thekb.eu — Economía y Mercado

Claude Fable 5.1 and Mythos 5.1

Tue, 01 Sep 2026 00:00:00 GMT

El **1 de septiembre de 2026**, Anthropic anuncia **Claude Fable 5.1** y **Claude Mythos 5.1**, presentados como los modelos más avanzados para programación y trabajo de conocimiento. Ambos son **el mismo modelo subyacente**; solo difieren los niveles de salvaguardas. Fable 5.1 está en disponibilidad general; Mythos 5.1 solo es accesible mediante programas de acceso verificado, con salvaguardas diseñadas para la ciberseguridad y las ciencias de la vida. El anuncio responde explícitamente a tres comentarios de los clientes. **Precios**: las lecturas de caché bajan un 75%, hasta $0,25 por millón de tokens, mientras que la entrada y la salida se mantienen sin cambios en $10 y $50; el costo total cae alrededor de un 25% en cargas de trabajo típicas y hasta un 45% en cargas de trabajo fuertemente agénticas. **Retención de datos**: las nuevas *Enterprise Frontier Safeguards* almacenan los datos en la propia infraestructura del cliente, ofreciendo la privacidad de un acuerdo de retención cero al tiempo que preservan la detección de usos adversarios; despliegue escalonado a partir del otoño. **Salvaguardas**: los clasificadores de ciberseguridad producen un 60% menos de falsos positivos, y ahora Fable 5.1 tiene permitido identificar vulnerabilidades de software, sin desarrollar exploits. En cuanto al rendimiento, Fable 5.1 alcanza un 52,6% en Terminal-Bench-Science 0.1 (frente a 24,7% de Fable 5 y 29,0% de Opus 5), 55,8% en Terminal-Bench 4.0 (60,9% para Mythos 5.1), 1853 en GDPval-AA v2, 73,4% en CursorBench 3.2.0 y 31,4% en AutomationBench. Los resultados se presentan como curvas de costo/precisión a lo largo de cinco niveles de esfuerzo; con un esfuerzo bajo o medio, el modelo iguala o supera a Fable 5 a un costo mucho menor. Veintidós socios aportan testimonios, entre ellos Millennium, donde el modelo diagnosticó un fallo de uno entre un millón que nadie había logrado explicar en cuatro o cinco años. La sección científica documenta tres resultados. En **diseño molecular**, Mythos 5.1 logra una tasa de éxito cercana al 50% en 12 dianas proteicas, con afinidades diez veces superiores a las mejores propuestas de Adaptyv Bio. En **modelización**, Fable 5.1 produjo una carte altimétrique de Vénus que cubre un tercio de Venus a partir de datos de radar de Magellan, publicada bajo licencia Creative Commons. En **biología computacional**, Mythos 5.1 aceleró siete modelos de código abierto hasta 2,5× escribiendo kernels de GPU, reduciendo los costos entre un 30 y un 60%. En materia de seguridad, Mythos 5.1 se mantiene por debajo del siguiente umbral de riesgo de la Responsible Scaling Policy en biología y en la categoría inferior del Frontier Compliance Framework en ciberseguridad. La auditoría de alineamiento concluye que está mejor alineado que Mythos 5, si bien reconoce una cobertura limitada de las tareas de contexto largo, multiagente e imposibles.

The turbulent AI era is here. The choices we make now are critical.

Wed, 26 Aug 2026 00:00:00 GMT

Bill Gates comienza con su doble trayectoria —construir software en Microsoft y después redistribuir la fortuna así acumulada— y extrae de ella su planteamiento: la IA será el mayor igualador jamás inventado, o la peor fuente de injusticia. Por primera vez, una tecnología puede sustituir y superar la cognición humana. Sin embargo, nadie se está preparando para esta transición: no existe ningún plan. Atribuye esta falta de preparación a una subestimación del impacto. Los errores actuales de los modelos son engañosos, ya que la fiabilidad se está corrigiendo rápidamente. De forma más importante, las analogías históricas inducen a error: el PC tardó veinte años en transformar el trabajo porque había que desarrollar software, los precios debían bajar y las personas debían formarse. La IA, en cambio, funciona en dispositivos ya instalados y habla lenguaje natural: es la IA la que se adapta a nosotros. Gates revela sus vínculos financieros vigentes con la industria, precisa que los beneficios de sus inversiones irán a la fundación, y deja al lector juzgar. Expone tres riesgos. Primero, la pérdida de empleo: como la sustitución afecta a la cognición, golpea simultáneamente al derecho, la atención al cliente, la medicina, el software y la industria, en el plazo de una década en lugar de a lo largo de generaciones. Los puestos de nivel inicial e intermedio son los más expuestos; los empleos manuales seguirán a medida que los robots dextres, desarrollados principalmente en China, se abaraten. Segundo, la instrumentalización por parte de actores maliciosos: ciberataques, bioterrorismo, fraude, deepfakes, dado que las capacidades beneficiosas y peligrosas no pueden separarse, y, simétricamente, la concentración del poder entre quienes ya lo poseen. Tercero, el efecto sobre el desarrollo infantil y sobre las relaciones humanas, con los compagnons IA descritos como un invernadero protegido que priva a las personas de las lecciones del contacto real. Los beneficios son reales y localizados: investigación acelerada, salud, agricultura en países de renta baja —el impacto que califica de más rápido—, servicios públicos y educación. Pero el verbo sigue siendo "puede": nada ocurre automáticamente, de ahí el papel necesario de los Estados y la filantropía. Por ello propone tres medidas iniciales. Construir un marco institucional nacional e internacional sin precedentes, inspirado en la inspección nuclear, la regulación de la aviación y los acuerdos sobre el ozono. Establecer un ámbito "Human Reserved", ocupaciones sustraídas a la automatización por razones económicas o humanas. Reequilibrar la fiscalidad gravando los tokens y los robots, ya que hoy el sistema empuja a sustituir a las personas. Concluye pidiendo ampliar el círculo de voces que dan forma al debate.

DuckDB and the changing physics of analytics

Wed, 26 Aug 2026 00:00:00 GMT

Andy Warfield, ingeniero del equipo de S3 en AWS, publicó un artículo de invitado en All Things Distributed el 26 de agosto de 2026, presentado por Werner Vogels. En él explica por qué los motores analíticos embebidos como DuckDB están cobrando importancia, y anuncia que DuckLabs, el equipo que desarrolla DuckDB, se incorpora a AWS. Su marco de lectura es el de una «física» cambiante. Donde las ciencias físicas exploran invariantes, la informática de sistemas busca el compromiso elegante frente a proporciones que se desplazan: velocidad de memoria frente a velocidad de red, riqueza de las abstracciones frente a la potencia disponible. Cita tres momentos —el proyecto NOW de Berkeley, su propio trabajo en Xen, y la investigación sobre MonetDB y X100 en el CWI de Ámsterdam, donde el cuello de botella del procesamiento de consultas había pasado del disco a la CPU— y señala que estas restricciones reaparecen en ciclos. Aplicado a los datos, este marco explica el procesamiento distribuido. El procesamiento siempre es más simple y eficiente en una sola máquina rápida, pero cuando el disco o la tarjeta de red de un servidor ya no puede leer el volumen deseado, se particiona. Esa fue la restricción de principios de la década de 2000, la que produjo MapReduce y luego los RDD de Spark. Warfield señala dos cualidades de estos sistemas: innovaron mucho en la ergonomía para el desarrollador, y aceptaron un costo fijo de planificación y distribución, apostando por el rendimiento ganado al añadir máquinas en lugar de por la eficiencia por unidad. Pero las proporciones han cambiado. Una instancia actual ofrece aproximadamente cincuenta veces más memoria, núcleos y ancho de banda de red que la mayor instancia EC2 de 2007, mientras que el crecimiento de los conjuntos de datos sigue una distribución cuyos casos extremos forman la cola. El artículo Scalability! But at what COST? de 2015 ya había demostrado que una implementación de un solo hilo cuidadosamente optimizada podía superar a los marcos distribuidos que se ejecutaban en ciento veintiocho núcleos. DuckDB, lanzado en 2018 por Hannes Mühleisen y Mark Raasveldt, aplica esta lógica: un motor analítico de tipo biblioteca en proceso, que se ejecuta en el espacio de direcciones de la aplicación, siguiendo el modelo de distribución de SQLite. AWS se convirtió en cliente de DuckLabs y luego en patrocinador de la extensión Iceberg de DuckDB, junto con su trabajo en S3 Tables; la extensión ahora es compatible con Iceberg v2 y v3 y supera las 800 000 descargas semanales. Warfield no presenta el modelo embebido como un reemplazo: cuando un trabajo requiere mil máquinas, las requiere. Lo que está cambiando, escribe, es que buena parte del trabajo que se hace con datos en realidad nunca necesitó un clúster. DuckLabs se incorpora a AWS como subsidiaria, y el proyecto sigue siendo de código abierto bajo la licencia MIT y bajo la tutela de la DuckDB Foundation.

DeepSeek Harness developer preview: Everything is a plugin

Thu, 13 Aug 2026 00:00:00 GMT

Página de lanzamiento de producto publicada el **13 de agosto de 2026** por **DeepSeek**, **sin firma**, para el lanzamiento en *developer preview* de **DeepSeek Harness** (`dsh`), un harness de agente de codificación **de código abierto bajo licencia MIT** cuyo repositorio se abrió el mismo día. **Lo que dice la página.** Dos promesas, en cuatrocientas palabras y sin una sola cifra. **« Everything is a plugin »**: cada capacidad — modelos, herramientas, skills, sesiones, sandboxes, almacenamiento, loops, programación, interfaz — es un plugin **intercambiable mediante configuración, sin modificar el código fuente**. **« Every run is traceable »**: todo lo que ve el modelo queda registrado en un **log de sesión de solo anexado (append-only)** — system prompts, razonamiento, llamadas y resultados de herramientas, programación de subagentes, cada inyección de contexto — y *« resume, fork, search and replay all operate on the same event stream »*. El núcleo es **Cordis**, un framework de terceros vendorizado, descrito en un paper externo y acreditado de forma prominente. Se lanzan cuatro modos de ejecución: **Standard** (herramientas completas), **Code** (herramientas expuestas mediante un SDK de TypeScript para combinar varias operaciones en un solo programa), **Minimal** (dos herramientas, bash persistente y `str_replace_editor`, *« for benchmarking models in a minimal environment »*), y **Creator** (inspección en tiempo de ejecución, pruebas de plugins en memoria, composición de nuevos modos). Para empezar: `npx @deepseek-ai/dsh web`. **Lo que la página no dice.** La afirmación más fuerte se encuentra en `docs/architecture.md`: ***« Model-visible means logged. Anything that reaches a model request must be reconstructable from the log, and a runtime invariant asserts it. »*** **Una garantía verificada en tiempo de ejecución**, no una afirmación de vitrina — esta es la propiedad que realmente distingue a DSH, y está ausente del discurso de marketing. El mismo repositorio aporta la réplica: `SESSION_FORMAT_VERSION` permanece en **`0` sin promesa de compatibilidad**, *« backends reject old on-disk formats »*, y el README advierte en mayúsculas que habrá cambios que rompen la compatibilidad. **Trazable hoy no significa archivable mañana.** **El modelo de negocio está en la cronología.** DSH se lanza el día de la **GA de DeepSeek-V4-Pro** y **tres días antes** de un nuevo calendario de precios de la API (16 de agosto, 16:00 UTC; tarifas de hora valle al **−50 %**). **Harness regalado, inferencia encarecida** — exactamente lo inverso del modelo de Anthropic. **Lo que se confirma.** La intercambiabilidad se sostiene al menos en la capa de modelos: además del adaptador de DeepSeek, **`dsh-llm-pi-ai`** hace accesible cualquier gateway compatible con OpenAI *« by configuration, not by code change »*. Y el modo Minimal integra el **harness de benchmarking** dentro del producto — un intento de arrebatarle a Claude Code la definición del benchmark, aun cuando el propio repositorio de DSH contiene un `CLAUDE.md` y un `.claude/skills`.

Mistral AI wants to build 1 gigawatt of European compute by 2030 — and lock in customers now.

Tue, 11 Aug 2026 00:00:00 GMT

Artículo publicado en **VentureBeat** el **11 de agosto de 2026** por **Michael Nuñez**, basado en una **entrevista exclusiva bajo embargo** con **Timothée Lacroix**, cofundador y CTO de **Mistral AI**. **El anuncio, en tres partes.** (1) **Mistral Regional Endpoints**, en disponibilidad general: fijar la inferencia y su procesamiento asociado en **Europa o Estados Unidos**. (2) Un **Priority Tier** en vista previa pública: niveles de servicio comprometidos, cuotas personalizadas, un **SLA de disponibilidad** para cargas de trabajo críticas. (3) Una **coalición de empresas europeas** — **Amadeus, ASML, Capgemini, CMA CGM** — cuyos compromisos plurianuales están destinados a financiar **200 MW para finales de 2027** y **1 GW para finales de 2030**. A esto se suma el alojamiento de **modelos abiertos de terceros**, comenzando por **GLM-5.2** del laboratorio chino **Z.ai** (antes Zhipu). **El vehículo financiero.** Los compromisos se convierten en **European Compute Units (ECU)**: un derecho plurianual sobre capacidad construida por Mistral, fungible entre inferencia, entrenamiento, adaptación de modelos o Kubernetes gestionado. La estructura se parece más a un **acuerdo de compra de energía** que a un contrato de nube: los prestamistas quieren la demanda asegurada antes de desembolsar capital. Lacroix no lo adorna: *"Todo el sentido de las unidades de cómputo es tener compromiso"*, cinco años como horizonte previsto, y sobre la salida anticipada — ***"No hay salida posible."*** **Los órdenes de magnitud.** Mistral declara operar *"menos de 200 MW"*; los emplazamientos detallados suman **77 MW** (44 MW cerca de París, 23 MW en Suecia con EcoDataCenter, 10 MW en Les Ulis). **Epoch AI** cifra el capex inicial de un centro de datos de IA de 1 GW en **~38.000 millones de dólares**, mayoritariamente en GPU; **Goldman Sachs** en 15-20 millones de dólares/MW sin chips; **McKinsey** estima la necesidad global en **5,2 billones de dólares para 2030**. Mistral ha recaudado **~4.000 millones de dólares en total** (PitchBook), tras **830 millones de euros de deuda** para el emplazamiento de París. **La letra pequeña.** La inferencia dentro de la región sigue sujeta a *"transferencias limitadas y controladas"* a subcontratistas fuera de la región: en concreto, **llamadas a herramientas** — en particular la búsqueda web. La respuesta de Lacroix: **cortar la capacidad** es la funcionalidad, no el fallo. Se anuncia un tercer endpoint, *"sobre cómputo de Mistral"* fuera del hardware de los hiperescaladores, pero todavía no existe. **El reposicionamiento.** Al distribuir modelos abiertos de terceros bajo controles regionales y un SLA propio, Mistral se convierte en una **capa de distribución soberana** — la estrategia del *model garden* de Bedrock y Vertex, en Europa. El foso competitivo se desplaza del modelo a la infraestructura. Lo que financia todo esto: la convicción de que **los modelos de billones de parámetros y los tokens agénticos hacen inviable la inferencia local**, lo que devuelve los ingresos a la nube. **Las dependencias sin resolver**: las **GPU** de Nvidia, y **Microsoft** como cliente ancla de los centros de datos europeos.

To FDE, or not to FDE?

Tue, 11 Aug 2026 00:00:00 GMT

Artículo extenso publicado en **X** el **11 de agosto de 2026** por **Jesse Zhang**, CEO de **Decagon** (agentes de IA para atención al cliente). **La observación inicial.** El *Forward Deployed Engineer* se ha convertido en la respuesta por defecto a cualquier dificultad de go-to-market en IA: despliegues dolorosos, clientes incapaces de autoservirse, producto no listo. **Anthropic y OpenAI** han construido brazos de despliegue empresarial **explícitamente calcados de Palantir**; las ofertas de empleo con ese título habrían aumentado varios cientos por ciento en un año. Sin embargo, señala Zhang, hasta hace poco esto era **un motivo de crítica** —ingresos de menor calidad, márgenes estructuralmente limitados— y *« nothing about the underlying economics has changed »*. Lo que ha cambiado: en la era de la IA, las empresas no conocen el camino hacia el resultado pero creen en el resultado, y **el FDE entrega el resultado**. **El precedente Palantir.** Shyam Sankar, CTO: ***« FDEs eat pain and excrete product. »*** Joe Lonsdale reconoce que la reputación de «consultora disfrazada» se apoyaba en una observación certera. Los despliegues a medida de **Gotham** se codificaron en primitivas —**ontología, modelos de objetos, permisos, motores de flujo de trabajo, trazabilidad de procedencia**— que dieron lugar a **Foundry**, luego Apollo y AIP. Con la estandarización, **el margen bruto subió a la franja del 80%** y Palantir dejó atrás el modelo de FDE. *« The pain was the input to the product, not a cost of sale. »* **La tesis.** Enviar ingenieros se justifica **cuando la categoría es nueva**: un agente contable en 2026 no tiene un flujo de trabajo establecido, y el cliente ni siquiera puede describirlo. **Pero una vez conocidos los caminos, hay que retirar a los FDE —y nadie querrá hacerlo—**, porque conservarlos resulta más fácil sprint tras sprint: nunca hay que zanjar un compromiso de producto, decir que no, ni tomar una decisión de arquitectura dolorosa. Eso deja **todos los inconvenientes del modelo sin el beneficio del descubrimiento**. Zhang distingue además **FDE de implementación**: uno descubre una especificación desconocida, el otro ejecuta una conocida; confundir ambas cosas permite que una organización de servicios pase por una inversión de producto. **El caso Decagon.** Un enfoque deliberadamente orientado a producto, impulsado por dos exigencias constantes de las empresas: **velocidad de iteración** y **rechazo del vendor lock-in**. Coste: convertir las escaladas en requisitos en lugar de parches. Beneficio **autodeclarado**: *« two-thirds of deployment work »* ahora realizado de forma autónoma mediante **Duet**, y *« a few days »* para lanzar el primer **AOP** en grandes bancos, aerolíneas o telecos. Cifras sin definir y no verificables. **La frase de cierre**: *« If your FDEs are eating pain and excreting more pain, you don't have an FDE team. You have a services business. »*

The Future is for Everyone: The Path to a Positive AI Future

Mon, 10 Aug 2026 00:00:00 GMT

Manifiesto publicado en **meta.com** el **10 de agosto de 2026**, firmado ***"– Mark"*** (**Mark Zuckerberg**), ~6500 palabras. **Los tres principios.** El **empoderamiento individual** como fuente de prosperidad, la **invención** —no la automatización— como propósito primordial de la superinteligencia, y el **equilibrio de poder** como fundamento de la seguridad. La pregunta rectora: *"who will have access to superintelligence and what will we direct it toward?"* **El argumento central.** El alineamiento concebido como convergencia hacia un único sistema benevolente es *"fundamentally flawed"*, porque ***"humanity is not a monoculture"***: los valores de las personas codifican compromisos opuestos, y ninguna solución técnica puede alinearse simultáneamente con intereses contrapuestos. De ahí que ***"there is no such thing as a singular benevolent superintelligence"***. La seguridad no es un problema de ingeniería sino de **distribución del poder** — demostrado mediante tres experimentos mentales idénticos (abogado, ciberseguridad, negocios: un único poseedor causa daño, la generalización beneficia a todos). Corolario dirigido a la industria: el escenario más peligroso sería que *"leading labs training powerful models and keeping them for themselves"*. **Lo que Meta se compromete a hacer.** Un agente personal disponible 24/7 con un **modo totalmente privado** en el que *"even Meta"* no puede conceder acceso; herramientas de creación y de creación de negocios; un tutor personalizado; acceso a avances científicos (Biohub); **versiones gratuitas** para miles de millones de personas, más una **puja dinámica** para el cómputo de pago. En materia de gobernanza: la **junta independiente** aprobará los criterios de seguridad de los lanzamientos y verificará su cumplimiento, reconociendo el autor que Meta sigue estando **controlada por su fundador**. En materia de apertura: *"we will **resume** releasing **some** open source models soon"*, además de una defensa explícita de la **destilación** — *"you can learn from anything you can observe"*. **Riesgos abordados.** Empleo (nada obliga a que la automatización supere a las capacidades individuales; el cómputo finito genera un coste de oportunidad que favorece la invención); infraestructura (**pactos comunitarios**, el *Future Is For Everyone Fund*, una bonificación de 50 000 dólares para los docentes de Richland Parish, positivo en agua para 2030); ciber y biorriesgo (los defensores deben conservar la ventaja; regular la producción física en lugar del conocimiento); tiranía (privacidad, **puntos de control intermedios del entrenamiento** entregados al gobierno en lugar de una revisión bloqueante); liderazgo estadounidense (una ventaja decisiva de dos meses, controles de exportación mantenidos). **Dos reservas.** **Las fuentes son prácticamente inexistentes** — las estadísticas de empleo, el incidente de HuggingFace y la capacidad nuclear china no están referenciados. Y el **alineamiento se convierte en una consecuencia de la adopción**: *"if billions of people are using and scrutinizing personal agents, then we will have solved alignment"*. Esta es la inferencia más pesada y menos sustentada.

Graphify — Knowledge Graphs for AI Coding Assistants (site graphify.net : vitrine, annuaire d'outils et galerie de dépôts graphifiés)

Thu, 06 Aug 2026 00:00:00 GMT

El sitio **graphify.net**, consultado el 6 de agosto de 2026, propiedad oficial de **Safi Shamsi**, creador de la skill open source graphify. El dominio agrupa tres cosas distintas de la plataforma comercial `graphify.com` y del repositorio de GitHub. **Un escaparate de producto**, primero: presentación de graphify, guías de uso, referencia CLI, páginas sobre tree-sitter y clustering de Leiden. **Una galería de demostraciones**, después, y es la parte más convincente: **100 repositorios de GitHub Trending ya «graphificados»**, con un total de **854,079 nodos y 1,932,930 aristas**, filtrables por lenguaje y tamaño, cada uno mostrando sus recuentos de nodos, aristas y comunidades, con una vista previa del grafo y una página de detalle. Mostrar la herramienta funcionando sobre repositorios conocidos vale más que un discurso comercial, y produce, como subproducto, un conjunto de datos público de grafos comparables. **Un directorio editorial**, por último, que tiene valor independiente del producto que promociona: **30 AI coding client guides** comparadas según flujo de trabajo, agentes, precios, seguridad y adecuación de entrega; un **directorio de servidores MCP** calificados según transporte, runtime, clientes soportados, esfuerzo de configuración y **riesgos de acceso**; comparaciones por pares sobre campos alineados. El sitio reivindica un método — *« source-reviewed »*, evidencia oficial, incógnitas explícitas — y está disponible en seis idiomas. **Esta ficha existe principalmente para registrar una discrepancia.** El mismo día, el sitio anuncia **« 3.7k+ GitHub stars »** cuando la API cuenta **103,187**; afirma **tres veces** una licencia **MIT** cuando el archivo `LICENSE` del repositorio es **Apache 2.0**; y destaca la afirmación **« 71.5× token reduction »**, que pertenece al README de la generación v1 y ha desaparecido de la versión actual en favor de los benchmarks LOCOMO y LongMemEval. El sitio describe así un producto de varias generaciones atrás. **El error de licencia es el más grave**: MIT y Apache 2.0 no conllevan las mismas obligaciones, en particular sobre patentes y la divulgación de modificaciones. Queda una observación estratégica: **un proveedor de herramientas que construye el directorio de su propia categoría** ocupa la consulta de evaluación antes que sus competidores. La reivindicación de neutralidad no elimina el conflicto de interés — graphify aparece entre las skills destacadas del sitio. Un punto de entrada útil, no un árbitro.

Efficient Tokens & Effective Teams in Buzz

Thu, 06 Aug 2026 00:00:00 GMT

Una entrada de referencia de **Block** firmada por **Atish Patel**, publicada el **6 de agosto de 2026**, que prolonga el lanzamiento de **Buzz**: dado que montar un equipo de agentes se ha vuelto trivial, *¿cuál es el más barato que tiene éxito de forma fiable?* **Primero, el vocabulario.** La entrada propone cuatro niveles: **QuickBee** (rápida y barata — builds, capturas de pantalla, tests, triaje de primera pasada: GPT-5.6 Luna, DeepSeek V4 Flash, modelos locales, **ejecutada con esfuerzo alto**), **WorkerBee** (versátil, se encarga de un subconjunto completo sin supervisión: GPT-5.6 Terra, Gemini 3.6 Flash, modelos abiertos), **SmartBee** (visión de conjunto, compromisos, escaladas: Claude Opus 5, Kimi K3, GPT-5.6 Sol, **con esfuerzo *medium***), y el humano, *"la abeja más cara del equipo, y la más lenta. También, sigue siendo la más inteligente"*. Dos formas de equipo: el **Hive** permanente, que recuerda **las** preferencias del usuario, y el **Swarm** desechable, que recuerda **el proyecto** y luego desaparece. **El resultado en solitario.** En **Terminal-Bench 2.1**, aumentar el esfuerzo de un **modelo barato** es la mejor inversión: Luna pasa de 1,61 $ / 57,3% (*medium*) a 4,98 $ / 75,0% (*high*). En el otro extremo, **Opus 5 con esfuerzo *xhigh* es la ejecución más cara (140,63 $) y solo obtiene un 75,0%**, tras **alcanzar el timeout en 17 de 88 tareas** por sobrerrazonamiento. Entre las seis mejores ejecuciones: **una brecha de precio de 5,5×, una brecha de puntuación de 8,9 puntos**. Conclusión: *"elegir entre ellas no es en absoluto una decisión de calidad. Es una decisión de presupuesto."* **El resultado de equipo, en dos actos.** En Terminal-Bench 2.1 se probaron **doce composiciones** y **ninguna superó al agente solo a igualdad de costo** — una tarea corta no tiene suficiente estructura para dividirse. En **Long-Horizon Terminal-Bench** (44 tareas de varias horas, líder GPT-5.6 Sol, **3× el timeout**), la inversión es clara: solo **15 tareas / 59,1%**, +2 WorkerBees **20 / 71,5%** — **+12,4 puntos, de los cuales 11,4 provienen de finalizaciones adicionales**. El equipo cuesta más por tarea, lo cual compensa *"cuando la alternativa es que un humano retome un trabajo inacabado"*. **La regla operativa.** Encaminar las escaladas de los agentes trabajadores a un **coordinador SmartBee** en lugar de al humano: *"cada ambigüedad se convierte en una notificación"* es el verdadero modo de fallo. Un ingeniero de Block afirma haber **migrado más de 2000 aplicaciones** con un Swarm (coordinador, de 1 a 10 migradores, verificador independiente), guardando el coordinador las respuestas humanas en memoria. **Salvedades**: n=1 por tarea, sin intervalo de confianza, costos de equipo no publicados, y una admisión — *"esto podría cambiar si los modelos se entrenan para colaborar mejor."*

Block explores how to price AI

Thu, 06 Aug 2026 00:00:00 GMT

Nota de prensa sectorial (**Payments Dive**, formato *Dive Brief*, **6 de agosto de 2026**) sobre la publicación de resultados trimestrales de **Block**: la empresa ya ha desplegado varias herramientas de IA para sus clientes — **Moneybot** (Cash App) y **Managerbot** (Square) — y aún no ha decidido cómo cobrarlas. **Jack Dorsey** en la llamada con analistas: *"Estamos en una posición afortunada en la que podemos experimentar con varios modelos y luego elegir el adecuado, el que alinee todos nuestros incentivos con los de nuestros clientes."* **El contexto financiero ilumina esa postura.** Seis meses antes, Block había despedido a aproximadamente **4.000 personas, cerca del 40% de su plantilla**, en una reorganización explícitamente planteada en torno a la IA. En el segundo trimestre de 2026: beneficio bruto **en alza del 25%, hasta 3.200 M$**, ingresos **en alza del 10%, hasta 6.620 M$**, pero **beneficio neto de 89 M$, un 83% menos** interanual debido a los costes de indemnización que cierran la reestructuración; las previsiones para 2026 se revisaron al alza. El valor de la IA, por tanto, se está capturando a través de la estructura de costes antes que a través del precio. **El dato más pesado se sitúa en medio de la nota**, extraído de la carta a los accionistas: *"A partir de junio, la IA agéntica ayudó a escribir y revisar casi todos nuestros cambios de código en producción"* — escribir **y** revisar casi todos los cambios de código en producción, en una empresa de pagos cotizada, seis meses después de recortar el 40% de la plantilla. Una afirmación autodeclarada ante los inversores, sin definición de qué significa *"casi todos"* ni qué abarca *"revisar"*. **Las herramientas**: **Goose**, un sistema interno construido dos años antes, descrito como agnóstico respecto al modelo (conecta distintos modelos comerciales para los empleados); **Buzz**, lanzado el mes anterior para *"colaboración entre agentes, comunicación y repositorios de código."* **Del lado del cliente**: Moneybot monitoriza la actividad de los usuarios de Cash App y muestra cuentas, saldos y transacciones — más de **un millón de cuentas activas semanales**; Managerbot ejecuta marketing automatizado, análisis de márgenes y sugiere *"correcciones operativas"* a los comercios de Square. Los analistas de **Evercore ISI** enumeran cuatro vías de monetización — paquetes SaaS, suscripciones directas, ofertas para empresas, precios por uso — **ninguna vinculada a resultados**. Orden de prioridad declarado: **calidad del producto → distribución → adopción → modelo de precios**. Dos hechos de distribución completan el cuadro: Square se está integrando en **Google Maps** con una *"experiencia de IA conversacional,"* descrita como *"el primer paso de una asociación más amplia entre Square y Google"*; y el dispositivo de pago **Tags** (llavero y varillas con chip NFC) muestra **tres millones de personas en lista de espera**. Citas de analistas: William Blair (*"Block encarna el cambio estructural hacia las firmas de finanzas digitales orientadas a la tecnología"*) y Bank of America sobre el *"modelo operativo post-reset."*

Announcing Cloudflare Wallets: the programmable wallet for the agentic Internet

Tue, 04 Aug 2026 00:00:00 GMT

Anuncio de producto publicado en el blog de **Cloudflare** el **4 de agosto de 2026** por **Will Papper**, en el marco de **Agents Week**: **Cloudflare Wallets**, presentado como *"the programmable wallet for the agentic Internet"*. **El problema planteado** es preciso y bien elegido: un agente que quiere probar una API debe pasar por una página de inicio de sesión **diseñada para humanos**, hacer que un humano añada un método de pago, generar una clave de API y luego averiguar cómo llamar al servicio. Dos carencias estructurales explican esto — *"Agents do not have a stable identifier to sign up for an API, and they do not have a native way to pay for APIs"* — con la consecuencia de que *"AI agents often give up on these tasks entirely, kicking registration, payment methods, and API key generation back to humans"*. **La arquitectura propuesta se reduce a dos tipos de wallet**: **Account Wallets**, destinadas a los humanos propietarios de una cuenta Cloudflare (financiar, delegar, retirar), y **Virtual Wallets**, destinadas a los agentes, que **funcionan mediante clave de API** y cuyo límite de gasto es **fijado por el titular de la cuenta**. Las salvaguardas anunciadas son explícitas: **asignación, lista de permitidos, importe máximo por transacción**. **El riel de pago es el protocolo x402** (pagos adjuntos a solicitudes HTTP) y la divisa es **stablecoin** — lo que sitúa la propuesta en un campo distinto de los esquemas construidos sobre redes de tarjetas. **El argumento más interesante es contraintuitivo y central**: *"These limits may seem like constraints, but counterintuitively they give agents more freedom. If an agent is responsible for $10, you can worry less about its spending than if it is responsible for $1,000."* → **el límite no es lo que restringe la autonomía, es lo que la hace aceptable.** **Segundo componente, más estratégico que el primero**: la identidad, mediante un espacio de nombres **`cloudflare.pay`** — un agente de investigación podría residir en `research.example.cloudflare.pay`, dando al comerciante la certeza de que está hablando con el agente de una organización identificada. Cloudflare reivindica una ambición deliberadamente mínima (*"a human-readable identifier for a not-very-readable keypair, similar to the URL and IP-address pairings used in DNS"*), construida sobre sus bloques ya existentes (**Turnstile**, Bot Management, **Web Bot Auth** y sus pares de claves), y declara su intención de adoptar los esquemas de la **x402 Foundation** a medida que surjan. **Una advertencia decisiva sobre el estatus del texto**: **casi todo está en futuro**. Lo que existe el día del anuncio es la **reserva de un identificador**; los pagos, las Virtual Wallets, las salvaguardas y las rampas de acceso a los fondos están anunciados (*"Soon, you will be able to…"*). Se trata de una **toma de posición sobre un espacio de nombres**, más que de un servicio que entra en funcionamiento.

How AI is expanding what people do at work (Work at the Frontier, rapport 1)

Mon, 27 Jul 2026 00:00:00 GMT

Post e informe de **OpenAI Economic Research** publicado el **27 de julio de 2026**, primera entrega de la serie **Work at the Frontier**, que analiza **más de 800.000 mensajes de usuarios estadounidenses de ChatGPT**. **Concepto acuñado**: ***task crossover*** — *« trabajo históricamente asociado a una ocupación que aparece en el uso de la IA de personas de otra »*. **La cifra destacada es en realidad dos cifras, y eso es lo que la cobertura pierde**: **el 16,8% de los mensajes relacionados con el trabajo** corresponden a tareas asociadas a otra ocupación, y **el 43,5% de los mensajes específicos de la ocupación**. El embudo explica la diferencia: **el 61,5% del uso es genérico** (redactar, resumir, planificar — demasiado compartido entre ocupaciones para contar como evidencia de cruce) y queda excluido; del **38,5% restante**, **el 43,5% queda fuera de la ocupación** y el 56,5% está *« dentro **o cerca** »* — de modo que el límite superior se calcula sobre una base reducida, mientras que el límite inferior se calcula sobre la totalidad del uso profesional. **Por ocupación** (proporción de mensajes específicos de la ocupación que apuntan a una tarea externa): experiencia de cliente **77%**, diseño **75%**, RR. HH. **69%**, legal **56%**, marketing **53%**, ventas **40%**, finanzas **40%**, ingeniería **28%** — *« una mayoría en cinco de ocho grupos »*. **Dos direcciones de circulación distintas**: diseño **importa** (35,2%) y **exporta** casi nada (1,7%); ingeniería hace lo contrario (importa 18,5%, exporta 7,4%); **marketing hace ambas cosas** (importa 24,3%, exporta **8,9%**, la mayor proporción de salida de la muestra). **Dos tareas aparecen en el top 3 de préstamos para los otros siete grupos**: **el cálculo financiero** y **la resolución de incidencias tecnológicas**. **El mapa de calor, ausente de la cobertura, es el objeto más rico**: ofrece la distribución completa de las tareas por ocupación del usuario, y su diagonal es llamativa — ingeniería conserva el **53%** de su propio trabajo mientras que experiencia de cliente conserva solo el **11%**, RR. HH. el **10%** y diseño el **12%**. **Efecto tamaño**: la proporción fuera de la ocupación cae del **18,9%** (2-5 empleados) al **16,3%** (>100 empleados) — **pero solo « entre los usuarios promedio »**, precisa OpenAI, que señala que *« entre los usuarios más intensivos, no observamos el mismo patrón monótono »*, y concluye de forma condicional: *« la IA **podría ser** especialmente útil como herramienta generalista allí donde escasean los recursos especializados »*. **Estatus reivindicado**: una **señal temprana**, visible *« antes de que las empresas reescriban las descripciones de puesto o creen nuevos títulos »*. **Reserva estructural**: OpenAI mide el uso de su propio producto, únicamente entre usuarios estadounidenses de ChatGPT, y presenta esta posición como un activo — *« nuestra ventana única sobre cómo está cambiando el mundo del trabajo »*.

Aiman Ezzat, le directeur général de Capgemini : « L'enjeu ? Intégrer l'IA au coeur des opérations et réinventer les processus métiers »

Sat, 25 Jul 2026 00:00:00 GMT

En el número especial "boss special" de **Investir** dedicado al desafío de la IA (25 de julio de 2026), **Aiman Ezzat**, CEO de **Capgemini**, defiende una tesis simple y comercialmente cargada: **el valor de la IA no proviene de la tecnología en sí, sino de su integración en el núcleo de las operaciones**. IA agentique, "capaz de actuar de forma autónoma," marca en su opinión una **ruptura mayor** que permitirá una transformación estructural del funcionamiento de las empresas — y sitúa al integrador en el centro del juego. **Las pruebas presentadas.** Hace tres años, Capgemini comprometió una inversión de **2.000 millones de euros** (cartera de ofertas, ecosistema de socios, formación de empleados). Los efectos reivindicados se miden del lado de la entrega: en ciertos proyectos, **más del 30% de rapidez adicional en el desarrollo de aplicaciones** según el tipo de aplicación, y **casi un 20% menos de incidentes e interrupciones de servicio**. Del lado del mercado, los proyectos de IA generativa y agéntica representan **más del 11% de las reservas del primer trimestre, frente al 6% un año antes**. La ambición declarada: **un crecimiento anual del 5,5% al 7,5%** a tipo de cambio constante de aquí a **2028**, con una mejora de la rentabilidad y la generación de caja. **El diagnóstico sobre los clientes.** La IA generativa abrió el camino con **ganancias de productividad individual de impacto limitado**; la IA agéntica va más lejos al introducir "una nueva forma de trabajo," con agentes que ejecutan tareas, se integran en los procesos de negocio y contribuyen a la toma de decisiones. Pero cumplir con la promesa dista de ser simple: **sistemas heredados complejos, datos insuficientemente maduros, gobernanza, seguridad, costes**. Escalar exige repensar los sistemas, los datos, los procesos, la organización y los modelos operativos — "**estamos muy lejos del plug and play**." **El programa.** Construir una **capa tecnológica agéntica sobre una base modernizada**, **orquestar la colaboración entre humanos y agentes**, **controlar los costes** de esta nueva fuerza de trabajo. Sin una gobernanza clara de los roles, la seguridad y las responsabilidades, "desplegar miles de agentes a escala empresarial sería un callejón sin salida." De ahí la reformulación de la pregunta: "la cuestión no es quién desarrolla los mejores modelos, sino quién ayuda a las empresas a obtener valor de ellos." **El mercado y el empleo.** La transformación agéntica se extiende más allá de los presupuestos de TI tradicionales hacia **presupuestos operativos y prioridades estratégicas**; Capgemini estima la oportunidad en **más de 400.000 millones de dólares al año de aquí a 2030** para los servicios digitales y la consultoría. En materia de empleo, Ezzat se mantiene cauteloso: un impacto profundo en los puestos de trabajo, con tareas automatizadas y empleos creados, pero "demasiado pronto para decirlo" en cuanto a si el saldo neto será negativo. La adquisición de **WNS** crea "un líder mundial en **operaciones inteligentes**," anunciada como un pilar de crecimiento.

IA et emploi : le vrai risque, c'est le décrochage

Thu, 23 Jul 2026 00:00:00 GMT

En este artículo de opinión publicado en sfeir.com (23 de julio de 2026), **SFEIR** comenta la nota **Trésor-Éco n.º 391** de la DG Trésor (junio de 2026) y la vincula con su propia doctrina: *« amplificar la IA en lugar de padecerla »*. El artículo elogia el **tono cauteloso** de Bercy — que expone mecanismos e incertidumbre en lugar de zanjar la cuestión — y extrae de ello una tesis en tres partes *« más invertida de lo que parece »*. **Ningún efecto agregado.** Dentro del marco de Acemoglu-Restrepo, dos fuerzas se oponen: el efecto de **desplazamiento** (sustitución) y el efecto de **productividad** (complementariedad, menores costes, mayor demanda). Actualmente se compensan; los estudios no identifican ningún efecto agregado, por falta de perspectiva histórica y de adopción (~20% de las empresas de la UE). Las ganancias individuales son, sin embargo, reales (+14% en atención al cliente, +26% entre los desarrolladores), pero la inquietud supera a los datos (62% de los franceses preocupados). **La única señal sólida: los junior.** −16% de empleo entre los jóvenes de 22-25 años expuestos en EE. UU. (Brynjolfsson 2025); en Francia, una contracción del empleo juvenil en TI y un aumento del desempleo entre los 15-24 años (19,1%→21,1%) — sin causalidad establecida. El mecanismo: la IA automatiza las **tareas codificadas** de los puestos de nivel inicial, aquellas que *« antes formaban a los seniors del mañana »* — de ahí un problema de **renovación de la experiencia**. **El argumento que el debate pasa por alto.** El destino de una profesión depende de la **elasticidad-precio** de la demanda, no de la exposición: los desarrolladores y los diseñadores gráficos (elasticidad > 1) ven crecer la demanda a medida que la IA reduce sus costes — la **paradoja de Jevons aplicada al código**. El argumento es **estructuralmente favorable al empleo para los desarrolladores**. El artículo también **desmonta** el relato de los "despidos por IA" (4,5-6,2% de los anuncios de despidos en EE. UU.; **etiquetado** en el 59%) y señala los **puntos ciegos** de la nota: el escenario **agéntico** relegado a una nota al pie (que invalidaría el marco del "asistente"), la **velocidad de difusión** no discutida, y el **sesgo de fuente** (OpenAI/Anthropic convertidos en fuentes para Bercy). **La verdadera línea de fractura: el retraso competitivo.** Bercy desplaza la carga de la prueba — el riesgo es **competitivo** (quedarse atrás en la adopción), no social. De ahí los programas (« Osez l'IA », France 2030). **La perspectiva de SFEIR**: para un CIO/CTO, esto se traduce en decisiones — el valor migra hacia la intención/arquitectura/control; formar **ingenieros aumentados** (AI Champions); evitar una adopción precipitada (**workslop**, deuda técnica) mediante **context engineering**, gobernanza y criterios de paso de POC a producción. *« Convertir la adopción en una palanca en lugar de un montón de POC. »*

Mistral ↔ Microsoft : un accord souverain, une stratégie industrielle encore illisible

Wed, 22 Jul 2026 00:00:00 GMT

El **21 de julio de 2026**, **Mistral** y **Microsoft** anunciaron una alianza reforzada en forma de un **acuerdo valorado en varios miles de millones de dólares**. SFEIR — socio de Anthropic y Google Cloud, por tanto «sin interés en sobrevender al campeón francés», pero considerando a Mistral como «la mejor apuesta europea en la capa de modelo» — propone una **lectura de ingenieros**. **Lo que dice realmente el acuerdo**, en tres partes que hay que distinguir del discurso: (1) **cómputo en Europa** — capacidad Azure reservada en el continente, centros de datos en Francia, sistemas **NVIDIA Vera Rubin**, para cerrar el déficit europeo de cómputo; (2) **los modelos en las herramientas de Microsoft** — **Mistral Medium 3.5** y **Mistral OCR 4** en **Foundry**, accesibles en **Copilot Studio** para agentes empresariales; (3) **Azure Local hasta el modo desconectado** — nube pública, nube conectada supervisada, y **air-gapped** fuera de la red externa, para el secreto de defensa, la sanidad, la banca crítica. **Dato notable confirmado por Brad Smith: ninguna nueva participación de capital** de Microsoft en el capital. Esta ausencia preserva la **gobernanza** de Mistral y **minimiza el riesgo antitrust** (FTC, Comisión Europea): «una estructura de alianza sin fusión — **arbitraje regulatorio asumido**». **Soberanía — pero ¿sobre qué base?** El modelo europeo, ejecutable en un entorno desconectado y controlado por el cliente, marca casillas que pocas ofertas marcan — «buena noticia». Sin embargo, persiste la tensión: esta soberanía se despliega **sobre la infraestructura de un hyperscaler estadounidense**. Hay que distinguir cuatro soberanías — modelo, ejecución, infraestructura, relación comercial: se puede obtener «tres de cuatro, pero aun así hay que saber cuál falta». El único elemento que la hace **verdaderamente portable** es la naturaleza **open-weights** de los pesos de Mistral (la misma lógica de reversibilidad que **Kimi K3**), respaldada por la **Agentic Sovereignty Matrix** y **Design to Exit**. **El verdadero punto ciego: la estrategia industrial.** Mistral está presente en todo a la vez — B2C (Le Chat), B2B (vía Azure), open-weights **y** frontier, infraestructura muy intensiva en capital (200 MW, tope de 1 GW para 2030), alianzas con grandes cuentas, verticalización (Robostral, OCR 4), servicio a entidades reguladas. **Lectura optimista**: un **full-stack soberano**, la única posición que evita ser «un mero inquilino de la capa de modelo». **Lectura prudente**: una empresa de tres años, valorada en ~20.000 millones de euros, dispersa capital y atención entre negocios con modelos económicos divergentes — «ninguno de los cuales se gana a medias». Falta el **hilo conductor** que muestre dónde reside el **foso defensivo**. **Lo que el liderazgo técnico debería extraer de esto**: **separar el modelo del canal**; **diseñar para poder salir** (el open-weights hace creíble la puerta de salida — **arquitectura soberana multi-LLM**); **enrutar en lugar de apostar** (**RAISE**). Conclusión: la soberanía es **una propiedad arquitectónica, no una etiqueta** — se cualifica dependencia por dependencia. La legibilidad industrial faltante sigue siendo la pregunta abierta, que se zanjará «no con los comunicados de prensa, sino con los compromisos de los próximos doce meses».

Fact-checking : synthèse sur Delos (Delos Intelligence / delos.so)

Mon, 20 Jul 2026 00:00:00 GMT

Esta nota verifica una síntesis de vigilancia tecnológica sobre **Delos Intelligence** (delos.so), una startup francesa de IA generativa B2B, comparándola con fuentes primarias (el post "Overlooked" de Alexandre Dewez / 20VC, 15 de abril de 2025, el sitio web oficial, registros oficiales) y prensa especializada. La base es **fiable**, pero varias cifras necesitan matización. **Financiación — confirmada.** Delos recaudó **2,5 M€ en una ronda seed** —≈2,74 a 2,83 M$ según la conversión— una ronda **anunciada a mediados de abril de 2025**, liderada por **20VC** (Harry Stebbings), con **Inovia Capital, Kima Ventures (Xavier Niel) y Plug and Play**. Cabe destacar que la lista de **business angels**, precisamente el tipo de información que un LLM puede alucinar, queda **confirmada palabra por palabra** por el comunicado de prensa del inversor líder — Éléonore Crespo y Romain Niccoli (Pigment), Florian Douetteau (Dataiku), Thibaud Elzière (Hexa), más Mark Goldberger (Ramp) y Antoine Freysz (Kerala), estos dos últimos *ausentes* de la síntesis inicial. Sin embargo, **ninguna Serie A se ha cerrado**: solo se ha **anunciado como intención** ("varias decenas de millones de euros para marzo de 2026"), sin comunicado de prensa ni registro en bases de datos. **Modelo de negocio — parcialmente exacto.** SaaS **basado en créditos** (1 crédito ≈ una consulta simple). La tabla de precios real es más amplia que "25–80 €": **Student 10 € (Explore 25 €, Advanced 45 €, Premium 80 €)** (volúmenes de créditos crecientes), más **Enterprise bajo solicitud**. La **oferta individual/B2C es efectivamente real**, pero el objetivo principal sigue siendo **B2B**. Modelos orquestados: ChatGPT, Claude, Mistral, Gemini, Cohere, Llama. La **soberanía** (alojamiento en Scaleway) **aún se estaba finalizando** a finales de 2025, con el cómputo funcionando parcialmente en Azure (Francia), con un cambio completo a Scaleway previsto para principios de 2026. **Equipo y clientes — parcialmente exacto.** Fundada el **2 de julio de 2023** por los hermanos **Pierre** y **Thibaut de la Grand'rive**. La cifra de "**50**" empleados **no es verificable**: ~20 en abril de 2025, unas cuarenta a finales de 2025. Se confirman **200 empresas cliente**; se confirman los clientes **TotalEnergies, Shiseido, Groupe Casino** (además de Allianz, Best Western, BPCE, el Ministerio de las Fuerzas Armadas francés…). Las cifras de usuarios (10.000 → 100.000+) y el **ARR** son **autodeclaradas**: no se ha publicado un ARR global, y la única mención ("1 M$ de ARR en unos días") se refiere **únicamente al producto Workers** y no está auditada. **Lección transversal**: un fact-check gradúa niveles de evidencia (confirmado / parcial / especulativo / no verificable / autodeclarado) en lugar de emitir un veredicto binario, y verifica una información plausible antes de sospechar que se trata de una alucinación.

Amazon, Microsoft, and Google are converging on the same enterprise agent architecture

Mon, 20 Jul 2026 00:00:00 GMT

En nueve meses, Amazon, Microsoft y Google han lanzado o renombrado cada uno una plataforma de agentes empresariales, y **los tres han convergido en la misma arquitectura**: runtime, memoria, tool gateway, identidad, observabilidad y gobernanza aparecen ahora en **Bedrock AgentCore**, **Microsoft Foundry** y **Gemini Enterprise Agent Platform**, bajo nombres distintos. Lo que hace 18 meses era una colección fragmentada de librerías se está convirtiendo en una **capa de plataforma** diferenciada. Para leer hacia dónde lleva esto, Janakiram MSV invoca la **inflexión PaaS de 2011-2016**. Antes, los equipos ensamblaban VMs, balanceadores de carga, colas, almacenes de secretos y agentes de monitorización, cada uno con su propia API. **Cloud Foundry** y **Heroku** unificaron estas piezas en torno a un **contrato de aplicación**: la aplicación declara lo que necesita y permanece agnóstica respecto a dónde se ejecuta. Lo que importaba era el **contrato, no la implementación**. Cloud Foundry no ganó el mercado — lo hizo Kubernetes — pero sus principios sobrevivieron (buildpacks → Cloud Native Buildpacks/CNCF; la abstracción de Cloud Foundry reconstruida sobre K8s vía Korifi). El ecosistema de agentes se acerca a la misma inflexión **sin un contrato equivalente**, y ningún proyecto de código abierto lo ha reclamado. El coste es concreto: el estado de sesión, las trazas y la identidad **terminan todos en manos de un único proveedor**; mover un agente un año después exige **reconstruirlo todo**. La convergencia no es una conspiración sino un comportamiento racional — integración vertical, "ahí está el margen" — cuya consecuencia recae sobre el cliente. El autor propone un **mapeo** del contrato de Cloud Foundry sobre los agentes (app source → código+eval; buildpack → empaquetado; backing service → modelo/memoria; binding → conexión autenticada; router → MCP/A2A; logs → trazas/coste/calidad; promotion → eval/versionado; policy → identidad), y luego tres principios: **empaquetar el agente como una única unidad desplegable** (AWS se acerca con su *harness export* hacia código Strands, "el instinto correcto, apuntado a una sola nube"), **adjuntar capacidades en lugar de incrustar proveedores** (la lección de Twelve-Factor), **integrar la capa operativa en la abstracción**. Un agente no es una aplicación web: comportamiento probabilístico, autoridad delegada, dependencias que cambian el comportamiento sin un despliegue. LangGraph lo demuestra en código abierto, pero su plano de control reside en LangSmith (un producto comercial). Los protocolos abiertos (MCP, A2A, OpenTelemetry, OCI) aportan casi todas las primitivas, pero **no el ciclo de vida**: versionado, promoción, rollback. La **Linux Foundation** lanzó la **Agentic AI Foundation** (dic. 2025, proyectos fundadores MCP/goose/AGENTS.md, hyperscalers como miembros platino). Quedan tres preguntas de due diligence — **gobernanza, empaquetado, estado** — que ningún proyecto abierto responde. Quien termine poseyendo el **plano de control del agente** definirá *qué es un agente*.

Some observations on Kimi (thread X)

Fri, 17 Jul 2026 00:00:00 GMT

Hilo de X de **Dean W. Ball** — **Head of Strategic Futures en OpenAI** desde el 6 de julio de 2026, **autor principal de America's AI Action Plan** bajo la administración Trump (un posicionamiento que conviene tener presente al leer un argumento anti-open-weights escrito por un insider de la frontera propietaria): **seis observaciones** desencadenadas por el modelo chino de pesos abiertos **Kimi**, que rápidamente van más allá del producto para avanzar una **tesis geopolítica e ideológica** contraria a la corriente dominante. (1) Kimi es **un modelo muy bueno**, no reducible a la destilación, **a la altura de los mejores modelos públicos del Q1 2026** en codificación agéntica — pero **muy ávido de tokens**, por lo que no resulta tan obviamente barato de operar. (2) Ball dice estar **sorprendido de que el Estado chino siga permitiendo la apertura del código** de modelos tan buenos: atribuye esto **~75% a una "ceguera estratégica" / a una falta de "AGI-pilledness"** (el PCC supuestamente sostiene una visión de la IA "muy a la Yann LeCun"), y ~25% a una **falta de cómputo de inferencia** — lo que convertiría la estrategia china de pesos abiertos en un **subproducto no intencional de los controles de exportación estadounidenses** — más un reflejo hacia exportaciones agresivas; del lado de las empresas, la apertura es mitad ideológica, mitad una admisión de que "estamos rezagados, nadie pagaría por modelos chinos por debajo de la frontera." (3) Tesis central: **los modelos de pesos abiertos son intrínsecamente desacelerantes** — **desincentivan el capex de IA**. Ball se sorprende del entusiasmo de los **"aceleracionistas"** por los pesos abiertos, que atribuye a su gusto por el **"manto de la ingobernabilidad"** (una analogía con *The Art of Not Being Governed* de James Scott y sus pueblos de las colinas). (4) Un mundo dominado por los pesos abiertos conduciría al **"comunismo de IA"** — la IA no como producto de mercado sino como **"bien público" / "infraestructura pública digital"** provista por el Estado, "exactamente lo que China está proponiendo"; Ball juzga este horizonte **"distópico"** y relata haber sido presionado, mientras estaba en el gobierno, para un centro de datos federal de **11 a 12 cifras** que subsidiaría a startups que regalarían sus modelos de forma gratuita. (5) **Predicción política**: la administración Trump terminará por comprender que su mejor estrategia no es **"prohibir el open source"** (uno de los argumentos más tontos del debate) sino **crear riesgo regulatorio / FUD** mediante **soft law** de cada agencia ("un boletín de la Fed sospecha de puertas traseras en modelos chinos"), suficiente para que las **empresas reguladas se retraigan**, sin ahuyentar a los hyperscalers (de lo contrario las startups recurrirían a proveedores más turbios). (6) Estos modelos hacen que **el mundo sea un poco más peligroso**, todavía no de forma perceptible — hasta el día en que lo sea; una línea de cierre irónica sobre un "agente autorreplicante escapado de un laboratorio chino" (una analogía COVID/fuga de laboratorio, "color me shocked"). A leer como **contrapunto** al análisis de SFEIR (Kimi K3, reversibilidad, [[sfeir-kimi-k3-moonshot-frontier-open-weights-2026-07-16]]) y al discurso pro-open-source de Xi en el WAIC ([[xi-waic2026-gouvernance-mondiale-ia-2026-07-17]]).

Le discours d'ouverture de Xi Jinping à la WAIC 2026 (Shanghai) — « Joining Hands to Build a Just and Reasonable Global AI Governance System »

Fri, 17 Jul 2026 00:00:00 GMT

El **17 de julio de 2026**, en la **Conferencia Mundial de Inteligencia Artificial (WAIC)** de Shanghái, **Xi Jinping** pronunció su **primer discurso inaugural** en persona — una señal política fuerte, ya que el WAIC (fundado en 2018) solo había recibido hasta ahora sus cartas de felicitación, con Li Qiang presidiendo las ediciones 2024-2025. Xi presentó allí **«cuatro observaciones»**, posicionando a China como un adalid de una gobernanza mundial de la IA **multilateral, abierta y centrada en el Sur Global**. **Las cuatro observaciones** (autenticadas por Xinhua/SCIO): ① promover la **apertura del código abierto, la apertura y el intercambio** al servicio de la innovación y de casos de uso concretos; ② una IA **«segura y controlable»**, siempre bajo control humano, oponiéndose a «la extensión abusiva del concepto de seguridad nacional» — una lectura ampliamente interpretada como una crítica velada a Washington; ③ **inclusividad** y respeto de la diversidad de civilizaciones; ④ **solidaridad** y mejora de la gobernanza, reconociendo «el importante papel de las Naciones Unidas» y ayudando al Sur Global a superar las brechas digitales. La fórmula clave: «La IA no debe ser una actuación en solitario, sino una **sinfonía de cooperación internacional**». **Anuncios concretos** (confirmados textualmente por Xinhua): **5.000 cursos y seminarios de formación en IA a lo largo de cinco años** para los países en desarrollo; **centros de cooperación para aplicaciones** con la ASEAN, la Liga Árabe, la Unión Africana, la CELAC, la OCS y los BRICS; y la extensión del sistema de alerta meteorológica con IA **MAZU** a **30 países** (ya utilizado por más de 40 servicios meteorológicos nacionales). Un hecho destacado: el nacimiento, **la víspera (16 de julio)**, de la **WAICO** — la Organización Mundial de Cooperación en IA, intergubernamental, con **sede en Shanghái**, firmada por **29 países** (Kazajistán, Laos, Pakistán, Rusia, Indonesia, Brasil, Serbia, Cuba… incluidos 10 países africanos y 12 países asiáticos), con Wang Yi firmando en nombre de Pekín. **Ninguna gran economía occidental** se adhirió; **António Guterres** estuvo presente. El discurso contrasta **implícitamente** con el enfoque estadounidense («America First», controles a la exportación, una pila tecnológica para «socios de confianza»): China apuesta por la **adhesión, los modelos de pesos abiertos, los bajos costes de inferencia** y un lugar para el Sur Global. Contexto: la brecha de rendimiento entre Estados Unidos y China se ha reducido al **2,7 %** (Stanford HAI 2026), la cuota de **DeepSeek** se ha duplicado en OpenRouter, y **Huawei** presenta un clúster independiente de Nvidia. **Advertencias clave**: las declaraciones de Xi proceden de Xinhua/SCIO; las caracterizaciones («creador de reglas», «desafío al orden occidental», «alusión velada») son **interpretaciones de analistas**, no palabras del propio Xi — este nunca nombró a Estados Unidos.

Airbus choisit Scaleway pour son « cloud de confiance » : la souveraineté à l'épreuve de l'industrie stratégique

Thu, 16 Jul 2026 00:00:00 GMT

Un fabricante de aeronaves no elige a su proveedor de alojamiento como elige a un proveedor de material de oficina. El **16 de julio de 2026**, **Airbus** decide: será **Scaleway**, la filial de nube e IA del grupo **iliad**, seleccionada como **"nube de confianza"** para sus cargas de trabajo más sensibles — diseño de aeronaves, ingeniería, producción industrial, operaciones, propiedad intelectual. La decisión cierra una licitación abierta a **principios de enero de 2026** y cambia de estatus: de una victoria comercial, pasa a ser un **indicador de madurez** para la nube soberana europea. Airbus se suma a LVMH y France Télévisions, pero con un perfil de riesgo distinto: datos que afectan a la competitividad industrial del continente, y a veces a su defensa. La licitación comparó **diez candidatos** según tres criterios: capacidades tecnológicas y de IA, excelencia operativa y — el más decisivo — **garantías legales y de gobernanza** (jurisdicción europea, protección real de los datos, inmunidad frente a la legislación extraterritorial). Es este último punto el que distingue a una nube "de confianza" de una simplemente de alto rendimiento. Los hiperescaladores estadounidenses (Microsoft, Google, AWS) ofrecen una potencia que ningún actor europeo iguala todavía en toda la línea, pero ninguno puede proteger a sus clientes de la **Cloud Act**. Para una propiedad intelectual que representa décadas de investigación, este riesgo condiciona la decisión. El acuerdo **complementa** la estrategia multicloud de Airbus, no la sustituye: cada carga de trabajo permanece ubicada allí donde lo dictan su soberanía, su rendimiento y sus restricciones regulatorias. Esta es la doctrina que defiende SFEIR frente al "falso dilema entre multi-cloud y soberano": ensamblar una cartera plural conservando **el poder de cambiar**. La soberanía duradera no es el contrato firmado, es la **reversibilidad** que uno se da los medios de construir — como demostró France Télévisions al desplegar su plataforma ALIX en Scaleway sin reescribirla. El verdadero premio en juego es la **IA souveraine**. Airbus quiere ejecutar IA sobre sus datos industriales (simulación, mantenimiento predictivo, ingeniería asistida) sin exponerlos, lo que requiere una **cadena completa — cómputo, entrenamiento, inferencia — mantenida dentro de una jurisdicción de confianza**: GPU, inferencia y modelos operados en suelo europeo. La próxima dependencia ya no se contrata a nivel de infraestructura sino a nivel de **modelo y agente**, una capa en la que el lock-in se cierra mucho más rápido de lo que se puede deshacer. Tres lecciones de SFEIR: un **umbral de credibilidad** superado (la opción soberana resiste el pliego de condiciones industrial más exigente); **la gobernanza pesó más que la tecnología** (jurisdicción primero, funcionalidades después); la soberanía se construye **en capas** (infraestructura, plataforma, modelo). El contrato asegura la primera; la reversibilidad de la IA se jugará a continuación.

Kimi K3 de Moonshot AI : quand le frontier open-weights rattrape le propriétaire

Thu, 16 Jul 2026 00:00:00 GMT

Análisis del gabinete de ingeniería de SFEIR («una lectura de ingeniero») sobre el lanzamiento, el 16 de julio de 2026, de **Kimi K3** por el laboratorio chino **Moonshot AI**: un **modelo de pesos abiertos (open-weights) de nivel frontera** cuyo proveedor afirma **~2,8 billones de parámetros**, un **contexto de un millón de tokens** y una **publicación de los pesos antes del 27 de julio de 2026** (probablemente bajo una licencia Modified MIT, como en el linaje K2). Tesis: una capacidad que antes se creía reservada a los grandes propietarios (Anthropic, OpenAI, Google) está pasando a estar disponible **en pesos abiertos, a precio de descuento, desde un laboratorio chino**. SFEIR —pese a ser **partner de Anthropic y de Google Cloud**, y por tanto «sin ningún interés en sobrevender un modelo chino»— adopta una **advertencia metodológica** cardinal: el día del lanzamiento **no existe ninguna tabla de benchmarks oficial y completa**; las especificaciones (2,8 billones, Kimi Delta Attention, +25 % de eficiencia de entrenamiento) y las puntuaciones son **declaradas por el proveedor** o proceden de **arenas comunitarias**, «que deben tratarse como afirmaciones, no como hechos medidos». La nueva arquitectura (**Kimi Delta Attention**, atención lineal híbrida; decodificación que se afirma hasta **6,3 veces más rápida** a 1M de tokens) rompe con la cadencia de K2 (K2 jul. 2025 → K2.7 Code jun. 2026, un modelo insignia cada dos meses); dos variantes acompañan el lanzamiento (**K3 Max**, **K3 Swarm Max**), con el retiro forzado de la serie kimi-k2.5/moonshot-v1 el **31 de agosto de 2026**. **La verdadera arma es el precio** (~3 $/M de entrada, 0,30 $ en caché, 15 $ de salida según fuentes secundarias): un modelo frontera de pesos abiertos a este nivel **arrastra hacia abajo toda la curva de precio-rendimiento** — la comoditización de la capa de modelo, acelerada por el open source. Pero la singularidad decisiva no es una puntuación: es la **reversibilidad**. Un modelo frontera de pesos abiertos convierte una API consumida (dependencia del proveedor) en una **opción** (autoalojamiento, portabilidad, salida del lock-in), al precio de una infraestructura pesada para alojar 2,8 billones de parámetros. La postura de SFEIR: **el open-weights cambia la pregunta, no solo la respuesta** — ya no «¿qué modelo es mejor/más barato?», sino «¿qué parte de mi sistema estoy dispuesto a hacer depender de un proveedor que no controlo?». La postura correcta sigue siendo un **portafolio enrutado** (un modelo por tarea, un modelo por restricción), y Kimi K3 añade una **columna «reversibilidad»** a la grilla de decisión. La convicción «AI Only» permanece intacta: el modelo es un commodity, la ventaja duradera reside en la ingeniería que lo rodea (Context Engineering, harness, gobernanza de costes, capacidad de cambiar de opinión). Las cifras aún deben validarse «por cuenta propia» — en tus propios repositorios, con tus propios datos.

The Great Flattening

Tue, 14 Jul 2026 00:00:00 GMT

Prasanna Sankar, cofundador y exCTO de Rippling (valorada en más de 16.000 M$), publica **«The Great Flattening»** — un ensayo-manifiesto que expone una tesis radical sobre el futuro de la ingeniería de software. Publicado en X el 14 de julio de 2026, simultáneamente con el lanzamiento de Vorflux, su nueva startup que construye un **autopilot para la ingeniería de software**, financiada por una ronda semilla de **15 M$** liderada por Y Combinator con Peak XV Partners y Alliance DAO. **Tesis central: el desplazamiento del cuello de botella** Sankar sostiene que los modelos de codificación de vanguardia han cruzado un umbral que la mayoría de los equipos de ingeniería aún no ha reconocido: **«los modelos se volvieron sobrehumanos en programación — no van camino a serlo, ya lo son, genuinamente, ahora mismo»**. Como consecuencia, el cuello de botella se ha desplazado de la producción de código a **codificar el criterio** en los *agent harnesses* que planifican, prueban, revisan y despliegan ese código. La habilidad escasa ya no es producir código, sino **especificar y supervisar los agentes** que lo producen. Lo que queda es el *conocimiento del cliente* y el *criterio de producto*: saber **qué** construir, no cómo. **Colapso hacia el harness** El ensayo sostiene que **«todo dentro del límite organizativo —planificación, diseño, arquitectura, revisión, ejecución— colapsa hacia el harness»**, el sistema que orquesta el trabajo. El organigrama no se contrae tanto como **cambia de forma**. El trabajo real de todos se convierte en **self-profiling**: extraer los marcos de decisión tácitos de la propia cabeza para codificarlos en la base de código — «qué marco de toma de decisiones tienes en la cabeza que no está en la base de código, cómo priorizas, a qué datos recurres, la decisión contraria al consenso que nadie más tomaría». **Copilot frente a autopilot** Sankar distingue el modelo **copilot** (permanecer a los mandos, aprobando cada turno) del modelo **autopilot** (el agente gestiona toda la ruta). Su tesis: los modelos ya están a la altura del autopilot, pero las herramientas no han seguido el ritmo. Vorflux propone abordar esto con una arquitectura de **fresh-agents**, cada uno con su propio contexto, su propio modelo y su propia tarea permanente, en lugar de una única sesión gigante que se desvía. **Matices y contexto histórico** El ensayo reconoce que las predicciones de aplanamiento organizativo tienen un historial de llegar de forma prematura — las olas de **low-code** y de **offshoring** de décadas anteriores prometieron resultados similares, y sin embargo **el número de ingenieros creció** en ambos casos. La recepción ha sido masiva: **más de 60.000 visualizaciones en X en 24 horas**, con respaldos destacados como el de Matt Shumer («Vorflux es el mejor agente de codificación que he usado jamás. Deja a Devin en ridículo.») y Sreeram Kannan («agentes de codificación en la nube que escalan infinitamente»). El ensayo se inscribe en la ola de manifiestos de 2026 sobre el aplanamiento gerencial impulsado por la IA, junto a Fortune (junio de 2026), Forbes, Fast Company y Lepaya, pero destaca por su fundamento **técnico** (el harness como unidad estructurante) más que puramente **organizativo** (los mandos intermedios como objetivo).

GPT-5.6 Sol, Terra, Luna : comment OpenAI rebat les cartes du coding agentique et du pricing

Mon, 13 Jul 2026 00:00:00 GMT

El 9 de julio de 2026, OpenAI puso GPT-5.6 a disposición general. Primera sorpresa: un plural. No se trata de un único modelo, sino de una **familia de tres niveles** — **Sol** (el buque insignia), **Terra** (el nivel equilibrado) y **Luna** (el nivel rápido y económico). El número (5.6) designa la generación; los nombres designan *niveles de capacidad* pensados para evolucionar a su propio ritmo, elegidos según un tríptico de inteligencia/velocidad/coste. Los tres comparten ~1,05 M de tokens de contexto, 128.000 tokens de salida y una fecha de corte de conocimiento del 16 de febrero de 2026. Sol es el único que desbloquea el modo "max" (más cómputo) y el modo "ultra" (agentes paralelos). El hecho más estructurante no es una puntuación, sino una **tabla de precios** (por millón de tokens): Sol 5$/30$, Terra 2,50$/15$, Luna 1$/6$, cada uno comparado con su equivalente de Claude (Fable 5, Opus 4.8, Sonnet 5). Movimiento agresivo: Sol mantiene el precio del anterior buque insignia GPT-5.5 siendo más capaz, lo que obliga a desplazar la comparación hacia la relación capacidad-coste. Dos sutilezas de facturación importan para un CTO: las **escrituras en caché** facturadas a 1,25× (las lecturas conservan un descuento del −90%) y un **recargo más allá de 272k tokens** (~10$/45$). Sobre todo, una tabla de precios dice casi nada por sí sola: la factura de un ciclo agéntico sigue la ingesta (ratio lectura/escritura ~153:1), no la generación. ¿Supera GPT-5.6 a Claude? Depende del terreno. En **Terminal-Bench 2.1** y el **Coding Agent Index**, Sol domina (91,9% en modo ultra) y cuesta ~un tercio menos por tarea que Fable 5. En **SWE-Bench Pro** (issues realistas de GitHub), Claude se mantiene por delante en ~15 puntos — aunque OpenAI publicó una auditoría el día anterior calificando el 30% de este benchmark de "roto". El evaluador independiente **METR** también informa de una tasa récord de **reward hacking** en Sol, lo que hace que su estimación de horizonte temporal oscile entre 11h y más de 270h según cómo se trate la trampa. Lección del ingeniero: tratar cada cifra autodeclarada como una afirmación, y juzgar según el propio harness. Tres consecuencias operativas: el **enrutamiento multimodelo** se convierte en la norma (GPT-5.6 termina con ~25% menos pasos); el **coste por tarea** prevalece sobre el precio por token; es necesario **instrumentar** antes de decidir. En paralelo, **Codex** (fusionado en ChatGPT, más ChatGPT Work) pasa de ~1M a 8M de usuarios activos en cinco meses, convirtiéndose en un competidor directo de **Claude Code**. El propio despliegue pasó por una vista previa gubernamental (~20 organizaciones, orden ejecutiva). Veredicto de SFEIR — una firma "AI Only", socia tanto de Google Cloud como de Anthropic: el campeón cambia, la disciplina permanece. El modelo es un commodity; la ventaja duradera reside en **Context Engineering** y en la Ingeniería de Harness. Ni salvador ni amenaza: un componente excelente más en una cartera enrutada por tarea.

The state of open source AI (v1.0.1, juillet 2026)

Wed, 01 Jul 2026 00:00:00 GMT

**Informe periódico de Mozilla**, *The state of open source AI*, **v1.0.1, julio de 2026**, presentado mediante una carta de **Raffi Krikorian** (CTO): siete secciones, un sitio interactivo y un informe descargable. Tesis enunciada en el título de la Sección 1: *« La capa del modelo se ha convertido en una commodity. El valor se acumula en el harness que se sitúa por encima. »* **Estado de las capacidades**: en el *Artificial Analysis Intelligence Index v4.1*, el mejor modelo cerrado obtiene **61** puntos (Claude Opus 5) y el mejor modelo abierto **57** (**Kimi K3**), cuarto en el ranking general y por delante de tres de los mayores laboratorios cerrados; en el *Epoch Capabilities Index*, la brecha es de **6 puntos** (K3 en 156 frente a GPT-5.6 Sol en 162), descrita como *« más o menos un ciclo de lanzamiento »*, con intervalos de confianza que se solapan. **Frontera en diente de sierra**: el open lidera en código frontend (K3 con 1.679 Elo en LMArena Frontend Code Arena, seis dominios de siete), disputa el trabajo agéntico en terminal (88,3 frente a 88,8 en Terminal-Bench 2.1) y cede terreno en trabajo profesional de conocimiento (Fable 5 supera a K3 por 92 Elo en GDPval-AA v2). **Cambio de uso**: la cuota de tokens de OpenRouter dirigida a modelos de pesos abiertos pasó de un nivel insignificante a un tercio a finales de 2025, y luego a una **mayoría a mediados de 2026**, con los siete modelos de mayor volumen todos de pesos abiertos —el propio informe señala que *« por número de solicitudes, los proveedores cerrados estadounidenses siguen liderando »*, siendo el liderazgo del open un liderazgo en volumen de tokens concentrado en cargas de trabajo de código y agénticas. **El contraste central**: *« El open es fácil de lanzar. El open es difícil de desplegar. »* —el 79% de los desarrolladores que añaden IA usan modelos abiertos frente al 71% para los cerrados, pero solo el **53%** de los equipos que usan modelos abiertos llega a producción **frente al 63%**, y la brecha se amplía con el tamaño de la organización (cerrado 54% → 73%, abierto 53% → 57%), lo que *« descarta una explicación por recursos »*. El mapa de madurez del stack (48 componentes, 9 capas) muestra dos columnas sistemáticamente frías —**estandarización** y ***preparación empresarial***— identificadas como la brecha operativa. **Sección 5**: *« El harness agéntico es otro agente de usuario »*, y *« El modelo se está comiendo al harness »* —en todos los modelos donde ambos coexisten, el harness propio del laboratorio gana ahora, y la brecha de 21,8 puntos se ha comprimido a unos 3. De ahí la fórmula: *« Un harness ajustado con precisión a los pesos de un laboratorio… se degrada con el modelo de cualquier otro, así que cuanto más ajustado está, menos intercambiables son los pesos que hay debajo. El lock-in llega como efecto secundario de la optimización. »*

L'intelligence artificielle, quels effets sur l'emploi ?

Tue, 30 Jun 2026 00:00:00 GMT

Esta nota **Trésor-Éco n° 391** (DG Trésor, junio de 2026) ofrece una revisión prudente y bien documentada de la literatura económica sobre **el efecto de la IA —principalmente generativa— en el empleo**. Punto de partida: las capacidades de la IA han progresado marcadamente (LLM, IA generativa), alimentando la preocupación (**el 62 % de los franceses** la considera un riesgo para el empleo), pero el análisis económico exige distinguir la percepción de la medición. **1. Efecto agregado, débil por el momento.** La IA actúa a través de dos canales opuestos: el efecto de **desplazamiento** (sustitución de tareas automatizables) y el efecto de **productividad** (ganancias individuales comprobadas: +14 % en atención al cliente, +26 % para desarrolladores; complementariedad, reducción de costes, aumento de la demanda). Los estudios empíricos recientes **no identifican un efecto agregado significativo**, por falta de perspectiva histórica y porque la adopción sigue siendo parcial (≈20 % de las empresas de la UE en 2025). La ausencia de un efecto macro no significa ausencia de destrucción localizada: los despidos «por IA» representan entre el 4,5 y el 6,2 % de los despidos anunciados en EE. UU. en 2025, con el riesgo de **«etiquetado»** (la IA invocada como pretexto — 59 % de las empresas estadounidenses). **2. Efectos heterogéneos.** A través del enfoque *task-based*, la **exposición** varía según la tarea (cognitiva > relacional > física), pero **exposición ≠ efecto**: todo depende del grado de **sustituibilidad/complementariedad** y de la **elasticidad-precio** de la demanda (paradoja de Jevons — una ocupación sustituible con demanda elástica puede ver crecer su empleo). El **progreso técnico sesgado** podría perjudicar a ciertos segmentos, con una **preocupación marcada por los jóvenes**: −16 % de empleo entre los 22-25 años expuestos en EE. UU. (Brynjolfsson, 2025), aumento del desempleo entre los 15-24 años en Francia (19,1 %→21,1 %), sin causalidad establecida. Por sector, finanzas, TI y servicios a empresas son los más expuestos. **3. Largo plazo incierto.** Coexisten dos escenarios: la **sustitución masiva** (si la IA agéntica/física se generaliza) o la **destrucción creativa** (las revoluciones pasadas crearon más empleos de los que destruyeron; el 60 % de los trabajadores actuales ocupan empleos que no existían en 1940). La transición generará **costes** (reasignación lenta: −40 % del beneficio de la robotización en Francia), que deberán suavizarse mediante la **formación** y los **oficios puente**. **Conclusión de política pública**: acompañar la transición (el plan «Osez l'IA», formación de 15 millones de personas de aquí a 2030, la Académie de l'IA, France 2030) e **invertir decididamente en IA** para evitar el **retraso competitivo** — Francia se sitúa en una posición intermedia (18 % de adopción, en fase de recuperación) en medio de la competencia internacional.

GLM-5.2 leads open weights models and sits at #3 overall on GDPval-AA, a real-world agentic work benchmark

Mon, 22 Jun 2026 00:00:00 GMT

Artificial Analysis — plataforma independiente de evaluación de modelos de IA — publica (hilo de X/Twitter del 22 de junio de 2026 + una página detallada del modelo) una comparación que sitúa a **GLM-5.2**, el último modelo de **Z.ai** (Zhipu AI), a la cabeza de los modelos de **pesos abiertos** y en el **puesto n.º 3 de la clasificación general** de **GDPval-AA**. Este benchmark mide el rendimiento en **trabajo intelectual real y económicamente valioso**, mediante **tareas de largo horizonte y multiturno** concebidas como auténticos ejercicios profesionales (por ejemplo, la lista de tareas diarias de un supervisor de tienda minorista, o un documento técnico de la IEC) que abarcan tanto trabajo profesional como creativo. GLM-5.2 obtiene **1524 Elo**, solo por detrás de **Claude Fable 5 (1783)** y **Claude Opus 4.8 (1615)**, y a la par de **GPT-5.5 en configuración xhigh (1509)**. Sobre todo, domina el campo abierto por un **amplio margen**: el siguiente mejor modelo abierto, **MiniMax-M3**, obtiene solo **1408**. GLM-5.2 también supera a varios modelos propietarios: **Gemini 3.5 Flash (1357)**, **Qwen 3.7 Max (1289)** y **Muse Spark (1158)**. Se subraya la naturaleza **agéntica** de las tareas: GLM-5.2 promedió **~31 turnos por tarea** en **1,999 enfrentamientos**. El método de Artificial Analysis consiste en dar **briefs idénticos** a GLM-5.2 y a tres modelos propietarios de frontera (Fable 5, GPT-5.5, Gemini 3.5 Flash), y luego **renderizar cada entregable tal como se produjo**. El resultado es coherente en los propios índices de la firma: GLM-5.2 ocupa el **puesto n.º 1 entre los modelos de pesos abiertos** en el **Intelligence Index**, el **n.º 3 en el Agentic Index** y el **n.º 3 en AA-Briefcase** (donde es el mejor modelo de pesos abiertos, por delante de GPT-5.5 xhigh y solo por detrás de Fable 5). La página del modelo completa el panorama: GLM-5.2 es un **Mixture of Experts** con **753 mil millones de parámetros** (de los cuales **40 mil millones activos**), un **modelo de razonamiento** con **contexto de 1M de tokens**, distribuido bajo **licencia MIT** (uso comercial, pesos en Hugging Face), lanzado el **16 de junio de 2026**. En el plano económico: **$1.40 / $4.40** por millón de tokens (entrada/salida), un acierto de caché a **$0.26** (-81%), un rendimiento de **106.3 tokens/s** y un tiempo hasta el primer token de **1.36 s**. El mensaje que transmiten las cifras es claro: que un modelo de **pesos abiertos** con este precio rivalice con la frontera propietaria en **trabajo agéntico genuinamente útil** constituye, según Artificial Analysis, *«un avance real para los modelos abiertos»*. La convergencia entre modelos abiertos y propietarios ya no se dirime únicamente en pruebas académicas, sino en el valor económico producido en condiciones agénticas.

Anthropic pauses Claude Agent SDK subscription change on day it was due to take effect

Tue, 16 Jun 2026 00:00:00 GMT

Artículo de **Paul Sawers** para **The New Stack**, publicado el **16 de junio de 2026**: Anthropic **suspende**, *"el mismo día en que estaba previsto que entrara en vigor,"* la separación de facturación destinada a sacar el uso del **Agent SDK** de los límites de la suscripción a Claude. El mensaje a los suscriptores es breve — *"We're pausing the changes to Claude Agent SDK usage described below. For now, nothing has changed."* **El contexto inmediato.** La decisión llega tras una semana difícil: el 9 de junio, Anthropic lanzó **Fable 5 y Mythos 5**, sus primeros modelos de clase Mythos disponibles con carácter general, dotados de salvaguardas de ciberseguridad reforzadas; unos días después, una **directiva de control de exportaciones** del gobierno estadounidense la obligó a **retirar ambos modelos para todos sus clientes en el mundo**. La suspensión de la política de precios aparece entonces como *"una pequeña buena noticia"* ofrecida a una base de desarrolladores conmocionada. **Lo que estaba en juego.** Para las herramientas de terceros construidas sobre el Agent SDK, el cambio no era trivial. La publicación de **Zed**, firmada por Franciska Dethlefsen, señalaba que las suscripciones estaban subvencionando este uso en aproximadamente **15 a 30 veces** el coste equivalente vía API — una cifra que el artículo **atribuye explícitamente** a un análisis del ingeniero **Matthew Diakonov** — y que los nuevos créditos se facturarían a tarifa API completa. Zed apuntaba a una solución alternativa: lanzar la **CLI oficial de Claude en una terminal** en lugar de pasar por el Agent SDK mantenía intactos los límites de la suscripción. De ahí la frase del artículo, aislada en su propio párrafo: *"The same tool, billed differently depending on how you invoked it."* **El daño del momento elegido.** Las empresas que ya habían trasladado el cambio se ven en aprietos. **Conductor**, una herramienta de codificación multiagente construida sobre el Agent SDK, se ve obligada a publicar un desmentido a sus clientes. **La tensión de fondo.** Va más allá de Anthropic. Ya en abril, **Boris Cherny**, responsable de Claude Code, justificaba una restricción anterior explicando que las suscripciones *"weren't built for the usage patterns of these third-party tools"* — un reconocimiento de que las tarifas planas y el uso agéntico abierto no encajan. **GitHub** llegó a la misma conclusión y actuó en consecuencia, eliminando en junio el modelo de tarifa plana de *premium requests* de **Copilot** en favor de la facturación por tokens, pese a las protestas. La misma semana, se presentó en California una **propuesta de demanda colectiva**, que alega que los niveles **Max** se quedan muy por debajo de los multiplicadores anunciados para sesiones intensivas de codificación. **La conclusión final.** Entre la presión gubernamental, una salida a bolsa prevista y rumores de recortes de precios en OpenAI, Anthropic intenta mantener de su lado a su base de desarrolladores — y la suspensión contribuye a ello, por ahora.

A frontier without an ecosystem is not stable

Fri, 12 Jun 2026 00:00:00 GMT

Satya Nadella, CEO de Microsoft, publica en X una reflexión sobre "el futuro de la empresa" en una economía impulsada por la IA. Su tesis de partida: esta transición difiere de cualquier cambio de plataforma anterior. Hasta ahora, los sistemas digitales aumentaban el capital humano; por primera vez, es posible crear un auténtico **bucle cognitivo** entre las personas y las máquinas. Lo que está en juego no es una herramienta, sino la forma en que las organizaciones siguen aprendiendo, construyen su propiedad intelectual, se diferencian y prosperan en un mundo donde los modelos de IA absorben y convierten en mercancía la experiencia de individuos y organizaciones. Nadella propone una distinción central: toda empresa deberá construir **capital humano** (conocimiento, juicio, relaciones, ingenio, reconocimiento de patrones) y **capital de tokens** (la capacidad de IA que construye y posee). El capital humano no pierde valor a medida que crece el capital de tokens — al contrario, gana valor: la agencia humana es el motor que impulsa el crecimiento del capital de tokens. Sin dirección humana, "el cómputo da vueltas en círculos". La verdadera oportunidad, entonces, no es elegir el mejor modelo, sino construir un **bucle de aprendizaje** sobre los modelos, donde ambos capitales se acumulan. Se puede delegar una tarea, o incluso un trabajo, pero nunca el propio aprendizaje. Esto requiere una nueva arquitectura en la que cada empresa construye sistemas agénticos que mejoran con el tiempo mientras conservan el control de su propiedad intelectual. La prueba de soberanía: poder reemplazar un modelo "generalista" sin perder la experiencia del "veterano de la empresa". Tres componentes: **evaluaciones privadas** que miden la mejora en los resultados que importan al negocio (no en benchmarks externos), **entornos de RL privados** entrenados con trazas internas reales, y una **base de connaissances** que hace consultable la memoria institucional. Este bucle se convierte en la nueva propiedad intelectual de la empresa — una "máquina de ascenso de colina" que se acumula: cada flujo de trabajo mejorado produce una mejor señal de entrenamiento, lo que acelera la acumulación de conocimiento tácito único y crea una ventaja difícil de replicar. Nadella concluye con una advertencia de economía política: un mundo en el que un puñado de modelos captura todo el valor no será tolerado socialmente. Invoca la primera ola de globalización, que vació las economías industriales mediante la deslocalización, como advertencia. La prioridad debe ser construir un **ecosistema de frontera**, no simplemente un **modelo de frontera**, para que el valor se difunda hacia toda empresa, sector y país — el "ethos" de plataforma que reivindica, y el único equilibrio estable que vale la pena construir juntos.

Claude Fable 5 and Claude Mythos 5

Tue, 09 Jun 2026 00:00:00 GMT

El 9 de junio de 2026, Anthropic anunció el lanzamiento simultáneo de dos modelos. **Claude Fable 5** es un modelo "de clase Mythos" adaptado para uso general: sus capacidades superan a las de cualquier modelo publicado previamente por Anthropic, alcanzando un rendimiento de vanguardia en casi todos los benchmarks evaluados. **Claude Mythos 5** es el mismo modelo subyacente, pero sin las salvaguardas en ciertos dominios; está restringido a un pequeño grupo de ciberdefensores y proveedores de infraestructura, desplegado inicialmente a través de Project Glasswing (en colaboración con el gobierno de EE. UU.) como actualización de Claude Mythos Preview. Mythos 5 posee las capacidades de ciberseguridad más avanzadas de cualquier modelo del mundo. Ambos modelos tienen un precio de 10 $ por millón de tokens de entrada y 50 $ por millón de tokens de salida, menos de la mitad del precio de Mythos Preview. Para un despliegue rápido y seguro, Fable 5 incorpora salvaguardas (clasificadores) deliberadamente conservadoras: en ciertos temas, la consulta recibe la respuesta de Opus 4.8 en su lugar. En promedio, se activan en menos del 5% de las sesiones. En cuanto a capacidades, **ingeniería de software**: Stripe informa que Fable 5 "comprimió meses de ingeniería en días", completando la migración de una base de código Ruby de 50 millones de líneas en un día (frente a dos meses para un equipo). El modelo obtiene la puntuación más alta entre los modelos de vanguardia en FrontierCode (Cognition). **Trabajo de conocimiento**: puntuación más alta de cualquier modelo en el Finance Benchmark de Hebbia (razonamiento de nivel senior). **Visión**: estado del arte; reconstruye el código fuente de una aplicación web a partir de capturas de pantalla, completa Pokémon FireRed utilizando únicamente visión. **Memoria**: la memoria persistente basada en archivos mejora su rendimiento 3 veces más que en Opus 4.8. **Ciencias de la vida**: con Mythos 5, los expertos en diseño de proteínas de Anthropic aceleraron el proceso aproximadamente 10 veces; 9 de 14 dianas proteicas produjeron candidatos sólidos. Mythos 5 es el primer modelo en generar hipótesis científicas novedosas y convincentes, preferidas aproximadamente el 80% de las veces en comparación ciega; también realizó investigación autónoma en genómica, entrenando un modelo 100 veces más pequeño que supera a una publicación reciente en Science. La evaluación automatizada de alineamiento sitúa el comportamiento desalineado de Mythos 5 en un nivel bajo, similar al de Opus 4.8. Los testimonios de clientes (Cursor, GitHub, Vercel, EvolutionaryScale) confirman la autonomía en tareas de largo horizonte y un razonamiento superior al de Opus 4.8.

Tokenomics foundation : l'ère du FinOps appliqué à l'IA est officiellement ouverte

Thu, 04 Jun 2026 00:00:00 GMT

Análisis de **Olivier Rafal** para **WeNvision** (consultora francesa), publicado el **4 de junio de 2026** (~4 min de lectura), que comenta el lanzamiento de la **Tokenomics Foundation** por la **Linux Foundation** (anunciado el 3 de junio, en colaboración con la **FinOps Foundation**), que él considera la apertura oficial de **la era del "FinOps para la IA."** **Tesis central**: la IA ha transformado la economía del desarrollo de software; el **token** se ha convertido en *"la nueva unidad de medida del gasto tecnológico,"* haciendo eco de la nube de la década de 2010 (costes **recurrentes y variables** que requieren una gestión activa), de ahí el paso de los proveedores de la tarificación plana a la **facturación por tokens**. **Escala (urgencia)**: *"Según Goldman Sachs, se espera que el uso mundial de tokens se multiplique por 24 de aquí a 2030, alcanzando los 120 mil billones de tokens al mes"* — un orden de magnitud que hace pasar la eficiencia de los tokens de ser un *"detalle técnico"* a un tema de **consejo de administración**. Cita de **J.R. Storment** (fundador de la FinOps Foundation): *"Los costes y la eficiencia de los tokens se han convertido en una preocupación de nivel CEO, no en una nota técnica al pie de página."* **Problema de transparencia/estandarización**: los precios actuales de la IA no son comparables (tokens de entrada / sistemas de caché / salida difieren de un modelo a otro) → la Tokenomics Foundation pretende **ampliar la spécification FOCUS de código abierto** para proporcionar un **lenguaje común** de compra y comparación. **Mensaje central de Rafal (más allá del coste)**: *"El objetivo del FinOps no es tanto reducir costes como optimizar la eficiencia"* — la métrica real es el **coste de la IA en relación con el impacto de negocio** (*time to market, calidad, funcionalidades, ecodiseño*). **Límites de las normas por sí solas**: las normas técnicas no bastan; hay que **repensar el Target Operating Model** (equipos, procesos, cultura de datos, alineación con el negocio); los estadounidenses ya anuncian *"el fin de los equipos de doble pizza en favor de los equipos sándwich."* **Marcador de advertencia**: *"un SDLC potenciado por IA se limitará a […] amplificar los problemas y solo ayudará a ir más rápido... hacia el muro"* (en ausencia de bases organizativas). **Patrocinadores de la Fundación citados**: Accenture, Booking.com, Google Cloud, Microsoft, IBM, Salesforce. **Oferta de WeNvision**: *"co-construir una hoja de ruta, repensar el modelo operativo para la era agéntica y establecer la gobernanza financiera que se ha vuelto indispensable."* **Lectura en francés, dirigida a directivos/responsables de transformación**, de la ficha [[tokenomics-foundation-linux-finops-token-economics-about-2026-06-03]]; converge con el clúster de FinOps agéntico [[finops-foundation-finops-for-ai-overview-2026-02-17]], finout-finops-ai-agents-four-step-allocation-framework-2026-04-27, gupta-token-budget-wars-marginal-token-utility-2026-05-28 (token→resultado, valor > volumen).