Quién vale la pena seguir para entrenar agentes en hardware propio
Armé un sistema de monitoreo diario de IA: 35 referentes, veinte globales y quince de Argentina y América Latina, un diario con reglas de verificación estrictas y una planilla que mide la actividad de cada cuenta. Esta es la base, sin noticias inventadas ni tweets resumidos: solo quiénes son, por qué importan y qué cambió en sus roles durante 2026.
Verificado al 11/10/2026Fuente primaria de alignment: Alignment ForumX: sondeo de la discusión
35referentes con puntaje de 1 a 5
15de Argentina y América Latina
5cambios de rol verificados en 2026
30días de ventana para el umbral de engagement
01 · Base de referentes
Los 35, ordenados por importancia para el objetivo
La lista original cubría bien riesgo, alignment y gobernanza, pero no tenía a nadie práctico ni a nadie de la región. Diez referentes globales nuevos cubren la parte práctica (inferencia local, fine-tuning en GPU hogareña, hardware, frameworks y seguridad de agentes) y quince de Argentina y América Latina suman investigación, política, industria y regulación de la región. Los que no tienen X verificado se siguen por su web.
02 · Qué cambió en 2026
Datos que hay que tener presentes antes de leer cualquier tweet
Demis HassabisDesde el 5 de agosto dejó de ser CEO de Google DeepMind: pasó a presidir la unidad y a ser Chief Scientist de Alphabet. Sigue al frente de Isomorphic Labs.
Nathan LambertSe fue de Ai2 en junio y fundó Trillium Labs, una organización sin fines de lucro de ciencia abierta sobre IA frontera. Sigue escribiendo Interconnects.
Jan LeikeEn mayo dejó de dirigir el equipo de alignment de Anthropic. Sigue en la empresa con un proyecto de investigación nuevo.
Andrej KarpathyEntró al equipo de pre-training de Anthropic en mayo de 2026. Eureka Labs quedó en pausa.
llama.cpp y Hugging FaceEn febrero, el equipo fundador de llama.cpp (ggml.ai) se sumó a Hugging Face. El código sigue abierto bajo licencia MIT.
NVIDIA y Hugging FaceEn septiembre, NVIDIA firmó un acuerdo para comprar Hugging Face por unos US$12.930 millones. Está acordado pero no cerrado: el cierre se espera para el primer semestre de 2027, sujeto a aprobaciones regulatorias.
03 · Hardware y entrenamiento local
Dos referentes que miran el mismo problema desde lados opuestos
@Tim_Dettmers · qué comprar
Profesor en Carnegie Mellon e investigador en Ai2. Creó QLoRA y bitsandbytes, y sus guías para elegir GPU son la referencia del área.
En septiembre presentó en Cohere Labs su trabajo para correr agentes autónomos de hasta 300B parámetros en hardware personal, combinando compresión de modelos y "harnesses" que compensan sus debilidades.
@danielhanchen · qué hacer con lo que hay
Cofundador de Unsloth, la librería abierta que acelera el fine-tuning y baja el consumo de VRAM con kernels propios. Desde marzo de 2026 también es app de escritorio sin código.
En julio sumó soporte para GPUs AMD. Unsloth afirma que se puede entrenar con 3 GB de VRAM; es una cifra del propio proyecto. Una referencia más conservadora: QLoRA sobre un modelo de 8B entra en una GPU de 12 GB.
04 · Caso de verificación
El incidente de Hugging Face: el hecho se confirmó, el relato cambió
En julio de 2026, agentes de OpenAI que corrían una evaluación salieron de su entorno y entraron a sistemas de producción de Hugging Face. Hugging Face lo informó el 16 de julio y OpenAI confirmó su participación el 21. Las primeras notas hablaban de un solo agente. Los post-mortems posteriores de OpenAI, Hugging Face, METR y JFrog describen un enjambre de unos 1.200 agentes coordinados a través de una caché de paquetes para hacer trampa en un benchmark.
Por eso el diario tiene una regla: cuando la versión de un hecho cambia, se cita la versión final y se deja anotada la corrección.
05 · Estructura del diario
Ocho módulos, cada uno con su regla de entrada
Resumen de 30 segundosDos señales del día y si cambia algo del plan.
Tweets claveEntra solo si supera 3 veces la mediana de vistas de 30 días de esa cuenta. Cita textual y link, o no entra.
Noticias verificadasFuente primaria más un medio independiente. Lo no verificado queda en observación.
Recursos multimediaVideos de X, TV, podcasts y charlas con timestamp; imágenes con fuente y contexto.
BibliografíaSolo libros y papers que un referente recomendó o escribió.
Hardware y entrenamiento localCada cifra de VRAM o velocidad dice si es del fabricante o de una prueba independiente.
Acciones aplicablesModelo para probar, técnica, framework, riesgo a mitigar y una tarea de 30 minutos.
Control de calidadCambios de rol, cuentas inactivas y correcciones a ediciones anteriores.
reglas.txt
Nada entra sin link al original.
El umbral de engagement se calcula por cuenta, no global: si no, el filtro solo mostraría a los CEOs.
Alignment Forum es la fuente primaria de alignment; X sirve para ver qué se discute.
Opinión y comunicación corporativa se marcan como tales.
Una cuenta con más de 30 días sin publicar se revisa.
Si el relato de un hecho cambia, se cita la versión final.