Domingo 18 de octubre de 2026 · 12:17

Arize muestra cómo evaluar agentes con Phoenix

Útil para Programadores 85%

Laurie Voss, responsable de developer relations de Arize AI, mostró en una sesión de AI Engineer un ciclo completo de evaluación de un agente de Claude con Phoenix, que corre en local en localhost:6060. Phoenix guarda cada paso del agente como span con entradas, salidas, duración y coste en tokens. Las evaluaciones de código dieron 15 aciertos y 2 fallos sobre 16 informes, y un juez LLM basado en Claude Sonnet 5.5 marcó 14 de 16 respuestas como no respaldadas por las fuentes.

Cómo te afecta

• Programadores

  Phoenix corre en local (localhost:6060) y guarda cada paso del agente como span con coste en tokens: monta primero tests deterministas sobre resultados concretos. El juez LLM del demo marcó 14 de 16 respuestas sin respaldo; con 16 casos, calíbralo antes de fiarte.

Fuentes originales

Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.

• StartupHub.aiLeer la noticia completa en StartupHub.ai

También ese día

• Mistral publica en abierto los pesos de Large 4, su modelo multimodal de 1 billón de parámetros
• Google lanza Gemini 4 Carbon, con acceso limitado a defensores de ciberseguridad, y lidera el índice Artificial Analysis v5 por un punto
• EE. UU. ordena a sus agencias civiles federales retirar los productos de DeepSeek
• Anthropic destinará el 5% de sus acciones a un fondo de beneficio público; Musk responde con acciones de SpaceX para niños
• Google DeepMind: cuatro agentes de IA completan Minecraft en 27 horas sin intervención humana
• Microsoft rescinde su acuerdo para ser el principal cliente del centro de IA de Nscale en Loughton, en plena salida a bolsa

Todas las noticias de IA del domingo 18 de octubre de 2026 ->