Claude Code v2.1.198 con Chrome GA y PR draft automática, GitHub Models retirado el 30 de julio, programa Devin Security Remediation

La versión 2.1.198 de Claude Code da un paso adelante con el paso a disponibilidad general de Claude in Chrome y la creación automática de PR draft por parte de los agentes en segundo plano en los worktrees. GitHub confirma al mismo tiempo el cierre definitivo de GitHub Models el 30 de julio de 2026, reposicionando Copilot como punto de entrada único de IA en la plataforma. La jornada se completa con el programa enterprise de remediación de vulnerabilidades de Cognition, el benchmark ParallelKernelBench de Together AI sobre kernels multi-GPU, un balance de SynthID de Google DeepMind con colaboraciones inéditas con OpenAI, NVIDIA y Apple, y varias actualizaciones de GitHub Copilot.

Claude Code v2.1.198 — Chrome GA y PR draft automática

1 de julio — La versión 2.1.198 de Claude Code pasa a disponibilidad general (generally available) la extensión Claude in Chrome, que permite al agente interactuar directamente con las páginas web abiertas en Chrome desde la interfaz de Claude Code. La extensión, disponible desde hace varias semanas en beta, sale de la fase experimental.

La segunda novedad de fondo afecta a los agentes en segundo plano: los que se lanzan desde claude agents en un worktree ahora crean automáticamente un commit, empujan el código y abren una PR draft al final de su trabajo, sin interrumpir para pedir confirmación. Este cambio reduce los idas y vueltas manuales en los flujos de trabajo agenticos de desarrollo.

Funcionalidad	Detalle
Claude in Chrome GA	La extensión de Chrome pasa de beta a disponibilidad general
PR draft automática	Los agentes en segundo plano hacen commit, empujan y abren una PR draft sin intervención manual
Skill `/dataviz`	Nuevo skill para el diseño de gráficos y paneles, con validador de paleta de colores ejecutable
Gateway AWS	`anthropicAws` (Claude Platform en AWS) añadido como proveedor upstream; los errores de «modelo no encontrado» avanzan automáticamente la cadena de failover
Explore hereda el modelo	El agente Explore integrado hereda el modelo de sesión (limitado a Opus) en lugar de funcionar sobre Haiku
Extended thinking heredado	Los subagentes y la compacción de contexto heredan la configuración de razonamiento extendido (extended thinking) de la sesión

Entre las correcciones destacadas: los errores de red transitorios (ECONNRESET) ahora desencadenan un reintento con espera exponencial (backoff) en lugar de abandonar el turno; el token STS AWS/Mantle se renueva automáticamente mediante awsAuthRefresh; las reglas condicionales .claude/rules/ se cargan correctamente incluso a través de rutas simbólicas (symlink). La versión 2.1.199, publicada el 2 de julio en npm, se menciona en el registro npm, pero su changelog aún no se había actualizado en el momento del análisis.

🔗 Changelog Claude Code

GitHub Models retirado definitivamente el 30 de julio de 2026

1 de julio — GitHub confirma el cierre definitivo de GitHub Models el 30 de julio de 2026. El playground, el catálogo de modelos, la API de inferencia y el modo BYOK (bring your own key) serán eliminados para todos los clientes, incluidos los usuarios existentes activos que seguían accediendo al servicio.

El cierre para los nuevos clientes había sido anunciado en junio de 2026. GitHub planifica dos brownouts preliminares el 16 de julio y el 23 de julio para preparar la transición. Después del 30 de julio, cualquier solicitud a la API de inferencia de GitHub Models devolverá un error.

Alternativa	Caso de uso
Azure AI Foundry	Catálogo de modelos de terceros para los equipos que quieran conservar acceso directo a los modelos independientemente de Copilot
GitHub Copilot	Acceso a los modelos integrado en GitHub, selección automática por tarea, facturación por créditos de IA

GitHub Models se había lanzado como espacio de prueba de modelos de IA directamente desde la interfaz de GitHub. Su retirada marca un reposicionamiento estratégico: GitHub unifica el acceso a los modelos bajo GitHub Copilot, que ahora integra modelos open-weight (Kimi K2.7 desde el 1 de julio), una selección automática por tipo de tarea y un control granular de los créditos.

Los equipos que usan la API de inferencia de GitHub Models deben migrar antes del 30 de julio, bajo pena de interrupción del servicio. Los brownouts del 16 y 23 de julio permiten probar la resistencia de los pipelines antes del cierre definitivo.

🔗 Changelog — GitHub Models retirado

Devin Security Vulnerability Remediation Program

2 de julio — Cognition lanza el Devin Security Vulnerability Remediation Program, un programa de acompañamiento enterprise de seis semanas para reducir los atrasos de vulnerabilidades de aplicaciones. Se apoya en Devin Security Swarm (anunciado la víspera) como motor de descubrimiento continuo de fallos.

El programa se basa en dos pilares. El primero busca absorber el backlog: Devin ingiere los informes de escáneres existentes (Snyk, SonarQube, Checkmarx, Semgrep, Wiz, Veracode), valida las vulnerabilidades y envía PR de corrección. El segundo pilar, la remediación continua, confía a Devin Security Swarm la detección de los fallos que las herramientas de análisis estático pasan por alto: lógica de negocio, bypasses de autenticación encadenados, rutas de explotación entre servicios.

Semana	Actividad
1-2	Inventario, alcance, configuración de Devin, mapeo de los flujos de trabajo
3-4	Remediación a escala en los repositorios prioritarios
5-6	Evaluación de resultados, planificación del despliegue ampliado

El programa está reservado a clientes enterprise que despliegan Devin Cloud a gran escala. Los equipos elegibles pueden inscribirse a través de su responsable de cuenta de Cognition.

🔗 Cognition — Devin Security Vulnerability Remediation Program

ParallelKernelBench — los LLM frontier sufren con los kernels multi-GPU

2 de julio — Together AI publica ParallelKernelBench, un benchmark open-source de 87 problemas extraídos de codebases reales (Megatron-LM, DeepSpeed, TensorRT-LLM, NeMo-RL) para evaluar la capacidad de los LLM para generar kernels CUDA multi-GPU de alto rendimiento — tensor parallel, expert parallel, FSDP/ZeRO, comunicación NVLink. Los modelos frontier actuales resuelven menos de un tercio de los problemas.

Modelo	pass@3	fast1@3 (correcto Y más rápido que la referencia)
GPT-5.5	36/87	27/87
Claude Opus 4.7	31/87	20/87
Gemini 3 Pro	30/87	19/87
DeepSeek V4 Pro	3/87	1/87

El principal cuello de botella es la comunicación NVLink y los mecanismos avanzados (TMA, NVLS), prácticamente ausentes en las generaciones actuales de modelos. En modo agentico (Gemini 3 Pro con acceso a terminal), la puntuación sube a 35/87 correctos y 26 más rápidos que la referencia PyTorch+NCCL. Algunos kernels generados superan las implementaciones públicas existentes, incluido un kernel NeMo (Gemini 3 Pro) sin equivalente optimizado conocido.

🔗 Together AI — ParallelKernelBench

SynthID : 100 mil millones de activos con marca de agua, código de texto en open source

1 de julio — Google DeepMind compartió a través de @GoogleAI un balance de madurez de SynthID, su tecnología de marca de agua digital para los contenidos generados por IA. Más de 100 mil millones de imágenes y vídeos llevan ahora la marca de agua SynthID, a los que se suman 60 000 años de contenido de audio marcado. Más de 50 millones de verificaciones han sido realizadas por los usuarios a través de Google Search, la extensión Gemini para Chrome y la aplicación Gemini.

Google adopta el estándar abierto C2PA (Content Authenticity Initiative) en el conjunto de sus herramientas generativas: las imágenes y vídeos creados en la aplicación Gemini incorporan ahora tanto la marca de agua SynthID como los metadatos C2PA. El código de marca de agua para el texto se publica en open source.

Punto destacado: Google anuncia colaboraciones con OpenAI, NVIDIA y Apple para ampliar SynthID a los medios generativos de estos actores. Es la primera vez que Google comunica públicamente asociaciones concretas con estas tres empresas sobre la procedencia de contenidos de IA.

🔗 Tweet @GoogleAI — SynthID

GitHub — Nuevas funcionalidades de Copilot

Pools de créditos de IA incluidos para los cost centers

2 de julio — Los cost centers de GitHub ahora pueden limitar la parte de créditos de IA incluidos (pool mensual) consumida por departamento. Esta funcionalidad es distinta de los presupuestos por usuario introducidos el 30 de junio, que solo gestionan la fase de facturación adicional.

GitHub calcula automáticamente el límite según las licencias asignadas al cost center. Hay dos comportamientos configurables cuando se alcanza el límite: bloquear los usos o pasar a facturación adicional. Disponible mediante la API REST (interfaz gráfica próximamente) para Copilot Business y Copilot Enterprise en GitHub Enterprise Cloud.

🔗 Changelog — Cost centers

Issue fields en disponibilidad general

2 de julio — Los campos de issue estructurados (Prioridad, Esfuerzo, Fecha de inicio, Fecha objetivo) pasan a disponibilidad general para todas las organizaciones de GitHub (Free, Team, Enterprise). Más de 40 000 organizaciones ya los utilizaban desde la preversión pública de mayo. Los valores de los campos ahora se muestran directamente en las listas de issues de los repositorios, y los proyectos públicos se benefician de controles de visibilidad.

La integración más destacada: el servidor MCP de GitHub expone estos campos a Copilot en lectura y escritura, abriendo la puerta a flujos de trabajo agenticos que crean y actualizan issues con metadatos estructurados desde el chat o el agente Copilot.

🔗 Changelog — Issue fields GA

Synthesia — Hablar, escuchar, ver: los tres niveles de los avatares de vídeo interactivos

2 de julio — Synthesia publica un artículo de investigación que define una nueva categoría de modelos: los Interactive Avatar Models (modelos de avatares de vídeo interactivos). Estos modelos se distinguen de los sistemas clásicos de generación de vídeo por su capacidad para mantener un diálogo en tiempo real, con una latencia lo suficientemente baja como para que la interacción resulte natural.

El artículo estructura las capacidades en tres niveles progresivos:

Nivel	Capacidad
Hablar (Talk)	Generación de discurso en vídeo a partir de texto
Escuchar (Listen)	Comprensión y capacidad de reacción al ser humano
Ver (See)	Comprensión visual del contexto conversacional

Es el primer marco conceptual publicado por un actor importante de los avatares para formalizar esta categoría, lo que posiciona a Synthesia como laboratorio de investigación además de su papel como plataforma comercial, en un mercado muy competido con HeyGen y Microsoft Azure AI Avatar.

🔗 Blog de Synthesia

Fable 5 vuelve como orquestador en Perplexity Computer

2 de julio — Perplexity anunció a través de @perplexityai que Claude Fable 5 vuelve a estar disponible como modelo orquestador (_orchestrator model) en Perplexity Computer, su producto de automatización de escritorio. El anuncio sigue a la restauración mundial de Fable 5 por parte de Anthropic el 1 de julio. El tuit generó 55 529 visualizaciones y 943 menciones «me gusta».

Perplexity Computer permite a los usuarios delegar tareas de automatización a un agente de IA que actúa sobre el escritorio. La reintegración de Fable 5 como orquestador refuerza las capacidades de razonamiento y planificación del sistema, tras su retirada impuesta por los controles de exportación estadounidenses en junio de 2026.

🔗 Tweet @perplexity_ai

Breves

Amp — lectura de hilos ilimitada y agentes en Orbs — Amp ahora puede leer hilos de cualquier tamaño (hasta 271 rondas documentadas) y publica un artículo técnico sobre la arquitectura Orbs para ejecutar agentes en máquinas remote headless. 🔗 Chronicle Amp
Skill C++ para Copilot CLI — El servidor de lenguaje C++ de Microsoft está disponible como plugin de Copilot CLI, con un skill que genera y mantiene automáticamente el archivo compile_commands.json para CMake y MSBuild. Instalación: /plugin install cpp-language-server@copilot-plugins. 🔗 Changelog

Lo que eso significa

La tooling agentica cruza un umbral de autonomía. Claude Code v2.1.198 ilustra una trayectoria clara: los agentes ya no se detienen para pedir confirmación sobre los pasos técnicos — crean commits, envían el código, abren PR draft y notifican al final. El programa Devin Security Remediation lleva la misma lógica al ámbito de la seguridad: Devin ingiere los informes de escáneres existentes, valida las vulnerabilidades y envía PR sin configuración por repositorio. Amp completa este panorama con sus Orbs, que ejecutan agentes en máquinas remotas sin interfaz. Estos tres anuncios del mismo día convergen hacia un modelo en el que el agente gestiona el flujo de trabajo de extremo a extremo, mientras el humano valida el resultado final en lugar de cada etapa intermedia.

La infraestructura y los benchmarks revelan carencias estructurales. La retirada de GitHub Models señala que el mercado no soporta capas genéricas de acceso a modelos: GitHub se reposiciona hacia Copilot (integración nativa, control de créditos, selección automática por tarea). ParallelKernelBench ofrece una constatación complementaria sobre los límites actuales de los LLM: incluso los mejores modelos frontier (GPT-5.5: 27/87, Claude Opus 4.7: 20/87) tienen dificultades para generar kernels CUDA multi-GPU de alto rendimiento, un ámbito donde la comunicación NVLink sigue siendo un cuello de botella sin resolver. Los dos mecanismos de centros de coste de GitHub (presupuestos de usuario del 30 de junio + pools de créditos incluidos del 2 de julio) muestran en paralelo que la gobernanza del gasto en IA en la empresa se está volviendo tan crítica como el rendimiento de los modelos.

SynthID y la procedencia intersectorial: un impulso sin precedentes. El balance de SynthID — 100 mil millones de activos con marca de agua, adopción de C2PA, código de texto en open source — va más allá de las cifras para señalar un punto de inflexión: Google anuncia por primera vez colaboraciones concretas con OpenAI, NVIDIA y Apple en la marca de agua de contenidos de IA. Que competidores directos se coordinen sobre la procedencia de medios generados, en un contexto de creciente presión regulatoria, indica que este tema ha salido del perímetro de cada empresa para convertirse en una infraestructura compartida de confianza.