Un día con dos velocidades
Hoy, 14 de octubre, Anthropic recibe en su sede de San Francisco a inversores institucionales en una jornada previa a su salida a bolsa. Las cifras que circulan, entre 1,8 y 2 billones de dólares de valoración según informaciones de prensa que la compañía no ha confirmado, son las de una empresa a la que el mercado ya trata como infraestructura. Ese mismo día sabemos, por Reuters, que Anthropic y OpenAI intentaron hasta principios de octubre controlar lo que podían publicar los evaluadores externos de sus modelos. Y más de 400 científicos, con Geoffrey Hinton y Yoshua Bengio entre ellos, piden un organismo internacional que registre los fallos de contención de la IA y acabe haciéndolos públicos.
No son noticias independientes. Retratan un sector que avanza a dos velocidades: la del capital, que ya pone precio a la IA como si fuera un servicio básico, y la de la verificación, que todavía discute quién puede mirar dentro de los modelos y qué puede contar después. La distancia entre ambas es, a mi juicio, el riesgo más infravalorado del momento para cualquier empresa que esté construyendo procesos sobre estos sistemas.
El precio ya está puesto
El mercado no espera a que se resuelva el debate sobre la supervisión. Una valoración que duplicaría la de la ronda de mayo descuenta que la demanda de inferencia seguirá creciendo durante años y que los márgenes acabarán apareciendo, a pesar de que las cifras filtradas de 2025 muestran ingresos todavía modestos frente a pérdidas y compromisos de cómputo enormes. Es una apuesta sobre el futuro, no una fotografía del presente, y conviene leerla así.
La otra cara de esa apuesta es la eficiencia. Microsoft presentó el lunes Maia 300, su tercera generación de acelerador propio, con la promesa de hasta un 40 % más de tokens por megavatio que los sistemas basados en GPU y despliegues a escala de varios gigavatios a partir de 2027. Lo relevante no es el chip en sí, sino la unidad de medida: tokens por megavatio. Cuando la energía es el cuello de botella, quien consigue más inferencia por vatio controla el coste marginal, y quien controla el coste marginal controla el precio que acaba pagando el cliente final.
China ofrece la versión geopolítica de la misma lógica. Según datos de IDC recogidos por Reuters, la cuota de Nvidia en el mercado chino de chips de IA para centros de datos cayó al 34 % en el primer semestre, con Huawei ya en el 28 %, y por primera vez los aceleradores que no son GPU superaron a las GPU en unidades enviadas. Los controles de exportación han hecho exactamente lo que Jensen Huang advertía: acelerar una industria alternativa. Para Europa la lectura es incómoda, porque seguimos siendo compradores en un mercado donde las dos grandes potencias están construyendo cadenas de suministro propias.
La verificación va por detrás
Frente a esa velocidad, los mecanismos de confianza se están negociando sobre la marcha. La información de Reuters sobre los evaluadores externos es especialmente reveladora porque contrasta con lo que los propios laboratorios habían dicho en público semanas antes: que los revisores debían poder publicar sus conclusiones principales sin ediciones de la empresa. El argumento de los laboratorios, la protección de secretos comerciales frente a evaluadores que trabajan dentro de la casa, no es absurdo. Pero si quien evalúa no puede publicar con libertad, la evaluación deja de ser una garantía para terceros y pasa a ser un control interno con otro nombre.
La carta de los 400 científicos apunta en la misma dirección desde fuera. No pide frenar el desarrollo, sino algo más concreto y, en mi opinión, más difícil de rebatir: estandarizar las prácticas de contención, registrar cada fallo y hacerlo público con el tiempo. Es la lógica de la aviación civil aplicada a la IA. Que Yann LeCun no la haya firmado recuerda que el consenso científico tampoco existe, pero la petición de transparencia sobre incidentes es difícil de discutir para quien tenga que responder ante un consejo o un regulador.
A esto se suma lo que publica The Information: OpenAI estaría intentando resolver problemas de seguridad en su próximo modelo insignia ligados a una técnica de arquitectura, los loop transformers o profundidad recurrente, que puede dificultar la monitorización del modelo. Es una información de pago que OpenAI no ha confirmado, y así hay que tratarla. Aun así, ilustra un problema de fondo: las mejoras de capacidad no siempre son compatibles con las herramientas que usamos para vigilar cómo razona un sistema.
Cuando la IA también encuentra los fallos
El dato más práctico del día viene de la ciberseguridad. Microsoft ha corregido este mes más de 1.400 vulnerabilidades, un récord absoluto, y atribuye el volumen a que los modelos de lenguaje están acelerando el descubrimiento de fallos. Hace dos años esto habría sido una predicción; hoy es la factura del martes de parches. La misma capacidad que hace valiosos a estos sistemas obliga a los equipos de TI a cambiar su forma de trabajar: no se pueden aplicar mil cuatrocientos parches con el mismo proceso que servía para cien, y la priorización por explotabilidad real deja de ser una buena práctica para convertirse en la única opción viable.
Lo que cambia para quien implementa
Para las empresas que están desplegando IA, este día deja una idea de fondo con tres consecuencias concretas: la confianza en un proveedor ya no puede apoyarse solo en su reputación o en su tamaño.
La primera implicación es contractual. Si los informes de evaluación externos pueden pasar por el filtro del laboratorio, conviene pedir en los procesos de compra qué evaluaciones independientes existen, quién las hizo y en qué condiciones se publicaron. No es desconfianza; es diligencia debida. La segunda es arquitectónica. Una salida a bolsa cambia los incentivos de una empresa: más presión por márgenes, por crecimiento trimestral y por precios. Diseñar los sistemas para poder cambiar de modelo sin rehacerlo todo es hoy una decisión de gestión de riesgos, no un capricho técnico. Modelos abiertos y eficientes como el LFM2.5-24B-A2B de Liquid AI, con apenas 2.450 millones de parámetros activos y capaz de ejecutarse en un portátil de gama alta, demuestran que para muchos casos de uso existe una alternativa razonable que se puede controlar en casa.
La tercera es regulatoria y nos toca de cerca. Apple ha confirmado que su nuevo HomeView no se venderá en la Unión Europea porque sus funciones de Siri con IA no están disponibles aquí. Más allá del producto concreto, el mensaje es que la disponibilidad de funciones de IA en Europa ya depende del encaje regulatorio, y eso afecta a la planificación de cualquier despliegue que dependa de herramientas de terceros.
Conclusión
La IA está entrando en la fase en la que se le exige lo mismo que a cualquier infraestructura crítica: rentabilidad, eficiencia energética y, tarde o temprano, auditorías creíbles. Hoy las dos primeras avanzan más rápido que la tercera. Mi recomendación para quien implementa es no esperar a que la regulación cierre esa brecha: exigir transparencia a los proveedores, diseñar para poder cambiar de modelo y tratar la seguridad como un proceso continuo. Quien llegue a 2027 con esas tres piezas resueltas tendrá ventaja, coticen o no sus proveedores.
Las noticias del día
Anthropic celebra hoy su jornada con inversores previa a la salida a bolsa
Anthropic reúne hoy, 14 de octubre, a inversores institucionales en su sede de San Francisco en una jornada previa a su OPV, según adelantó Bloomberg. La prensa sitúa la valoración que manejan los posibles compradores entre 1,8 y 2 billones de dólares, frente a los 965.000 millones de la ronda de mayo, y apunta a una cotización en Nasdaq antes de finales de noviembre. Valoración, importe y calendario son informaciones de prensa no confirmadas por la compañía; el folleto (S-1) aún no es público.
Por qué importa: sería la primera gran prueba de mercado para un laboratorio de modelos fundacionales, y una cotizada tiene incentivos distintos en precios y márgenes que afectarán a sus clientes empresariales.
Fuente: Bloomberg · Yahoo Finance
Microsoft corrige más de 1.400 vulnerabilidades y atribuye el récord a los LLM
El martes de parches de octubre incluye más de 1.400 fallos corregidos, frente a casi 1.000 en septiembre, que ya era récord. Al menos 78 son críticos y uno (CVE-2026-96951, en Windows Shell) se estaba explotando activamente. Microsoft atribuye el volumen a que los modelos de lenguaje están acelerando el descubrimiento de vulnerabilidades.
Por qué importa: la IA multiplica el ritmo de hallazgo de fallos; los equipos de TI deben priorizar por explotabilidad real, porque aplicar todo con el proceso de siempre ya no es viable.
Fuente: Krebs on Security
Anthropic y OpenAI buscaron controlar lo que publican sus evaluadores externos
Según Reuters, citando a dos fuentes, ambos laboratorios pretendieron hasta al menos el 5 de octubre un control amplio sobre lo que podían publicar los evaluadores externos de sus modelos, alegando riesgo para secretos comerciales. Semanas antes habían defendido en público que los revisores pudieran publicar sus conclusiones principales sin ediciones. Anthropic dice que su práctica varía según el evaluador; OpenAI, que solo elimina detalles confidenciales.
Por qué importa: una evaluación externa que el evaluado puede editar pierde valor como garantía para clientes y reguladores.
Fuente: The Next Web (sobre Reuters)
Más de 400 científicos piden un organismo internacional que registre los fallos de contención
Una carta abierta firmada por más de 400 investigadores, entre ellos Geoffrey Hinton y Yoshua Bengio, propone un organismo internacional que estandarice las prácticas de contención de la IA y registre cada incidente, con publicación posterior. Cerca de 70 firmantes son canadienses. Yann LeCun no la ha suscrito.
Por qué importa: la idea de un registro público de incidentes, al estilo de la aviación, encaja con las obligaciones de notificación del AI Act y puede marcar el estándar de transparencia que se exija a los proveedores.
Fuente: BetaKit
Microsoft presenta Maia 300, su chip propio para inferencia a escala de gigavatios
La tercera generación del acelerador de Microsoft promete hasta un 40 % más de tokens por megavatio que los sistemas con GPU y será su principal hardware de inferencia a partir de 2027. Fabricado por TSMC en N2P, integra ocho pilas de HBM4 con 18 TB/s y consume 950 W; cada rack agrupa 96 aceleradores a 167 kW.
Por qué importa: los hiperescalares reducen su dependencia de Nvidia y compiten en coste por token, la métrica que acabará determinando el precio de la inferencia.
Fuente: Techzine
OpenAI, con problemas de seguridad en su próximo modelo insignia (no confirmado)
The Information publica que OpenAI está intentando resolver problemas de seguridad antes de lanzar su próximo modelo, derivados del uso de loop transformers (profundidad recurrente), una técnica que puede dificultar la monitorización del modelo. Se trata de una información de pago que OpenAI no ha confirmado públicamente.
Por qué importa: si se confirma, ilustra un conflicto entre ganancias de capacidad y supervisabilidad que afecta a cómo se auditan los modelos que usan las empresas.
Fuente: The Information
Nvidia cae al 34 % del mercado chino de chips de IA; Huawei alcanza el 28 %
Según IDC, recogido por Reuters, Nvidia envió 678.000 aceleradores a China en el primer semestre, un 44 % menos, mientras Huawei llegó a 572.000. Por primera vez, los aceleradores no GPU (1,016 millones de unidades) superaron a las GPU (991.000). Nueve de los once fabricantes chinos que sigue IDC aumentaron envíos.
Por qué importa: los controles de exportación están consolidando un ecosistema de hardware chino separado, con efectos sobre precios, modelos y cadenas de suministro globales.
Fuente: The Standard (datos de IDC vía Reuters)
Liquid AI publica LFM2.5-24B-A2B, un MoE abierto con 2.450 millones de parámetros activos
Liquid AI ha liberado los pesos de un modelo de mezcla de expertos de 24.000 millones de parámetros con solo 2.450 millones activos por token y 131.072 tokens de contexto. Según la compañía, alcanza 184 tokens/s en un Apple M5 Max y supera a Qwen3.6-35B-A3B en seguimiento de instrucciones y uso de herramientas, aunque queda por detrás en GPQA Diamond y SWE-Bench Verified. La licencia es propia (lfm1.0).
Por qué importa: modelos capaces que corren en local reducen dependencia de proveedores y costes en tareas agénticas acotadas; conviene revisar la licencia antes de usarlo en producción.
Fuente: Hugging Face
Apple no venderá su nuevo HomeView en la Unión Europea
Apple presentó el 13 de octubre HomeView, una pantalla doméstica de 7 pulgadas y 299 dólares que llega el 13 de noviembre a ocho países. No se venderá en la UE porque las funciones de Siri con IA no están disponibles en iOS en la región; Apple dice estar trabajando "de forma constructiva" con la UE, sin calendario.
Por qué importa: la disponibilidad de productos y funciones de IA en Europa depende ya del encaje regulatorio, algo que las empresas europeas deben incorporar a su planificación.
Fuente: MacRumors