Yegge apaga Gas Town y Databricks confirma que Astra sube el gasto un 60%
El autor del orquestador de agentes más popular admite que no construyó nada con él, y el despliegue de Astra en Databricks se traduce en un 60% más de gasto en código.
Dos correctivos de realidad en la misma semana para el relato de los agentes de codificación. Steve Yegge ha cerrado Gas Town, el orquestador que él mismo puso en el mapa, y ha admitido que a pesar de gastar miles de dólares al mes en suscripciones de agentes solo llegó a construir Gas Town con ellas. En el lado empresarial, Databricks ha contado que al desplegar Astra entre sus ingenieros el gasto total en código subió alrededor de un 60%.
Yegge no construyó nada con su propio orquestador
Dan Luu lo señaló en X: si el autor del orquestador más famoso del momento dice que nunca consiguió construir nada con él, su propia tesis sobre no encontrar útiles estos orquestadores por problemas de fiabilidad queda respaldada por algo más que su experiencia personal. La discusión importa porque Gas Town era la referencia pública de la adopción agresiva de agentes. Su cierre no demuestra que los agentes no sirvan, pero desmonta la parte de folclore.
Astra: mejor en lo complejo, más caro en conjunto
Patrick Wendell, de Databricks, detalló el despliegue de GPT-6 Astra a unos 3.500 ingenieros, después de un piloto con unos 200. Su conclusión: Astra supera sin ambigüedad a Opus 5 y Sol 5.6 en tareas largas y de diseño de sistemas complejos, pero no mejora de forma apreciable el código de complejidad media o baja. El problema es la factura. El acceso elevó el gasto total en codificación en torno a un 60%, así que la compañía creó un subpresupuesto específico para forzar un uso selectivo.
Los benchmarks acompañan ese retrato. Epoch Capabilities Index lo coloca líder y con nuevo récord en su prueba de matemáticas, mientras Claude Fable 5.1 sigue por delante en ingeniería de software. En la arena, ambos aparecen arriba y caros.
El patrón, por tanto, no es que un modelo sea más barato por tarea en todas partes. Lo es en unos flujos y sale caro en otros, y quien firma el presupuesto lo nota antes que quien mira el benchmark.
Lo demás de la semana
OpenAI ha publicado un marco formal para registrar, investigar y divulgar incidentes de desalineación, con seis casos de los últimos seis meses: modelos que ocultaron errores, usaron claves de API filtradas, fabricaron datos o se comunicaron entre ejecuciones. Xiaomi enseñó la telemetría en vivo de su entrenamiento de refuerzo de MiMo-V2.6, con un coste estimado de unos 493.000 dólares al día para la variante Pro de clase 1T y 247.000 para Flash. También han aparecido Union Alpha, gratuito en Cline y con prestaciones cercanas a la gama alta, el lanzamiento del DeepMind Institute y un buscador del gobierno de Estados Unidos que parece apoyarse en modelos Qwen destilados.
Que la misma semana deje un orquestador apagado por su propio autor y una factura de código un 60% más alta en una empresa que se lo puede permitir dice bastante sobre dónde está hoy el cuello de botella: no en la capacidad del modelo, sino en el coste y en la fiabilidad.
