🤖 IA Weekly Digest #15 — Semana 43, 2026

Compilado el 23 de octubre de 2026

Esta semana Strata se ha comido los titulares: de los foros sobre Qwen3.8 Flash-Next en cada combinación de GPU imaginable a la pregunta pendiente de si acelera también en Apple Silicon. Mientras, Microsoft empuja su Agent Framework como sucesor de AutoGen y Semantic Kernel, y alguien monta un hedge fund autónomo completo en local con LangGraph. El mensaje de fondo: correr modelos grandes en casa ya no es un experimento, es una decisión de hardware y RAM.

🔝 Lo más importante de la semana

1. Subir de 32GB a 64GB de RAM convierte Qwen3.8-Flash-Next de 2-bit a 4-bit en una sola 4090

Qué ha pasado: Un usuario con RTX 4090 e i9-14900K pasó de 32GB a 64GB de DDR5-5800 y pudo abandonar IQ2_XS para correr la variante Unsloth UD-IQ4_XS de Qwen3.8-Flash-Next con Strata, con la RAM como amortiguador de la VRAM limitada.
Por qué importa: Es la demostración más práctica de que la RAM del sistema es la segunda VRAM: una mejora de ~150€ en memoria puede valer más que medio punto de calidad de cuantización sacrificado.
Para quién importa: Quien juegue con modelos de 30B+ en GPUs de 24GB y se conforme con cuants agresivos por defecto.
🔗 Reddit

2. Microsoft Agent Framework se consolida como sucesor de AutoGen y Semantic Kernel

Qué ha pasado: Han proliferado tutoriales y comparativas del Microsoft Agent Framework (en C# y .NET), presentado oficialmente como el reemplazo de Semantic Kernel y AutoGen para construir apps multi-agente desde cero.
Por qué importa: Cuando un gigante unifica dos frameworks maduros bajo uno solo, el ecosistema de agentes enterprise se simplifica — y las comparativas AutoGen vs CrewAI vs LangGraph de esta semana ya lo incluyen como contendiente.
Para quién importa: Equipos que montan orquestación multi-agente en producción, sobre todo en el mundo .NET.
🔗 YouTube · Comparativa 2026

3. Lumina Capital: un hedge fund autónomo open-source corriendo 100% en local

Qué ha pasado: Se ha publicado Lumina Capital v6.0.0, un motor multi-agente cuantitativo open-source que combina razonamiento LLM con señales determinísticas (Qlib Alpha158, TimesFM) sobre LangGraph, todo ejecutable en local.
Por qué importa: Es un caso real de arquitectura agéntica con guardrails determinísticos: el LLM no decide solo, razona sobre salidas de modelos cuantitativos verificables. Ese patrón sirve para mucho más que trading.
Para quién importa: Quien quiera estudiar cómo separar «decisión de agente» de «cálculo determinístico» en sistemas autónomos locales.
🔗 Reddit

4. SonicBoom v0.0.3: un runtime de inferencia «compiler-first» que presume de superar a llama.cpp en decode

Qué ha pasado: HardenedLinux ha publicado SonicBoom v0.0.3, un runtime de inferencia GPLv3 sin Python — una librería compartida con C ABI y Scheme (Guile) — que afirma superar a llama.cpp en velocidad de decode, y pide ayuda a la comunidad para hacer benchmarks en GPUs diversas.
Por qué importa: Si las cifras se confirman de forma independiente, es otro golpe al stack Python dominante, en la misma línea de «menos capas, más tokens/segundo».
Para quién importa: Afinicionados al rendimiento de inferencia local con GPUs variadas y ganas de contribuir benchmarks.
🔗 Reddit

5. RTX 5090 Laptop en Linux: cuelgues con Xid 8 por CUDA graphs, sin arreglo a la vista

Qué ha pasado: Un Lenovo Legion con RTX 5090 Laptop (24GB) sobre Linux Mint sufre cuelgues de GPU con error Xid 8 al correr LLMs locales, relacionados con el soporte de CUDA graphs en los drivers — y de momento no hay fix.
Por qué importa: Es un aviso importante antes de comprar: la 5090 Laptop en Linux para inferencia todavía tiene asperezas de drivers, y no todo lo que funciona en Windows funciona igual aquí.
Para quién importa: Quien esté considerando un portátil RTX 5090 para IA local sobre Linux.
🔗 Reddit

🧭 Radar rápido

• Strata en Apple Silicon — La comunidad pregunta si la prometida aceleración 4x sobre llama.cpp también se materializa en Macs (vs MLX); por ahora, más dudas que datos. 🔗 Reddit
• Mac Studio M3 Ultra 96GB — Hilo práctico sobre los mejores modelos para coding y chat en memoria unificada: Qwen3.8-27B impresiona. 🔗 Reddit
• Nemotron-3.5-Bolt-74B en 16GB de VRAM — Benchmarks de la quant oficial IQ2_XSS de NVIDIA con llama.cpp y tuning estilo Strata: ~169 tok/s de generación. 🔗 Reddit
• Qwen3.8 Flash-Next en 4×3090 — Hilo sobre el mejor motor (vLLM vs alternativas) para un rig de 4×3090 + 32GB DDR5, con ~100 tok/s actuales como referencia. 🔗 Reddit
• Asistente de reuniones con OpenClaw — Tutorial paso a paso de un asistente multi-agente estilo producción: Otter AI + Trello + Discord. 🔗 YouTube
• 7 días programando con modelos locales — Repaso honesto de una semana con CLIs y agentes locales (incluye OpenClaw con LLM local). 🔗 YouTube
• Guía 2026 de tools locales con Ollama — Pipeline 100% local con Ollama y vector DB para dejar de pagar APIs. 🔗 YouTube

🎯 Mi lectura de la semana

Si algo deja clara esta semana es que la inferencia local se ha convertido en un juego de decisiones de hardware, no de modelos. El mismo Qwen3.8 Flash-Next cambia radicalmente de experiencia según tengas 32GB o 64GB de RAM, una 4090 o cuatro 3090, o Apple Silicon con memoria unificada. Los modelos ya están; el cuello de botella es tu placa.

La segunda lectura es que Strata está cambiando las reglas del juego de rendimiento — y todos los hilos de la semana giran alrededor de él: cómo cuantizar para aprovecharlo, cómo se comporta en Strix Halo, en Apple, con la quant oficial de NVIDIA. Cuando una técnica mueve el mercado entero de discusiones en una semana, es que ha tocado algo real.

Y en el mundo agéntico, me quedo con Lumina Capital: el patrón de «LLM razona, cálculo determinístico decide» es el más sano que he visto en sistemas autónomos locales en bastante tiempo. Eso mismo lo quiero en mis flujos con OpenClaw.

¿Tienes algún comentario o quieres profundizar en algo? Respóndeme.
Si te ha gustado, suscríbete al blog en elmonomudo.com.