Etiqueta: Python

  • PostgreSQL 18 y el soporte experimental para índices vectoriales nativos: la revolución sin extensiones en bases de datos de IA

    PostgreSQL 18 y el soporte experimental para índices vectoriales nativos: la revolución sin extensiones en bases de datos de IA

    La inteligencia artificial y los modelos de lenguaje (LLM) han cambiado drásticamente la forma en que interactuamos con la información. Hoy en día, una aplicación moderna no solo busca coincidencias exactas de texto; necesita entender el significado implícito de las palabras. Para lograrlo, los datos se transforman en vectores numéricos de alta dimensión (embeddings), los cuales permiten realizar búsquedas por similitud semántica en tiempo récord.

    Hasta ahora, si querías trabajar con vectores en la base de datos relacional más querida y sólida del mundo del código abierto, la respuesta era casi unánime: instalar la extensión pgvector. Sin embargo, las reglas del juego están a punto de cambiar de forma radical. En el desarrollo activo de PostgreSQL 18, los mantenedores del motor han comenzado a probar soporte experimental para índices vectoriales nativos, directamente integrados en el núcleo (core) del sistema.

    El cuello de botella de la IA en arquitecturas RAG

    Cuando diseñamos sistemas de Generación Aumentada por Recuperación (RAG) o buscadores semánticos en tiempo real, el rendimiento y la complejidad de la arquitectura son las principales preocupaciones del equipo de ingeniería. Depender de extensiones externas para tareas críticas introduce varios retos técnicos de primer nivel:

    • Gestión de dependencias y despliegue: Mantener y actualizar extensiones en entornos distribuidos o gestionados (managed databases) requiere permisos elevados, comprobaciones de compatibilidad en cada actualización del motor y posibles desajustes de versiones en entornos multicloud.
    • Capa de abstracción y rendimiento: Aunque pgvector ha demostrado un rendimiento excelente con algoritmos como HNSW (Hierarchical Navigable Small World) e IVFFlat, las llamadas a través de las APIs de extensiones añaden una pequeña sobrecarga respecto a los tipos de datos primarios del núcleo.
    • Planificador de consultas (Query Planner): El planificador de PostgreSQL es extraordinariamente preciso estimando costes de acceso en índices B-Tree o GiST, pero no siempre dispone del mismo nivel de estadísticas profundas cuando interactúa con estructuras de datos vectoriales definidas por extensiones de terceros.
    (más…)
  • GitHub Octoverse 2026: la inteligencia artificial está cambiando la programación y los agentes ya participan en más del 40 % del código que se desarrolla

    GitHub Octoverse 2026: la inteligencia artificial está cambiando la programación y los agentes ya participan en más del 40 % del código que se desarrolla

    GitHub Octoverse 2026: la IA está cambiando la programación

    Imagina que mañana llegas a trabajar, abres tu entorno de desarrollo y, en lugar de empezar escribiendo código, le explicas a una inteligencia artificial qué necesitas construir. Unos minutos después, tienes varias modificaciones preparadas, pruebas ejecutadas, dependencias actualizadas y una propuesta de cambios lista para revisar.

    ¿Ciencia ficción? Según los últimos datos de GitHub, cada vez menos.

    El informe GitHub Octoverse 2026, publicado el 28 de octubre, dibuja un escenario en el que la inteligencia artificial está dejando de ser un simple asistente de programación para convertirse en una pieza activa del proceso de desarrollo. Los agentes de IA ya participan en una proporción muy significativa de los cambios que se incorporan a los repositorios, mientras que la actividad global de la plataforma alcanza cifras récord.

    Y lo interesante no es únicamente que se escriba más código. Es que está cambiando la manera de producirlo, revisarlo y mantenerlo.

    (más…)
  • El fin de la dictadura de CUDA: Así es cómo Mojo y Bend están cambiando las reglas del juego en la IA

    El fin de la dictadura de CUDA: Así es cómo Mojo y Bend están cambiando las reglas del juego en la IA

    El desarrollo moderno de inteligencia artificial tiene un problema no tan secreto que casi todos prefieren ignorar: la barrera invisible entre experimentar y poner en producción. Diseñas un modelo en Python con PyTorch o TensorFlow en cuestión de tardes, todo limpio y legible. Pero cuando necesitas escalar la inferencia a miles de peticiones por segundo en un cluster de GPUs, la realidad te golpea en la cara: tienes que reescribir partes críticas del código en C++, lidiar con llamadas a CUDA, gestionar la memoria a bajo nivel y rezar para que no aparezca una condición de carrera incomprensible.

    Es el clásico problema de los dos lenguajes. La productividad de la sintaxis expresiva frente a la velocidad pura de ejecución del hardware. ¿Por qué tenemos que elegir entre programar como humanos o exprimir las tarjetas gráficas como ingenieros de sistemas?

    (más…)
  • El kit oficial de IA para Raspberry Pi 5: 13 TOPS de potencia local por menos de lo que piensas

    El kit oficial de IA para Raspberry Pi 5: 13 TOPS de potencia local por menos de lo que piensas

    Durante años, si querías desplegar un modelo de visión por computador en un proyecto con Raspberry Pi para detectar objetos, rastrear personas o analizar vídeo en tiempo real, tenías básicamente dos opciones. La primera era resignarte a ver cómo la CPU de la plaquita echaba humo para procesar tristes 2 o 3 fotogramas por segundo. La segunda era delegar el procesamiento a la nube a través de una API REST, añadiendo latencia, factura mensual de ancho de banda y una dependencia absoluta de internet.

    Por suerte, los días de freír procesadores para reconocer a tu gato en el jardín han llegado a su fin. La Fundación Raspberry Pi se ha aliado con la firma de semiconductores Hailo para lanzar el Raspberry Pi AI Kit: un módulo M.2 HAT+ que integra el acelerador Hailo-8L, capaz de desbloquear 13 TOPS (Tera Operaciones Por Segundo) de potencia de inferencia dedicada.

    En este análisis vamos a destripar qué significa técnicamente este kit, cómo cambia las reglas del juego para la inteligencia artificial en el edge y por qué es un salto cuantitativo para los desarrolladores.

    (más…)
  • ¿Es Python demasiado lento para la IA? El nacimiento de un nuevo aspirante

    ¿Es Python demasiado lento para la IA? El nacimiento de un nuevo aspirante

    Vivimos en la era dorada de la Inteligencia Artificial Generativa. Cada día entrenamos modelos de lenguaje más mastodónticos y desplegamos infraestructuras complejas de inferencia paralela. Sin embargo, el motor de software que mueve todo este ecosistema se apoja sobre un titán con pies de barro: Python. Sí, amamos su sintaxis limpia y su ecosistema, pero seamos honestos: cuando se trata de rendimiento bruto, Python es lento. Históricamente, para solucionar esto, hemos tenido que recurrir a librerías escritas en C o C++ (como el núcleo de NumPy o TensorFlow). Esto crea el famoso «problema de los dos lenguajes»: escribes el prototipo de forma amigable en Python, pero si necesitas exprimir el hardware, tienes que reescribir las partes críticas en un lenguaje de bajo nivel.

    (más…)
  • El fin del .py en producción

    El fin del .py en producción

    ¿Alguna vez has sentido ese sudor frío al ver que alguien ha modificado un script de Python directamente en el servidor de producción con vim porque «era un cambio de una sola línea»? Todos hemos estado ahí. Pero prepárate, porque la comunidad de seguridad informática está impulsando un cambio de paradigma que podría jubilar al clásico archivo .py en entornos críticos. La idea es simple pero radical: si el código se puede leer y editar fácilmente en el servidor, el atacante también puede hacerlo.

    (más…)
  • Mojo 1.0: ¿El fin del «vía crucis» entre Python y C++?

    Mojo 1.0: ¿El fin del «vía crucis» entre Python y C++?

    Seguro que te ha pasado. Empiezas un proyecto en Python porque, seamos sinceros, es una delicia: sintaxis limpia, librerías para todo y una comunidad que te resuelve la vida en StackOverflow en cinco minutos. Pero entonces, llega el momento de la verdad. Tu modelo de IA empieza a procesar gigas de datos o necesitas esa inferencia en tiempo real, y Python —con su querido pero lento Global Interpreter Lock (GIL)— se arrastra como una tortuga con agujetas. ¿La solución tradicional? Reescribir las partes críticas en C++ o Rust. Es decir, pasar de la comodidad de tu sofá a picar piedra en una mina.

    (más…)
  • Mojo 1.5 y el fin del «Dilema de los Dos Lenguajes»: Python a velocidad de C++

    Mojo 1.5 y el fin del «Dilema de los Dos Lenguajes»: Python a velocidad de C++

    Imagínate que estás construyendo un motor de inferencia de alto rendimiento. Empiezas con Python porque, seamos sinceros, la vida es demasiado corta para gestionar manualmente la memoria y pelearnos con los punteros de C++. Todo va de cine hasta que tu modelo crece, los datasets se vuelven masivos y, de repente, tu código se arrastra como un caracol con agujetas. ¿La solución clásica? Reescribir las partes críticas en C++ o Rust y usar bindings. Es lo que llamamos el «Dilema de los Dos Lenguajes»: prototipas en uno, produces en otro. Un auténtico dolor de muelas para el mantenimiento y la cordura del equipo de ingeniería.

    (más…)
  • DeepSeek-V3: ¿El fin del reinado del código cerrado? Por qué esta IA es el nuevo héroe (barato) de los desarrolladores

    DeepSeek-V3: ¿El fin del reinado del código cerrado? Por qué esta IA es el nuevo héroe (barato) de los desarrolladores

    A todos nos ha pasado: estás en mitad de una sesión de debugging a las dos de la mañana, Copilot te sugiere una alucinación digna de una película de ciencia ficción y te quedas pensando: «¿De verdad OpenAI necesita 100.000 millones de dólares para esto?». Pues bien, parece que alguien en el otro lado del mundo se ha hecho la misma pregunta, pero con una diferencia: ellos han encontrado la respuesta técnica.

    (más…)
  • Python en el navegador: ¿El fin del monopolio de JavaScript?

    Python en el navegador: ¿El fin del monopolio de JavaScript?

    ¿Alguna vez has sentido ese pequeño escalofrío al tener que reescribir una lógica compleja de procesamiento de datos de Python a JavaScript solo porque necesitabas mostrarla en una web? Es una tarea tediosa, propensa a errores y, seamos sinceros, un poco frustrante. Durante décadas, el navegador ha sido el feudo inexpugnable de JS, obligando a los entusiastas de Python a relegar su lenguaje favorito al «oscuro» mundo del backend o a los cuadernos de Jupyter.

    (más…)