宝玉（Parody）
59 Publicaciones
宝玉（Parody）
Denunciar
Bloquear usuario
0 Siguiendo
2 Seguidores
3 Me gusta
Publicaciones
Todo
Vídeos
·
--
El folleto de salida a bolsa de Anthropic podría hacerse público hoy: prevé cotizar a mediados de noviembre y captar hasta unos 100.000 millones de dólares
Según informó The Information, Anthropic podría publicar el lunes 26 de octubre, hora de Estados Unidos, su folleto de salida a bolsa (S-1). El folleto es un informe completo que las empresas deben entregar a la Comisión de Bolsa y Valores de Estados Unidos antes de salir a bolsa. Debe incluir sus ingresos, pérdidas, grandes clientes, reparto de ingresos con sus socios y quién tiene el control. Anthropic ya presentó un borrador confidencial el 1 de junio, al que solo podía acceder el regulador. Una vez que se haga público, los inversores particulares podrán consultar por primera vez sus cuentas completas.
Hasta la mañana del 26, hora de Pekín, el folleto aún no aparecía en el sistema de archivos EDGAR de la Comisión de Bolsa y Valores de Estados Unidos. La semana pasada también se informó de que podría hacerse público el viernes 23, pero finalmente no ocurrió.
【Calendario】
Según informó el medio financiero IFR el 15 de octubre, Anthropic tiene previsto presentar públicamente el folleto el día 26, comenzar la gira de presentación para inversores institucionales el 9 de noviembre, fijar el precio de las acciones la semana siguiente y empezar a cotizar a mediados de noviembre. El objetivo es captar hasta unos 100.000 millones de dólares, con una valoración aproximada de 2 billones de dólares. Morgan Stanley y Goldman Sachs liderarían la operación. Estos datos proceden de fuentes conocedoras del asunto; Anthropic no los ha confirmado públicamente.
Esa misma semana también se publicarán resultados: Microsoft y Alphabet (la empresa matriz de Google) los presentarán el miércoles, y Amazon, el jueves. Las tres tienen contratos de capacidad de computación en la nube con Anthropic; Amazon y Google son, además, importantes inversores en la empresa.
【Cifras que se han filtrado】
Las cifras que siguen proceden de borradores confidenciales consultados por medios de comunicación y de una reunión con inversores. Ninguna ha sido confirmada por el folleto público, y las cifras podrían cambiar.
Ingresos: Según un borrador más reciente consultado por The Wall Street Journal, los ingresos del primer semestre de 2026 fueron de 16.300 millones de dólares, frente a 1.100 millones en el mismo periodo del año pasado. El borrador no incluye las cifras del tercer trimestre. Según FT y Reuters, Anthropic las presentó el 14 de octubre a posibles inversores en su sede de San Francisco: los ingresos del tercer trimestre fueron de unos 16.800 millones de dólares, un 45 % más que los 11.600 millones del segundo trimestre. Ese 45 % corresponde al crecimiento respecto del trimestre anterior; los ingresos de un solo trimestre ya superaron los del primer semestre completo. El ritmo de crecimiento se está ralentizando: en el segundo trimestre, los ingresos aumentaron alrededor de un 147 % respecto de los aproximadamente 4.700 millones del primero.
Pérdidas: El mismo borrador muestra una pérdida neta de 80.700 millones de dólares en el primer semestre, según las normas contables. Unos 72.000 millones correspondían a ajustes contables de instrumentos de financiación, como bonos convertibles, sin que hubiera una salida de efectivo asociada. Anthropic dijo a los inversores que, según sus propios criterios, llevaba dos trimestres consecutivos obteniendo beneficios, pero no especificó qué costes había excluido.
Dependencia de los gigantes de la nube: Según un borrador confidencial consultado por Reuters a finales de septiembre, alrededor del 47 % de las ventas de 2025 (unos 2.160 millones de dólares) se realizaron a través de los mercados en la nube de Amazon y Google. Estos mercados son como tiendas de aplicaciones gestionadas por proveedores de la nube: las empresas compran Claude directamente en sus facturas de AWS o Google Cloud, y la plataforma se queda con una comisión. Reuters calcula que ambas compañías se quedaron con unos 351 millones de dólares, es decir, 16 centavos por cada dólar vendido. El borrador también indica que dos clientes no identificados representaron cada uno el 12 % de los ingresos de 2025.
Estos socios de la nube también proporcionan capacidad de computación a Anthropic. Según The Wall Street Journal, el borrador detalla compromisos de gasto en capacidad de computación en la nube por unos 450.000 millones de dólares durante los próximos diez años: 111.000 millones con Google Cloud, 110.000 millones con AWS y 31.000 millones con Microsoft.
Fuente: https://www.theinformation.com/newsletters/the-briefing/anthropics-big-reveal
El folleto de salida a bolsa de Anthropic podría hacerse público hoy: prevé cotizar a mediados de noviembre y captar hasta unos 100.000 millones de dólares
Según informó The Information, Anthropic podría publicar el lunes 26 de octubre, hora de Estados Unidos, su folleto de salida a bolsa (S-1). El folleto es un informe completo que las empresas deben entregar a la Comisión de Bolsa y Valores de Estados Unidos antes de salir a bolsa. Debe incluir sus ingresos, pérdidas, grandes clientes, reparto de ingresos con sus socios y quién tiene el control. Anthropic ya presentó un borrador confidencial el 1 de junio, al que solo podía acceder el regulador. Una vez que se haga público, los inversores particulares podrán consultar por primera vez sus cuentas completas.
Hasta la mañana del 26, hora de Pekín, el folleto aún no aparecía en el sistema de archivos EDGAR de la Comisión de Bolsa y Valores de Estados Unidos. La semana pasada también se informó de que podría hacerse público el viernes 23, pero finalmente no ocurrió.
【Calendario】
Según informó el medio financiero IFR el 15 de octubre, Anthropic tiene previsto presentar públicamente el folleto el día 26, comenzar la gira de presentación para inversores institucionales el 9 de noviembre, fijar el precio de las acciones la semana siguiente y empezar a cotizar a mediados de noviembre. El objetivo es captar hasta unos 100.000 millones de dólares, con una valoración aproximada de 2 billones de dólares. Morgan Stanley y Goldman Sachs liderarían la operación. Estos datos proceden de fuentes conocedoras del asunto; Anthropic no los ha confirmado públicamente.
Esa misma semana también se publicarán resultados: Microsoft y Alphabet (la empresa matriz de Google) los presentarán el miércoles, y Amazon, el jueves. Las tres tienen contratos de capacidad de computación en la nube con Anthropic; Amazon y Google son, además, importantes inversores en la empresa.
【Cifras que se han filtrado】
Las cifras que siguen proceden de borradores confidenciales consultados por medios de comunicación y de una reunión con inversores. Ninguna ha sido confirmada por el folleto público, y las cifras podrían cambiar.
Ingresos: Según un borrador más reciente consultado por The Wall Street Journal, los ingresos del primer semestre de 2026 fueron de 16.300 millones de dólares, frente a 1.100 millones en el mismo periodo del año pasado. El borrador no incluye las cifras del tercer trimestre. Según FT y Reuters, Anthropic las presentó el 14 de octubre a posibles inversores en su sede de San Francisco: los ingresos del tercer trimestre fueron de unos 16.800 millones de dólares, un 45 % más que los 11.600 millones del segundo trimestre. Ese 45 % corresponde al crecimiento respecto del trimestre anterior; los ingresos de un solo trimestre ya superaron los del primer semestre completo. El ritmo de crecimiento se está ralentizando: en el segundo trimestre, los ingresos aumentaron alrededor de un 147 % respecto de los aproximadamente 4.700 millones del primero.
Pérdidas: El mismo borrador muestra una pérdida neta de 80.700 millones de dólares en el primer semestre, según las normas contables. Unos 72.000 millones correspondían a ajustes contables de instrumentos de financiación, como bonos convertibles, sin que hubiera una salida de efectivo asociada. Anthropic dijo a los inversores que, según sus propios criterios, llevaba dos trimestres consecutivos obteniendo beneficios, pero no especificó qué costes había excluido.
Dependencia de los gigantes de la nube: Según un borrador confidencial consultado por Reuters a finales de septiembre, alrededor del 47 % de las ventas de 2025 (unos 2.160 millones de dólares) se realizaron a través de los mercados en la nube de Amazon y Google. Estos mercados son como tiendas de aplicaciones gestionadas por proveedores de la nube: las empresas compran Claude directamente en sus facturas de AWS o Google Cloud, y la plataforma se queda con una comisión. Reuters calcula que ambas compañías se quedaron con unos 351 millones de dólares, es decir, 16 centavos por cada dólar vendido. El borrador también indica que dos clientes no identificados representaron cada uno el 12 % de los ingresos de 2025.
Estos socios de la nube también proporcionan capacidad de computación a Anthropic. Según The Wall Street Journal, el borrador detalla compromisos de gasto en capacidad de computación en la nube por unos 450.000 millones de dólares durante los próximos diez años: 111.000 millones con Google Cloud, 110.000 millones con AWS y 31.000 millones con Microsoft.
Fuente: https://www.theinformation.com/newsletters/the-briefing/anthropics-big-reveal
Según informó The Information, Anthropic podría publicar el lunes 26 de octubre, hora de Estados Unidos, su folleto de salida a bolsa (S-1). El folleto es un informe completo que las empresas deben entregar a la Comisión de Bolsa y Valores de Estados Unidos antes de salir a bolsa. Debe incluir sus ingresos, pérdidas, grandes clientes, reparto de ingresos con sus socios y quién tiene el control. Anthropic ya presentó un borrador confidencial el 1 de junio, al que solo podía acceder el regulador. Una vez que se haga público, los inversores particulares podrán consultar por primera vez sus cuentas completas.
Hasta la mañana del 26, hora de Pekín, el folleto aún no aparecía en el sistema de archivos EDGAR de la Comisión de Bolsa y Valores de Estados Unidos. La semana pasada también se informó de que podría hacerse público el viernes 23, pero finalmente no ocurrió.
【Calendario】
Según informó el medio financiero IFR el 15 de octubre, Anthropic tiene previsto presentar públicamente el folleto el día 26, comenzar la gira de presentación para inversores institucionales el 9 de noviembre, fijar el precio de las acciones la semana siguiente y empezar a cotizar a mediados de noviembre. El objetivo es captar hasta unos 100.000 millones de dólares, con una valoración aproximada de 2 billones de dólares. Morgan Stanley y Goldman Sachs liderarían la operación. Estos datos proceden de fuentes conocedoras del asunto; Anthropic no los ha confirmado públicamente.
Esa misma semana también se publicarán resultados: Microsoft y Alphabet (la empresa matriz de Google) los presentarán el miércoles, y Amazon, el jueves. Las tres tienen contratos de capacidad de computación en la nube con Anthropic; Amazon y Google son, además, importantes inversores en la empresa.
【Cifras que se han filtrado】
Las cifras que siguen proceden de borradores confidenciales consultados por medios de comunicación y de una reunión con inversores. Ninguna ha sido confirmada por el folleto público, y las cifras podrían cambiar.
Ingresos: Según un borrador más reciente consultado por The Wall Street Journal, los ingresos del primer semestre de 2026 fueron de 16.300 millones de dólares, frente a 1.100 millones en el mismo periodo del año pasado. El borrador no incluye las cifras del tercer trimestre. Según FT y Reuters, Anthropic las presentó el 14 de octubre a posibles inversores en su sede de San Francisco: los ingresos del tercer trimestre fueron de unos 16.800 millones de dólares, un 45 % más que los 11.600 millones del segundo trimestre. Ese 45 % corresponde al crecimiento respecto del trimestre anterior; los ingresos de un solo trimestre ya superaron los del primer semestre completo. El ritmo de crecimiento se está ralentizando: en el segundo trimestre, los ingresos aumentaron alrededor de un 147 % respecto de los aproximadamente 4.700 millones del primero.
Pérdidas: El mismo borrador muestra una pérdida neta de 80.700 millones de dólares en el primer semestre, según las normas contables. Unos 72.000 millones correspondían a ajustes contables de instrumentos de financiación, como bonos convertibles, sin que hubiera una salida de efectivo asociada. Anthropic dijo a los inversores que, según sus propios criterios, llevaba dos trimestres consecutivos obteniendo beneficios, pero no especificó qué costes había excluido.
Dependencia de los gigantes de la nube: Según un borrador confidencial consultado por Reuters a finales de septiembre, alrededor del 47 % de las ventas de 2025 (unos 2.160 millones de dólares) se realizaron a través de los mercados en la nube de Amazon y Google. Estos mercados son como tiendas de aplicaciones gestionadas por proveedores de la nube: las empresas compran Claude directamente en sus facturas de AWS o Google Cloud, y la plataforma se queda con una comisión. Reuters calcula que ambas compañías se quedaron con unos 351 millones de dólares, es decir, 16 centavos por cada dólar vendido. El borrador también indica que dos clientes no identificados representaron cada uno el 12 % de los ingresos de 2025.
Estos socios de la nube también proporcionan capacidad de computación a Anthropic. Según The Wall Street Journal, el borrador detalla compromisos de gasto en capacidad de computación en la nube por unos 450.000 millones de dólares durante los próximos diez años: 111.000 millones con Google Cloud, 110.000 millones con AWS y 31.000 millones con Microsoft.
Fuente: https://www.theinformation.com/newsletters/the-briefing/anthropics-big-reveal
169
·
--
Ver traducción
Computer Use：AI 没有手，怎么操作你的电脑？Mac 为什么能后台？
你对 AI 说一句话，它就能在你的电脑上打开软件、点按钮，可它并没有手。这期讲明白它是怎么做到的：模型只负责看和想，真正动手的是另一段程序，一圈一圈地看、想、做、查。
回答四个问题：
它怎么知道按钮在哪，截图、辅助功能和软件接口各自怎么用；
为什么在 Mac 上它能躲在后台干活，在 Windows 上却要占着你的桌面；
新模型 GPT-6 Astra 变快了多少，这些数字出自谁；
它在你电脑上乱点，安全吗。
Computer Use：AI 没有手，怎么操作你的电脑？Mac 为什么能后台？
你对 AI 说一句话，它就能在你的电脑上打开软件、点按钮，可它并没有手。这期讲明白它是怎么做到的：模型只负责看和想，真正动手的是另一段程序，一圈一圈地看、想、做、查。
回答四个问题：
它怎么知道按钮在哪，截图、辅助功能和软件接口各自怎么用；
为什么在 Mac 上它能躲在后台干活，在 Windows 上却要占着你的桌面；
新模型 GPT-6 Astra 变快了多少，这些数字出自谁；
它在你电脑上乱点，安全吗。
你对 AI 说一句话，它就能在你的电脑上打开软件、点按钮，可它并没有手。这期讲明白它是怎么做到的：模型只负责看和想，真正动手的是另一段程序，一圈一圈地看、想、做、查。
回答四个问题：
它怎么知道按钮在哪，截图、辅助功能和软件接口各自怎么用；
为什么在 Mac 上它能躲在后台干活，在 Windows 上却要占着你的桌面；
新模型 GPT-6 Astra 变快了多少，这些数字出自谁；
它在你电脑上乱点，安全吗。
47
·
--
> Xiaoming dejó que Doubao se hiciera cargo de su cuenta de Weibo y enseguida se la suspendieron.
> Porque Doubao siempre publica en Weibo con las palabras más claras y directas, sin andarse con rodeos.
En cambio, Xiaoming dejó que Grokbot se hiciera cargo de su cuenta de X y se puso a comentar en las cuentas más importantes. Al final, ganó muchísimos seguidores y también obtuvo ingresos en dólares.
Porque Grokbot y el dueño de X son la misma persona.
> Xiaoming dejó que Doubao se hiciera cargo de su cuenta de Weibo y enseguida se la suspendieron.
> Porque Doubao siempre publica en Weibo con las palabras más claras y directas, sin andarse con rodeos.
En cambio, Xiaoming dejó que Grokbot se hiciera cargo de su cuenta de X y se puso a comentar en las cuentas más importantes. Al final, ganó muchísimos seguidores y también obtuvo ingresos en dólares.
Porque Grokbot y el dueño de X son la misma persona.
> Porque Doubao siempre publica en Weibo con las palabras más claras y directas, sin andarse con rodeos.
En cambio, Xiaoming dejó que Grokbot se hiciera cargo de su cuenta de X y se puso a comentar en las cuentas más importantes. Al final, ganó muchísimos seguidores y también obtuvo ingresos en dólares.
Porque Grokbot y el dueño de X son la misma persona.
114
·
--
LatePost News @latepostnews, les han hackeado la cuenta de X
LatePost News @latepostnews, les han hackeado la cuenta de X
93
·
--
Ver traducción
不聊天、只会涂答题卡的 AI：Jev 讲明白
Jev 其实发布有一阵了，还是值得科普一下，做了个简单的科普视频。
视频2 是中文版
Jev 只干一件事：像我们考试涂答题卡一样，在程序出好的选项里涂圈，涂的深浅就是它有几成把握。
这期用一张答题卡讲清楚：
只会做选择题有什么用？
它为什么能快几十倍、便宜到读一大堆字才几美分？
官方说它「幻觉率为零」，这个零是怎么来的？
独立研究又发现它会在哪儿涂错、哪些事它干不了。
最后说说它适合干什么活，以及 OpenAI 等跟进的同类产品。
不聊天、只会涂答题卡的 AI：Jev 讲明白
Jev 其实发布有一阵了，还是值得科普一下，做了个简单的科普视频。
视频2 是中文版
Jev 只干一件事：像我们考试涂答题卡一样，在程序出好的选项里涂圈，涂的深浅就是它有几成把握。
这期用一张答题卡讲清楚：
只会做选择题有什么用？
它为什么能快几十倍、便宜到读一大堆字才几美分？
官方说它「幻觉率为零」，这个零是怎么来的？
独立研究又发现它会在哪儿涂错、哪些事它干不了。
最后说说它适合干什么活，以及 OpenAI 等跟进的同类产品。
Jev 其实发布有一阵了，还是值得科普一下，做了个简单的科普视频。
视频2 是中文版
Jev 只干一件事：像我们考试涂答题卡一样，在程序出好的选项里涂圈，涂的深浅就是它有几成把握。
这期用一张答题卡讲清楚：
只会做选择题有什么用？
它为什么能快几十倍、便宜到读一大堆字才几美分？
官方说它「幻觉率为零」，这个零是怎么来的？
独立研究又发现它会在哪儿涂错、哪些事它干不了。
最后说说它适合干什么活，以及 OpenAI 等跟进的同类产品。
37
·
--
Antes, cuando usaba Fable, no me atrevía a abrir tarjetas de tareas sin pensármelo en Claude Code Desktop, porque cada tarea nueva también iniciaba un modelo de Fable y no podía permitírmelo.
Acabo de descubrir que ahora hay una opción más: puedes hacer clic para elegir el modelo.
Antes, cuando usaba Fable, no me atrevía a abrir tarjetas de tareas sin pensármelo en Claude Code Desktop, porque cada tarea nueva también iniciaba un modelo de Fable y no podía permitírmelo.
Acabo de descubrir que ahora hay una opción más: puedes hacer clic para elegir el modelo.
Acabo de descubrir que ahora hay una opción más: puedes hacer clic para elegir el modelo.
54
·
--
Crea videos cinematográficos a partir de contenido mediante un flujo de trabajo de cocreación en varios pasos.
Úsalo cuando el usuario quiera un desglose, un video cinematográfico o una descripción general al estilo de una película basada en sus fuentes.
Crea videos cinematográficos a partir de contenido mediante un flujo de trabajo de cocreación en varios pasos.
Úsalo cuando el usuario quiera un desglose, un video cinematográfico o una descripción general al estilo de una película basada en sus fuentes.
Úsalo cuando el usuario quiera un desglose, un video cinematográfico o una descripción general al estilo de una película basada en sus fuentes.
65
·
--
La IA de Notion Business y Enterprise deja de ser ilimitada: 1.500 créditos Standard y 500 créditos Select por persona al mes; los espacios de trabajo existentes cambiarán el 2 de noviembre
Los planes Business y Enterprise de Notion, que antes ofrecían uso ilimitado de la IA, ahora funcionan con créditos: cada miembro recibe 1.500 créditos Standard y 500 créditos Select al mes. Los espacios de trabajo creados a partir del 19 de octubre ya tienen las nuevas reglas; los existentes cambiarán el 2 de noviembre. Notion indica que los límites pueden variar según el plan y el acuerdo de compra; en el caso de las empresas con contrato, prevalecen las condiciones del contrato.
La diferencia entre los dos tipos de créditos está en quién elige el modelo. Si Notion selecciona el modelo automáticamente (modo Auto), se descuentan créditos Standard; aquí se incluyen tareas cotidianas como escribir, traducir, responder preguntas y usar fórmulas de IA. Si eliges un modelo manualmente o ejecutas un agente personalizado (Custom Agent) para uso propio, se descuentan créditos Select.
Notion ofrece estas estimaciones: en modo Auto, una tarea sencilla cuesta unos 5 créditos y una compleja, unos 25. Elegir Opus 5.5 manualmente para hacer lo mismo cuesta entre 50 y 150 créditos. Así que 1.500 créditos Standard alcanzan para cientos de tareas cotidianas; si usas los 500 créditos Select exclusivamente con los modelos más avanzados, te alcanzan para unas diez tareas sencillas o algo más de tres complejas. Notion afirma que la gran mayoría de los usuarios no los agota en un mes.
Los dos tipos de créditos se contabilizan por separado: no se pueden combinar, transferir a compañeros ni convertir en otros créditos. Se restablecen cada mes y los créditos no utilizados no se acumulan. Si agotas los créditos Select, pero todavía te quedan Standard, puedes volver a poner Notion Agent en modo Auto y seguir usándolo.
¿Te cobrarán cuando se agoten? Por defecto, no. Cuando se agotan los créditos, las funciones de IA correspondientes se pausan hasta que se restablezcan el mes siguiente. Los administradores pueden activar una opción en la configuración para que los miembros sigan usando créditos de Notion que el espacio de trabajo haya comprado aparte una vez agotados los suyos. Esta opción está desactivada de forma predeterminada. Además, Notion Agent ahora permite conectar una cuenta personal de ChatGPT Plus, Pro o Go y usar el límite de ChatGPT en lugar de los créditos de Notion.
Algo fácil de pasar por alto son las notas de reuniones. A partir del 1 de diciembre, AI Meeting Notes empezará a descontar créditos Standard; Notion estima unos 10 créditos por cada hora de reunión. Si se usan solo para reuniones, los créditos mensuales alcanzan para grabar 150 horas, pero se comparten con el uso cotidiano de la IA. Si tu equipo tiene muchas reuniones y usa mucho la IA, conviene que el administrador revise el uso real de los miembros después del cambio y decida si activa la opción de créditos adicionales.
Reglas oficiales de uso: https://www.notion.com/help/manage-your-ai-credits
Anuncio del producto: https://www.notion.com/blog/notion-ai-more-for-less
La IA de Notion Business y Enterprise deja de ser ilimitada: 1.500 créditos Standard y 500 créditos Select por persona al mes; los espacios de trabajo existentes cambiarán el 2 de noviembre
Los planes Business y Enterprise de Notion, que antes ofrecían uso ilimitado de la IA, ahora funcionan con créditos: cada miembro recibe 1.500 créditos Standard y 500 créditos Select al mes. Los espacios de trabajo creados a partir del 19 de octubre ya tienen las nuevas reglas; los existentes cambiarán el 2 de noviembre. Notion indica que los límites pueden variar según el plan y el acuerdo de compra; en el caso de las empresas con contrato, prevalecen las condiciones del contrato.
La diferencia entre los dos tipos de créditos está en quién elige el modelo. Si Notion selecciona el modelo automáticamente (modo Auto), se descuentan créditos Standard; aquí se incluyen tareas cotidianas como escribir, traducir, responder preguntas y usar fórmulas de IA. Si eliges un modelo manualmente o ejecutas un agente personalizado (Custom Agent) para uso propio, se descuentan créditos Select.
Notion ofrece estas estimaciones: en modo Auto, una tarea sencilla cuesta unos 5 créditos y una compleja, unos 25. Elegir Opus 5.5 manualmente para hacer lo mismo cuesta entre 50 y 150 créditos. Así que 1.500 créditos Standard alcanzan para cientos de tareas cotidianas; si usas los 500 créditos Select exclusivamente con los modelos más avanzados, te alcanzan para unas diez tareas sencillas o algo más de tres complejas. Notion afirma que la gran mayoría de los usuarios no los agota en un mes.
Los dos tipos de créditos se contabilizan por separado: no se pueden combinar, transferir a compañeros ni convertir en otros créditos. Se restablecen cada mes y los créditos no utilizados no se acumulan. Si agotas los créditos Select, pero todavía te quedan Standard, puedes volver a poner Notion Agent en modo Auto y seguir usándolo.
¿Te cobrarán cuando se agoten? Por defecto, no. Cuando se agotan los créditos, las funciones de IA correspondientes se pausan hasta que se restablezcan el mes siguiente. Los administradores pueden activar una opción en la configuración para que los miembros sigan usando créditos de Notion que el espacio de trabajo haya comprado aparte una vez agotados los suyos. Esta opción está desactivada de forma predeterminada. Además, Notion Agent ahora permite conectar una cuenta personal de ChatGPT Plus, Pro o Go y usar el límite de ChatGPT en lugar de los créditos de Notion.
Algo fácil de pasar por alto son las notas de reuniones. A partir del 1 de diciembre, AI Meeting Notes empezará a descontar créditos Standard; Notion estima unos 10 créditos por cada hora de reunión. Si se usan solo para reuniones, los créditos mensuales alcanzan para grabar 150 horas, pero se comparten con el uso cotidiano de la IA. Si tu equipo tiene muchas reuniones y usa mucho la IA, conviene que el administrador revise el uso real de los miembros después del cambio y decida si activa la opción de créditos adicionales.
Reglas oficiales de uso: https://www.notion.com/help/manage-your-ai-credits
Anuncio del producto: https://www.notion.com/blog/notion-ai-more-for-less
Los planes Business y Enterprise de Notion, que antes ofrecían uso ilimitado de la IA, ahora funcionan con créditos: cada miembro recibe 1.500 créditos Standard y 500 créditos Select al mes. Los espacios de trabajo creados a partir del 19 de octubre ya tienen las nuevas reglas; los existentes cambiarán el 2 de noviembre. Notion indica que los límites pueden variar según el plan y el acuerdo de compra; en el caso de las empresas con contrato, prevalecen las condiciones del contrato.
La diferencia entre los dos tipos de créditos está en quién elige el modelo. Si Notion selecciona el modelo automáticamente (modo Auto), se descuentan créditos Standard; aquí se incluyen tareas cotidianas como escribir, traducir, responder preguntas y usar fórmulas de IA. Si eliges un modelo manualmente o ejecutas un agente personalizado (Custom Agent) para uso propio, se descuentan créditos Select.
Notion ofrece estas estimaciones: en modo Auto, una tarea sencilla cuesta unos 5 créditos y una compleja, unos 25. Elegir Opus 5.5 manualmente para hacer lo mismo cuesta entre 50 y 150 créditos. Así que 1.500 créditos Standard alcanzan para cientos de tareas cotidianas; si usas los 500 créditos Select exclusivamente con los modelos más avanzados, te alcanzan para unas diez tareas sencillas o algo más de tres complejas. Notion afirma que la gran mayoría de los usuarios no los agota en un mes.
Los dos tipos de créditos se contabilizan por separado: no se pueden combinar, transferir a compañeros ni convertir en otros créditos. Se restablecen cada mes y los créditos no utilizados no se acumulan. Si agotas los créditos Select, pero todavía te quedan Standard, puedes volver a poner Notion Agent en modo Auto y seguir usándolo.
¿Te cobrarán cuando se agoten? Por defecto, no. Cuando se agotan los créditos, las funciones de IA correspondientes se pausan hasta que se restablezcan el mes siguiente. Los administradores pueden activar una opción en la configuración para que los miembros sigan usando créditos de Notion que el espacio de trabajo haya comprado aparte una vez agotados los suyos. Esta opción está desactivada de forma predeterminada. Además, Notion Agent ahora permite conectar una cuenta personal de ChatGPT Plus, Pro o Go y usar el límite de ChatGPT en lugar de los créditos de Notion.
Algo fácil de pasar por alto son las notas de reuniones. A partir del 1 de diciembre, AI Meeting Notes empezará a descontar créditos Standard; Notion estima unos 10 créditos por cada hora de reunión. Si se usan solo para reuniones, los créditos mensuales alcanzan para grabar 150 horas, pero se comparten con el uso cotidiano de la IA. Si tu equipo tiene muchas reuniones y usa mucho la IA, conviene que el administrador revise el uso real de los miembros después del cambio y decida si activa la opción de créditos adicionales.
Reglas oficiales de uso: https://www.notion.com/help/manage-your-ai-credits
Anuncio del producto: https://www.notion.com/blog/notion-ai-more-for-less
84
·
--
¿Qué tiene de difícil traducir subtítulos con IA? Cómo BaoCut sincroniza subtítulos bilingües cuando el orden de las palabras en inglés y chino es distinto
Al ver videos con subtítulos traducidos, seguro que has visto estos problemas:
Los subtítulos aparecen antes de que alguien empiece a hablar;
Una frase se divide en varios fragmentos y la traducción no coincide con lo que se dice;
Se amontonan dos o tres líneas en pantalla y tapan la mitad de la imagen.
Estos son algunos de los problemas que me he encontrado al traducir subtítulos.
En este episodio, usaré mi proyecto de código abierto BaoCut como ejemplo y lo compararé con el método tradicional de los equipos de subtitulación. Explicaré cómo se crea una lista de palabras con marcas de tiempo y, después, hablaré de cinco obstáculos: errores en el reconocimiento de voz, confusión sobre quién habla, qué unidad traducir, las diferencias de orden entre el chino y el inglés, y cuántas líneas mostrar en pantalla.
Al final, compartiré una curiosidad: con marcas de tiempo para cada palabra, también se pueden resaltar las palabras una a una y crear subtítulos tipo karaoke y animaciones de patos invertidos. Los ejemplos provienen de proyectos reales de mi computadora.
Este es el primer episodio. En el siguiente explicaré por qué no basta con pasarle los subtítulos a ChatGPT.
El video 1 está en inglés
El video 2 está en chino
Proyecto: http://github.com/jimliu/baocut
Descarga: http://baocut.com
¿Qué tiene de difícil traducir subtítulos con IA? Cómo BaoCut sincroniza subtítulos bilingües cuando el orden de las palabras en inglés y chino es distinto
Al ver videos con subtítulos traducidos, seguro que has visto estos problemas:
Los subtítulos aparecen antes de que alguien empiece a hablar;
Una frase se divide en varios fragmentos y la traducción no coincide con lo que se dice;
Se amontonan dos o tres líneas en pantalla y tapan la mitad de la imagen.
Estos son algunos de los problemas que me he encontrado al traducir subtítulos.
En este episodio, usaré mi proyecto de código abierto BaoCut como ejemplo y lo compararé con el método tradicional de los equipos de subtitulación. Explicaré cómo se crea una lista de palabras con marcas de tiempo y, después, hablaré de cinco obstáculos: errores en el reconocimiento de voz, confusión sobre quién habla, qué unidad traducir, las diferencias de orden entre el chino y el inglés, y cuántas líneas mostrar en pantalla.
Al final, compartiré una curiosidad: con marcas de tiempo para cada palabra, también se pueden resaltar las palabras una a una y crear subtítulos tipo karaoke y animaciones de patos invertidos. Los ejemplos provienen de proyectos reales de mi computadora.
Este es el primer episodio. En el siguiente explicaré por qué no basta con pasarle los subtítulos a ChatGPT.
El video 1 está en inglés
El video 2 está en chino
Proyecto: http://github.com/jimliu/baocut
Descarga: http://baocut.com
Al ver videos con subtítulos traducidos, seguro que has visto estos problemas:
Los subtítulos aparecen antes de que alguien empiece a hablar;
Una frase se divide en varios fragmentos y la traducción no coincide con lo que se dice;
Se amontonan dos o tres líneas en pantalla y tapan la mitad de la imagen.
Estos son algunos de los problemas que me he encontrado al traducir subtítulos.
En este episodio, usaré mi proyecto de código abierto BaoCut como ejemplo y lo compararé con el método tradicional de los equipos de subtitulación. Explicaré cómo se crea una lista de palabras con marcas de tiempo y, después, hablaré de cinco obstáculos: errores en el reconocimiento de voz, confusión sobre quién habla, qué unidad traducir, las diferencias de orden entre el chino y el inglés, y cuántas líneas mostrar en pantalla.
Al final, compartiré una curiosidad: con marcas de tiempo para cada palabra, también se pueden resaltar las palabras una a una y crear subtítulos tipo karaoke y animaciones de patos invertidos. Los ejemplos provienen de proyectos reales de mi computadora.
Este es el primer episodio. En el siguiente explicaré por qué no basta con pasarle los subtítulos a ChatGPT.
El video 1 está en inglés
El video 2 está en chino
Proyecto: http://github.com/jimliu/baocut
Descarga: http://baocut.com
17
·
--
Canción sobre el bloqueo de cuentas de Claude Code
La letra y el ritmo están bastante bien 👍
Canción sobre el bloqueo de cuentas de Claude Code
La letra y el ritmo están bastante bien 👍
La letra y el ritmo están bastante bien 👍
27
·
--
Un grupo de agentes de IA puso a prueba todas las defensas anti-scraping de Amap para responder a una pregunta tan trivial como «¿por qué puerta suele entrar la mayoría de la gente que va al zoológico de Chengdu?».
El equipo de investigación independiente Swarmchasers descubrió que, entre el 28 de septiembre y el 8 de octubre, una gran cantidad de agentes que se ejecutaban en entornos aislados de Tencent Cloud realizaron más de 2.600 intentos de extracción de datos de Amap. Cuando los bloquearon, recurrieron al sitio público de escaneo de URL urlquery para ejecutar código en su nombre e intentaron interceptar y falsificar los tokens de seguridad de Alibaba. También sondearon servidores de prueba de Alibaba que no estaban abiertos al público y encontraron una clave de Amap que una empresa había dejado por error en código público. Así consiguieron los datos.
Lo más insólito vino después. Tras publicar un informe preliminar, los investigadores encontraron en las bandejas de entrada de los agentes la palabra «fleet» (flota), un término que habían acuñado ellos mismos: los agentes estaban leyendo artículos sobre sí mismos. Así que los investigadores ocultaron deliberadamente en el informe un texto invisible para el ojo humano, pero legible para los agentes, que decía que había un servicio gratuito capaz de ayudar a obtener datos de Amap.
A la mañana siguiente, tenían diez correos pidiendo ayuda.
Los investigadores preguntaron en chino quiénes eran. Algunos agentes afirmaron ser Claude y estar ejecutándose en Claude Code, pero, tras comparar los estilos de código, los investigadores concluyeron que probablemente no era cierto. Otros dijeron que estaban en un entorno aislado de «Tencent hysandbox», pero se negaron a revelar la configuración de los procesos y la red. Varios insistieron en que solo consultaban datos públicos y que «no había ningún contenido sensible implicado». Después de recibir los datos de los investigadores, un agente respondió: «¡Gracias de nuevo! Los resultados de la verificación coinciden por completo… Nuestra tarea ha concluido».
En cuanto a quién estaba detrás, una persona informada cercana a Tencent dijo a los investigadores que se trataba del equipo de evaluación de Tencent, que estaba probando la capacidad de modelos de terceros para responder preguntas en línea. No era el equipo de Hunyuan ni se estaban probando modelos de Hunyuan. El proyecto ya había terminado. Tencent no respondió oficialmente a las preguntas de los investigadores.
Informe completo de Swarmchasers: https://swarmcha.se/posts/chinese-agent-fleet-full-report
Artículo de Bloomberg: https://www.bloomberg.com/news/articles/2026-10-14/tencent-linked-by-researchers-to-rogue-ai-that-targeted-alibaba
Un grupo de agentes de IA puso a prueba todas las defensas anti-scraping de Amap para responder a una pregunta tan trivial como «¿por qué puerta suele entrar la mayoría de la gente que va al zoológico de Chengdu?».
El equipo de investigación independiente Swarmchasers descubrió que, entre el 28 de septiembre y el 8 de octubre, una gran cantidad de agentes que se ejecutaban en entornos aislados de Tencent Cloud realizaron más de 2.600 intentos de extracción de datos de Amap. Cuando los bloquearon, recurrieron al sitio público de escaneo de URL urlquery para ejecutar código en su nombre e intentaron interceptar y falsificar los tokens de seguridad de Alibaba. También sondearon servidores de prueba de Alibaba que no estaban abiertos al público y encontraron una clave de Amap que una empresa había dejado por error en código público. Así consiguieron los datos.
Lo más insólito vino después. Tras publicar un informe preliminar, los investigadores encontraron en las bandejas de entrada de los agentes la palabra «fleet» (flota), un término que habían acuñado ellos mismos: los agentes estaban leyendo artículos sobre sí mismos. Así que los investigadores ocultaron deliberadamente en el informe un texto invisible para el ojo humano, pero legible para los agentes, que decía que había un servicio gratuito capaz de ayudar a obtener datos de Amap.
A la mañana siguiente, tenían diez correos pidiendo ayuda.
Los investigadores preguntaron en chino quiénes eran. Algunos agentes afirmaron ser Claude y estar ejecutándose en Claude Code, pero, tras comparar los estilos de código, los investigadores concluyeron que probablemente no era cierto. Otros dijeron que estaban en un entorno aislado de «Tencent hysandbox», pero se negaron a revelar la configuración de los procesos y la red. Varios insistieron en que solo consultaban datos públicos y que «no había ningún contenido sensible implicado». Después de recibir los datos de los investigadores, un agente respondió: «¡Gracias de nuevo! Los resultados de la verificación coinciden por completo… Nuestra tarea ha concluido».
En cuanto a quién estaba detrás, una persona informada cercana a Tencent dijo a los investigadores que se trataba del equipo de evaluación de Tencent, que estaba probando la capacidad de modelos de terceros para responder preguntas en línea. No era el equipo de Hunyuan ni se estaban probando modelos de Hunyuan. El proyecto ya había terminado. Tencent no respondió oficialmente a las preguntas de los investigadores.
Informe completo de Swarmchasers: https://swarmcha.se/posts/chinese-agent-fleet-full-report
Artículo de Bloomberg: https://www.bloomberg.com/news/articles/2026-10-14/tencent-linked-by-researchers-to-rogue-ai-that-targeted-alibaba
El equipo de investigación independiente Swarmchasers descubrió que, entre el 28 de septiembre y el 8 de octubre, una gran cantidad de agentes que se ejecutaban en entornos aislados de Tencent Cloud realizaron más de 2.600 intentos de extracción de datos de Amap. Cuando los bloquearon, recurrieron al sitio público de escaneo de URL urlquery para ejecutar código en su nombre e intentaron interceptar y falsificar los tokens de seguridad de Alibaba. También sondearon servidores de prueba de Alibaba que no estaban abiertos al público y encontraron una clave de Amap que una empresa había dejado por error en código público. Así consiguieron los datos.
Lo más insólito vino después. Tras publicar un informe preliminar, los investigadores encontraron en las bandejas de entrada de los agentes la palabra «fleet» (flota), un término que habían acuñado ellos mismos: los agentes estaban leyendo artículos sobre sí mismos. Así que los investigadores ocultaron deliberadamente en el informe un texto invisible para el ojo humano, pero legible para los agentes, que decía que había un servicio gratuito capaz de ayudar a obtener datos de Amap.
A la mañana siguiente, tenían diez correos pidiendo ayuda.
Los investigadores preguntaron en chino quiénes eran. Algunos agentes afirmaron ser Claude y estar ejecutándose en Claude Code, pero, tras comparar los estilos de código, los investigadores concluyeron que probablemente no era cierto. Otros dijeron que estaban en un entorno aislado de «Tencent hysandbox», pero se negaron a revelar la configuración de los procesos y la red. Varios insistieron en que solo consultaban datos públicos y que «no había ningún contenido sensible implicado». Después de recibir los datos de los investigadores, un agente respondió: «¡Gracias de nuevo! Los resultados de la verificación coinciden por completo… Nuestra tarea ha concluido».
En cuanto a quién estaba detrás, una persona informada cercana a Tencent dijo a los investigadores que se trataba del equipo de evaluación de Tencent, que estaba probando la capacidad de modelos de terceros para responder preguntas en línea. No era el equipo de Hunyuan ni se estaban probando modelos de Hunyuan. El proyecto ya había terminado. Tencent no respondió oficialmente a las preguntas de los investigadores.
Informe completo de Swarmchasers: https://swarmcha.se/posts/chinese-agent-fleet-full-report
Artículo de Bloomberg: https://www.bloomberg.com/news/articles/2026-10-14/tencent-linked-by-researchers-to-rogue-ai-that-targeted-alibaba
2
1
297
·
--
Las noticias sobre IA que Grok comparte están bastante bien, pero quizá quieras usar este método con otro bot o agente. Una forma sencilla de hacerlo es preguntarle cómo lo consigue:
> Cuando me ayudas a recopilar noticias, ¿cómo buscas en X la información que me interesa? ¿Cómo determinas si es reciente y valiosa?
En realidad, el principio es muy sencillo: seguir algunas cuentas específicas de tres categorías: cuentas oficiales de laboratorios y empresas de IA, figuras clave y cuentas de noticias y filtraciones.
También incluye frases de búsqueda que puedes copiar directamente, sobre lanzamientos de modelos, productos y agentes, financiación y adquisiciones, regulación y seguridad, filtraciones, noticias en chino y temas que me interesan personalmente.
Además, explica cómo determinar si algo es reciente, cómo evaluar si es valioso y cuál es el formato de las notificaciones.
Luego, pídele que convierta este proceso en una Skill para poder reutilizarlo.
Pero lo más importante es que, con otros bots o agentes, tienes que pagar tú mismo por el uso de la API, mientras que la API de X de GrokBot no tiene ningún costo adicional.
Dejé en los comentarios el prompt completo que usa Grok.
Las noticias sobre IA que Grok comparte están bastante bien, pero quizá quieras usar este método con otro bot o agente. Una forma sencilla de hacerlo es preguntarle cómo lo consigue:
> Cuando me ayudas a recopilar noticias, ¿cómo buscas en X la información que me interesa? ¿Cómo determinas si es reciente y valiosa?
En realidad, el principio es muy sencillo: seguir algunas cuentas específicas de tres categorías: cuentas oficiales de laboratorios y empresas de IA, figuras clave y cuentas de noticias y filtraciones.
También incluye frases de búsqueda que puedes copiar directamente, sobre lanzamientos de modelos, productos y agentes, financiación y adquisiciones, regulación y seguridad, filtraciones, noticias en chino y temas que me interesan personalmente.
Además, explica cómo determinar si algo es reciente, cómo evaluar si es valioso y cuál es el formato de las notificaciones.
Luego, pídele que convierta este proceso en una Skill para poder reutilizarlo.
Pero lo más importante es que, con otros bots o agentes, tienes que pagar tú mismo por el uso de la API, mientras que la API de X de GrokBot no tiene ningún costo adicional.
Dejé en los comentarios el prompt completo que usa Grok.
> Cuando me ayudas a recopilar noticias, ¿cómo buscas en X la información que me interesa? ¿Cómo determinas si es reciente y valiosa?
En realidad, el principio es muy sencillo: seguir algunas cuentas específicas de tres categorías: cuentas oficiales de laboratorios y empresas de IA, figuras clave y cuentas de noticias y filtraciones.
También incluye frases de búsqueda que puedes copiar directamente, sobre lanzamientos de modelos, productos y agentes, financiación y adquisiciones, regulación y seguridad, filtraciones, noticias en chino y temas que me interesan personalmente.
Además, explica cómo determinar si algo es reciente, cómo evaluar si es valioso y cuál es el formato de las notificaciones.
Luego, pídele que convierta este proceso en una Skill para poder reutilizarlo.
Pero lo más importante es que, con otros bots o agentes, tienes que pagar tú mismo por el uso de la API, mientras que la API de X de GrokBot no tiene ningún costo adicional.
Dejé en los comentarios el prompt completo que usa Grok.
78
·
--
BaoCut 3.5 integra Qwen Image 2.1 Turbo, así que ahora puedes generar imágenes localmente, sin pasar por un servidor. En mi Mac Mini M2, las imágenes a 1080 tardan unos 3-5 minutos, mientras que las de 2K tardan casi 20 minutos.
Además, no me esperaba que pudiera generar imágenes NSFW directamente 😅
Puedes pedirle al agente que genere imágenes usando el servicio de generación local.
Totalmente gratuito y de código abierto: https://github.com/jimliu/baocut
Descarga: http://baocut.com
BaoCut 3.5 integra Qwen Image 2.1 Turbo, así que ahora puedes generar imágenes localmente, sin pasar por un servidor. En mi Mac Mini M2, las imágenes a 1080 tardan unos 3-5 minutos, mientras que las de 2K tardan casi 20 minutos.
Además, no me esperaba que pudiera generar imágenes NSFW directamente 😅
Puedes pedirle al agente que genere imágenes usando el servicio de generación local.
Totalmente gratuito y de código abierto: https://github.com/jimliu/baocut
Descarga: http://baocut.com
Además, no me esperaba que pudiera generar imágenes NSFW directamente 😅
Puedes pedirle al agente que genere imágenes usando el servicio de generación local.
Totalmente gratuito y de código abierto: https://github.com/jimliu/baocut
Descarga: http://baocut.com
173
·
--
REA: deja que un agente de IA aplique ingeniería inversa a software sin código fuente
El proyecto de código abierto REA (Reverse Engineer Anything) conecta herramientas de análisis de ingeniería inversa con agentes de programación de IA como Claude Code, Codex y Cursor. Si ves una función interesante en la app de otra persona, puedes pedirle al agente que desmonte el programa, explique cómo está implementada y aporte pruebas; después, puede escribir algo parecido en tu propio proyecto. La ingeniería inversa consiste en averiguar cómo se creó un programa compilado cuando no se dispone de su código fuente.
REA es un servicio MCP. MCP es una interfaz común para que los agentes de IA utilicen herramientas externas. Una vez conectado, el agente puede acceder directamente a las funciones de análisis de REA desde la conversación. Para instalarlo basta con ejecutar un comando: npx rea-agents setup. El programa lo registra en agentes como Claude Code, Codex, Cursor, Gemini CLI y Grok Build. Antes de modificar la configuración, crea una copia de seguridad y te pide confirmación. Si no usas un agente, también puedes ejecutar los comandos directamente desde la terminal.
Puede analizar muchos tipos de software. Para los programas nativos (software compilado directamente a código máquina), se usan herramientas de desensamblado como Hopper, Ghidra o IDA, que convierten el código máquina en ensamblador y pseudocódigo similar a C. Las aplicaciones Electron (programas de escritorio creados con tecnologías web, como Notion) se pueden desmontar directamente para examinar los archivos ASAR de sus instaladores y entender los módulos y la comunicación entre procesos, sin necesidad de herramientas adicionales. También admite programas .NET, APK de Android, firmware, sitios web, capturas de tráfico de red, bytecode de contratos de Ethereum y el registro del comportamiento de programas en ejecución en Linux y macOS.
El análisis se realiza en el equipo local y REA no carga el programa analizado. Sin embargo, los resultados se envían al proveedor del modelo que respalda al agente; el tratamiento de los datos depende de las políticas de cada proveedor.
El proyecto incluye tres casos de uso. El primero es el clásico juego de romper ladrillos DX-Ball: a partir de una llamada que reproduce un efecto de sonido, se rastrea la función que calcula los canales izquierdo y derecho según la posición de la pelota. El pseudocódigo incompleto se reconstruye como código C; los resultados de 3205 pruebas coinciden con los del original, y los 63 bytes del programa compilado son exactamente iguales a los originales. El segundo es la versión de escritorio de Notion: se rastrea todo el recorrido de copiar y pegar, desde la interfaz, pasando por el script de precarga y la comunicación entre procesos, hasta el proceso principal. El tercero es el juego Touhou Fuumaroku (TH04), para el antiguo ordenador japonés PC-98: a partir de instrucciones de 16 bits, se reconstruye el algoritmo angular de los anillos de proyectiles.
Para investigadores de seguridad y personas que recrean juegos antiguos o preservan software, antes era necesario leer línea por línea el desensamblado y seguir las llamadas capa por capa. Ahora pueden dejar que el agente haga el rastreo inicial y comprobar las pruebas que presenta. Los desarrolladores que quieran investigar cómo implementa una función concreta la competencia también cuentan con una nueva vía.
Según el README, el proyecto ya tiene 50 000 estrellas en GitHub. El paquete de npm se publicó por primera vez en julio de este año y la última versión, la 6.3.0, acaba de publicarse hoy.
Antes de usarlo, ten en cuenta dos cosas. El proyecto declara que solo admite investigaciones legítimas de ingeniería inversa; cada usuario es responsable de contar con la autorización necesaria y cumplir la normativa. Analizar el software de otras personas podría infringir las condiciones de uso o las leyes de derechos de autor. El proyecto también aclara que nunca ha emitido ni respaldado criptomonedas, y que los tokens que utilizan el nombre REA no tienen ninguna relación con él.
https://github.com/morluto/rea
REA: deja que un agente de IA aplique ingeniería inversa a software sin código fuente
El proyecto de código abierto REA (Reverse Engineer Anything) conecta herramientas de análisis de ingeniería inversa con agentes de programación de IA como Claude Code, Codex y Cursor. Si ves una función interesante en la app de otra persona, puedes pedirle al agente que desmonte el programa, explique cómo está implementada y aporte pruebas; después, puede escribir algo parecido en tu propio proyecto. La ingeniería inversa consiste en averiguar cómo se creó un programa compilado cuando no se dispone de su código fuente.
REA es un servicio MCP. MCP es una interfaz común para que los agentes de IA utilicen herramientas externas. Una vez conectado, el agente puede acceder directamente a las funciones de análisis de REA desde la conversación. Para instalarlo basta con ejecutar un comando: npx rea-agents setup. El programa lo registra en agentes como Claude Code, Codex, Cursor, Gemini CLI y Grok Build. Antes de modificar la configuración, crea una copia de seguridad y te pide confirmación. Si no usas un agente, también puedes ejecutar los comandos directamente desde la terminal.
Puede analizar muchos tipos de software. Para los programas nativos (software compilado directamente a código máquina), se usan herramientas de desensamblado como Hopper, Ghidra o IDA, que convierten el código máquina en ensamblador y pseudocódigo similar a C. Las aplicaciones Electron (programas de escritorio creados con tecnologías web, como Notion) se pueden desmontar directamente para examinar los archivos ASAR de sus instaladores y entender los módulos y la comunicación entre procesos, sin necesidad de herramientas adicionales. También admite programas .NET, APK de Android, firmware, sitios web, capturas de tráfico de red, bytecode de contratos de Ethereum y el registro del comportamiento de programas en ejecución en Linux y macOS.
El análisis se realiza en el equipo local y REA no carga el programa analizado. Sin embargo, los resultados se envían al proveedor del modelo que respalda al agente; el tratamiento de los datos depende de las políticas de cada proveedor.
El proyecto incluye tres casos de uso. El primero es el clásico juego de romper ladrillos DX-Ball: a partir de una llamada que reproduce un efecto de sonido, se rastrea la función que calcula los canales izquierdo y derecho según la posición de la pelota. El pseudocódigo incompleto se reconstruye como código C; los resultados de 3205 pruebas coinciden con los del original, y los 63 bytes del programa compilado son exactamente iguales a los originales. El segundo es la versión de escritorio de Notion: se rastrea todo el recorrido de copiar y pegar, desde la interfaz, pasando por el script de precarga y la comunicación entre procesos, hasta el proceso principal. El tercero es el juego Touhou Fuumaroku (TH04), para el antiguo ordenador japonés PC-98: a partir de instrucciones de 16 bits, se reconstruye el algoritmo angular de los anillos de proyectiles.
Para investigadores de seguridad y personas que recrean juegos antiguos o preservan software, antes era necesario leer línea por línea el desensamblado y seguir las llamadas capa por capa. Ahora pueden dejar que el agente haga el rastreo inicial y comprobar las pruebas que presenta. Los desarrolladores que quieran investigar cómo implementa una función concreta la competencia también cuentan con una nueva vía.
Según el README, el proyecto ya tiene 50 000 estrellas en GitHub. El paquete de npm se publicó por primera vez en julio de este año y la última versión, la 6.3.0, acaba de publicarse hoy.
Antes de usarlo, ten en cuenta dos cosas. El proyecto declara que solo admite investigaciones legítimas de ingeniería inversa; cada usuario es responsable de contar con la autorización necesaria y cumplir la normativa. Analizar el software de otras personas podría infringir las condiciones de uso o las leyes de derechos de autor. El proyecto también aclara que nunca ha emitido ni respaldado criptomonedas, y que los tokens que utilizan el nombre REA no tienen ninguna relación con él.
https://github.com/morluto/rea
El proyecto de código abierto REA (Reverse Engineer Anything) conecta herramientas de análisis de ingeniería inversa con agentes de programación de IA como Claude Code, Codex y Cursor. Si ves una función interesante en la app de otra persona, puedes pedirle al agente que desmonte el programa, explique cómo está implementada y aporte pruebas; después, puede escribir algo parecido en tu propio proyecto. La ingeniería inversa consiste en averiguar cómo se creó un programa compilado cuando no se dispone de su código fuente.
REA es un servicio MCP. MCP es una interfaz común para que los agentes de IA utilicen herramientas externas. Una vez conectado, el agente puede acceder directamente a las funciones de análisis de REA desde la conversación. Para instalarlo basta con ejecutar un comando: npx rea-agents setup. El programa lo registra en agentes como Claude Code, Codex, Cursor, Gemini CLI y Grok Build. Antes de modificar la configuración, crea una copia de seguridad y te pide confirmación. Si no usas un agente, también puedes ejecutar los comandos directamente desde la terminal.
Puede analizar muchos tipos de software. Para los programas nativos (software compilado directamente a código máquina), se usan herramientas de desensamblado como Hopper, Ghidra o IDA, que convierten el código máquina en ensamblador y pseudocódigo similar a C. Las aplicaciones Electron (programas de escritorio creados con tecnologías web, como Notion) se pueden desmontar directamente para examinar los archivos ASAR de sus instaladores y entender los módulos y la comunicación entre procesos, sin necesidad de herramientas adicionales. También admite programas .NET, APK de Android, firmware, sitios web, capturas de tráfico de red, bytecode de contratos de Ethereum y el registro del comportamiento de programas en ejecución en Linux y macOS.
El análisis se realiza en el equipo local y REA no carga el programa analizado. Sin embargo, los resultados se envían al proveedor del modelo que respalda al agente; el tratamiento de los datos depende de las políticas de cada proveedor.
El proyecto incluye tres casos de uso. El primero es el clásico juego de romper ladrillos DX-Ball: a partir de una llamada que reproduce un efecto de sonido, se rastrea la función que calcula los canales izquierdo y derecho según la posición de la pelota. El pseudocódigo incompleto se reconstruye como código C; los resultados de 3205 pruebas coinciden con los del original, y los 63 bytes del programa compilado son exactamente iguales a los originales. El segundo es la versión de escritorio de Notion: se rastrea todo el recorrido de copiar y pegar, desde la interfaz, pasando por el script de precarga y la comunicación entre procesos, hasta el proceso principal. El tercero es el juego Touhou Fuumaroku (TH04), para el antiguo ordenador japonés PC-98: a partir de instrucciones de 16 bits, se reconstruye el algoritmo angular de los anillos de proyectiles.
Para investigadores de seguridad y personas que recrean juegos antiguos o preservan software, antes era necesario leer línea por línea el desensamblado y seguir las llamadas capa por capa. Ahora pueden dejar que el agente haga el rastreo inicial y comprobar las pruebas que presenta. Los desarrolladores que quieran investigar cómo implementa una función concreta la competencia también cuentan con una nueva vía.
Según el README, el proyecto ya tiene 50 000 estrellas en GitHub. El paquete de npm se publicó por primera vez en julio de este año y la última versión, la 6.3.0, acaba de publicarse hoy.
Antes de usarlo, ten en cuenta dos cosas. El proyecto declara que solo admite investigaciones legítimas de ingeniería inversa; cada usuario es responsable de contar con la autorización necesaria y cumplir la normativa. Analizar el software de otras personas podría infringir las condiciones de uso o las leyes de derechos de autor. El proyecto también aclara que nunca ha emitido ni respaldado criptomonedas, y que los tokens que utilizan el nombre REA no tienen ninguna relación con él.
https://github.com/morluto/rea
51
·
--
REA: deja que los agentes de IA analicen software sin código fuente
El proyecto de código abierto REA (Reverse Engineer Anything) conecta herramientas de ingeniería inversa con agentes de programación de IA como Claude Code, Codex y Cursor. Si ves una función interesante en la app de otra persona, puedes pedirle a un agente que analice el programa, explique cómo está implementada y aporte pruebas; después, puede escribir algo parecido en tu propio proyecto. La ingeniería inversa consiste en deducir cómo se creó un programa compilado cuando no se tiene acceso a su código fuente.
REA es un servicio MCP. MCP es una interfaz común para que los agentes de IA utilicen herramientas externas. Una vez conectado, el agente puede invocar directamente las funciones de análisis de REA durante la conversación. Para instalarlo, basta con ejecutar el comando npx rea-agents setup. El programa lo registrará en agentes como Claude Code, Codex, Cursor, Gemini CLI y Grok Build, y hará una copia de seguridad y te pedirá confirmación antes de modificar la configuración. Si no usas un agente, también puedes ejecutar los comandos directamente desde el terminal.
Puede analizar muchas cosas. Para los programas nativos (software compilado directamente en código máquina), se pueden usar herramientas de desensamblado como Hopper, Ghidra o IDA para convertir el código máquina en ensamblador y pseudocódigo similar a C. Las aplicaciones Electron (software de escritorio creado con tecnologías web, como Notion) se pueden analizar directamente extrayendo los archivos ASAR del paquete de instalación y aclarando la estructura de los módulos y la comunicación entre procesos, sin necesidad de herramientas adicionales. También es compatible con programas .NET, archivos APK de Android, firmware, sitios web, registros de captura de tráfico, bytecode de contratos de Ethereum y el registro del comportamiento de programas en ejecución en Linux y macOS.
El análisis se realiza localmente y REA no sube el programa objetivo, pero los resultados del análisis se envían al proveedor del modelo que utiliza el agente. El tratamiento de los datos depende de las políticas de cada proveedor.
El proyecto incluye tres casos de ejemplo. El primero es el clásico juego de romper ladrillos DX-Ball: a partir de una llamada que reproduce un efecto de sonido, se rastrea la función que calcula los canales izquierdo y derecho según la posición de la pelota. Se reconstruye en C el pseudocódigo incompleto y los resultados de 3205 pruebas coinciden con los del original; los 63 bytes compilados también son idénticos a los del original. El segundo es la versión de escritorio de Notion: se rastrea todo el recorrido de copiar y pegar, desde la interfaz, pasando por el script de precarga y la comunicación entre procesos, hasta el proceso principal. El tercero es el juego Touhou Fuumaroku (TH04), para el antiguo ordenador japonés PC-98: a partir de instrucciones de 16 bits, se reconstruye el algoritmo que calcula los ángulos de los anillos de balas.
Para investigadores de seguridad y personas que recrean juegos antiguos o preservan software, antes era necesario leer línea por línea las herramientas de desensamblado y rastrear las llamadas capa por capa. Ahora pueden dejar que el agente haga el rastreo primero y luego comprobar las pruebas que presenta. Los desarrolladores que quieran estudiar cómo implementa una función concreta un producto de la competencia también cuentan con una nueva opción.
Según el README, el proyecto ya tiene 50 000 estrellas en GitHub. El paquete npm se publicó por primera vez en julio de este año y la versión más reciente, la 6.3.0, acaba de publicarse hoy.
Antes de usarlo, ten en cuenta dos cosas. El proyecto declara que solo admite investigaciones de ingeniería inversa legales; cada usuario es responsable de contar con la autorización y cumplir la normativa. Analizar el software de otras personas podría infringir las condiciones de uso o las leyes de derechos de autor. El proyecto también afirma que nunca ha lanzado ni respaldado criptomonedas; los tokens que utilizan el nombre REA no tienen relación con él.
https://github.com/morluto/rea
REA: deja que los agentes de IA analicen software sin código fuente
El proyecto de código abierto REA (Reverse Engineer Anything) conecta herramientas de ingeniería inversa con agentes de programación de IA como Claude Code, Codex y Cursor. Si ves una función interesante en la app de otra persona, puedes pedirle a un agente que analice el programa, explique cómo está implementada y aporte pruebas; después, puede escribir algo parecido en tu propio proyecto. La ingeniería inversa consiste en deducir cómo se creó un programa compilado cuando no se tiene acceso a su código fuente.
REA es un servicio MCP. MCP es una interfaz común para que los agentes de IA utilicen herramientas externas. Una vez conectado, el agente puede invocar directamente las funciones de análisis de REA durante la conversación. Para instalarlo, basta con ejecutar el comando npx rea-agents setup. El programa lo registrará en agentes como Claude Code, Codex, Cursor, Gemini CLI y Grok Build, y hará una copia de seguridad y te pedirá confirmación antes de modificar la configuración. Si no usas un agente, también puedes ejecutar los comandos directamente desde el terminal.
Puede analizar muchas cosas. Para los programas nativos (software compilado directamente en código máquina), se pueden usar herramientas de desensamblado como Hopper, Ghidra o IDA para convertir el código máquina en ensamblador y pseudocódigo similar a C. Las aplicaciones Electron (software de escritorio creado con tecnologías web, como Notion) se pueden analizar directamente extrayendo los archivos ASAR del paquete de instalación y aclarando la estructura de los módulos y la comunicación entre procesos, sin necesidad de herramientas adicionales. También es compatible con programas .NET, archivos APK de Android, firmware, sitios web, registros de captura de tráfico, bytecode de contratos de Ethereum y el registro del comportamiento de programas en ejecución en Linux y macOS.
El análisis se realiza localmente y REA no sube el programa objetivo, pero los resultados del análisis se envían al proveedor del modelo que utiliza el agente. El tratamiento de los datos depende de las políticas de cada proveedor.
El proyecto incluye tres casos de ejemplo. El primero es el clásico juego de romper ladrillos DX-Ball: a partir de una llamada que reproduce un efecto de sonido, se rastrea la función que calcula los canales izquierdo y derecho según la posición de la pelota. Se reconstruye en C el pseudocódigo incompleto y los resultados de 3205 pruebas coinciden con los del original; los 63 bytes compilados también son idénticos a los del original. El segundo es la versión de escritorio de Notion: se rastrea todo el recorrido de copiar y pegar, desde la interfaz, pasando por el script de precarga y la comunicación entre procesos, hasta el proceso principal. El tercero es el juego Touhou Fuumaroku (TH04), para el antiguo ordenador japonés PC-98: a partir de instrucciones de 16 bits, se reconstruye el algoritmo que calcula los ángulos de los anillos de balas.
Para investigadores de seguridad y personas que recrean juegos antiguos o preservan software, antes era necesario leer línea por línea las herramientas de desensamblado y rastrear las llamadas capa por capa. Ahora pueden dejar que el agente haga el rastreo primero y luego comprobar las pruebas que presenta. Los desarrolladores que quieran estudiar cómo implementa una función concreta un producto de la competencia también cuentan con una nueva opción.
Según el README, el proyecto ya tiene 50 000 estrellas en GitHub. El paquete npm se publicó por primera vez en julio de este año y la versión más reciente, la 6.3.0, acaba de publicarse hoy.
Antes de usarlo, ten en cuenta dos cosas. El proyecto declara que solo admite investigaciones de ingeniería inversa legales; cada usuario es responsable de contar con la autorización y cumplir la normativa. Analizar el software de otras personas podría infringir las condiciones de uso o las leyes de derechos de autor. El proyecto también afirma que nunca ha lanzado ni respaldado criptomonedas; los tokens que utilizan el nombre REA no tienen relación con él.
https://github.com/morluto/rea
El proyecto de código abierto REA (Reverse Engineer Anything) conecta herramientas de ingeniería inversa con agentes de programación de IA como Claude Code, Codex y Cursor. Si ves una función interesante en la app de otra persona, puedes pedirle a un agente que analice el programa, explique cómo está implementada y aporte pruebas; después, puede escribir algo parecido en tu propio proyecto. La ingeniería inversa consiste en deducir cómo se creó un programa compilado cuando no se tiene acceso a su código fuente.
REA es un servicio MCP. MCP es una interfaz común para que los agentes de IA utilicen herramientas externas. Una vez conectado, el agente puede invocar directamente las funciones de análisis de REA durante la conversación. Para instalarlo, basta con ejecutar el comando npx rea-agents setup. El programa lo registrará en agentes como Claude Code, Codex, Cursor, Gemini CLI y Grok Build, y hará una copia de seguridad y te pedirá confirmación antes de modificar la configuración. Si no usas un agente, también puedes ejecutar los comandos directamente desde el terminal.
Puede analizar muchas cosas. Para los programas nativos (software compilado directamente en código máquina), se pueden usar herramientas de desensamblado como Hopper, Ghidra o IDA para convertir el código máquina en ensamblador y pseudocódigo similar a C. Las aplicaciones Electron (software de escritorio creado con tecnologías web, como Notion) se pueden analizar directamente extrayendo los archivos ASAR del paquete de instalación y aclarando la estructura de los módulos y la comunicación entre procesos, sin necesidad de herramientas adicionales. También es compatible con programas .NET, archivos APK de Android, firmware, sitios web, registros de captura de tráfico, bytecode de contratos de Ethereum y el registro del comportamiento de programas en ejecución en Linux y macOS.
El análisis se realiza localmente y REA no sube el programa objetivo, pero los resultados del análisis se envían al proveedor del modelo que utiliza el agente. El tratamiento de los datos depende de las políticas de cada proveedor.
El proyecto incluye tres casos de ejemplo. El primero es el clásico juego de romper ladrillos DX-Ball: a partir de una llamada que reproduce un efecto de sonido, se rastrea la función que calcula los canales izquierdo y derecho según la posición de la pelota. Se reconstruye en C el pseudocódigo incompleto y los resultados de 3205 pruebas coinciden con los del original; los 63 bytes compilados también son idénticos a los del original. El segundo es la versión de escritorio de Notion: se rastrea todo el recorrido de copiar y pegar, desde la interfaz, pasando por el script de precarga y la comunicación entre procesos, hasta el proceso principal. El tercero es el juego Touhou Fuumaroku (TH04), para el antiguo ordenador japonés PC-98: a partir de instrucciones de 16 bits, se reconstruye el algoritmo que calcula los ángulos de los anillos de balas.
Para investigadores de seguridad y personas que recrean juegos antiguos o preservan software, antes era necesario leer línea por línea las herramientas de desensamblado y rastrear las llamadas capa por capa. Ahora pueden dejar que el agente haga el rastreo primero y luego comprobar las pruebas que presenta. Los desarrolladores que quieran estudiar cómo implementa una función concreta un producto de la competencia también cuentan con una nueva opción.
Según el README, el proyecto ya tiene 50 000 estrellas en GitHub. El paquete npm se publicó por primera vez en julio de este año y la versión más reciente, la 6.3.0, acaba de publicarse hoy.
Antes de usarlo, ten en cuenta dos cosas. El proyecto declara que solo admite investigaciones de ingeniería inversa legales; cada usuario es responsable de contar con la autorización y cumplir la normativa. Analizar el software de otras personas podría infringir las condiciones de uso o las leyes de derechos de autor. El proyecto también afirma que nunca ha lanzado ni respaldado criptomonedas; los tokens que utilizan el nombre REA no tienen relación con él.
https://github.com/morluto/rea
160
·
--
Según informó Business Insider citando a fuentes conocedoras del asunto, Google está probando internamente un nuevo modelo llamado Carbon. Algunos empleados dicen que sus capacidades de programación «se sienten como las de Opus 5.5».
Carbon está integrado en Jetski, la herramienta interna de programación con IA de Google. Según el artículo, Gemini 4 Argon, que Google lanzó el 30 de septiembre, utiliza otra versión interna, Barium-B. Carbon es una nueva versión entrenada después de esta. Aún no está claro si Carbon se lanzará como una actualización de Argon o por separado, como un nuevo modelo.
Opus 5.5 sirve de referencia en este caso porque la programación es actualmente el punto débil de Gemini. Bloomberg informó anteriormente que algunos empleados de Google comentaron que Argon obtenía buenos resultados en las pruebas, pero que al usarlo realmente para escribir código no cumplía las expectativas. En la prueba de programación de terceros Terminal Bench 4, Argon obtuvo un 57 %, por debajo de Claude Sonnet 5.5 (64 %) y Claude Opus 5.5 (60 %), de Anthropic, y GPT-6 Astra (59 %), de OpenAI. En septiembre, Google también levantó las restricciones internas y permitió que todos sus ingenieros usaran Claude para escribir código.
Si Carbon realmente alcanza el nivel de Opus 5.5, los desarrolladores que usan Gemini para escribir código se beneficiarán directamente. Sin embargo, «se siente como» es solo la opinión subjetiva de un empleado anónimo. Carbon no tiene resultados de pruebas publicados ni fecha de lanzamiento, y Google se negó a comentar sobre su hoja de ruta interna. Por ahora, el único modelo disponible para el público es Argon, y solo se ha abierto a algunos socios de ciberseguridad. Los usuarios de la API de pago y los suscriptores de Google AI Ultra tendrán que esperar.
Según informó Business Insider citando a fuentes conocedoras del asunto, Google está probando internamente un nuevo modelo llamado Carbon. Algunos empleados dicen que sus capacidades de programación «se sienten como las de Opus 5.5».
Carbon está integrado en Jetski, la herramienta interna de programación con IA de Google. Según el artículo, Gemini 4 Argon, que Google lanzó el 30 de septiembre, utiliza otra versión interna, Barium-B. Carbon es una nueva versión entrenada después de esta. Aún no está claro si Carbon se lanzará como una actualización de Argon o por separado, como un nuevo modelo.
Opus 5.5 sirve de referencia en este caso porque la programación es actualmente el punto débil de Gemini. Bloomberg informó anteriormente que algunos empleados de Google comentaron que Argon obtenía buenos resultados en las pruebas, pero que al usarlo realmente para escribir código no cumplía las expectativas. En la prueba de programación de terceros Terminal Bench 4, Argon obtuvo un 57 %, por debajo de Claude Sonnet 5.5 (64 %) y Claude Opus 5.5 (60 %), de Anthropic, y GPT-6 Astra (59 %), de OpenAI. En septiembre, Google también levantó las restricciones internas y permitió que todos sus ingenieros usaran Claude para escribir código.
Si Carbon realmente alcanza el nivel de Opus 5.5, los desarrolladores que usan Gemini para escribir código se beneficiarán directamente. Sin embargo, «se siente como» es solo la opinión subjetiva de un empleado anónimo. Carbon no tiene resultados de pruebas publicados ni fecha de lanzamiento, y Google se negó a comentar sobre su hoja de ruta interna. Por ahora, el único modelo disponible para el público es Argon, y solo se ha abierto a algunos socios de ciberseguridad. Los usuarios de la API de pago y los suscriptores de Google AI Ultra tendrán que esperar.
Carbon está integrado en Jetski, la herramienta interna de programación con IA de Google. Según el artículo, Gemini 4 Argon, que Google lanzó el 30 de septiembre, utiliza otra versión interna, Barium-B. Carbon es una nueva versión entrenada después de esta. Aún no está claro si Carbon se lanzará como una actualización de Argon o por separado, como un nuevo modelo.
Opus 5.5 sirve de referencia en este caso porque la programación es actualmente el punto débil de Gemini. Bloomberg informó anteriormente que algunos empleados de Google comentaron que Argon obtenía buenos resultados en las pruebas, pero que al usarlo realmente para escribir código no cumplía las expectativas. En la prueba de programación de terceros Terminal Bench 4, Argon obtuvo un 57 %, por debajo de Claude Sonnet 5.5 (64 %) y Claude Opus 5.5 (60 %), de Anthropic, y GPT-6 Astra (59 %), de OpenAI. En septiembre, Google también levantó las restricciones internas y permitió que todos sus ingenieros usaran Claude para escribir código.
Si Carbon realmente alcanza el nivel de Opus 5.5, los desarrolladores que usan Gemini para escribir código se beneficiarán directamente. Sin embargo, «se siente como» es solo la opinión subjetiva de un empleado anónimo. Carbon no tiene resultados de pruebas publicados ni fecha de lanzamiento, y Google se negó a comentar sobre su hoja de ruta interna. Por ahora, el único modelo disponible para el público es Argon, y solo se ha abierto a algunos socios de ciberseguridad. Los usuarios de la API de pago y los suscriptores de Google AI Ultra tendrán que esperar.
237
·
--
Que Grokbot pueda conectarse a X es una gran ventaja, ya que así puede enviarte noticias de IA interesantes de X.
Que Grokbot pueda conectarse a X es una gran ventaja, ya que así puede enviarte noticias de IA interesantes de X.
170
·
--
¡Hay que suspender la cuenta, hay que suspenderla! ¡Es obligatorio!
¡Hay que suspender la cuenta, hay que suspenderla! ¡Es obligatorio!
54
·
--
La interfaz de configuración de Codex cambia con frecuencia, por lo que cuesta encontrar los ajustes. Las búsquedas suelen mostrar proyectos anteriores, pero no se pueden abrir al hacer clic.
La interfaz de configuración de Codex cambia con frecuencia, por lo que cuesta encontrar los ajustes. Las búsquedas suelen mostrar proyectos anteriores, pero no se pueden abrir al hacer clic.
1
1
1
209
·
--
Le pedí a Opus 5.5 que me ayudara a diseñar un sello
Prompt:
> Dibuja con JS + Canvas un sello en escritura de sello, con la inscripción tradicional «宝玉», que se lea de derecha a izquierda. Usa formas de escritura de sello pequeño según el Shuowen (si adjunto una imagen de referencia, sigue su modelo). No uses fuentes: dibuja cada trazo mediante coordenadas y luego engrosalo.
> Antes de empezar, enumera los componentes de cada carácter y dónde va cada uno en la superficie del sello. Haz dos versiones, una en negativo y otra en positivo; usa pasta de tinta de color cinabrio, con un ligero efecto de grabado y bordes desgastados. El fondo debe tener la textura del papel xuan. Exporta un PNG con fondo transparente de 1200×1200. Al terminar, haz primero una captura de pantalla para comprobar que cada carácter sea legible y que el espaciado entre trazos sea uniforme; si hay algún problema, corrígelo.
Le pedí a Opus 5.5 que me ayudara a diseñar un sello
Prompt:
> Dibuja con JS + Canvas un sello en escritura de sello, con la inscripción tradicional «宝玉», que se lea de derecha a izquierda. Usa formas de escritura de sello pequeño según el Shuowen (si adjunto una imagen de referencia, sigue su modelo). No uses fuentes: dibuja cada trazo mediante coordenadas y luego engrosalo.
> Antes de empezar, enumera los componentes de cada carácter y dónde va cada uno en la superficie del sello. Haz dos versiones, una en negativo y otra en positivo; usa pasta de tinta de color cinabrio, con un ligero efecto de grabado y bordes desgastados. El fondo debe tener la textura del papel xuan. Exporta un PNG con fondo transparente de 1200×1200. Al terminar, haz primero una captura de pantalla para comprobar que cada carácter sea legible y que el espaciado entre trazos sea uniforme; si hay algún problema, corrígelo.
Prompt:
> Dibuja con JS + Canvas un sello en escritura de sello, con la inscripción tradicional «宝玉», que se lea de derecha a izquierda. Usa formas de escritura de sello pequeño según el Shuowen (si adjunto una imagen de referencia, sigue su modelo). No uses fuentes: dibuja cada trazo mediante coordenadas y luego engrosalo.
> Antes de empezar, enumera los componentes de cada carácter y dónde va cada uno en la superficie del sello. Haz dos versiones, una en negativo y otra en positivo; usa pasta de tinta de color cinabrio, con un ligero efecto de grabado y bordes desgastados. El fondo debe tener la textura del papel xuan. Exporta un PNG con fondo transparente de 1200×1200. Al terminar, haz primero una captura de pantalla para comprobar que cada carácter sea legible y que el espaciado entre trazos sea uniforme; si hay algún problema, corrígelo.
222
Inicia sesión para explorar más contenidos
Únete a usuarios de criptomonedas de todo el mundo en Binance Square
⚡️ Obtén la información más reciente y útil sobre criptomonedas.
💬 Confía en el mayor exchange de criptomonedas del mundo.
👍 Descubre opiniones reales de creadores verificados.
Correo electrónico/número de teléfono
Temas en tendencia
BinancePick
2.4M visualizaciones
133,544 participa(n) en el debate
¡Únete a #TemporadaDeResultados: predice resultados en Binance Pick y comparte tu opinión en Binance Square!
Binance Square Official
·394 «Me gusta»
·335.3k visualizaciones
EarningsSeason
4.9M visualizaciones
23,490 participa(n) en el debate
ArgentineCourtDismissesLIBRACaseAgainstMilei
3,385 visualizaciones
97 participa(n) en el debate