OpenAI agéntica, Zero de Vercel y Granite R2: 18 mayo

Tres movimientos del 18 de mayo apuntan en la misma dirección: la industria está apostando estructuralmente por un futuro donde los agentes de IA no solo asisten, sino que leen, reparan y despliegan código de forma autónoma. Lo que diferencia este ciclo del anterior es que ahora hay reorganizaciones corporativas, lenguajes de programación nuevos y modelos de embeddings abiertos diseñados específicamente para ese escenario.

Greg Brockman toma las riendas del producto agéntico en OpenAI

La noticia más estratégica del día viene de OpenAI: Greg Brockman asume el control formal de la estrategia de producto de la compañía y, bajo su dirección, ChatGPT, Codex y la API para desarrolladores se fusionan en un único equipo liderado por Thibault Sottiaux. El objetivo declarado es construir una super app que integre también el navegador Atlas.

Esto no es una reorganización cosmética. Hasta ahora, ChatGPT (orientado a consumidor), Codex (desarrolladores) y la API (empresas) operaban con roadmaps parcialmente divergentes. La unificación implica que OpenAI va a priorizar la coherencia de experiencia sobre la optimización por segmento, lo que tiene implicaciones directas para los equipos que construyen productos encima de la API: los cambios de producto en ChatGPT y en los endpoints de la API van a estar más sincronizados, pero también habrá menos espacio para que la API evolucione de forma independiente según las necesidades B2B.

El concepto de futuro agéntico que menciona Brockman no es retórica: la integración de Atlas como navegador sugiere que OpenAI está construyendo un agente con capacidad de acción en la web de forma nativa, sin depender de herramientas externas como Computer Use de Anthropic o los operadores de terceros actuales. La apuesta es que el agente y la interfaz sean la misma capa, lo que reduciría la fricción para usuarios finales pero cerraría parte del ecosistema de integradores que hoy construyen sobre la API.

Para quienes desarrollan agentes autónomos o productos de automatización sobre OpenAI, la señal práctica es esta: el momento de diversificar dependencias —Anthropic, Gemini, modelos open-source— es ahora, antes de que la consolidación de producto de OpenAI reduzca los grados de libertad disponibles.

Zero: Vercel diseña un lenguaje de programación para que los agentes se corrijan solos

Vercel Labs ha publicado Zero, un lenguaje de programación experimental con una premisa técnica concreta: está diseñado desde cero para que los agentes de IA puedan leer, reparar y compilar programas sin intervención humana. Las decisiones de diseño son deliberadas y merecen análisis:

• Los diagnósticos se emiten en formato JSON con códigos estables, lo que elimina el problema habitual de que los LLMs tengan que parsear mensajes de error en lenguaje natural para entender qué falló.
• El control de entrada/salida se aplica en tiempo de compilación, no en runtime, lo que significa que los errores de flujo son detectables antes de ejecutar, reduciendo el ciclo de feedback para el agente.
• Los binarios resultantes pesan menos de 10 KiB, lo que hace factible el despliegue en entornos edge o en dispositivos con recursos limitados.

A diferencia de iniciativas como el uso de Python o TypeScript con wrappers de IA (el enfoque habitual en frameworks como LangChain o AutoGen), Zero propone rediseñar la semántica del lenguaje para que sea machine-first. El riesgo evidente es la adopción: un lenguaje nuevo necesita tooling, comunidad y casos de uso reales para sobrevivir. Vercel tiene la base de desarrolladores para empujarlo, pero el salto de «experimental» a «producción» requiere más que una buena especificación técnica.

Lo que sí es inmediatamente útil es el patrón de diseño que Zero introduce: los equipos que hoy construyen pipelines de agentes de código deberían auditar sus sistemas de diagnóstico. Si sus agentes reciben errores en texto libre, están añadiendo latencia y tokens innecesarios al ciclo de corrección. Estructurar los mensajes de error —aunque sea en sus propios sistemas, sin adoptar Zero— es una mejora accionable hoy.

Esto es especialmente relevante para equipos que trabajan en automatización con IA y necesitan que sus agentes operen con mínima supervisión humana en pipelines de CI/CD o generación de código.

Granite Embedding Multilingual R2: IBM entra fuerte en recuperación open-source

IBM ha lanzado Granite Embedding Multilingual R2 en Hugging Face bajo licencia Apache 2.0. Los datos técnicos son los que importan: ventana de contexto de 32.000 tokens, menos de 100 millones de parámetros, y según IBM, el mejor rendimiento en recuperación de información entre los modelos de su categoría de tamaño.

El punto de comparación relevante es la familia de modelos similares: los embeddings de OpenAI (text-embedding-3-small, text-embedding-3-large) ofrecen buena calidad pero son propietarios y tienen coste por token. Los modelos de la familia E5 de Microsoft o BGE de BAAI son competidores directos en el espacio open-source, pero la mayoría tienen ventanas de contexto significativamente más pequeñas —512 o 8.192 tokens en los casos más comunes—. Una ventana de 32K en un modelo de embeddings cambia lo que es posible en recuperación de documentos largos sin necesidad de chunking agresivo.

El multilingüismo real —no el de «funciona en inglés y tolera español»— sigue siendo el talón de Aquiles de la mayoría de modelos de embeddings. IBM tiene historial en NLP multilingüe con sus modelos Granite anteriores, pero la prueba real será cómo se comporta el modelo en benchmarks multilingües independientes como MIRACL o Mr. TyDi. Hasta que esos resultados externos estén disponibles, las afirmaciones de IBM sobre calidad multilingüe deben tomarse con cautela, especialmente para casos de uso en español técnico o lenguas con menos recursos.

Dicho esto, para equipos que construyen sistemas RAG (retrieval-augmented generation) en producción con requisitos de coste controlado y licencia permisiva, Granite R2 es un candidato serio a evaluar. La combinación de Apache 2.0 + 32K contexto + menos de 100M parámetros lo hace desplegable en infraestructura propia sin dependencia de APIs externas. Equipos en agencias de IA en Madrid o Buenos Aires que trabajan con clientes en sectores regulados —banca, salud, legal— donde los datos no pueden salir del perímetro corporativo tienen aquí una opción técnicamente sólida.

Puedes explorar el modelo directamente en Hugging Face y consultar la cobertura técnica en MarkTechPost para el contexto de Zero de Vercel.

Railway cierra 100M$ pero el ángulo cloud ya fue cubierto

Railway anunció su Serie B de 100 millones de dólares liderada por TQ Ventures. El ángulo de competencia con AWS y la narrativa de infraestructura cloud nativa para IA ya fue analizado en profundidad en el artículo del 16 de mayo sobre Railway y cloud en ebullición, por lo que no lo repetimos aquí. Lo que sí añade este nuevo ciclo de noticias es que Railway llega al cierre con dos millones de desarrolladores orgánicos y sin gasto en marketing, lo que sugiere que su crecimiento seguirá siendo principalmente bottom-up.

Conclusión

Tres ideas accionables para la semana:

1. Audita tus dependencias de OpenAI antes del Q3 2026. La unificación de producto bajo Brockman va a acelerar el roadmap agéntico, pero también va a consolidar decisiones de arquitectura que afectarán a los integradores. Tener alternativas evaluadas —no solo identificadas— es prudente.

2. Adopta el patrón de diagnóstico estructurado en tus pipelines de agentes, independientemente de si adoptas Zero. JSON con códigos estables en lugar de texto libre reduce tokens, latencia y errores de parsing en los ciclos de auto-corrección.

3. Evalúa Granite Embedding Multilingual R2 en tu próximo proyecto RAG multilingüe, especialmente si tienes restricciones de licencia o de datos en perímetro. La ventana de 32K lo diferencia técnicamente de la competencia en su rango de parámetros, aunque conviene esperar benchmarks independientes antes de comprometerse en producción.

Temas relacionados en agentes.ai

Si quieres aplicar lo que lees en tu empresa, estos son puntos de partida útiles dentro de agentes.ai:

• Directorio de agencias de automatización con ia
• Agencias de IA en Bogotá y en Barcelona
• Explora el directorio completo de agencias de IA
• Sigue las últimas noticias de IA en tiempo real