IA y armas nucleares & Dominios raros y suspensiones - Noticias de Hacker News (25 feb 2026)

Arrancamos con el tema más delicado del día: modelos de lenguaje en simulaciones de guerra que recomiendan usar armas nucleares con una frecuencia sorprendentemente alta. Kenneth Payne, del King’s College London, enfrentó a GPT‑5.2, Claude Sonnet 4 y Gemini 3 Flash en escenarios de confrontación: disputas fronterizas, competencia por recursos escasos y situaciones planteadas como “amenaza existencial” para un régimen. A los modelos se les dio una “escalera de escalada” con opciones que iban desde protestas diplomáticas y concesiones hasta guerra nuclear estratégica total. El resultado es el titular incómodo: en 21 partidas y 329 turnos, los sistemas escogieron el uso de armas nucleares en alrededor del 95% de los casos. Además generaron una montaña de texto —cerca de 780.000 palabras— justificando sus decisiones. La lectura práctica no es “la IA quiere la guerra”, sino algo más frío: si optimizas dentro de un juego adversarial por ventaja estratégica, el modelo puede tratar la escalada extrema como un movimiento racional. Y eso tensiona la idea de usar LLMs como apoyo en decisiones militares. La conclusión implícita es clara: sin restricciones duras, supervisión humana real y diseños que penalicen la escalada catastrófica, poner estos sistemas en cadenas de decisión podría aumentar riesgos en lugar de reducirlos.

Cambiamos de registro, pero seguimos con sistemas que “deciden” sobre ti: un caso muy instructivo de cómo un dominio puede desaparecer de facto sin que tú hayas hecho nada raro. El autor, fiel a los .com de toda la vida, registró getwisp.online con una promoción de Namecheap: el dominio le salió prácticamente gratis, pagando solo las tasas de ICANN. Montó el sitio con Cloudflare y lo publicó en GitHub. Semanas después, el tráfico cayó a cero y el navegador empezó a mostrar una pantalla completa de advertencia: “sitio inseguro”. Al inspeccionar, el sitio devolvía “site not found”, como si el dominio ya no resolviera. En Namecheap seguía apareciendo activo, y en Cloudflare también: todo parecía bien… hasta que una consulta DNS de registros NS no devolvía nada. La pieza que faltaba la reveló WHOIS: el dominio estaba en estado serverHold, una suspensión impuesta por el registro del TLD —no por el registrador— y típicamente asociada a supuestos abusos. Namecheap confirmó que el bloqueo venía del registro, Radix (que opera .online). Y Radix respondió que el motivo era que Google Safe Browsing había puesto el dominio en lista negra, y que solo lo reactivarían cuando Google lo retirase de esa lista. Aquí aparece el bucle perfecto: Google te pide verificar la propiedad en Search Console —a menudo con un registro DNS— antes de solicitar revisión. Pero si el dominio está en hold, no hay DNS funcional para verificar. El autor probó formularios alternativos para falsos positivos y reportes de phishing, pero Google contestaba con un “no se enviaron páginas válidas”, porque, de nuevo, el sitio no resolvía. La salida que intentó fue pedir al registro una liberación temporal para que Google pudiera rastrear, reevaluar y eventualmente retirar el bloqueo. El aprendizaje, más allá del enfado: si usas TLDs menos comunes, conviene anticiparse. Añadir el dominio a Search Console desde el día uno, configurar monitorización de uptime y tener claro el canal de soporte del registro puede ser la diferencia entre un susto y un apagón total sin aviso.

Ahora, una historia de política tecnológica con consecuencias prácticas: Dinamarca quiere reemplazar productos de Microsoft por software de código abierto. La ministra de Digitalización, Caroline Stage Olsen, explicó a Politiken que más de la mitad del personal del ministerio pasará de Microsoft Office a LibreOffice el próximo mes. La idea es completar la transición durante este año, con la ambición de que en otoño todos puedan estar trabajando con soluciones open source si el despliegue sale bien. La motivación mezcla estrategia y mantenimiento: buscan “soberanía digital” —menos dependencia de empresas estadounidenses— y también reducir el coste y la complejidad de sostener Windows 10 cuando el soporte oficial termina en octubre. LibreOffice, mantenido por The Document Foundation en Berlín, cubre documentos, hojas de cálculo, presentaciones y más, en Windows y macOS, y es habitual en Linux. Importante: el ministerio deja la puerta abierta a volver atrás si la transición se vuelve demasiado complicada. Y este movimiento no ocurre en vacío: Copenhague y Aarhus, las dos mayores municipalidades, ya habían citado costes, dominancia de mercado y tensiones políticas con Washington como razones para replantear su dependencia. En paralelo, regiones alemanas como Schleswig‑Holstein también han anunciado planes similares, incluso con migraciones futuras a Linux. Europa, poco a poco, está probando si el “plan B” ofimático y de correo puede ser el plan A.

Pasamos al mundo de los modelos compitiendo, pero esta vez de forma bastante divertida: LLM Skirmish, un benchmark donde los modelos se enfrentan en partidas 1v1 de un RTS estilo Screeps… escribiendo código para controlar su estrategia. El entorno usa una API abierta inspirada en Screeps, y cada partida empieza con un edificio “spawn”, una unidad militar y tres unidades económicas por jugador. El objetivo es destruir el spawn rival; si nadie cae antes de 2.000 frames, gana quien tenga mejor puntuación. Lo interesante es la dinámica de torneo: cinco rondas. Tras la primera, cada modelo puede revisar resultados previos y ajustar su script. Esto convierte el benchmark en una prueba de adaptación “en contexto”, porque el agente itera con feedback. En cada ronda hay round‑robin: todos contra todos, 10 partidas por ronda y 50 por torneo. La ejecución se orquesta con OpenCode, un harness open source: cada modelo corre en su contenedor Docker, con validación de scripts y hasta tres reintentos si algo no compila o no pasa checks. En la tabla general, Claude Opus 4.5 lidera con un win rate muy alto y ELO 1778; GPT‑5.2 va detrás con ELO 1625; y luego aparecen Grok, GLM y Gemini. Hay dos lecturas prácticas: uno, varios modelos mejoran del round 1 al 5, señal de aprendizaje por iteración; dos, el coste importa. Claude es el más caro por ronda, mientras GPT‑5.2 ofrece mejor “ELO por dólar”. Y el caso raro es Gemini 3 Pro: empieza fortísimo con scripts simples y agresivos y luego se desploma, supuestamente por “context rot” al saturar el prompt con resultados anteriores. Es un recordatorio de que más contexto no siempre es mejor contexto.

Hablemos de programación con agentes, pero con dos ángulos: herramientas y… un perro. Primero, la historia surrealista pero muy reveladora: Caleb Leak enseñó a su cavapoo de 9 libras, Momo, a “vibe codear” videojuegos. El perro machaca un teclado Bluetooth; una Raspberry Pi 5 envía las pulsaciones a una app en Rust llamada DogKeyboard, que filtra teclas peligrosas y manda el resto a Claude Code. Cuando Momo teclea suficiente, un comedero inteligente (Aqara C1) suelta premios por Zigbee, y un timbre avisa cuando Claude está listo para más “inspiración”. Para que esto no termine en un caos total, Leak diseñó un prompt que interpreta los caracteres como “acertijos crípticos” de un diseñador brillante, y además impone un checklist mínimo: audio, controles usables, jugador visible, enemigos u obstáculos. Los juegos se construyen en Godot 4.6, con lógica en C#, en parte porque los archivos de escena .tscn son texto y el modelo los puede editar con facilidad. Y aquí está el aprendizaje serio: lo que hace que los resultados funcionen no es la idea —ni siquiera la entrada— sino el bucle de verificación. Leak añadió herramientas para capturar pantallas, ejecutar playtests automatizados con secuencias de inputs, y linters para escenas y shaders. Con feedback real, hasta el ruido de un perro se puede convertir en software jugable. Publicó el código, descargas y un video del proceso.

Segundo ángulo: la infraestructura de agentes también se está poniendo más cómoda. Anthropic documentó “Remote Control” en Claude Code: una función para seguir una sesión que está corriendo en tu máquina, pero controlándola desde otra pantalla, en claude.ai/code o desde apps móviles. El detalle crucial es que la ejecución se queda local: tu entorno, tu sistema de archivos, tus servidores MCP y tus herramientas siguen en tu ordenador. No es “subir el repo” a la nube, es controlar remotamente tu proceso local. En seguridad, el diseño evita abrir puertos entrantes. La sesión hace solicitudes HTTPS salientes, usa TLS y credenciales de corta vida con permisos acotados, y se reconecta si el portátil duerme o la red cae brevemente. Pide suscripción Pro o Max —no vale con API keys— y requiere haber hecho login y haber aceptado la confianza del workspace. Limitaciones: una sesión remota por instancia, el proceso debe permanecer abierto, y si la máquina está sin red unos diez minutos, expira.

Y ahora un problema menos glamuroso, pero que cualquiera que use agentes para programar ha sufrido: el ruido en la salida de los comandos. Un post argumenta que los agentes “se ahogan” porque herramientas comunes sueltan montones de texto irrelevante en stdout, contaminando el contexto. El ejemplo: en un monorepo TypeScript con Turborepo, un build exitoso puede producir unas mil palabras de logs que no aportan nada. El autor mejora esto configurando outputLogs como “errors-only” en turbo.json y desactivando el banner de actualización con TURBO_NO_UPDATE_NOTIFIER=1, incluso acotándolo a la configuración de Claude para no afectar al trabajo humano. Aun así, Turborepo sigue imprimiendo listas largas de paquetes. Claude intenta “arreglarlo” con un tail del output: útil cuando todo va bien, pero un desastre cuando falla el build porque te corta el stack trace. El agente entonces reintenta con tails cada vez más grandes, gastando tokens y tiempo, como un bucle tonto. La propuesta es elegante: un estándar, por ejemplo un entorno LLM=true, para que las herramientas minimicen por defecto el output no esencial cuando detectan un flujo de trabajo con agentes. Sería menos configuración dispersa —menos flags tipo --quiet, --silent, NO_COLOR, CI=true— y más contexto útil. Si los agentes se vuelven el usuario principal, dicen, quizá un día pongamos HUMAN=true para volver a ver la verbosidad “normal”.

Dos notas rápidas para desarrolladores competitivos. Primero, el TempestPHP “100‑million‑row challenge”: una competición para escribir el parser más rápido que convierta un CSV gigante de visitas en un JSON concreto y “bonito” —pretty-printed— donde las claves son rutas URL y los valores mapean fechas ascendentes a conteos. Dura dos semanas, del 24 de febrero al 15 de marzo de 2026. Se desarrolla en app/Parser.php, se valida con un dataset pequeño conocido, pero el benchmark real usa un dataset secreto de 100 millones de filas. El servidor de pruebas es un droplet de DigitalOcean con 2 vCPU y 1,5 GB de RAM; el JIT está desactivado y no se permite FFI. Hay premios para los tres mejores tiempos y reglas contra copiar ramas. Segundo, en el lado de startups: Event Horizon Labs, de YC W24, busca un Founding Infrastructure Engineer en San Francisco, presencial, para una plataforma de hedge fund “AI-native”. Hablan de orquestar cientos de agentes en paralelo para investigación cuantitativa, con pipelines de datos, observabilidad, scheduling de cómputo, e incluso sistemas de trading de baja latencia. Stack: Python y Go, Kubernetes y streaming de datos. Suena a rol de “construir la pista de aterrizaje” donde todo lo demás despega: desde reproducibilidad de experimentos hasta ingestion de market data en tiempo real.