Durante tres años, quien implementaba inteligencia artificial en una empresa trabajaba con dos supuestos cómodos. El primero, que el precio de la capacidad solo podía bajar. El segundo, que las reglas las fijarían, cuando llegaran, un puñado de reguladores grandes y previsibles. Las noticias de las últimas veinticuatro horas, leídas juntas, desmontan los dos.
La factura empieza a parecerse al coste
El dato más útil del día no viene de un laboratorio, sino de un análisis de SemiAnalysis. La firma ha medido cuántos tokens entrega de verdad cada plan de suscripción y los ha traducido a precio de API. El resultado: para cargas agénticas en la gama media, los planes de Anthropic con Claude Opus 5.5 dan en torno a cinco veces más valor que los de OpenAI con GPT-6.1 Sol. En los modelos tope de gama, en cambio, los límites son parecidos.
Lo relevante no es quién gana la comparación esta semana. Lo relevante es el mecanismo. Según el mismo análisis, OpenAI redujo a la mitad los límites de su plan de 200 dólares el 29 de septiembre y creó un escalón de 500 dólares que apenas ofrece un 21 % más que el antiguo plan de 200. Nadie cambió el precio de lista. Cambió lo que se recibe por él. Para una empresa con veinte o treinta desarrolladores trabajando con agentes de código, eso es una subida de costes que no aparece en ninguna tarifa pública y que solo se detecta midiendo.
El segundo movimiento de OpenAI apunta en la misma dirección. La compañía probará a finales de octubre, en Estados Unidos, anuncios visuales dentro de la generación de imágenes de ChatGPT, y ha ampliado su red de socios de medición y atribución hasta dejarla al nivel de cualquier plataforma publicitaria madura. Con 1.200 millones de usuarios semanales declarados, tiene sentido comercial. Pero también dice algo sobre la economía del producto: la suscripción no basta para sostenerlo.
Ninguna de las dos cosas es un escándalo. Es lo que ocurre cuando un servicio que se ha vendido por debajo de su coste empieza a ajustarse. La consecuencia práctica es que el precio por token publicado ha dejado de ser un buen indicador del coste real de operar con IA.
El capital busca la salida por abajo
Si la capa de aplicación se encarece, el dinero se mueve hacia donde cree que puede abaratarse. Tres noticias de hoy encajan ahí.
Etched, que diseña chips específicos para inferencia, está recibiendo ofertas que la valorarían entre 40.000 y 50.000 millones de dólares, según TechCrunch. Hace un mes valía 21.000 millones; en julio, 10.300. Conviene leerlo con frialdad: son conversaciones preliminares y la empresa aún no entrega silicio de producción. Es una valoración sobre hoja de ruta. Pero indica cuánto está dispuesto a pagar el mercado por la posibilidad de que la inferencia deje de depender de GPU de propósito general.
Seagate y Toshiba, según Bloomberg, pujan por el negocio de cabezales de disco duro de TDK en una operación de varios miles de millones. El disco duro mecánico, que parecía una tecnología en retirada, vuelve a ser un activo estratégico porque los centros de datos de IA necesitan almacenar a una escala que la memoria flash no cubre a ese precio. La presión sobre la cadena de suministro ya no se limita a los aceleradores.
Y luego están los pesos abiertos. Reflection AI ha presentado Beam, un modelo de 501.000 millones de parámetros que, según la propia compañía, supera a GLM-5.2 con una fracción del hardware y se acerca a Qwen 3.8-Max. Sigue por detrás de la frontera cerrada, y hay una salvedad importante: los pesos todavía no están publicados, solo prometidos para este mes. Aun así, es el primer modelo abierto de una startup estadounidense que compite en serio con los chinos. En paralelo, Moonshot AI, autora de Kimi, habría cerrado su última ronda privada a una valoración de 50.000 millones y prepara su salida a bolsa en Hong Kong para principios de 2027, de nuevo según Bloomberg.
La lectura conjunta es clara. Hay cada vez más capital sosteniendo alternativas al modelo de «alquilar inteligencia a un proveedor cerrado»: hardware de inferencia más barato y modelos que una empresa puede alojar por su cuenta. Para muchas organizaciones europeas, que por política interna no pueden desplegar un modelo chino, un Beam con licencia razonable sería la primera opción autoalojable de este nivel que superaría el filtro de cumplimiento.
Las reglas se escriben más cerca de lo que parece
El segundo supuesto, el de un regulador único y predecible, sale igual de tocado.
En Washington, la Casa Blanca ha creado la «Super Intelligence Force», un grupo de trabajo presidido por el director de Inteligencia Nacional con 120 días para entregar un informe. Su mandato incluye expresamente evitar la sobrerregulación. Llega una semana después de un acuerdo voluntario con seis compañías que carece de sanciones. Traducido: en los próximos cuatro meses no habrá obligaciones federales nuevas.
Ese vacío se llena desde abajo. El Consejo Municipal de Nueva York sentó el lunes a directivos de Meta, OpenAI, Anthropic y Google, junto a dos antiguos investigadores de esos laboratorios, y tiene diez proyectos de ordenanza en tramitación: validación por terceros, capacidad de apagado humano, consentimiento expreso antes de usar conversaciones para entrenar. Es una ciudad, no un país. Pero es una ciudad en la que opera todo proveedor relevante, y las condiciones que imponga acabarán reflejadas en contratos y términos de servicio que firmamos también aquí.
Utah ofrece el reverso. Su sandbox regulatorio ha autorizado a Nolla Health a emitir recetas iniciales de tratamientos tópicos para el acné generadas por IA, con un esquema en tres fases: primero dos médicos aprueban cada receta, después revisan a posteriori, y al final supervisan una muestra mínima del 10 %. El alcance es mínimo y el estado aclara que no avala el producto. Lo interesante es el diseño. Es, que yo sepa, de los pocos ejemplos públicos en que la retirada de supervisión humana está pautada con umbrales numéricos y no con declaraciones de intenciones.
Qué hacer con todo esto
Para una empresa que está implementando IA, la conclusión de hoy tiene tres partes y ninguna es espectacular.
Hay que medir el consumo propio. No el precio de lista, sino tokens reales por persona y por flujo, porque los límites de los planes se mueven sin aviso y la diferencia entre proveedores puede ser de cinco a uno en un sentido este mes y en el contrario dentro de tres.
Hay que diseñar para poder cambiar. Abstraer el proveedor de modelo en la arquitectura ya no es una precaución teórica: es lo que permite aprovechar un modelo abierto cuando aparece, o absorber un recorte de límites sin rehacer el producto.
Y hay que copiar el esquema de Utah antes de que alguien lo exija. Cualquier proceso que se quiera automatizar gana credibilidad, interna y ante un auditor, si la supervisión humana se retira por fases, con volúmenes mínimos y criterios escritos.
La IA no se ha vuelto cara ni está a punto de quedar atada por la regulación. Lo que ha terminado es la etapa en la que el coste y las reglas se podían dar por supuestos. A partir de ahora son variables de diseño, y quien las trate como tales tendrá menos sorpresas.
Las noticias del día
Reflection AI presenta Beam, un modelo abierto de 501.000 millones de parámetros
Reflection AI, respaldada por Nvidia, ha presentado Beam, un modelo entrenado con 23,8 billones de tokens y 1.300 millones de entornos de aprendizaje por refuerzo orientados a código, búsqueda web y agentes. Según la compañía, supera a GLM-5.2 (750.000 millones de parámetros) usando entre un tercio y un cuarto del hardware y se acerca a Qwen 3.8-Max, aunque queda por detrás de modelos frontera como Claude Fable 5.1. De momento solo hay acceso anticipado: los pesos, la documentación y las herramientas de fine-tuning están prometidos para este mismo mes. La empresa está valorada en 25.000 millones de dólares.
Por qué importa: es el primer modelo abierto de una startup estadounidense que se mide de tú a tú con los chinos; si los pesos llegan con una licencia utilizable, las empresas que no pueden desplegar Qwen o GLM por política interna ganan una alternativa autoalojable.
Fuente: SiliconANGLE
SemiAnalysis: las suscripciones de Anthropic dan unas cinco veces más valor que las de OpenAI en cargas agénticas
SemiAnalysis ha medido cuántos tokens entrega realmente cada plan de suscripción y los ha convertido a su equivalente en precio de API. Para la gama media (Claude Opus 5.5 frente a GPT-6.1 Sol), los planes de Anthropic ofrecen en torno a cinco veces más valor; en los modelos tope de gama (Fable 5.1 frente a GPT-6 Astra) los límites son similares. El análisis recoge además que OpenAI redujo a la mitad los límites de su plan de 200 dólares el 29 de septiembre e introdujo un nivel de 500 dólares que solo da un 21 % más que el antiguo plan de 200. Los intermediarios como Cursor o Cognition salen peor parados que los planes de primera mano.
Por qué importa: el coste real de un equipo que trabaja con agentes de código depende hoy más de los límites del plan que del precio de lista, y esos límites cambian sin previo aviso; conviene medir consumo propio antes de renovar licencias.
Fuente: SemiAnalysis · Implicator
OpenAI probará anuncios visuales dentro de la generación de imágenes de ChatGPT
OpenAI ha anunciado un formato publicitario visual que aparecerá durante la generación de imágenes en ChatGPT, etiquetado y separado de las imágenes del usuario y, según la compañía, sin influencia en las respuestas. La prueba arranca a finales de octubre en Estados Unidos con un grupo inicial de anunciantes. La empresa cifra la audiencia de ChatGPT en 1.200 millones de personas a la semana y amplía su red de socios de medición y atribución (LiveRamp, AppsFlyer, Kantar, DoubleVerify, entre otros). Entre los datos iniciales que aporta: WeightWatchers obtuvo un coste por adquisición un 15,3 % inferior a su referencia en búsqueda de pago.
Por qué importa: ChatGPT se consolida como canal publicitario con medición estándar; para marketing es un nuevo inventario que evaluar, y para quien usa el producto es la confirmación de que la suscripción ya no es la única fuente de ingresos que lo sostiene.
Fuente: Unite.AI
El Consejo Municipal de Nueva York interroga a Anthropic, OpenAI, Google y Meta sobre riesgos de la IA
El lunes 5 de octubre, el pleno del Consejo de Nueva York celebró una audiencia de supervisión con directivos de Meta, OpenAI, Anthropic y Google, que declararon por videoconferencia, y con dos antiguos investigadores de Anthropic y OpenAI, Jacob Coxon y Daniel Kokotajlo. SpaceX, citada, no compareció. La presidenta, Julie Menin, reprochó a las compañías que no supieran cuantificar el riesgo. Hay diez proyectos de ordenanza sobre la mesa: validación por terceros, capacidad de apagado humano, privacidad de los datos de chatbots y consentimiento expreso antes de usar conversaciones para entrenar modelos.
Por qué importa: la regulación de la IA en Estados Unidos se está escribiendo también a nivel municipal; una ordenanza neoyorquina sobre consentimiento o validación externa acaba afectando a cualquier proveedor que opere allí y, por extensión, a sus condiciones de servicio globales.
Fuente: CBS New York · CNBC
Trump crea la «Super Intelligence Force», con 120 días para entregar un informe
La Casa Blanca ha constituido un grupo de trabajo federal presidido por el director de Inteligencia Nacional, Jay Clayton, con el presidente de la FTC, Andrew Ferguson, Emil Michael (Defensa) y Scott Kupor (Oficina de Gestión de Personal) como vicepresidentes. Tiene 120 días para presentar un informe sobre riesgos y oportunidades. Su mandato incluye expresamente «evitar la sobrerregulación y la captura regulatoria». Llega una semana después del acuerdo voluntario firmado por seis compañías en la Casa Blanca; no se han detallado competencias regulatorias concretas.
Por qué importa: el marco federal sigue apoyándose en compromisos voluntarios, de modo que durante al menos cuatro meses no habrá obligaciones nuevas desde Washington; el vacío lo ocupan estados y ciudades.
Fuente: TechCrunch · ABC7
Utah autoriza a una startup a emitir recetas iniciales generadas por IA
Nolla Health ha recibido permiso, dentro del sandbox regulatorio de Utah, para que su sistema prescriba tratamientos tópicos contra el acné; quedan excluidos la isotretinoína y los fármacos orales. El piloto tiene tres fases: en la primera, dos médicos aprueban cada receta (mínimo 100 pacientes); en la segunda, la IA prescribe y los médicos revisan a posteriori (500 pacientes); en la tercera, se revisa al menos el 10 % de las recetas mensuales. El estado subraya que participar en el sandbox no equivale a aprobar ni avalar el producto.
Por qué importa: es una plantilla concreta de cómo retirar supervisión humana por fases y con umbrales medibles; el mismo esquema sirve para cualquier proceso regulado que una empresa quiera automatizar.
Fuente: SiliconANGLE
Moonshot AI cierra su última ronda privada con una valoración de 50.000 millones y prepara su salida a bolsa en Hong Kong
Según Bloomberg, que cita fuentes conocedoras de la operación, la pekinesa Moonshot AI ha completado su última ronda privada a una valoración de unos 50.000 millones de dólares y apunta a salir a bolsa en Hong Kong en el primer trimestre de 2027; las primeras reuniones con inversores podrían empezar este mes. La compañía ganó visibilidad con Kimi K3. Ni el tamaño de la ronda ni los inversores se han hecho públicos; la empresa no lo ha confirmado oficialmente.
Por qué importa: los laboratorios chinos de pesos abiertos se financian ya en mercados públicos, lo que les da recorrido para sostener precios agresivos frente a los proveedores occidentales.
Fuente: Investing.com (Bloomberg)
Etched recibe ofertas que la valoran entre 40.000 y 50.000 millones, el doble que en septiembre
TechCrunch informa de que Etched, fabricante de chips de inferencia, está recibiendo propuestas de inversión que la valorarían entre 40.000 y 50.000 millones de dólares, frente a los 21.000 millones de la ronda de 700 millones liderada por Jane Street en septiembre y los 10.300 millones de julio. Son conversaciones preliminares, no una ronda cerrada. La empresa declaró en julio 1.000 millones de dólares en pedidos, pero todavía no entrega silicio de producción.
Por qué importa: el capital apuesta a que la inferencia dejará de ser monopolio de las GPU de propósito general; si esa apuesta sale bien, el coste por token bajará, pero hoy es una valoración sobre hoja de ruta y no sobre entregas.
Fuente: AI Weekly (TechCrunch) · Trending Topics
Seagate y Toshiba pujan por el negocio de cabezales de disco duro de TDK
Bloomberg, citando fuentes, informa de que Seagate y Toshiba compiten por la unidad de cabezales magnéticos de TDK en una operación que podría alcanzar varios miles de millones de dólares. Toshiba abrió las conversaciones en primavera y Seagate presentó una oferta superior en verano. El motivo es la demanda de almacenamiento para centros de datos de IA. No hay acuerdo anunciado.
Por qué importa: la presión de la IA sobre la cadena de suministro ya no se limita a GPU y memoria; el almacenamiento masivo entra en la misma dinámica de escasez e integración vertical, con efecto previsible sobre precios.
Fuente: Investing.com (Bloomberg)