Hola,

Por fin he terminado la mudanza y estoy de nuevo en Italia. Ahora sí, en esa etapa de parejita recién casados, disfrutando del matrimonio. Han sido unas semanas de agotamiento mental y físico. Supongo que se notó, porque la semana pasada no publiqué newsletter… no tenía nada de ganas.

Ya sabes cómo es: después de una mudanza, te quedas hecho polvo, con dolor de brazos y un cansancio de esos brutales. Aun así, intenté salir a despejarme, pero enseguida me entró el sueño. El domingo lo pasé en familia, porque el martes nos tocaba coger el barco para volver a Italia: más de 23 horas de viaje, sumando las horas en coche, y después descargar todo.

Llegué a casa y, para rematar, el router de Starlink no funciona. Así que me he apañado con el móvil, creando un hotspot para poder escribir la newsletter de hoy. Al final me he dado de baja de Starlink: aquí no tengo buena cobertura y las obstrucciones me provocan microcortes constantes.

El lunes ya vienen a instalarme la fibra. Espero que sea más estable… ya os contaré.

ℍ𝕠𝕣𝕚𝕫𝕠𝕟𝕥𝕖 𝔸𝕣𝕥𝕚𝕗𝕚𝕔𝕚𝕒𝕝

Te presentamos "Horizonte Artificial", la nueva y flamante sección de nuestra newsletter dedicada exclusivamente a la Inteligencia Artificial. Pero no esperes el contenido convencional que inunda TikTok o YouTube. Aquí, nos sumergiremos en el fascinante mundo del OpenSource, explorando proyectos libres que puedes desplegar en tu propio servidor. Y para guiarnos en esta travesía, contamos con la experticia de Jesús Pacheco, mejor conocido en nuestra comunidad HiveAgile como "Pachecodes". Prepárate para una perspectiva fresca y auténtica sobre la IA. ¡Bienvenidos al horizonte!

Mi Primera Vez con GPT-5: Cuando la IA Finalmente "Me Pilló"

La Frustración Previa (O Por Qué Casi Tiro la Toalla)

Tengo que ser honesto: llevaba semanas peleándome con un proyecto que parecía simple en teoría pero era un dolor de cabeza en la práctica. Quería crear un MCP deployable que funcionara con HTTP streamable en lugar de stdio o SSE, y conectarlo a n8n para automatizar mi CRM.

Con Claude Sonnet 4.0 había sido... digamos que una relación complicada. Yo explicaba, Claude interpretaba, yo corregía, Claude volvía a interpretar. Era como hablar con alguien que te escucha pero no te entiende. Pasé horas en ese ciclo frustrante de "casi funciona, pero no del todo".

Honestamente, ya estaba considerando dejarlo para otro día (ya saben, ese día mítico que nunca llega).

El "A Ver Qué Tal" con GPT-5

Esta mañana, tomando mi segundo café y con esa mezcla de curiosidad y escepticismo que tenemos todos aquellos que nos gusta trastear, decidí probar GPT-5 en Cursor. Pensé: "Bueno, total, ya perdí tiempo con esto, ¿qué son 20 minutos más?"

Los Primeros 5 Minutos: "Espera... ¿En Serio?"

Le expliqué lo que quería hacer. Nada elaborado, básicamente: "Oye, necesito esto, que se conecte con esto otro, para hacer esta cosa".

Y aquí viene lo raro: no solo entendió inmediatamente, sino que empezó a preguntarme cosas que YO no había considerado. "¿Quieres que maneje errores de esta manera?", "¿Prefieres esta aproximación o esta otra?". Era como hablar con alguien que ya había hecho esto antes.

Me quedé ahí, mirando la pantalla, pensando: "¿En serio está pasando esto?"

Minutos 6-15: El Flow Estado

Esto es difícil de explicar si no lo has vivido, pero entré en ese estado donde sientes que la herramienta y tú están en la misma página. GPT-5 no solo escribía código; estaba conversando conmigo sobre el código.

Yo decía: "Hmm, pero aquí podríamos optimizar esto" y él: "Tienes razón, mira, ¿qué te parece si lo hacemos así?". Era colaboración real, no esa sensación de estar dirigiendo a un asistente confundido.

El Momento "Holy Shit" (Perdón, Mamá)

Aquí viene la parte que todavía me cuesta creer. Le tomé una captura de pantalla de mi workflow en n8n (nada elegante, solo un screenshot rápido desde mi teléfono porque estaba apurado) y se lo mostré.

Este tipo - bueno, esta IA - miró mi pantalla y me dijo: "Oye, aquí está tu problema. Este nodo está mal configurado, debería ser así".

Me quedé con la boca abierta. Literalmente. Había estado mirando esa pantalla por días y no había visto lo obvio. Era como cuando alguien te señala las llaves que llevas 10 minutos buscando y están en tu mano.

Minuto 20: "¿Ya Está?"

MCP funcionando. Deployado. Conectado. Mi Custom GPT ya podía manejar mi CRM como si fuera parte de él.

Me quedé ahí, mirando todo funcionando, con esa sensación extraña de "¿eso era todo?". Como cuando armas un mueble de IKEA y sobran tornillos, pero esta vez todo encajó perfecto.

Miren, no soy de los que se emociona fácilmente con la tecnología. He visto muchas "revoluciones" que al final eran más marketing que sustancia. Pero esto fue diferente.

GPT-5 no se sintió como una herramienta más avanzada; se sintió como un compañero de trabajo que realmente sabe lo que hace. Esa sensación de "ah, me entendiste" que raramente tienes hasta con humanos.

Si GPT-4o era como tener un asistente inteligente, GPT-5 es como tener un colega senior que te cubre la espalda.

Lo Que Aprendí (Y Lo Que Sigue Igual)

La tecnología está volviéndose increíblemente buena para el "vibe coding" - esa forma de programar donde describes lo que quieres y magicamente aparece. Pero (y es un gran pero) sigue siendo crucial ser claro con lo que quieres.

La diferencia es que ahora puedes ser claro de forma natural, sin tener que hablar como robot para que te entienda una máquina.

Hace 20 minutos logré algo que me había estado frustrando por semanas. No porque yo haya mejorado como developer, sino porque finalmente tengo una herramienta que habla mi idioma.

¿Es el futuro? No sé. ¿Es el presente que siempre habíamos querido? Absolutamente sí.

Y bueno, hasta aquí mi Ted Talk no solicitado sobre por qué GPT-5 me voló la cabeza un martes cualquiera.

P.S.: Sí, ya sé que sueno como comercial. Pero cuando algo funciona TAN bien después de tanto dolor, hay que contarlo.

🌟 TopGit - Resumen Semanal (2025-08-09)

📚 Repositorios Destacados de la Semana

Los siguientes repositorios han sido seleccionados por su relevancia, calidad y métricas de GitHub:

🔧 🤖 Crush: Tu nuevo compañero de codificación

Descripción: Crush es una herramienta que conecta tus flujos de trabajo y herramientas mediante el uso de un modelo de lenguaje de tu elección, mejorando tu productividad en la codificación.

Características:

• Múltiples modelos: elige entre una amplia gama de LLMs o añade los tuyos.
• Flexible: cambia LLMs en medio de una sesión mientras mantienes el contexto.
• Basado en sesiones: mantén múltiples sesiones de trabajo y contextos por proyecto.
• Ampliamente compatible: soporte en todos los sistemas operativos, incluyendo macOS, Linux y Windows.

Beneficios:

• Acelera tu flujo de trabajo de programación.
• Permite integraciones personalizadas con API.

Casos de uso:

• Ideal para desarrolladores que desean una integración fluida de modelos en sus proyectos.
• Útil en entornos de terminal que requieren extensibilidad y soporte de contexto.

📊 Estadísticas de GitHub:

• ⭐ 8,448 estrellas
• 🔄 369 forks
• 👀 44 observadores
• 📝 234 issues abiertos
• 🔤 Principal lenguaje: Go

🔧 🤖 F5-TTS: Creador de voz de cuentos

F5-TTS es una herramienta basada en aprendizaje automático que simula el habla fluida y fiel mediante un modelo de flujo. Utiliza un transformador difusivo combinado con ConvNeXt V2, optimizando tanto el entrenamiento como la inferencia. Esta tecnología de voz sintética ofrece un rendimiento mejorado gracias a estrategias avanzadas como Sway Sampling, lo que la convierte en una herramienta poderosa para múltiples aplicaciones de TTS (Texto a Voz).

📊 Estadísticas de GitHub:

• ⭐ 12,893 estrellas
• 🔄 1,866 forks
• 👀 123 observadores
• 📝 49 issues abiertos
• 🔤 Principal lenguaje: Python

🔧 🤖 Bella AI - Tu compañero digital

Bella es una innovadora aplicación de inteligencia artificial diseñada para ser tu compañero digital. Con capacidades de reconocimiento de voz, expresión visual y una interfaz elegante, Bella aprende y evoluciona contigo, creando una conexión emocional única.

📊 Estadísticas de GitHub:

• ⭐ 5,351 estrellas
• 🔄 853 forks
• 👀 81 observadores
• 📝 62 issues abiertos
• 🔤 Principal lenguaje: JavaScript

🔧 🛡️ Proxy CC Definitivo

¿Qué es?
ccflare es un proxy avanzado para el API de Claude que permite el balanceo de carga inteligente entre múltiples cuentas. Su principal objetivo es gestionar y optimizar las solicitudes sin límites de tasa, proporcionando visibilidad completa de cada interacción.

Características:

• Balanceo de carga automatizado entre cuentas
• Analítica a nivel de solicitud
• Interfaz de usuario en la web
• Herramientas para desarrolladores, incluyendo CLI y API REST

Beneficios:

• Cero errores de límite de tasa
• Monitoreo en tiempo real de latencia y uso de tokens
• Código abierto y gratuito, control total de tu infraestructura

Casos de uso:
Ideal para desarrolladores que necesitan manejar múltiples cuentas de API Claude de manera efectiva y con un bajo impacto en el rendimiento.

📊 Estadísticas de GitHub:

• ⭐ 509 estrellas
• 🔄 31 forks
• 👀 5 observadores
• 📝 10 issues abiertos
• 🔤 Principal lenguaje: TypeScript

🔧 📊 Generador de Informes de n8n

n8n_execution_report es una herramienta para analizar las ejecuciones de flujos de trabajo en n8n y generar informes detallados en formato PDF. Incluye costos de AI, rendimiento de nodos y sugerencias de optimización. La herramienta es ideal para desarrolladores que desean auditar sus flujos de trabajo de manera más eficiente.

📊 Estadísticas de GitHub:

• ⭐ 68 estrellas
• 🔄 13 forks
• 👀 6 observadores
• 📝 3 issues abiertos
• 🔤 Principal lenguaje: Python

🔧 💻 LLMFeeder - Convertidor de Páginas Web a Markdown

LLMFeeder es una extensión de navegador que convierte el contenido de páginas web a un formato limpio de Markdown y lo copia al portapapeles con un solo clic. Es perfecta para alimentar contenido a modelos de Lenguaje Grande (LLMs). Disponible para Chrome y Firefox.

📊 Estadísticas de GitHub:

• ⭐ 148 estrellas
• 🔄 23 forks
• 👀 2 observadores
• 📝 20 issues abiertos
• 🔤 Principal lenguaje: JavaScript

🔧 🖥️ Servidor MCP para Desarrollo Basado en Especificaciones

El servidor MCP permite a los desarrolladores seguir un enfoque estructurado de desarrollo basado en especificaciones, proporcionando indicaciones que guían a través de la generación de requisitos, documentos de diseño y código. Fue creado para facilitar flujos de trabajo más organizados y sistemáticos, mejorando así la claridad y mantenibilidad del desarrollo del software.

🔧 🤖 InsForge: Alternativa Nativa de Supabase

InsForge es una plataforma alternativa a Supabase, habilitando agentes de IA para construir y gestionar aplicaciones completas de forma autónoma. Ofrece un sistema de autenticación completo, almacenamiento flexible de datos y gestión de archivos, con funciones sin servidor y despliegue de sitios en desarrollo.

📊 Análisis de Distribución por Categorías

La siguiente gráfica muestra la distribución de proyectos por categoría en TopGit:

📈 Estadísticas Semanales

🏆 Top 3 Categorías

📊 Distribución Detallada

🤖 IA & Machine Learning ████████████  62%  (5 repos)
🔧 Dev                ███████       38%  (3 repos)

🚀 Tendencias Destacadas

📈 Métricas Clave

• Repositorios Totales: 8
• Promedio Diario: 1.1 repos/día
• Categorías Activas: 2

🎯 Categorías Dominantes

1. IA & Machine Learning
   • 5 repositorios
   • 62.5% del total
2. Dev
   • 3 repositorios
   • 37.5% del total

💡 Análisis de Tendencias

De acuerdo a la última actualización de GitHub, el panorama de la innovación tecnológica sigue en auge con la incorporación de 8 nuevos repositorios de gran relevancia.

En primer lugar, 'Crush' se sitúa a la vanguardia como una herramienta destinada a mejorar la productividad de los desarrolladores a través de la integración de distintos modelos de lenguaje en sus flujos de trabajo.

En el ámbito de la voz sintética, 'F5-TTS' emerge como una solución de Texto a Voz (TTS) basada en machine learning que utiliza estrategias avanzadas para optimizar tanto el entrenamiento como la inferencia, brindando un rendimiento superior en múltiples aplicaciones.

Las aplicaciones AI parecen estar ganando tracción, con 'Bella AI' a la cabeza como una aplicación de inteligencia artificial que aprende y evoluciona con sus usuarios, lo que permite un nivel de conexión emocional más profundo.

El manejo eficaz de las API parece ser una preocupación para los desarrolladores, como lo demuestra 'ccflare', un proxy avanzado para la API de Claude que ofrece balanceo de carga inteligente entre múltiples cuentas.

Se detecta también el impulso de herramientas de análisis como 'n8n_execution_report', que permite la generación de informes detallados sobre flujos de trabajo en n8n, aportando un gran valor para aquellos desarrolladores interesados en la optimización.

Por otro lado, 'LLMFeeder' se presenta como una solución práctica al convertir contenido de páginas web a formato Markdown, mientras que 'Servidor MCP' promueve un desarrollo basado en especificaciones más estructurado y sistemático.

Por último, 'InsForge' se destaca como una alternativa a Supabase, permitiendo a los agentes de IA desarrollar y gestionar aplicaciones de manera autónoma.

En conclusión, este panorama demuestra una evolución notable en la inteligencia artificial, la optimización de flujos de trabajo, y la necesidad de soluciones más sofisticadas e integradas para el desarrollo de software y el tratamiento de la información.

¿Te acuerdas cuando OpenAI lanzó el o1 y todos nos quedamos con cara de "esto está genial pero... ¿cómo lo hago yo?"? Pues resulta que hace unos días me puse a trastear con el gpt-oss-20b que liberaron el 5 de agosto, intentando hacer que razonara en español como lo hace el o1. (https://openai.com/es-419/index/introducing-gpt-oss/)

Y después de pelearme tres días con CUDA, versiones de PyTorch que no coincidían, y LoRA configs que petaban por todas partes... ¡por fin lo conseguí!

Te cuento el drama (y la solución) para que tú no pases por lo mismo.

El momento "¿y ahora qué?"

Todo empezó cuando vi que OpenAI había liberado su modelo base de 20B parámetros. "Perfecto", pensé, "ahora a enseñarle a pensar en español". Pero claro, el tutorial oficial estaba en inglés y cuando intenté traducir los prompts... digamos que el modelo se quedó más perdido que turista en Tokyo.

El problema no era técnico (bueno, también), sino conceptual: necesitaba un dataset que ya tuviera cadenas de pensamiento en español. Después de buscar como loco, encontré el HuggingFaceH4/Multilingual-Thinking que tenía exactamente lo que necesitaba: ejemplos donde el modelo "piensa" en español y luego da la respuesta.

La odisea técnica (spoiler: al final funcionó)

Lo primero que descubrí es que este modelo es un Mixture-of-Experts (MoE). Traducción: en lugar de usar todas las neuronas para todo, activa solo las "expertas" necesarias para cada tarea. Suena guay, pero significa que LoRA (la técnica para hacer fine-tuning eficiente) necesita configuración especial.