Me sorprende un poco que nadie haya creado aún un servidor MCP de Dwarf Fortress que permita a un agente como Codex o Claude Code controlar el juego de manera eficiente y monitorear el estado y el progreso. Nunca lo jugué realmente, solo lo descargué y lo revisé brevemente hace unos 10 años, pero disfruté leyendo sobre él. Siento que sería una muy buena prueba para un LLM ver cuánto tiempo podría mantener a los enanos vivos y prosperando. Dado que cada juego eventualmente resulta en alguna catástrofe en cascada que causa la muerte de todos los enanos, debería haber un punto de parada natural, lo que lo convierte en un buen candidato para un benchmark. Al menos esa es mi comprensión (el lema de los jugadores es "Perder es divertido"). Hacer un buen trabajo con este juego dependería de la precisión en la llamada de herramientas y la coherencia en tareas prolongadas, además de la capacidad de monitorear y entender la dinámica de un sistema complejo y hacer intervenciones oportunas que anticipen y contrarresten problemas. Y dado que es nativo de terminal, podría ser transmitido y procesado de manera eficiente utilizando tokens regulares sin necesidad de procesamiento de imágenes multimodal, lo que lo haría mucho más eficiente que otros juegos. Además, sabes que ningún laboratorio de IA ha entrenado para esto (¡aún!), así que está libre de "benchmaxxing."

Una cosa divertida que hacer cuando necesitas esperar unos minutos es usar tu teléfono para preguntarle a Claude Opus la siguiente pregunta sobre alguna disciplina o campo aleatorio: "¿Cuál dirías que es LA idea central o truco analítico de la cristalografía?" Sustituye cristalografía por cualquier cosa que se te ocurra. Hasta ahora, he probado: QED; el Modelo Estándar; Bioquímica; Probabilidad; teoría evolutiva; y muchos más. Hay algo en forzar al modelo a hacer lo imposible, a condensar un vasto y complejo campo en "un truco raro", que lo hace realmente buscar el mejor principio profundo y unificador en el campo y luego articularlo de manera sucinta. Esto tiende a ser algo que es obvio para los practicantes, pero muy probablemente desconocido para la mayoría de las personas con solo un interés pasajero en el tema. Curiosamente, también puedes presionar repetidamente el botón de "intentar de nuevo" con el mismo aviso y a veces obtener explicaciones muy diferentes, pero generalmente muy fascinantes. Ya he aprendido MUCHO al hacer esto, y podría ser simplemente la mayor "comprensión por minuto" que he encontrado en cualquier aprendizaje autodirigido. Porque no son solo datos divertidos o curiosidades interesantes. Son, por construcción, ideas penetrantes y unificadoras que conectan una gran cantidad de teoría y fenómenos observados en el mundo. Ciertamente es mucho más de alta capacidad que ver otro video explicativo de YouTube con animaciones y anuncios de Brilliant/KiwiCo. ¡No es que haya algo de malo en eso!

La idea de que ha habido una "fuga de talentos" de OpenAI recientemente, de tal manera que ya no están posicionados para ser líderes en el espacio, es tan errónea y equivocada como la idea de que GPT-5 "fue un gran fracaso y el modelo no es tan bueno y es muy incremental." No solo GPT-5 Pro es el modelo más inteligente del mundo ahora, por un amplio margen en la mayoría de las tareas desafiantes del mundo real (especialmente en tareas de codificación, que tienen la mayor importancia económica ahora), sino que la nueva herramienta codex cli de OpenAI está increíblemente bien ejecutada. Pasaron de un distante tercer lugar en herramientas cli de codificación a tener lo que es, sin duda, la mejor de todas ahora (¡tenga en cuenta que todavía me gusta y uso Claude Code, no es uno u otro!), con, de lejos, el mejor rendimiento, la menor latencia, etc. porque está programada en rust. Y ahora esta herramienta cli se combina con el mejor modelo de codificación que tiene la mejor fiabilidad en la llamada de herramientas y la mejor coherencia en tareas largas, con la menor cantidad de alucinaciones. Y no hace falta decir que su aplicación para iOS también es dramáticamente mejor que todas las demás aplicaciones de IA en términos de pulido y características. ¡La aplicación Claude es solo la aplicación web en un sandbox de Safari! Y su aplicación web también sigue siendo la mejor. Cosas como la búsqueda simplemente funcionan mejor que en otras aplicaciones. Bloqueo y tackleo básicos. Así que, sí. Algunas personas muy inteligentes como Ilya y John Schulman se fueron a otras empresas. Pero todavía tienen un equipo técnico absolutamente increíble con personas de producto increíblemente buenas y habilidades de ingeniería impresionantes. No dejes que tu desagrado por Altman te ciegue ante lo obvio. Cada vez que veo a otra persona hablar sobre lo malo que es GPT-5, me estremezco, porque la persona está mostrando que no puede pensar por sí misma basándose en evidencia y razón, y se ha dejado llevar por un meme al pensar una opinión (y al expresarla en línea) porque creen que les hace sonar inteligentes.

¿Qué tan genial es que cada uno de esos pequeños chips tenga 8 terabytes de almacenamiento súper rápido? Y puedes conectarlos ambos a esa carcasa azul y obtener 20 Gbps a través de USB 3.3 (no tengo puertos USB 4 y todas mis ranuras pci-e están ocupadas por GPUs) Vivimos en una era de tal abundancia.

Como actualización a mis dos hilos recientes sobre el uso de GPT-5 Pro para iniciar un proceso de descubrimiento de teorías innovadoras que combinan aplicaciones novedosas de matemáticas avanzadas y los casos de uso de IA, hice que el modelo creara implementaciones de demostración en Python utilizando Jax y Numpy para cada una de las 11 ideas. Luego las junté en un proyecto y añadí una bonita interfaz de línea de comandos para ejecutarlas, y una serie de pruebas de extremo a extremo que midieron si el código es matemáticamente correcto, verifican que el código tiene las propiedades matemáticas que queremos y, finalmente, si hace algo útil en comparación con los enfoques estándar actuales. Usé codex CLI con GPT-5 para integrar todo y corregir errores. Enlazaré el repositorio, que contiene documentación detallada para todo el proyecto y luego informes para cada una de las 11 demostraciones que contienen toda la salida generada por el modelo durante el proceso.

Vaya, finalmente me decidí a probar la nueva versión de la CLI de codex de OpenAI (su respuesta a Claude Code). La última vez que intenté usar codex (ten en cuenta que esto es diferente de su agente de codificación alojado también llamado codex, lo cual es extremadamente confuso; ahora hablo de la herramienta que ejecutas localmente en tu máquina en la terminal), estaba escrita como una aplicación de Nodejs/Typescript, y realmente era bastante mala: - solo podía acceder a modelos más débiles como o4-mini o su variante para codex, confusamente también llamada codex (¿en serio?) - interfaz de usuario/experiencia de usuario mucho peor que Claude Code - mucho peor en codificación como resultado de un modelo peor, herramientas peores, flujo de agente peor. - te obligaba a dar permiso para todo, así que tenías que cuidarla todo el tiempo, haciéndola mucho menos útil porque no podías ejecutar un montón de ellas en paralelo fácilmente. - tal vez eso fue algo bueno, porque de lejos el mayor problema era que hacía cosas super imprudentes y destructivas; era mucho más temeraria que CC. Esa es, en última instancia, la razón por la que dejé de usarla de inmediato, ya que decidió hacer un “git reset --hard HEAD” sin guardar primero, y perdí algo de trabajo. Nunca más, pensé. Bueno, finalmente me decidí a probar la nueva versión en rust que utiliza GPT-5 y que puede usar tu suscripción existente de GPT Pro en lugar de una clave API, y esto es tan mucho mejor que es impactante. Primero que nada, simplemente no hay sustituto para el código compilado rápido cuando se trata de herramientas interactivas como esta. El hecho de que esté escrito en rust significa que no hay retraso en absoluto con la entrada del teclado, y tampoco hay artefactos extraños como los que tienes en CC donde la tecla de retroceso no funciona bien y la entrada es inestable y con retraso porque está escrita en un lenguaje interpretado que es cien veces más lento para cosas como esta. Lidiar con el retraso constante y la inestabilidad no solo es más lento, es mental y tal vez incluso emocionalmente agotador y cansador, al menos para mí cuando uso estas cosas durante horas. Es una sensación horrible odiar y resentir tus herramientas incluso cuando dependes de ellas para hacer tu trabajo. Realmente espero que esto eleve el nivel para todas estas herramientas y convenza a Anthropic, Google y otros a usar también rust (o C++, Zig, lo que sea). Pero la mejora realmente grande es, obviamente, el modelo; con un modelo peor que es poco fiable en la llamada de herramientas y que pierde coherencia en tareas más largas, ninguna de la rapidez de Rust valdría la pena. Pero si me sigues aquí, entonces sabrás que he estado asombrado por las habilidades de codificación y la destreza en la llamada de herramientas de GPT-5 Thinking desde unos 15 minutos después de que salió, aunque lo he estado usando principalmente desde la pestaña de agente de Cursor. La conclusión es que este nuevo codex en rust se ha convertido de repente en un competidor verdaderamente formidable para CC, y deberías probarlo absolutamente. Necesitaré ver cuánto uso me permiten con mi suscripción de GPT Pro de $200/mes, pero si tengo que conseguir un par más, valdrá la pena. Ten en cuenta que no he dejado de usar CC. Me gusta usar ambos juntos. Y créelo o no, todavía uso Cursor. La gente debería dejar de buscar la única herramienta que reemplace a todas las demás y aceptar que diferentes herramientas tienen diferentes fortalezas y debilidades, y obtienes los mejores resultados aprendiendo todo eso intuitivamente a través del uso constante. De todos modos, hazte un favor y consíguelo ahora. La forma más fácil es hacer este comando (ten en cuenta que esto te conseguirá la versión en rust, a pesar de lo confuso que es usar bun/npm para esto): bun i -g @openai/codex

Vaya, finalmente me decidí a probar la nueva versión de la CLI de codex de OpenAI (su respuesta a Claude Code). La última vez que intenté usar codex (ten en cuenta que esto es diferente de su agente de codificación alojado también llamado codex, lo cual es extremadamente confuso; ahora hablo de la herramienta que ejecutas localmente en tu máquina en la terminal), estaba escrita como una aplicación de Nodejs/Typescript, y realmente era bastante mala: - solo podía acceder a modelos más débiles como o4-mini o su variante para codex, confusamente también llamada codex (¿en serio?) - interfaz de usuario/experiencia de usuario mucho peor que Claude Code - mucho peor en codificación como resultado de un modelo peor, herramientas peores, flujo de agente peor. - te obligaba molesta a dar permiso para todo, así que tenías que cuidarla todo el tiempo, haciéndola mucho menos útil porque no podías ejecutar un montón de ellas en paralelo fácilmente. - tal vez eso fue algo bueno, porque de lejos el mayor problema era que hacía cosas super imprudentes y destructivas; era mucho más temeraria que CC. Esa es, en última instancia, la razón por la que dejé de usarla de inmediato, ya que decidió hacer un “reset --hard HEAD” sin guardar primero, y perdí algo de trabajo. Nunca más, pensé. Bueno, finalmente me decidí a probar la nueva versión en rust que utiliza GPT-5 y que puede usar tu suscripción existente de GPT Pro en lugar de una clave API, y esto es tan mucho mejor que es impactante. Primero que nada, simplemente no hay sustituto para el código compilado rápido cuando se trata de herramientas interactivas como esta. El hecho de que esté escrito en rust significa que no hay retraso en absoluto con la entrada del teclado, y tampoco hay artefactos extraños como los que tienes en CC donde la tecla de retroceso no funciona bien y la entrada es inestable y con retraso porque está escrita en un lenguaje interpretado que es cien veces más lento para cosas como esta. Lidiar con el retraso constante y la inestabilidad no solo es más lento, es mental y tal vez incluso emocionalmente agotador y cansador, al menos para mí cuando uso estas cosas durante horas. Es una sensación horrible odiar y resentir tus herramientas incluso cuando dependes de ellas para hacer tu trabajo. Realmente espero que esto eleve el nivel para todas estas herramientas y convenza a Anthropic, Google y otros a usar también rust (o C++, Zig, lo que sea). Pero la mejora realmente grande es, obviamente, el modelo; con un modelo peor que es poco fiable en la llamada de herramientas y que pierde coherencia en tareas más largas, ninguna de la rapidez de Rust valdría la pena. Pero si me sigues aquí, entonces sabrás que he estado asombrado por las habilidades de codificación y la destreza en la llamada de herramientas de GPT-5 Thinking desde unos 15 minutos después de que salió, aunque lo he estado usando principalmente desde la pestaña de agente de Cursor. La conclusión es que este nuevo codex en rust se ha convertido de repente en un competidor verdaderamente formidable para CC, y deberías probarlo absolutamente. Necesitaré ver cuánto uso me permiten con mi suscripción de GPT Pro de $200/mes, pero si tengo que conseguir un par más, valdrá la pena. Ten en cuenta que no he dejado de usar CC. Me gusta usar ambos juntos. Y créelo o no, todavía uso Cursor. La gente debería dejar de buscar la única herramienta que reemplace a todas las demás y aceptar que diferentes herramientas tienen diferentes fortalezas y debilidades, y obtienes los mejores resultados aprendiendo todo eso intuitivamente a través del uso constante. De todos modos, hazte un favor y consíguelo ahora. La forma más fácil es hacer este comando (ten en cuenta que esto te conseguirá la versión en rust, a pesar de lo confuso que es usar bun/npm para esto): bun i -g @openai/codex

Estoy absolutamente convencido de que los modelos de IA más inteligentes que existen ahora, GPT-5 Pro y Grok4 Heavy, ya son lo suficientemente inteligentes y, sin duda, lo suficientemente conocedores de matemáticas e IA, para concebir y desarrollar importantes descubrimientos teóricos y prácticos, dado el tipo adecuado de indicaciones ingeniosas.

¿Cómo deberías abordar cambios complejos en proyectos de software ya complejos al utilizar herramientas de codificación agentivas como Claude Code o Cursor? Este hilo es un intento de explicar claramente mi mejor enfoque actual para este problema...

Si has visto mis publicaciones recientes sobre cómo uso Claude Code para programar, sabrás que tengo mi confiable editor de texto (Sublime Text) abierto en todo momento a un archivo de texto que contiene fragmentos útiles que utilizo para dar instrucciones a Claude Code y Cursor de varias maneras para realizar diferentes tareas comunes, como continuar desde una conversación anterior que he pegado a continuación, o decirle cómo corregir un montón de errores de tipo, etc. Este enfoque funciona, pero implica una molesta cantidad de uso del mouse y del teclado cada vez que tengo que encontrar, seleccionar y copiar el texto, y luego cambiar de ventana y pegar el fragmento. Recientemente compré uno de esos gadgets USB "Stream Deck" que usan los gamers y streamers para activar varias acciones (160 dólares usados en eBay), y finalmente me puse a configurarlo para este caso de uso después de tenerlo inútil en mi escritorio durante unas semanas. De todos modos, ahora tengo la siguiente configuración divertida que se muestra a continuación que me permite pegar instantáneamente un montón de mis fragmentos de texto "más destacados". ¡Creo que en realidad terminará ahorrándome algo de tiempo! Cada botón en la fila inferior es un fragmento diferente (más el de la segunda fila). Sospecho que terminaré llenando el resto de las teclas con otros fragmentos eventualmente. Los otros botones hacen cosas como lanzar terminales WSL y sesiones SSH y me permiten mover rápidamente las pestañas a la izquierda y a la derecha en el Windows Terminal. No estoy seguro de cuán útiles serán en la práctica, ya que ya hay atajos de teclado regulares para activar esas cosas, pero ya veremos. El dispositivo admite color completo para las pantallas de las teclas, pero me resulta demasiado visualmente distractor si no es todo en monocromo y mayormente oscuro. De todos modos, si puede hacerme incluso un poco más rápido, valdrá la pena el costo y el tiempo de configuración. Y, por alguna razón, también me parece un poco gracioso.