¿Qué pasó ayer? En un minuto:
Google DeepMind lanza Gemini 4 Neon, un modelo intermedio que lidera varios benchmarks y cuesta un 32% menos por tarea que Carbon.
Anthropic fija el precio de su salida a bolsa en 83 dólares por acción, por encima de la horquilla prevista, en la mayor OPV registrada.
OpenAI anuncia que sus modelos han logrado mejoras de hasta un 14% en potencia, rendimiento y área sobre el diseño de la GPU insignia de AMD.
Los agentes de OpenAI ya completan sin ayuda humana el 46% de sus tareas de investigación de entre dos y cuatro horas, el doble que en marzo.
Una coalición publica una declaración acusando a Anthropic de construir superinteligencia mientras se presenta como empresa de seguridad.
Sam Altman admite que se arrepiente de no haber aceptado acciones de OpenAI como prueba de que dirigía la compañía sin incentivos económicos.
Elon Musk desmiente que Anthropic vaya a cancelar su acuerdo de cómputo con SpaceX y asegura que lo más probable es que alquile 10 GW adicionales.
Muse lanza Try On, una prueba virtual de ropa que ofrece por iniciativa propia cuando detecta que el usuario está mirando prendas.
OpenAI publica cómo aplica la seguridad en cada etapa del ciclo de vida de sus modelos: investigación inicial, uso interno y antes del despliegue público.
Gracias por leer 1 Minuto de IA. Si te ha gustado esta edición, no te olvides de dar al ♡ para apoyar este proyecto.
Y si tienes más de un minuto…
1. Google lanza Gemini 4 Neon, su modelo intermedio
Google DeepMind ha lanzado Gemini 4 Neon, un modelo de razonamiento rápido que se sitúa entre Carbon, pensado para proyectos largos y complejos, y Hydrogen, orientado a la ejecución diaria. Cuesta 3 dólares por millón de tokens de entrada (0,15 si están en caché) y 15 por millón de salida, con una ventana de contexto de un millón de tokens y cuatro niveles de razonamiento.
Según Google, en su nivel más alto obtiene 61 puntos en el Artificial Analysis Intelligence Index, tercero tras modelos mayores y más lentos, lidera el Coding Agent Index con 58,6 y es segundo en el Vals Index con un 70,9%, a 0,4 puntos de Claude Fable 5.2. La compañía también afirma que en Arena superó a Claude Opus 5.5 Max con un coste por tarea un 53% menor en la mediana, y que en el nivel high cuesta un 32% menos por tarea que Carbon.
El despliegue cubre la API de Gemini en AI Studio, Gemini for business, Antigravity y la app Gemini para suscriptores Pro y Ultra, donde sustituye a Argon como opción de análisis más profundo y puede orquestar subagentes Hydrogen. Es el cuarto modelo que Google presenta desde el 30 de septiembre, tras Argon, Carbon y Hydrogen, un ritmo que compite de frente con Anthropic y con OpenAI, aunque es verdad que la nomenclatura química dificulta orientarse bien en el catálogo.
Para 𝕏 @OfficialLoganK (Logan Kilpatrick), Neon rinde por encima de su categoría y logra el equilibrio adecuado entre inteligencia, velocidad y facilidad de uso.
𝕏 @testingcatalog (Ai News | Testingcatalog) lo recibe como el modelo de uso diario que faltaba en la gama, una lectura que encaja con su posición intermedia.
El propio 𝕏 @demishassabis (Demis Hassabis) subraya la velocidad en la finalización de tareas y juega con la nomenclatura química al presentarlo como «alquimia en estado puro».
Más información:
📎 Introducing Gemini 4 Neon
2. Anthropic fija su OPV en 83 dólares por acción
Anthropic ha fijado en 83 dólares por acción el precio de su salida a bolsa, por encima de la horquilla de 70 a 78 dólares que publicó la semana pasada. Aquella horquilla se leyó entonces como un repliegue frente a las especulaciones de una valoración de 2 billones. La compañía también amplió la oferta: de los 825 millones de acciones previstos pasa a 980 millones de clase A. La operación recauda unos 81.300 millones de dólares brutos y se convierte en la mayor OPV registrada, por delante de los 75.000 millones que captó SpaceX en junio.
La capitalización totalmente diluida ronda los 1,5 billones. Esta salida a bolsa llega tras el rechazo a la IA que se dejó notar en las elecciones de mitad de mandato, la destitución de Jensen Huang en Nvidia y el temor a que los tipos altos encarezcan la deuda de los promotores de centros de datos. Amazon y Google, además, tienen participaciones valoradas en más de 100.000 millones cada una. Las acciones empezarán a cotizar el 19 de noviembre de 2026 en el Nasdaq con el ticker ANT.
El giro respecto a la horquilla lo atribuye 𝕏 @rohanpaul_ai (Rohan Paul) a la demanda: las órdenes habrían llegado a multiplicar por seis las acciones ofrecidas.
Para 𝕏 @kimmonismus (Chubby) es una OPV excepcionalmente buena para la compañía, ya que el volumen supera en casi 17.000 millones el máximo de la horquilla original.
Con ironía, 𝕏 @pmddomingos (Pedro Domingos) describe al cofundador Jack Clark como el mayor ganador de lotería de la historia y le atribuye unos 20.000 millones.
Más información:
📎 Anthropic prices initial public offering
3. OpenAI usa sus modelos para diseñar chips con AMD
OpenAI ha anunciado que, trabajando con AMD, sus modelos de IA han encontrado mejoras de hasta un 14% en PPA (potencia, rendimiento y área) sobre la propiedad intelectual de la GPU insignia de AMD. No se trata de un diseño desde cero: los cambios se aplican sobre una base que los ingenieros de AMD llevaban años optimizando, lo que hace más difícil arañar margen. Según el blog oficial de OpenAI, el modelo propuso modificaciones reescribiendo el código que describe los circuitos del chip, en SystemVerilog RTL, y la empresa asegura haberlo visto razonar sobre ese código al nivel de un experto.
El resultado equivaldría a cerca de un año de progreso conseguido en menos de cinco meses. Aunque son datos de las propias compañías, sin evaluación externa publicada, hay una señal tangible. AMD ya ha incluido parte de esos cambios en un diseño reciente enviado a fabricación y ha incorporado otros a sus archivos de diseño de producción para futuras versiones. Para la industria de semiconductores, donde cada iteración de diseño lleva meses, la promesa es acortar ciclos y trasladar a la IA parte del trabajo de ingeniería de hardware. El mismo método se ha aplicado a Jalapeño, el primer chip de inferencia propio de OpenAI, con mejoras que la compañía dice haber verificado.
El anuncio de 𝕏 @OpenAI (Openai) pone el acento en el punto de partida: el mérito no está solo en la cifra, sino en mejorar diseños que AMD ya había exprimido durante años.
Lo que subraya 𝕏 @gdb (Greg Brockman) es que el trabajo ha salido del laboratorio: parte de los resultados ya está en un diseño enviado a fabricación, y lo sitúa en la frontera del diseño de chips.
Para 𝕏 @kimmonismus (Chubby) es automejora recursiva aplicada al silicio: los modelos empiezan a diseñar el hardware sobre el que luego se ejecutan.
El interés de 𝕏 @WesRoth (Wes Roth) se desplaza hacia Jalapeño, donde destaca que los cambios propuestos por el modelo redujeron el área de celdas estándar del chip de OpenAI.
Más información:
📎 openai.com: Advancing chip design with our models
4. OpenAI publica cuánto usa la IA en su investigación
OpenAI ha publicado nuevos datos sobre el peso de la IA en su propio trabajo de investigación, y la curva sigue siendo exponencial. Sus agentes ya completan sin ayuda humana el 46% de las tareas de investigación que a una persona le llevan entre dos y cuatro horas, el doble que el 23% registrado en marzo. El investigador medio consume unos 2.400 dólares diarios en agentes, calculados a precios de API.
La compañía también mide el avance de sus modelos con el índice OECI, cuya frontera ha crecido 16,4 puntos anuales desde agosto de 2025, por encima de la tendencia de 14 puntos que Epoch observaba desde finales de 2024. Estas cifras indican hasta qué punto un laboratorio puntero empieza a apoyarse en sus propios modelos para construir los siguientes, la antesala de la llamada automejora recursiva. OpenAI insiste en que la implicación humana sigue siendo central y que sus investigadores dedican ahora más tiempo a seguridad.
El dato que rescata 𝕏 @rohanpaul_ai (Rohan Paul) es el cambio de autoría: todas las ideas clave de GPT-6 Astra salieron de personas, mientras que en GPT-6.2 Astra Codex ya ayudó a encontrar algunas en preentrenamiento.
La atención de 𝕏 @AndrewCurran_ (Andrew Curran) se va al extremo de la distribución: el percentil 90 de investigadores gasta unos 23.000 dólares diarios en tokens, un 105% más que en septiembre.
Para 𝕏 @kimmonismus (Chubby), estas cifras son la mejor pista disponible sobre lo cerca que está la automejora recursiva.
Más información:
📎 openai.com: Research acceleration jagged frontier
5. Una coalición de críticos de la IA carga contra Anthropic
Una coalición de académicos, empresarios y activistas ha publicado “The MisAnthropic Statement”, una declaración que acusa a Anthropic de competir con sus rivales por construir superinteligencia mediante automejora recursiva mientras se presenta como empresa de seguridad de IA. Según el texto, la compañía usa esa reputación para impulsar sus ambiciones comerciales y políticas. La publicación coincide con su salida a bolsa, y no es casual: los firmantes la citan expresamente como motivo.
La lista es inusualmente heterogénea. Junto a figuras del riesgo existencial como Max Tegmark (Future of Life Institute) y Nate Soares (Machine Intelligence Research Institute) aparecen aceleracionistas como Guillaume Verdon (Extropic) y George Hotz, además de Thomas Wolf (Hugging Face), Igor Babuschkin (cofundador de xAI), Steven Pinker, Judea Pearl, Tristan Harris, Lawrence Lessig y los nobel Oliver Hart y Sheldon Glashow. Que perfiles enfrentados durante años coincidan en un mismo documento es lo más llamativo.
La ruptura no sorprende a 𝕏 @DavidSacks (David Sacks), que dice llevar tiempo anticipándola: a su juicio Anthropic corre hacia la automejora recursiva más rápido que ningún otro laboratorio y ha vendido «cerrar el bucle» como ventaja en su gira de presentación a inversores.
Ni la carta ni su objetivo convencen a 𝕏 @ylecun (Yann Lecun), que la atribuye a otra facción oscurantista partidaria de mantener la IA «bajo llave», aunque admite disfrutar viendo a los catastrofistas pelearse entre ellos.
Más información:
📎 The MisAnthropic Statement
6. Altman lamenta no tener acciones de OpenAI
Sam Altman, CEO de OpenAI, admitió en la DealBook Summit del New York Times que se arrepiente de no haber aceptado participación accionarial en la compañía. Lo contó junto a Greg Brockman, presidente de OpenAI, que le insistió en aceptarlas cuando estructuraron la empresa. Altman lo rechazó entonces y ahora reconoce que debería haber escuchado a Greg. La participación de Brockman llegó a valorarse en cerca de 30.000 millones de dólares a principios de este año.
La confesión tiene peso más allá de lo anecdótico: durante años, la ausencia de acciones se esgrimió como prueba de que Altman dirigía OpenAI sin incentivos económicos directos, un argumento que la compañía usó para defender su independencia mientras se alejaba de su origen sin ánimo de lucro. En la misma cumbre, Altman defendió frenar el ritmo de la carrera por la IA y sostuvo que este es un momento que pide más cautela, no menos. La conversación también tocó la crisis de Nvidia: ambos elogiaron a Jensen Huang, pero ninguno pidió su restitución.
La pregunta incómoda la recoge 𝕏 @dealbook (Dealbook): si la brecha patrimonial cambia la relación entre ambos. Los dos lo niegan, aunque Altman reivindica su compromiso absoluto con el dolor y el sufrimiento de dirigir la empresa.
Tras la entrevista, 𝕏 @sama (Sam Altman) desvía el foco hacia su socio: describe a Brockman como un líder brillante y destaca cómo su papel ha pasado de programar 100 horas semanales a funciones directivas.
Del mismo encuentro, 𝕏 @Kantrowitz (Alex Kantrowitz) rescata el matiz sobre Nvidia: Brockman califica a Huang de singular pero evita pedir su regreso, y Altman se niega a sumar opiniones sobre lo ocurrido.
Más crítico con el formato, 𝕏 @ppolitics (David Moore) ve en la lista de entrevistados y patrocinadores de DealBook la razón de que el periodismo del NYT se incline hacia el mundo corporativo.
Más información:
📎 What OpenAI Did After the Hugging Face Hack
7. Musk asegura que Anthropic quiere 10 GW más
Elon Musk concedió una larga entrevista a Andrew Ross Sorkin en la DealBook Summit de The New York Times. Musk desmintió los rumores de que Anthropic pudiera cancelar a partir de mediados de 2027 su acuerdo de alquiler de cómputo con SpaceX y afirmó que lo que le ha trasladado la compañía es todo lo contrario. Según su versión, el escenario más probable es que alquile 10 GW adicionales. Anthropic debutaba en bolsa al día siguiente de esta entrevista y su dependencia de cómputo ajeno es uno de los riesgos que miran los inversores.
Musk defendió además que la IA y la robótica están acercando SpaceX y Tesla, ya que ambas cuentan con grupos de software de IA y equipos propios de diseño de chips. Predijo que la práctica totalidad del cómputo de superinteligencia acabará en el espacio. La entrevista abordó también la salida de Jensen Huang de Nvidia, que comparó con echar a Michael Jordan de los Bulls, las elecciones de mitad de mandato y el papel de Starlink en Ucrania.
Para 𝕏 @AndrewCurran_ (Andrew Curran), el mensaje central de la noche fue cortar de raíz los rumores sobre una posible ruptura entre Anthropic y SpaceX, más que cualquier titular político.
La frase que rescata 𝕏 @KanekoaTheGreat (Kanekoathegreat) es la del «detector del mal»: Musk insiste en que se reunió con mucha gente de Anthropic antes de cerrar el trato y nadie le despertó sospechas.
Sumando esta charla a la de TomorrowX, 𝕏 @marsrepublica (Samuel) concluye que Musk reveló más de los planes de SpaceX que muchas conferencias de resultados, empezando por un ritmo de unos 500 MW de cómputo nuevos al mes.
El ángulo industrial lo destaca 𝕏 @rohanpaul_ai (Rohan Paul): la IA y la robótica como fuerza que empuja a converger a SpaceX y Tesla, con el grupo de IA de Tesla centrado sobre todo en la conducción autónoma.
Más información:
📎 Elon Musk Says He’s ‘Not MAGA’
8. Muse, de Meta, añade la prueba virtual de ropa
Muse, el asistente de IA vinculado a Meta, ha lanzado Try On, una función de prueba virtual que permite ver cómo quedan las prendas antes de comprarlas. El asistente no espera a que el usuario la pida: cuando detecta que está mirando ropa, ofrece por iniciativa propia mostrarle cómo le sentaría el artículo. La novedad llega tras una fase de adopción rápida, con más de 10 millones de personas que configuraron Muse en sus primeras seis semanas. El mismo día, la mayor cadena de supermercados de Canadá trasladó su catálogo al chat del asistente.
La estrategia de Muse pasa por convertir la conversación en un canal de venta que cubra desde el descubrimiento del producto hasta la decisión de compra. Encaja con el auge de las compras mediante agentes, que gana visibilidad en vísperas del Black Friday. En moda online, la prueba virtual ataca uno de los puntos de fricción más conocidos, la duda sobre la talla y el aspecto final, que alimenta devoluciones y abandonos. Meta no ha detallado cómo se gestionan las imágenes del usuario que requiere la función.
La promoción de 𝕏 @alexandr_wang (Alexandr Wang) juega con la ironía: da por superada la costumbre de probarse ropa en tienda, un mensaje más de producto de consumo que de laboratorio de IA.
La cuenta oficial, 𝕏 @Muse (Muse), presenta la función como «la prueba antes de la prueba», es decir, un filtro previo a cualquier compra y no un sustituto del probador.
El tono del anuncio no pasa desapercibido para 𝕏 @kimmonismus (Chubby), que bromea con que Meta ha fichado a Wang como jefe de marketing.
Para 𝕏 @Musecases (Muse Cases User), la noticia no es aislada: une la prueba de ropa y la llegada del supermercado canadiense como señal de que Muse empieza a vestir y a abastecer a sus usuarios desde el chat.
El límite lo marca 𝕏 @morganlinton (Morgan), que intentará hacer todas sus compras de Black Friday con agentes: a su juicio el descubrimiento está casi resuelto, pero el pago todavía no funciona de forma generalizada.
9. OpenAI explica su enfoque de seguridad por fases
OpenAI ha publicado un resumen de cómo aplica la seguridad en cada etapa del ciclo de vida de un modelo: la investigación inicial, el uso interno y el despliegue público. El documento llega tras unos meses intensos para la compañía, con el lanzamiento de GPT-6.2 Astra, una recepción dividida entre usuarios y una competencia cada vez más directa con Anthropic. El interés del texto está en que cubre fases que normalmente no se ven desde fuera. La mayoría de los compromisos públicos de los laboratorios se centran en el momento del lanzamiento, mientras que el riesgo de filtración o mal uso existe desde mucho antes, cuando el modelo solo circula dentro de la empresa.
La system card de GPT-6.2 Astra complementa el resumen con una sección sobre la protección de los pesos de modelos no publicados y de los entrenamientos de frontera, que incluye el cifrado de esos pesos mientras están almacenados. La publicación coincide con otros movimientos de OpenAI: una guía para usar GPT-6.2 en Codex y la idea, recogida por The Information, de que la ciberseguridad podría llegar a ser un negocio mayor que la programación.
El planteamiento de 𝕏 @OpenAI (Openai) es presentar la seguridad como un proceso continuo y no como un control previo al lanzamiento, con el uso interno como etapa propia.
Lo más valioso para 𝕏 @AndrewCurran_ (Andrew Curran) está en la system card: considera que es la mirada más detallada que ha ofrecido ningún laboratorio sobre cómo protege los pesos de sus modelos.
Sobre el modelo que acompaña el documento, 𝕏 @Voxyz_ai (Vox) describe una comunidad partida en dos con GPT-6.2 y sostiene que, bien configurado en Codex, resulta mucho más barato.
Ante las críticas a GPT-6.2, 𝕏 @jheitzeb (Joe Heitzeberg) replica que OpenAI ya está explicando cómo usarlo y que buena parte del problema es no seguir esas indicaciones.
Más información:
📎 openai.com: Managing frontier AI risk



