OpenMOSS presenta MOSS-Live, Antigravity detalla su modo de voz, NVIDIA publica CUDA 13.5 y GitHub describe Rubicon

La voz se convierte en una forma de dirigir a los agentes: OpenMOSS presenta MOSS-Live, un sistema que escucha, habla y ejecuta herramientas al mismo tiempo, y Antigravity detalla su modo de voz basado en Gemini Live, tanto en la aplicación como en el terminal. NVIDIA consolida la capa de software de sus GPU con CUDA 13.5, la operación colectiva Reshard para el aprendizaje por refuerzo y FLUX 3 Image Klein acelerado en Blackwell. GitHub describe Rubicon, su nuevo almacenamiento Git probado con 5 000 agentes en un repositorio, y convierte Copilot en una herramienta de equipo, con una code review controlable mediante API y @GitHub en disponibilidad general en Slack y Teams.

La voz dirige a los agentes: MOSS-Live de OpenMOSS y el modo de voz Gemini Live de Antigravity

Los dos anuncios comparten la misma arquitectura: un modelo conversa en primer plano mientras un agente trabaja en segundo plano, como en el chat de voz que Cursor abrió el 6 de noviembre sobre Grok Voice.

OpenMOSS presenta MOSS-Live, un sistema de voz en dúplex completo que ve, escucha y ejecuta herramientas

7 de noviembre — El equipo de OpenMOSS presenta MOSS-Live, un sistema de conversación en tiempo real que escucha y habla al mismo tiempo (dúplex completo, full-duplex), comprende lo que muestran la cámara o la pantalla compartida y delega búsquedas y tareas largas a un segundo modelo sin interrumpir la conversación. En la entrada firmada por Chen Yang en el blog de la comunidad de Hugging Face, un modelo de interacción en primer plano decide responder, esperar o ceder la palabra, un modelo en segundo plano razona e invoca las herramientas, y una capa de coordinación comparte la memoria y el estado de las tareas. MOSS-Live debe distinguir un «ajá» de una interrupción real, ignorar el habla que no se le dirige y ofrecer interpretación simultánea.

Banco de pruebas y métrica (según OpenMOSS)	Puntuación de MOSS-Live	Mejor competidor citado
FDB v3, éxito de las llamadas a herramientas	51,00 %	51,00 % (Doubao SeedDuplex)
τ-Voice, tareas de varios turnos (pass¹)	57,93 %	67,68 % (GPT-Live-1)
τ-Voice, selectividad ante el habla no dirigida	78,90 %	66,99 % (GPT-Live-1)
Big-Bench Audio, exactitud	88,40 %	90,50 % (Doubao SeedDuplex)
FDB v3, latencia en un escenario con herramientas	2,36 s	1,61 s (GPT Realtime 2.1)

MOSS-Live no es un modelo abierto: el repositorio de GitHub solo contiene la documentación, sin licencia ni pesos. El sistema se puede probar en un entorno de pruebas en línea (playground) y se integra mediante una API en tiempo real en la plataforma MOSS.

🔗 MOSS-Live en el blog de Hugging Face · Documentación de MOSS-Live en la plataforma MOSS

Antigravity detalla su modo de voz Gemini Live, en la aplicación y en Antigravity CLI 1.5.0

6 de noviembre — El blog de Antigravity detalla el modo de voz (voice mode) cuyo despliegue había comenzado en la aplicación 2.29.0 el 3 de noviembre. Gemini Live escucha directamente la voz, sin pasar por una transcripción, responde en tiempo real y permite interrupciones: se le encarga una tarea, se la reorienta mientras se ejecuta («¿Qué estás haciendo?», «para») y se responde a las solicitudes de autorización de viva voz. La entrada añade lo que no decía el changelog: el modo también funciona en Antigravity CLI, a partir de la versión 1.5.0.

Destructive actions, such as deleting files, running commands with elevated privileges, or force-pushing to a Git remote, can’t be approved by voice.

🇪🇸 Las acciones destructivas, como eliminar archivos, ejecutar comandos con privilegios elevados o forzar un envío a un repositorio Git remoto, no se pueden aprobar por voz. — Blog de Antigravity, Modo de voz en Antigravity

Ajuste o límite	Valor indicado por Antigravity
Inicio en la CLI	`/voice live` o F6 ; `agy mic-serve` en SSH
Voces y velocidad del habla	9 voces ; de 0,75x a 2x en la aplicación, de 0,5 a 3 en la CLI
Informe de progreso a petición	aproximadamente cada 30 segundos («mantenme al tanto»)
Conversaciones en modo de voz	una sola a la vez, únicamente locales

El modo de voz no funciona en Remote Control, en las conversaciones ejecutadas en la nube ni en una sesión con un agente remoto, y el audio del micrófono se envía a los servidores de Google. No se menciona ningún plan: la documentación solo advierte de que el modo podría no estar disponible todavía para todas las cuentas.

🔗 Anuncio de @antigravity en X · Documentación del modo de voz

El software de las GPU NVIDIA: CUDA 13.5, NCCL M2N Reshard y FLUX 3 Image Klein en Blackwell

CUDA 13.5 lleva la compatibilidad con Vera Rubin a disponibilidad general

4 de noviembre — NVIDIA publica CUDA 13.5. Principal novedad: la compatibilidad con la arquitectura Vera Rubin sale del acceso anticipado reservado a desarrolladores y pasa a disponibilidad general (general availability), lista para producción en empresas según NVIDIA. Windows on Arm, en disponibilidad general desde CUDA 13.4, se amplía a la DGX Station con Windows, y en Rubin se abandona el modo TCC en favor de WDDM y MCDM. Para compartir las GPU, MPS pasa a la versión 3 (intervalos de tiempo ponderados, cesión y toma en préstamo de multiprocesadores (SM) entre particiones, enrutamiento por cgroup v2); CUDA Tile incorpora la comunicación multi-GPU en los kernels.

Biblioteca o herramienta	Novedad anunciada por NVIDIA
CCCL 3.5	Top-K por lotes, ya integrado en FlashInfer; scans de coma flotante reproducibles
cuBLAS	multiplicaciones NVFP4 y MXFP8 más rápidas en Vera Rubin, sin cifras
cuSPARSE	productos de matrices dispersas entre 1,65 y 2,27 veces más rápidos
Nsight Perf SDK for AI	vista previa pública, perfilado continuo de entrenamientos largos
Compute Sanitizer	skill para ayudar a los agentes de programación a diagnosticar errores de memoria

🔗 NVIDIA CUDA 13.5 incorpora compatibilidad con NVIDIA Vera Rubin en disponibilidad general

NCCL M2N Reshard acelera entre 2,7 y 5,7 veces la transferencia de pesos en el aprendizaje por refuerzo

6 de noviembre — En el aprendizaje por refuerzo (reinforcement learning, RL), las GPU de inferencia que generan las trayectorias deben recibir periódicamente los pesos actualizados por las GPU de entrenamiento: es la actualización de los pesos (refit). El método habitual reúne cada parámetro y después lo difunde (gather-and-broadcast), lo que hace circular aproximadamente el doble del tamaño del modelo en cada paso, cerca de 11,2 TB para Kimi K3 según NVIDIA. Reshard, un nuevo tipo de comunicación colectiva, trata esta actualización como el reparticionado de un tensor distribuido: cada GPU solo recibe su porción, una única copia atraviesa la red por dominio NVLink y después las GPU completan el intercambio mediante NVLink.

La implementación de referencia, NCCL M2N Reshard, es open source y está integrada en NeMo RL, donde transporta los pesos de las capas de propagación hacia delante (feed-forward), aproximadamente el 95 % de los parámetros. Según NVIDIA, la actualización de los pesos se vuelve entre 2,7 y 5,7 veces más rápida:

Plataforma de pruebas	Modelo entrenado	Método clásico	Con Reshard
DGX H100	Qwen 3 235B	6,4 s	1,9 s
DGX H100	DeepSeek V3 671B	14,9 s	2,6 s
DGX GB200	DeepSeek V3 671B	6,1 s	2,3 s
DGX GB200	Nemotron Ultra v3	8,2 s	2,3 s

🔗 Acelerar la actualización de pesos en el aprendizaje por refuerzo con la operación colectiva Reshard · Repositorio NVIDIA/nccl-extensions

FLUX 3 Image Klein hasta 4,45 veces más rápido en Blackwell con TensorRT LLM VisualGen

6 de noviembre — NVIDIA publica un tutorial dedicado a FLUX 3 Image Klein, el modelo de imagen de pesos abiertos de Black Forest Labs, en TensorRT LLM VisualGen, el runtime de TensorRT LLM dedicado a la generación visual. En una sola GPU B200, a 2048x2048, la combinación de optimizaciones (compilación, pesos NVFP4, atención dispersa Sol-Attention, caché Cache-DiT) hace que Klein Base sea hasta 3,46 veces más rápido de texto a imagen y 4,45 veces más rápido de imagen a imagen, en comparación con una inferencia BF16 sin compilar.

Configuración medida (2048x2048)	Inferencia BF16 sin compilar	Tras las optimizaciones	Mejora medida
Texto a imagen, Klein Base, 1 B200	22,36 s	6,46 s	3,46x
Imagen a imagen, Klein Base, 1 B200	54,64 s	12,28 s	4,45x

NVIDIA mide la diferencia visual con la puntuación LPIPS (cuanto más baja, más se parece la imagen a la referencia): 0,095 de texto a imagen y 0,045 de imagen a imagen. Al pasar de una a ocho B200, la latencia mediana de Klein Base de texto a imagen baja de 14,90 a 3,00 segundos; en una RTX PRO 6000 Blackwell Server Edition, las mejoras van de 1,73 a 3,25 veces. El tutorial proporciona un contenedor TensorRT LLM, configuraciones YAML y un punto de acceso compatible con OpenAI mediante trtllm-serve.

🔗 Acelerar la generación de imágenes con FLUX 3 Image Klein en las GPU NVIDIA Blackwell

GitHub detalla Rubicon, su nueva arquitectura de almacenamiento Git probada con 5 000 agentes en un repositorio

5 de noviembre — GitHub publica la tercera entrada de su serie sobre una infraestructura Git diseñada para los agentes, tras las del 6 y el 21 de octubre, y la difunde el 6 de noviembre en X. Karthik Raman y Brian Celenza describen Rubicon, la nueva arquitectura de almacenamiento Git anunciada en GitHub Universe. Los repositorios más activos reciben hoy, como máximo, unas pocas decenas de escrituras por segundo, en ráfagas; GitHub espera un ritmo continuo dentro de un año, y otra de sus entradas da una idea de la escala: más de 1,2 mil millones de commits en una semana de octubre.

Through internal testing, we’ve demonstrated the ability to support 5,000 concurrent agents working on a repository, sending 7,200 pushes per second to a repo, all while serving read traffic with consistently low latency.

🇪🇸 En pruebas internas, hemos demostrado la capacidad de admitir 5 000 agentes trabajando al mismo tiempo en un repositorio, realizando 7 200 envíos (push) por segundo a un repositorio, mientras se atiende el tráfico de lectura con una latencia constantemente baja. — @github en X

Spokes sigue enrutando las solicitudes, pero hacia réplicas virtuales desechables cuyo disco local solo es una caché. Los packs Git se almacenan en Azure Blob Storage y las referencias en Ref-CAS (Reference Compare-and-Swap), un registro replicado en el que cada actualización se valida mediante un quorum: un primer prototipo basado por completo en blobs alcanzaba un máximo de unos pocos cientos de escrituras por segundo, mientras que Ref-CAS procesa decenas de miles. Rubicon está en una vista previa privada limitada, con un despliegue más amplio previsto para principios del próximo año.

🔗 Dentro de la nueva arquitectura de almacenamiento Git de GitHub

Copilot en equipo: la code review se controla mediante API, @GitHub pasa a disponibilidad general en Slack y Teams

La code review de Copilot se configura mediante las API REST y GraphQL y compacta su resumen

6 de noviembre — Tras habilitar el inicio de las revisiones mediante API en octubre, GitHub permite leer y modificar los ajustes de Copilot code review mediante las API REST y GraphQL, desde la política de la empresa hasta el repositorio. Las respuestas también identifican lo que ha escrito Copilot, el esfuerzo utilizado y las skills, los servidores MCP y las instrucciones que cita como fuentes.

Nivel de ajuste	Lo que permite ajustar la API
Empresa	activar o desactivar la revisión para todas las organizaciones, o dejarles elegir
Organización	activación, esfuerzo predeterminado, runners, sin sobrescribir las decisiones de la empresa
Repositorio	esfuerzo, uso de instrucciones personalizadas y de herramientas MCP

Limitación: los puntos de acceso de empresa y organización rechazan las GitHub Apps y los tokens de acceso personal de granularidad fina (fine-grained PAT), que solo aceptan los puntos de acceso de repositorio. El comentario de resumen se vuelve más compacto (esfuerzo y encuestas al pie, una sola sección «Archivos no revisados»), las sesiones de revisión muestran los créditos de IA consumidos y el esfuerzo Balanced pasa a utilizar tres modelos de revisión, mientras otro modelo combina sus hallazgos. Una revisión fallida se vuelve a ejecutar una vez, con la posibilidad de cambiar a otro modelo. Planes Pro, Pro+, Max, Business y Enterprise.

🔗 Copilot code review: gestión mediante API y actualizaciones de la vista general de revisión

@GitHub pasa a disponibilidad general en Slack y Microsoft Teams, con Canvas en Teams

6 de noviembre — Tras una vista previa pública abierta el 21 de agosto, el agente @GitHub pasa a disponibilidad general en Slack y Microsoft Teams. Se le menciona en una conversación para investigar un error, crear una issue, implementar un cambio o abrir una pull request, sin cambiar de herramienta. La única novedad funcional es Canvas en Teams: los planes de implementación, los cambios de código y las vistas previas se muestran junto a la conversación, donde el equipo puede comentarlos y hacer avanzar el trabajo.

El resto son ajustes: el repositorio se deduce del mensaje sin necesidad de volver a seleccionarlo, se corrigen los mensajes de seguimiento que podían quedar sin respuesta, y las issues y pull requests creadas desde una conversación llevan el nombre de la persona que las solicitó. La página no especifica los planes incluidos ni ofrece cifras de uso.

🔗 @GitHub en Slack y Teams ya está en disponibilidad general y más novedades

Breves

Agentes y herramientas de código

Copilot CLI 1.0.108-0 y 1.0.108-1 — Dos versiones preliminares publicadas el 7 de noviembre, un día después de la versión estable 1.0.107: comandos /index e indexación tgrep compartida activada por defecto en los repositorios que cumplen los requisitos, una CLI que responde a preguntas sobre su propio funcionamiento a partir de su documentación y 72 correcciones, entre ellas reglas de denegación MCP aplicadas incluso con --allow-all-tools. 🔗 fuente
Qwen Code v0.27.0 — Versión estable del 7 de noviembre, un día después de la v0.26.9, sin cambios incompatibles: 73 entradas, entre ellas notificaciones FileChanged para los hooks de las sesiones locales, un filtro de eventos de repositorios GitHub (autorización y bloqueo) para los canales y preguntas simultáneas de los agentes hijos de Managed Agent. 🔗 fuente
Agentes remotos de Antigravity — Un mismo proyecto reúne un repositorio GitHub y una carpeta de Google Drive, con acceso de lectura y escritura; una tarea iniciada en la web se retoma en la aplicación, y las autorizaciones se conceden desde el teléfono. El tweet menciona todos los planes de pago para particulares; la documentación menciona Google AI Pro y Ultra y excluye Google AI Plus y las cuentas profesionales. 🔗 fuente
Soporte en el Agent de Replit — Cuando se le consulta sobre soporte, el Agent comprueba primero las incidencias en curso, la documentación y las limitaciones conocidas de la plataforma, sin salir de la conversación; si el problema persiste, presenta él mismo el ticket con los detalles de depuración del entorno, en el plan Pro. 🔗 fuente
Showcase de OpenAI Developers — El plugin OpenAI Developers incorpora una pestaña Showcase: proyectos de inicio para la API (agentes, herramientas creativas, visualización de datos, voz) que se pueden abrir en Codex; la página API demos recoge doce, ocho de ellos para abrir directamente en Codex o descargar. 🔗 fuente

GitHub Copilot

Resumen de la app GitHub Copilot — El resumen semanal del 6 de noviembre detalla novedades de la app: Agent Merge configurado desde la pull request y mantenido mientras hay comprobaciones pendientes, compactación de la conversación al alcanzar el límite de contexto, archivos CSV y TSV abiertos como tablas e instrucciones personales de aprobación asistida, con activación voluntaria. 🔗 fuente
Copilot impact dashboard — El panel sigue nueve experiencias de Copilot en lugar de siete, con Copilot Chat y la ventana Agents de VS Code; la cohorte «Passive users» pasa a llamarse «Chat-first users», sin cambiar las fases de adopción ni el tamaño de las cohortes. 🔗 fuente
1,2 mil millones de commits en una semana — En una guía de ingeniería agéntica (agentic engineering) sin novedades de producto, firmada por Nick Liffen y Philip Holleran, GitHub indica que en octubre registró más de 1,2 mil millones de commits en una semana, más de un 400 % por encima de un año antes. 🔗 fuente

Inferencia, clasificaciones y modelos abiertos

Together Compiler — Presentados el 4 de noviembre, los agentes de Together AI que optimizan continuamente los kernels de cada cliente vuelven con una sola cifra nueva: una mejora mediana de entre +12 y +20 % en tokens por segundo en endpoints sin servidor (serverless) ya optimizados manualmente, según Together AI. 🔗 fuente
MiniMax M3.1 Flash en Fireworks — MiniMax anuncia en un tweet que M3.1 Flash está disponible en Fireworks AI e invita a una fiesta en San Francisco el 10 de noviembre; no se especifican ni el precio ni el rendimiento. 🔗 fuente
Construction AI Leaderboard — ONESTRUCTION publica una clasificación de modelos para la construcción, basada en la media de cinco bancos de pruebas (planos, modelos BIM, estimación de costes, generación IDS): Claude Opus 5.5 lidera con 73,7 puntos, una décima por delante de Gemini 4 Argon (73,6), seguido de Claude Opus 5 (72,7) y GPT-6.1 Sol (70,2). Mediciones del proveedor. 🔗 fuente
kniv v7.1 — Dragonscale afirma haber mejorado sin ningún reentrenamiento sus seis codificadores de extracción, presentados el 2 de noviembre: en Claude Code, Claude Opus 5.5 detectó un límite de 50 antecedentes en correferencia, ampliado a 100 en el grafo ONNX; la correferencia mejora en los seis modelos y se calcula entre un 7 y un 16 % más rápido. 🔗 fuente

Robótica abierta

Robótica en Hugging Face — Según Clément Delangue, el Hub cuenta con casi 100 000 conjuntos de datos robóticos públicos (+48 %) y más de 30 000 modelos (+41 %), LeRobot supera el millón de descargas, y Microduck y Reachy Mini probablemente superarían las 50 000 unidades vendidas y las 20 000 entregadas para finales de año. 🔗 fuente
HapTile en FiftyOne — Harpreet Sahota (Voxel51) convierte para FiftyOne el conjunto de datos HapTile: 1 699 episodios y 12,36 horas de un brazo UR5e teleoperado, con sensores táctiles de gel, dos cámaras RGB-D y el nivel de respuesta háptica percibido por el operador, bajo licencia CC BY 4.0. 🔗 fuente

Empresas y usos

Harper y Grok Bot — El 5 de noviembre, la correduría de seguros Harper describe los agentes ambientales, basados en Grok Bot, que gestionan su back-office y se activan con un correo electrónico o un vencimiento. Según Harper, uno de ellos ha ayudado desde septiembre a poner al día a más de 200 pequeñas empresas ante su entidad de financiación, sin ninguna cancelación. 🔗 fuente
Replit y Plaid — En un tweet acompañado de un vídeo, Replit destaca su conector Plaid, que vincula cuentas financieras para que el Agent cree, sin código, herramientas para gestionar el dinero del usuario; Plaid le dedica una entrevista con Michele Catasta, presidente de Replit. Según la documentación de Replit, el conector está reservado a los planes de pago con un espacio de equipo, donde un administrador configura una sola vez las credenciales de Plaid, y da acceso a los saldos, las transacciones y las inversiones. 🔗 fuente · 🔗 documentación
Guía de Perplexity sobre accesibilidad — Perplexity publica una guía sobre la IA al servicio de las personas con discapacidad y sobre la accesibilidad de las propias herramientas de IA, sin presentar ningún producto ni cifras propias; cita una prueba de Microsoft en la que el 12 % de las páginas generadas sin instrucciones supera las comprobaciones automatizadas, frente al 86 % cuando los modelos prueban y corrigen su código. 🔗 fuente

Qué significa

La voz se convierte en una interfaz para los agentes, con una arquitectura que se repite: un modelo conversa en primer plano y un agente actúa en segundo plano. MOSS-Live la convierte en el núcleo de su sistema con una capa de coordinación entre ambos modelos, y Antigravity la incorpora tanto a la aplicación como al terminal, el mismo día en que Cursor abría su chat de voz. Las limitaciones siguen siendo claras: Antigravity restringe el modo de voz a una sola conversación local a la vez y mantiene el clic para las acciones destructivas; MOSS-Live no publica ni pesos ni licencia, y sus propias puntuaciones lo sitúan por detrás de GPT-Live-1 en las tareas de varios turnos de τ-Voice.

La infraestructura se reajusta a la carga de los agentes. GitHub dimensiona Rubicon para ráfagas de operaciones de escritura destinadas a convertirse en un ritmo continuo, prueba 5 000 agentes en un solo repositorio y contabilizó en octubre más de 1,2 mil millones de commits en una semana. La misma tendencia afecta a la organización del trabajo: la code review de Copilot se configura por API desde la empresa hasta el repositorio, como cualquier política de infraestructura, y @GitHub se instala en Slack y Teams, donde los equipos ya hablan de lo que hay que corregir.

Las mejoras también vienen del software. CUDA 13.5 lleva la compatibilidad con Vera Rubin a disponibilidad general y acelera bibliotecas como cuSPARSE, Reshard hace que la transferencia de pesos sea entre 2,7 y 5,7 veces más rápida en aprendizaje por refuerzo, y la combinación de optimizaciones hace que FLUX 3 Image Klein sea hasta 4,45 veces más rápido en un solo B200. Together AI, por su parte, afirma lograr entre un 12 y un 20 % más de rendimiento mediano con agentes que optimizan los kernels continuamente. Todas estas cifras proceden de los proveedores y se han medido en sus propias configuraciones.