The Batch n°350 — How Coding Agents Accelerate Different Types of Software Work (Andrew Ng) + GLM-5.1, Digit chez Schaeffler, anti-data-center revolt, assistant axis

Puntos clave

1. Número 350 de The Batch. publicado el 24 de abril de 2026, ~15 minutos de lectura, editorial de Andrew Ng.
2. Jerarquía de aceleración para agentes de codificación. (de mayor a menor aceleración): 1. Frontend — "coding agents are fluent in popular frontend languages like TypeScript and JavaScript". Bucle autónomo agente-navegador (el agente prueba sus resultados en un navegador, itera). Cuando el diseño está especificado, la implementación es rápida. 2. Backend — aceleración moderada. El desarrollador debe guiar al modelo a través de los casos límite, las consideraciones de seguridad y las migraciones de bases de datos. Errores sutiles + efectos posteriores = se requiere supervisión humana experimentada. 3. Infraestructura — la aceleración más débil. Los LLM tienen un conocimiento "relativamente limitado" de las complejidades y compensaciones de la infraestructura. Las pruebas, la experimentación y la depuración de configuraciones de red erróneas exigen una experiencia de ingeniería profunda que supera las capacidades actuales de los agentes. 4. Investigación — aceleración mínima pese a las ganancias relacionadas con el código. Los agentes aceleran la generación de código y la orquestación de experimentos, pero el trabajo conceptual (formulación de hipótesis, interpretación, iteración) sigue siendo humano.
3. Lección de gestión. "Understanding these distinctions helps organizations calibrate expectations and team organization around AI capabilities."
4. Lectura especular con Karpathy. (ficha [karpathy-vibe-coding-agentic-engineering-software-3-0-2026-04-29](karpathy-vibe-coding-agentic-engineering-software-3-0-2026-04-29.md)): Ng propone una jerarquía por dominio, Karpathy una explicación por verificabilidad — los dominios con una señal de verificación fuerte (renderizado visual del frontend, matemáticas/código) alcanzan su punto máximo; los dominios difusos (infraestructura, investigación conceptual) van a la zaga. Ambos marcos son congruentes. ### Noticia 1 — GLM-5.1 (Z.ai): agente autónomo de 8 horas
5. Arquitectura. MoE, 754B de parámetros totales, 40B activos por token.
6. Contexto. 200.000 tokens de entrada, 128.000 de salida.
7. Licencia. MIT, pesos abiertos (HuggingFace).
8. Precios de API. 1,40 $ / 0,26 $ (en caché) / 4,40 $ por millón de tokens (entrada/en caché/salida).
9. Capacidad distintiva. sostiene de forma autónoma una única tarea durante hasta 8 horas, con un bucle de planificación→ejecución→evaluación y abandono adaptativo tras cientos de llamadas a herramientas si el enfoque falla (en lugar de terminar prematuramente).
10. Rendimiento. líder en SWE-Bench Pro con 58,4% (frente al 54-57% de sus competidores); 3.º en Arena Code (1530 Elo); récord en CyberGym con 68,7; queda por detrás en GPQA Diamond con 86,2% frente al 94,3% de Gemini 3.1.
11. Mercado. Z.ai subió sus precios de API ~40% y duplicó el coste de su suscripción de codificación, reduciendo la brecha competitiva con las ofertas propietarias. ### Noticia 2 — Digit (Agility Robotics) en la línea de producción de Schaeffler
12. Primer despliegue operativo. de humanoides en la industria (Carolina del Sur, piezas de automoción).
13. Especificaciones de Digit. 1,75 m, 65 kg, piernas bípedas con rodilla invertida, pinzas de 4 dedos, sensores RGB de profundidad + LiDAR + IMU.
14. Régimen. dos turnos de 4 horas con recarga; tareas especificadas como flujos de trabajo (no como comandos motores directos) — transferencia de contenedores.
15. Economía. Agility sitúa el coste operativo en 10-25 $/h frente a ~20 $/h para un puesto humano de nivel de entrada. Schaeffler planea cientos de despliegues en EE. UU. + Europa de aquí a 2030.
16. Contexto global. ~200 humanoides en fábricas en 2026; proyección de McKinsey: 5 millones de aquí a 2040.
17. Efecto sobre el empleo. la investigación sugiere una reestructuración más que una eliminación — promoción hacia funciones de supervisión. ### Noticia 3 — Revuelta antidata centers
18. Escala. ~64.000 M$ en proyectos de centros de datos bloqueados o retrasados entre mayo de 2024 y marzo de 2025.
19. Legislación. Maine — moratoria sobre instalaciones ≥20MW hasta 2027 (ley pendiente de la firma del gobernador). Wisconsin (Port Washington) — primer referéndum de EE. UU. que exige una votación popular para los incentivos fiscales de los megaproyectos. Missouri (Festus) — los votantes destituyeron a los concejales municipales que habían aprobado un centro de datos de 6.000 M$. Ohio — enmienda constitucional propuesta que prohíbe las instalaciones ≥25MW.
20. Quejas. presión sobre la red eléctrica, aumento de las tarifas energéticas residenciales, consumo de agua, molestias por ruido, impacto en el vecindario, huella medioambiental.
21. Incidentes violentos. (1) cóctel molotov lanzado contra la casa de Sam Altman en San Francisco; (2) disparos contra la residencia de un concejal de Indianápolis que había respaldado un centro de datos de 500 M$.
22. Mitigaciones técnicas. refrigeración de circuito cerrado eficiente en agua; creciente generación privada de energía fuera de red.
23. Tensión estratégica. las empresas tecnológicas ven el centro de datos como infraestructura de soberanía en IA frente a China, de ahí la rápida expansión pese a la resistencia local. ### Noticia 4 — "Eje del asistente" (Christina Lu, MATS / Oxford / Anthropic)
24. Problema. los LLM entrenados como asistentes sufren una deriva de persona en conversaciones largas o emocionalmente cargadas, adoptando rasgos alternativos.
25. Solución. un "eje del asistente" = un vector derivado de las salidas de las capas que mide la adherencia a la persona de asistente entrenada. Permite tanto la detección COMO la corrección de la deriva.
26. Metodología. 1.200 preguntas de sondeo de carácter + 1.375 prompts de sistema alternativos; mediciones en Gemma 2 27B / Qwen3 32B / Llama 3.3 70B; "activation capping" = restringir las salidas dentro de los parámetros de la persona de asistente en la inferencia.
27. Resultados de jailbreak.
28. Qwen3 32B: respuestas dañinas 83% → 41%
29. Llama 3.3 70B: respuestas dañinas 65% → 33%
30. Preservación del rendimiento. IFEval, GSM8k, MMLU-Pro, EQ-Bench estables o mejorados — el refuerzo de la alineación no compromete la capacidad.
31. Ejemplo de impacto. una conversación de 30 turnos en torno a la ideación suicida — el modelo sin modificar deriva hacia un tono inapropiado; la versión capped mantiene los límites terapéuticos + una orientación compasiva.
32. Implicación. un medio práctico y ligero de estabilizar la persona sin reentrenamiento, próximo al trabajo de Anthropic sobre el entrenamiento de carácter (cf. [anthropic-measuring-political-bias-claude-2025-11-13](../2025-11/anthropic-measuring-political-bias-claude-2025-11-13.md)).