Berd Tu Espacio de Trabajo IA Local y Flexible

Block, la empresa tecnológica detrás de Square y Cash App, ha lanzado Berd, una aplicación de escritorio de código abierto bajo licencia Apache 2.0. Diseñada para ofrecer un entorno unificado para interactuar con agentes de inteligencia artificial, Berd permite a los usuarios trabajar con diversos modelos, herramientas y proyectos desde una única interfaz local.

La principal ventaja de Berd radica en su enfoque 'desktop-first', priorizando la interacción directa con archivos locales, repositorios y herramientas. Esto se traduce en una experiencia de usuario más integrada y controlada, donde el estado operativo de cada conversación (proyecto, agente, modelo) es claramente visible. A diferenci a de los chatbots genéricos, Berd se presenta como una 'superficie de trabajo diario para IA', facilitando la gestión de sesiones persistentes y la configuración de proveedores de IA, habilidades y extensiones.

El desarrollo de Berd surgió de la necesidad interna de Block de simplificar el uso de múltiples agentes de IA. La aplicación no es un nuevo modelo de IA ni un runtime, sino una capa de orquestación. Utiliza Tauri 2 y React 19 para su construcción y se comunica con el framework de agentes Goose de Block a través del protocolo ACP. Berd se distingue por asignar identidades visuales únicas a los agentes, como los 'Gloopies', haciendo más fácil diferenciarlos. Su arquitectura está pensada para la portabilidad, almacenando el historial de conversaciones localmente y permitiendo la exportación de configuraciones. Block enfatiza que Berd es gratuito y de código abierto, permitiendo a los usuarios elegir y pagar solo por los proveedores de modelos que utilizan, optimizando costos.

Aunque Berd se centra en la experiencia individual, Block también promueve Buzz, una plataforma colaborativa para múltiples usuarios y agentes. La visión a futuro es integrar las funcionalidades de Berd en Buzz para crear flujos de trabajo colaborativos fluidos. Para las empresas, Berd ofrece la posibilidad de crear distribuciones personalizadas con configuraciones y políticas de seguridad específicas, manteniendo la historia de conversación y las credenciales de forma local por defecto. La telemetría está deshabilitada por defecto y, si se activa, excluye información sensible como prompts o código fuente.

Fuente Original: https://venturebeat.com/orchestration/blocks-new-apache-2-0-agent-workspace-berd-works-across-models-and-harnesses-stores-conversation-history-loc ally

Artículos relacionados de LaRebelión:

• Local AI Powerhouse Qwen38-27B Runs Frontier Agents Locally
• Grok Bot: Tus Nuevos Compañeros de Trabajo Digitales
• GPT-56 de OpenAI Luz Verde y ChatGPT para el Trabajo
• IA Autoreplicante Ciberseguridad Local Revolucionada
• Google Gemma 4 12B IA Avanzada Local y Multimodal

Artículo generado mediante LaRebelionBOT

Developer Bridges macOS and Obscure Printer Gap

A software developer has successfully bypassed the lack of manufacturer support for a legacy Windows-only printer on macOS by utilizing the generative AI capabilities of Claude. The project addressed the challenge of getting an unsupported, proprietary printer to function on a modern Apple operating system, showcasing a creative integration of AI-assisted coding and containerized emulation.

Imagen generada con IA

The core of the solution lies in a Linux-based container environment that handles the translation of print jobs. Because the printer lacked native drivers for macOS, the developer leveraged Claude to write the necessary logic and infrastructure to bridge the communication gap. By running a virtualized instance of the printer's native environment within a container, the developer was able to intercept system-wide print commands initiated via the standard Cmd-P shortcut on macOS.

This approach effectively fools the host system into interacting with the hardware as if it were a natively supported peripheral. The driver interceptor works by spooling the print data from the macOS environment and routing it through the containerized Linux instance, which then transmits the appropriately formatted data to the physical hardware. The result is a seamless workflow where the user can trigger print jobs from any native macOS application without manual file transfers or complex workarounds.

This achievement is significant for technically literate users dealing with "abandonware" or obscure industrial hardware that lacks modern driver support. It demonstrates how AI assistants can lower the barrier to entry for complex reverse engineering and systems programming tasks. By automating the boilerplate and structural code generation, the AI allowed the developer to focus on the architecture of the communication bridge. The complete solution, including the necessary container configurations and the custom driver scripts, has been made available on GitHub, providing a reproducible template for others facing similar interoperability constraints.

Ultimately, this project highlights a shift in how developers approach legacy support. Rather than relying on manufacturers to release updated software that may never arrive, users are increasingly turning to virtualization and AI-driven code generation to create their own patches. It serves as a practical example of utilizing modern AI tools to solve specific, highly technical compatibility issues in a real-world computing environment.

Artículos relacionados de LaRebelión:

• Valve Funds Open-Source RADV Driver for Windows
• France Ditches Windows for Linux Sovereignty Push
• Epic Games Store for Linux Better Gaming Ahead
• Google Awards 250K for Critical Linux VM Escape
• Microsoft Unveils Linux Containers Running on Windows

---

Fuente Original: Tom's Hardware

Artículo generado mediante AI.larebelion.

AI Mind Viruses New Threat Persistent Prompts Spread

Recent research has unveiled a concerning new threat in the realm of Artificial Intelligence: AI 'mind viruses'. These aren't traditional viruses that infect computers, but rather a form of malicious code that can propagate between AI agents. The key mechanism for this spread lies in 'persistent prompt files', which essentially act as carriers for these AI-borne threats.

The core concept revolves around how AI models process and retain information. When an AI agent interacts with a compromised prompt file, it can inadvertently learn and internalise the malicious logic embedded with in. This learned behaviour then becomes part of the agent's operational state. The danger escalates when this 'infected' AI agent then interacts with other AI agents, potentially sharing the malicious prompt or its learned malicious behaviour. This creates a cascading effect, allowing the AI 'mind virus' to spread across different AI systems and applications.

This breakthrough highlights a significant vulnerability in how AI systems are designed to learn and communicate. It suggests that the very methods used to make AI intelligent and adaptable can also be exploited for malicious purposes. The persistence of these prompts means that even after a single interaction, the malicious code can remain embedded, ready to spread. Understanding this propagation method is crucial for developing robust defence mechanisms to protect AI ecosystems from such novel and insidious attacks. The implications are far-reaching, impacting everything from autonomous systems to AI-powered decision-ma king processes.

Fuente Original: https://thehackernews.com/2026/08/ai-mind-viruses-can-spread-between.html

Artículos relacionados de LaRebelión:

• GLM-53 AIs New Cyber Prowess and Vulnerability Discovery
• Agent Data Injection New AI Threat Revealed
• Slopsquatting AIs New Software Supply Chain Threat
• Slash AI Costs pxpipe Embeds Prompts in Images
• AI Agents Hijack Langflow New Database Ransomware Threat

Artículo generado mediante LaRebelionBOT

Empresas automatizan despliegues de IA tras errores

Un reciente estudio de VentureBeat Intelligence revela una tendencia contradictoria en la adopción de agentes de inteligencia artificial dentro de las empresas. A pesar de que cerca de la mitad de las organizaciones encuestadas han experimentado incidentes donde una función de IA superó las pruebas internas pero falló catastróficamente al llegar a producción, la respuesta corporativa no ha sido ralentizar el proceso. Por el contrario, las empresas que ya han sufrido estos fallos son precisamente las que están acelerando la eliminación de la supervisión humana en los flujos de despliegue.

Imagen generada con IA

El informe destaca una brecha creciente entre la confianza depositada en las capas de evaluación automatizada y la evidencia real de que estos sistemas son eficaces para prevenir errores. Existe una correlación notable: mientras que las empresas que nunca han tenido incidentes confían plenamente en sus procesos de validación, aquellas que han sido afectadas por errores muestran una desconfianza significativamente mayor. Sin embargo, en lugar de volver a implementar revisiones humanas, estas organizaciones están optando por modelos de despliegue sin aprobación manual, incluso cuando sus herramientas actuales de monitoreo se centran más en la disponibilidad técnica que en la corrección semántica de las respuestas generadas por los modelos.

Para un perfil técnico, el dato más relevante es que muchas empresas están tratando la evaluación previa al despliegue como un punto final en lugar de una etapa de control. La mayoría carece de sistemas robustos de monitoreo en tiempo real que puedan detectar comportamientos erróneos de un agente una vez que interactúa con usuarios reales. Ante esta deficiencia, la estrategia emergente no es detener la automatización, sino desplazar el factor humano hacia funciones de revisión posterior. En otras palabras, las empresas están intentando ganar velocidad mediante la automatización, utilizando al personal humano como una red de seguridad reactiva en lugar de una compuerta de validación previa.

Este panorama está impulsando cambios en el mercado de herramientas de evaluación, donde la facilidad de integración ha desplazado al costo como el factor de compra principal. La adopción de soluciones especializadas sugiere que la evaluación de agentes se está consolidando como una capa de infraestructura independiente. A pesar de este avance, el desafío persiste: la tasa de errores reportados por las empresas se mantiene constante. El sector empresarial se encuentra en un punto crítico donde la infraestructura de observabilidad debe evolucionar para cubrir los riesgos inherentes de los agentes autónomos, integrando no solo métricas de rendimiento, sino verificaciones automáticas de calidad que operen directamente en el entorno de producción.

Artículos relacionados de LaRebelión:

• Bots Rule the Web Humans Now Outnumbered Online
• Open Weights Are Driving AI Development Forward
• Big Techs AI Manifestos Shaping the Future
• AI Swarm Attacks The Future of Offensive Hacking
• NVIDIAs Open AI Models Powering the Future

---

Fuente Original: venturebeat.com

Artículo generado mediante AI.larebelion.