Mi impresión es que Replit probablemente usa Claude por detrás, sobre todo por la forma en que responde: muy seguro, a veces terco, y convencido de que ya entendió el problema. Durante un tiempo usé Codex 5.5 en modo high para revisar esos planes. Casi siempre encontraba algo importante: una dependencia, una validación, una parte que no debía tocarse o algo que podía romper lógica existente. Luego probé Fable 5 para el mismo flujo. Le mandaba el mismo plan a Fable y a Codex. Al principio Fable me gustó bastante. Respondía rápido, seguro y parecía entender bien. Esa seguridad me hizo confiar más, hasta que por un tiempo dejé de preguntarle a Codex. El resultado: se rompieron cosas. Mi impresión fue que Fable 5 no revisó con suficiente profundidad la lógica que ya existía por detrás. Sus soluciones sonaban bien, pero no siempre consideraban dependencias, estados, validaciones o partes conectadas del sistema. Entonces volví a usar Codex. En varias pruebas le mandaba a Fable el análisis de Codex. A veces Fable aceptaba que Codex había agregado puntos importantes que no había visto. Otras veces defendía su respuesta con seguridad, hasta que Codex mostraba la línea exacta del código donde estaba el problema. Ahí Fable terminaba reconociendo que no había visto ese detalle. Mi percepción hasta ahora: Fable 5 es útil para avanzar rápido, proponer caminos posibles y tener un buen apoyo inicial. Pero en cambios delicados de lógica, lo sentí demasiado seguro y no siempre revisando con la profundidad necesaria. Codex 5.5 se tarda más, pero me dio más confianza. No solo propone qué hacer; también suele decir qué no hacer, qué puede romperse y qué partes del sistema hay que proteger. Para bugs complejos y cambios delicados, hoy confío más en Codex. La diferencia no fue quién respondió más rápido. La diferencia fue quién cuidó mejor lo que ya estaba funcionando.

• 
  David Fernández (@naroh) reportó hace 1 hora

  Hoy me voy a entretener estableciendo un flujo automatizado para solucionar las issues que se reportan en tracker (Bugsink, compatible con Sentry) que utilizamos. La primera etapa fue forkearlo y añadir MCP. Ahora, el plan es: Establecer mi servidor remoto (una torre que tengo en el salón) como servidor remoto de Orca, donde estarán corriendo tanto Claude Code como OpenCode con OpenCode Go. En este servidor también corre Hermes. Me conecto a él por Tailscale. Hermes orquestará cada X minutos una búsqueda de issues reportadas y hará triaje. Para las que crea que son merecedoras de atención generará una issue en el repositorio de Github, diagnosticando el problema con un modelo SOTA, y delegará a OpenCode corriendo en Orca implementar la solución. Orca/OpenCode realizarán la implementación utilizando los workspaces remotos de Coder en los que trabajamos. En principio la idea es que esto corra desatendido, pero si quiero podría conectarme a Orca desde mi móvil o desde otro dispositivo para chequear qué hace. Cuando acabe, enviará un PR con la solución para revisión humana.

• 
  Iñaki (@inakitajes) reportó hace 1 hora

  1/ Llevo unos días probando un patrón de agentes que me parece bastante más interesante que el típico: modelo caro planifica + modelo barato implementa. Mucha gente lo está entendiendo mal. 2/ La idea no es que el modelo SOTA haga un plan al principio y desaparezca. Eso, al menos en mis pruebas, consume prácticamente lo mismo y muchas veces no mejora los resultados (mira mis posts de hace unos meses). 3/ El trabajo difícil no suele estar en el plan general. Está en los detalles que aparecen durante la implementación. Ahí es donde un modelo realmente bueno aporta valor. 4/ En lugar de tener un pipeline lineal: - SOTA → Plan - Cheap → Implementa - SOTA → Revisa La clave está en que el modelo caro pase a ser un advisor integrado dentro del loop del agente ejecutor. 5/ El ejecutor sigue siendo el modelo barato. Hace prácticamente todo el trabajo. Pero puede pedir ayuda al advisor cuando realmente la necesita. 6/ Lo hace en checkpoints durante el ciclo agéntico: - Antes de empezar a modificar código, para validar el enfoque. - Cuando entra en un bucle intentando resolver el mismo problema. - Cuando detecta una decisión compleja donde merece la pena gastar más tokens. - Al terminar cada step del pipeline. 7/ La clave es que el modelo caro no gestiona el contexto completo de la implementación. Solo ventanas pequeñas y acotadas. Además se limita la longitud de la respuesta (ahorro de output tokens), solución concreta y concisa. Eso reduce muchísimo el coste manteniendo gran parte de la calidad. 8/ Es parecido a tener un ingeniero senior que no programa toda la feature. Solo aparece cuando alguien se atasca o cuando hay una decisión importante que tomar. 9/ Acabo de implementarlo en Convoy. Todavía estoy validándolo en proyectos reales, así que no puedo decir todavía si el impacto es tan grande como parece. Pero las primeras pruebas son bastante prometedoras. 10/ Si termina funcionando como espero, creo que este tipo de arquitectura tiene bastante más recorrido que seguir aumentando el tamaño del modelo para absolutamente todas las llamadas. No siempre hace falta un SOTA. Lo importante es saber exactamente cuándo utilizarlo. Si te animas a probarlo, recuerda que es open-source, lo tienes en mi github :)

• 
  Rick (@esrickpics) reportó hace 1 hora

  Hermano que me estoy enterando que Github estaba caído hoy me volví loco con mis actions decía me pase esto configurandolo y no funciona que pasaaaaa