La semana en que los números empezaron a mandar sobre los titulares se puede resumir con dos cifras que se publicaron casi a la misma hora. Anthropic comunicó a sus futuros accionistas unos ingresos trimestrales de 16.800 millones de dólares y, por primera vez, rentabilidad ajustada. Y uno de los préstamos de CoreWeave, el mayor proveedor independiente de GPU en alquiler, cotizaba con una rentabilidad del 15 %, un nivel que el mercado reserva para deudores de los que desconfía. La misma industria, el mismo día: en un extremo, la prueba de que vender inteligencia puede ser un negocio; en el otro, la duda de si construir la fábrica que la produce lo es.
Esa tensión, entre quien cobra por el resultado y quien carga con el coste del hierro, atraviesa casi todas las noticias de estas 24 horas. Y tiene consecuencias muy concretas para cualquier empresa que esté decidiendo hoy qué modelo usar, con qué proveedor y a qué precio.
Quien vende el resultado empieza a ganar dinero
El dato de Anthropic merece leerse con cautela: procede de una reunión privada con inversores, recogida por el Financial Times, y no sabemos cómo define la compañía su rentabilidad ni si la cifra es bruta o neta. Aun así, la trayectoria es difícil de discutir: 4.800 millones en el primer trimestre, 11.600 en el segundo, 16.800 en el tercero. No es una curva de consumo masivo; es la curva de empresas que han empezado a pagar por agentes de código y por uso intensivo de API.
Esto importa por una razón que va más allá de la bolsa. Durante dos años, la pregunta incómoda del sector ha sido si los laboratorios de frontera eran negocios o centros de investigación subvencionados por inversores. Una salida a bolsa prevista para noviembre, con una valoración objetivo de hasta 2 billones de dólares, convierte esa pregunta en algo trimestral y auditable. Para el cliente empresarial, la lectura es doble. Por un lado, un proveedor rentable es un proveedor más estable, con menos riesgo de cambios bruscos de rumbo. Por otro, un proveedor cotizado tendrá incentivos para defender márgenes, y eso se nota en precios, en límites de uso y en la letra pequeña de los contratos.
Quien pone el hierro paga el capital
En el otro lado está CoreWeave. Sus acciones cayeron entre un 14 % y un 16 % en una jornada de ventas generalizadas en tecnológicas por la inflación, con unos 35.000 millones de dólares de deuda a sus espaldas. La demanda no es el problema: se espera que la empresa presente un crecimiento de ingresos del 159 % este trimestre. El problema es que su modelo consiste en pedir prestado para comprar GPU y alquilarlas, y cuando el dinero se encarece, el margen se estrecha por el lado que no controla.
El contraste con Modal, que el mismo día cerró una ronda de 750 millones con una valoración de 15.750 millones, el triple que en mayo, es revelador. Modal no posee los centros de datos; vende la capa que hace que el desarrollador no tenga que pensar en ellos. El mercado está premiando a quien abstrae la infraestructura y castigando a quien la financia con deuda. No es un juicio definitivo, porque los ciclos de capital cambian rápido, pero sí una señal de dónde ve hoy el riesgo.
Microsoft añade otra pieza. Su nuevo chip Maia 300, que se desplegará a partir de 2027, será su sistema principal de inferencia y promete un 40 % más de tokens por megavatio que las GPU líderes. La cifra es de la propia Microsoft y habrá que verla en producción, pero la dirección es clara: los grandes compradores de Nvidia ya son sus competidores, y la métrica que importa ha dejado de ser la potencia bruta para convertirse en cuánta inferencia sale de cada vatio. Quien controle esa eficiencia controlará el coste marginal de la IA, y con él el precio que pagaremos todos.
El precio por token engaña; el coste por tarea no
El lanzamiento de Gemini 4 Argon ilustra bien por qué las empresas deben cambiar la forma de presupuestar. Google lo presenta con un precio introductorio de 2 dólares por millón de tokens de entrada y 10 de salida, que se duplicará el 1 de diciembre. En la evaluación de Artificial Analysis, Argon resuelve tareas por unos 1,99 dólares frente a los 3,26 de GPT-6 Astra, pero generando más del doble de tokens de salida y con peores resultados en algunas pruebas de ingeniería exigentes. Dicho de otro modo: es más barato por tarea porque el token está rebajado, no porque el modelo sea más eficiente.
Para un equipo que implementa IA, esto tiene una traducción práctica inmediata. Comparar modelos por precio de lista es un error que se paga en la factura. Lo que hay que medir es el coste por tarea aceptada en el propio flujo de trabajo, con los propios datos, incluyendo los reintentos y la revisión humana. Y hay que medir con los precios que regirán dentro de tres meses, no con los de la campaña de lanzamiento.
Lo mismo vale para la voz. Grok Voice 3.0 sale a 0,08 dólares por minuto, unos 4,80 dólares la hora, con latencia por debajo del segundo. xAI afirma que su agente resuelve sin ayuda humana alrededor del 70 % de 20.000 llamadas diarias de Starlink; es una cifra de la propia empresa, pero sitúa el debate donde debe estar. Con ese coste, la pregunta no es si un agente de voz es más barato que una persona, sino qué porcentaje de casos puede cerrar sin escalar y cuánto cuesta el resto.
El riesgo también tiene precio
La cuarta pata de esta historia es el riesgo, y también se está monetizando. Character.AI, que llegó a cerrar un acuerdo de 2.700 millones con Google, se ha declarado en quiebra y Disney ofrece 20 millones por una licencia de parte de su tecnología. Detrás hay demandas por daños a menores. Pocas veces se ha visto con tanta claridad que el riesgo legal y reputacional de un producto de IA puede destruir valor más deprisa que cualquier competidor.
En el plano regulatorio, Anthropic y OpenAI han pedido ante el Parlamento británico reglas vinculantes para los modelos de frontera, empezando por la notificación obligatoria de incidentes, mientras Google DeepMind y Meta prefieren estándares y reguladores existentes. Conviene leer la petición con ojo crítico: una regulación centrada en los pocos laboratorios más grandes también les consolida frente a rivales menores. Pero la dirección es inequívoca, y para las empresas europeas, que ya conviven con la Ley de IA, anticipa obligaciones de trazabilidad e incidentes que acabarán bajando por la cadena de proveedores hasta el integrador.
La advertencia de Anthropic sobre modelos pequeños capaces de autorreplicarse en dispositivos conectados encaja en el mismo marco. Hubo críticas razonables de exageración, y ningún modelo completó el proceso de forma autónoma. Pero el escenario de fondo, modelos de pesos abiertos cada vez más capaces y un parque IoT mal protegido, no es ciencia ficción. Es un argumento más para que la seguridad de los sistemas conectados entre en la conversación sobre IA de cada empresa.
Qué hacer con todo esto
La conclusión que saco del día es que la IA ha entrado en su fase contable. Los laboratorios que venden resultados empiezan a demostrar márgenes; quienes financian la infraestructura con deuda pagan el coste del capital; la eficiencia por vatio se convierte en la verdadera ventaja competitiva; y el riesgo legal se traduce, sin matices, en valoración.
Para una empresa que implementa IA, eso se concreta en tres decisiones que no admiten demora. La primera, presupuestar por coste por tarea aceptada y con los precios futuros, no por token y con los de lanzamiento. La segunda, diversificar proveedores y diseñar la arquitectura para poder cambiar de modelo sin rehacer el producto, porque los precios y las condiciones se moverán con los resultados trimestrales de quien los fija. Y la tercera, tratar el registro de incidentes y la trazabilidad como parte del producto desde el primer día, antes de que la regulación lo exija. Quien haga hoy estas cuentas tendrá ventaja cuando el resto del mercado se vea obligado a hacerlas.
Las noticias del día
Anthropic factura 16.800 millones en el tercer trimestre y llega rentable a su salida a bolsa
Según el Financial Times, Anthropic comunicó a potenciales inversores en una reunión privada que sus ingresos del tercer trimestre alcanzaron 16.800 millones de dólares, un 45 % más que los 11.600 millones del segundo trimestre (en el primero fueron 4.800 millones). La compañía habría logrado por primera vez rentabilidad en términos ajustados, aunque no ha trascendido cómo la define ni si la cifra es bruta o neta. La salida a bolsa se espera para noviembre, con una valoración objetivo de hasta 2 billones de dólares.
Por qué importa: es la primera prueba seria de que un laboratorio de frontera puede convertir demanda empresarial (API y agentes de código, sobre todo) en un negocio con márgenes. Para quien contrata, también significa un proveedor con presión trimestral de mercado sobre precios y condiciones.
Fuente: SiliconANGLE (citando al FT)
Google lanza Gemini 4 Argon, su modelo para trabajo autónomo de horas
Google abrió el 13 de octubre a nivel mundial Gemini 4 Argon, el primer modelo de la familia Gemini 4, orientado a ingeniería, ciencia y agentes de varios pasos. Tiene una ventana compartida de algo más de un millón de tokens y un precio introductorio de 2 dólares por millón de tokens de entrada y 10 de salida hasta el 30 de noviembre; desde el 1 de diciembre pasa a 4 y 20. En la evaluación de Artificial Analysis cuesta unos 1,99 dólares por tarea frente a 3,26 de GPT-6 Astra, aunque consume más del doble de tokens de salida y queda por detrás en FrontierSWE (55 % frente a 65,5 %).
Por qué importa: el precio bajo depende de un descuento temporal y de un modelo que razona mucho. Quien presupueste hoy con la tarifa de lanzamiento verá duplicada la factura en diciembre; la métrica relevante es el coste por tarea aceptada, no el coste por token.
Fuente: The Neuron
Microsoft presenta Maia 300 y prioriza la inferencia con chip propio
Microsoft anunció Maia 300, su nuevo acelerador propio, que se desplegará a partir de 2027 como sistema principal de inferencia para sus productos y servicios. Según la compañía, ofrece un 40 % más de tokens por megavatio que los sistemas basados en GPU líderes, gracias a reducir el movimiento de datos entre chip y memoria. No está garantizado que llegue a clientes externos de Azure, OpenAI incluida.
Por qué importa: con Google, Amazon, Meta, OpenAI y Anthropic diseñando chips, todos los grandes clientes de Nvidia son ya competidores. La batalla se libra en tokens por vatio, que es lo que acabará marcando el precio de la inferencia que pagan las empresas.
Fuente: Axios
CoreWeave se desploma y reabre el debate sobre la deuda de la IA
Las acciones de CoreWeave cayeron entre un 14 % y un 16 % el 14 de octubre, cerca de mínimos de 52 semanas, después de que circulara un gráfico con la rentabilidad de uno de sus préstamos en un récord del 15 %, frente al 9 % de este verano. La compañía acumula unos 35.000 millones de dólares de deuda. El castigo se extendió a otras neoclouds como Nebius (-6 %) y a Oracle, en una jornada de ventas en tecnológicas por datos de inflación peores de lo esperado.
Por qué importa: la demanda de cómputo no es el problema; el problema es financiar centros de datos con deuda cara. Si el coste del capital sube, parte de esa factura acabará en el precio de la capacidad de GPU alquilada.
Fuente: The Motley Fool · 24/7 Wall St.
OpenAI y Anthropic piden ante el Parlamento británico reglas vinculantes
En una comparecencia el 13 de octubre ante el comité de Negocios, Innovación, Ciencia y Comercio de la Cámara de los Comunes, Anthropic (Liam Booth-Smith) defendió que «las reglas deberían ser vinculantes» y que los compromisos voluntarios no bastan; OpenAI (Tom Duff Gordon) respaldó un marco legal con elementos obligatorios, empezando por la notificación de incidentes. Google DeepMind y Meta no apoyaron nueva legislación. El Gobierno reconoció que el régimen actual es voluntario.
Por qué importa: los dos laboratorios que más ingresan piden regulación de frontera centrada en los grandes modelos, lo que también les favorece frente a rivales menores. Para empresas europeas, anticipa obligaciones de reporte de incidentes que acabarán bajando por la cadena de proveedores.
Fuente: Wired, vía dnyuz
Anthropic avisa: los modelos pequeños podrían autorreplicarse en dispositivos conectados
Anthropic publicó una investigación según la cual modelos de 30.000 millones de parámetros o menos ya ejecutan muchas de las tareas necesarias para replicarse secuestrando dispositivos baratos conectados a internet, aunque ninguno completó el proceso de forma autónoma y fiable. Si la mejora sigue al ritmo histórico, la capacidad podría llegar a finales de 2026. Expertos como Ciaran Martin, exdirector del NCSC británico, hablaron de «más que un toque de exageración de proveedor».
Por qué importa: con independencia del tono, el vector es real: modelos pequeños de pesos abiertos más dispositivos IoT mal protegidos. La higiene de seguridad del parque conectado vuelve a ser un tema de IA, no solo de sistemas.
Fuente: Reuters, vía KSL
Modal triplica su valoración hasta 15.750 millones
La plataforma de infraestructura serverless para IA Modal cerró una Serie D de 750 millones de dólares liderada por Accel, con una valoración de 15.750 millones, frente a los 4.650 millones de su Serie C de mayo.
Por qué importa: el capital sigue entrando en la capa que abstrae la GPU para el desarrollador. El mismo día que CoreWeave sufre por la deuda, una empresa sin centros de datos propios triplica su valor: el mercado premia el software sobre el hierro.
Fuente: PYMNTS
Character.AI se declara en quiebra y Disney puja 20 millones por parte de sus activos
Character Technologies, matriz de Character.AI, se acogió al Capítulo 11 en Delaware el 12 de octubre. Disney lidera la puja con 20 millones de dólares por una licencia no exclusiva de parte de su propiedad intelectual; la venta se cerraría entre finales de noviembre y principios de diciembre. Si nadie mantiene la plataforma, cerrará. La empresa arrastra demandas por daños a menores.
Por qué importa: de un acuerdo de 2.700 millones con Google a una puja de 20 millones. Un producto de consumo sin control del riesgo legal puede perder su valor más rápido que por cualquier cambio tecnológico.
Fuente: The Next Web
xAI lanza Grok Voice 3.0 sin subir el precio
xAI presentó el 14 de octubre Grok Voice 3.0, un modelo voz a voz con menos de un segundo de latencia hasta el primer audio, mejor gestión de interrupciones y el mismo precio que la versión anterior: 0,08 dólares por minuto en su Voice Agent API. Según xAI, atiende unas 20.000 llamadas diarias de clientes de Starlink y resuelve en torno al 70 % sin intervención humana (cifras de la propia empresa).
Por qué importa: a 4,80 dólares la hora, los agentes de voz para atención al cliente compiten ya con el coste de un centro de llamadas externalizado. La pregunta para las empresas ya no es si funciona, sino qué casos se pueden cerrar sin escalado humano.
Fuente: xAI