Scott Wu, de Cognition, diu que els agents de codificació d'IA no haurien de substituir els humans ↗
Scott Wu, de Cognition, va rebutjar la idea que Devin està dissenyat per substituir completament els programadors. Una postura una mica incòmoda, atès que l'empresa també diu que Devin fa un commit d'una gran part del seu propi codi.
El seu plantejament és més aviat de "company de codificació en IA" que de "un follet d'ordinador portàtil s'ha menjat la feina". Tot i això, és difícil passar per alt la tensió: millors agents, menys excuses per a equips d'enginyeria inflats... o això és el que s'argumenta.
Aquesta startup d'IA netejarà la teva llar gratuïtament per entrenar futurs robots ↗
Shift ofereix neteja gratuïta de la llar, amb una característica pràctica i una mica inquietant: els netejadors porten un "barret màgic" equipat amb una càmera perquè l'empresa pugui recopilar dades d'entrenament de robots.
L'argument és senzill: tu obtens un pis net i ells graven un vídeo de les tasques domèstiques. Una bona ganga, potser.
Shift diu que desdibuixa els detalls sensibles i anonimitza les imatges, però la pregunta més àmplia encara està allà com un mitjó sota el sofà: quanta privacitat a casa està disposada la gent a canviar per comoditat?
Anthropic publica Claude Opus 4.8 ↗
Anthropic ha llançat Claude Opus 4.8 amb millores en la codificació, els fluxos de treball agentius, el raonament i el treball professional. El principal atractiu és la fiabilitat: menys afirmacions sense fonament, millor ús de les eines i més autocomprovació.
Claude Code també té fluxos de treball dinàmics, permetent que el model planifiqui, iniciï subagents paral·lels, verifiqui els resultats i enviï informes. Això sona a la deriva fins que t'adones que bàsicament és gestió de projectes amb una gavardina.
Els preus es mantenen dividits entre els modes estàndard i ràpid, i Anthropic s'inclina més pels controls d'esforç perquè els usuaris puguin compensar la velocitat, la qualitat i el consum de tokens.
El president de Foxconn afirma que té una confiança immensa en l'impuls del creixement gràcies a la IA ↗
El president de Foxconn va dir que la demanda d'IA està canviant el ritme estacional habitual de l'empresa. La vella caiguda de proveïdors de mitjans d'any? Pel que sembla, ja no actua amb normalitat.
El motiu és la gegantina despesa en IA dels gegants del núvol, que Foxconn veu com la seva pròpia oportunitat de mercat. Aquest és el costat del maquinari del boom de la IA, menys brillant que els chatbots, però precisament on ressonen les canonades dels diners.
Foxconn ja és un important fabricant de servidors Nvidia, de manera que el seu optimisme és bàsicament una prova de temperatura a la cursa de les infraestructures d'IA.
Un manual compartit per a avaluacions fiables de tercers ↗
OpenAI va publicar una guia sobre avaluacions d'IA de tercers, argumentant que les proves necessiten detalls més clars sobre què es va avaluar, com es va provar i què poden demostrar els resultats.
El punt central és sorprenentment pràctic: les avaluacions de la IA de frontera no poden ser només conjectures en forma de taula de classificació. Els avaluadors han d'explicar el sistema provat, les indicacions, les garanties, les comprovacions de validesa i on s'acaben les afirmacions.
Això importa perquè a mesura que els models es tornen més agentius, les proves superficials poden fer que els sistemes semblin més segurs o més forts del que són. Poca energia de paperassa, grans conseqüències.
Preguntes freqüents
Els agents de codificació d'IA com Devin estan destinats a substituir els programadors?
Scott Wu presenta els agents de codificació d'IA com a socis de codificació en lloc de substituts complets dels programadors humans. L'article assenyala una tensió, però: Devin també es descriu com a contribuïdor d'una gran part del codi propi de Cognition. En termes pràctics, la conclusió és que aquestes eines poden reduir part del treball d'enginyeria rutinari tot i que encara depenen dels humans pel que fa al judici, la direcció i la responsabilitat.
Per què Shift ofereix neteja gratuïta de la llar per a dades d'entrenament d'IA?
Shift ofereix neteja gratuïta de la llar perquè vol dades de vídeo del món físic de les tasques domèstiques per entrenar els futurs robots. Els netejadors porten un "barret màgic" equipat amb càmera mentre treballen, produint imatges que poden ajudar els sistemes d'IA a entendre les tasques domèstiques. L'intercanvi és clar: els clients obtenen una llar neta, mentre que l'empresa obté dades dels espais habitables privats.
Com gestiona Shift la privadesa a l'hora de recopilar imatges de neteja de la llar?
L'article diu que Shift afirma que desdibuixa els detalls sensibles i anonimitza les imatges. Això pot reduir alguns riscos per a la privadesa, però no elimina la preocupació més àmplia de gravar dins de les cases de les persones. Per als usuaris, la pregunta central és si la comoditat de la neteja gratuïta val la pena aquest nivell de recopilació de dades.
Què hi ha de nou a Claude Opus 4.8?
Es descriu Claude Opus 4.8 com una millora de la codificació, els fluxos de treball agentius, el raonament i el treball professional. L'actualització se centra en la fiabilitat, incloent-hi menys afirmacions no compatibles, un ús més fort de les eines i més autocomprovació. Claude Code també obté fluxos de treball dinàmics, on el model pot planificar, executar subagents paral·lels, verificar els resultats i informar de resultats.
Per què importa l'optimisme de Foxconn pel boom de la IA?
La confiança de Foxconn és important perquè reflecteix el costat del maquinari del boom de la IA. El president de l'empresa va dir que la demanda d'IA està canviant el seu patró estacional habitual, i que la despesa en infraestructura dels gegants del núvol crea una gran oportunitat de mercat. Com que Foxconn ja és un important fabricant de servidors Nvidia, els seus comentaris serveixen com un fort senyal per a la demanda d'infraestructures d'IA.
Què diu OpenAI que fa que les avaluacions d'IA de tercers siguin fiables?
OpenAI argumenta que les avaluacions d'IA necessiten explicacions més clares de quin sistema s'ha provat, com s'ha provat i què demostren realment els resultats. Això inclou detalls sobre indicacions, salvaguardes, comprovacions de validesa i els límits de qualsevol afirmació. El punt és especialment important per a models més agentius, on les proves superficials poden fer que els sistemes semblin més segurs o més capaços del que són.