La semana empieza con una coincidencia que no es casual. El mismo lunes, Anthropic hace público el folleto con el que saldrá a bolsa, Meta anuncia que venderá acciones por 35.000 millones de dólares y prepara otros 60.000, y Elon Musk avisa de que el crédito para comprar GPUs se ha cerrado para casi todo el mundo salvo para unos pocos. A la vez, sabemos que OpenAI está regalando margen para arrebatar clientes a su rival y que Nvidia quiere cobrar una cuota anual por cada GPU que ejecute agentes. Son noticias de distinta naturaleza, pero cuentan la misma historia: la inteligencia artificial ha dejado atrás la fase en la que bastaba con demostrar capacidades y ha entrado en la fase en la que hay que demostrar que las cuentas cierran.
Lo que dice un S-1 que no dice un benchmark
Durante tres años, la conversación sobre los laboratorios de frontera se ha librado en tablas de evaluación. El S-1 de Anthropic cambia el idioma. Por primera vez tenemos cifras auditadas de un laboratorio puro: 16.290 millones de dólares de ingresos en el primer semestre, frente a 4.590 millones en todo 2025. Es un crecimiento difícil de encontrar en la historia del software empresarial. Pero el mismo documento muestra el otro lado: más de 430.000 millones comprometidos en contratos de computación en la nube y una dependencia notable de pocos clientes, con alrededor de una quinta parte de los ingresos procedente de solo dos.
La pérdida neta de 80.700 millones impresiona en un titular, pero es sobre todo un ajuste contable sobre instrumentos convertibles; la pérdida operativa es de 693 millones. Lo relevante no es esa cifra, sino la relación entre ingresos y compromisos de cómputo. Anthropic ha firmado una hipoteca de infraestructura que solo tiene sentido si la demanda sigue creciendo a un ritmo extraordinario durante años. La estructura de gobierno, con una acción de los cofundadores que concentra el 50,1 % del voto y un fideicomiso que elige a la mayoría del consejo, indica además que los inversores que entren comprarán exposición económica, no control.
La guerra de precios ya no es una hipótesis
Ese contexto da otra lectura a lo que publica The Information. OpenAI está ofreciendo descuentos de hasta el 90 % a grandes cuentas de Anthropic, y los casos citados no son anecdóticos: Rippling ha invertido el reparto de su carga de programación entre ambos proveedores, Replit cambió tras una rebaja de más del 30 % en un contrato de más de cien millones anuales y DataCamp habla de recortes de coste del 80 % al 90 %. A la vez, un memorando a inversores apunta a que el crecimiento de Anthropic se moderó entre el segundo y el tercer trimestre.
Leído junto al S-1, el movimiento de OpenAI es casi de manual. Si tu rival necesita mostrar crecimiento sostenido justo cuando sale a bolsa, presionar su cuota y sus márgenes en ese momento tiene un efecto que va más allá de los clientes que ganes. Y por debajo aprietan los modelos chinos de pesos abiertos, que fijan un suelo de precio cada vez más bajo. Para quien compra, la conclusión es sencilla: el precio por token de los modelos de frontera no es un dato estable, es una variable estratégica de los proveedores, y puede moverse en ambas direcciones según les convenga.
El dinero ya no sale solo de la caja
Meta es la otra cara del mismo problema. Una empresa con uno de los flujos de caja más potentes del mundo necesita acudir al mercado de capitales para sostener un gasto de 135.000 a 145.000 millones este año. La estructura elegida, con contratos a plazo que difieren la entrada del dinero hasta 2027 y un programa de venta continua de acciones de 60.000 millones, revela que no se trata de una necesidad puntual sino de un modelo de financiación permanente. Que Nvidia, AMD y Broadcom estén dispuestas a comprar hasta 5.000 millones de esas acciones añade una capa incómoda: los proveedores financian parcialmente a su cliente para que este les compre chips.
El aviso de Musk completa el cuadro. Según él, los mercados de deuda han cerrado el acceso a la financiación para los más de 200 neoclouds que no tienen ingresos relevantes fuera del alquiler de GPU, mientras SpaceX cierra 40.000 millones en deuda con grado de inversión. Conviene tomar sus palabras con cautela, porque habla un competidor directo con interés en el mensaje. Pero los datos de mercado le acompañan: CoreWeave y Nebius han perdido más del 30 % en un mes e Iren un 40 %. El capital para infraestructura de IA no ha desaparecido, se está concentrando en quien tiene balance propio.
Nvidia también quiere su renta recurrente
En ese escenario, la declaración de Jensen Huang sobre una licencia de unos 2.000 dólares por GPU y año para el software de agentes encaja perfectamente. Nvidia sabe que la venta de hardware es cíclica y que sus mayores clientes diseñan chips propios. La forma de blindar el negocio es convertir la base instalada en ingresos recurrentes de software, con piezas como el sandbox OpenShell y el aislamiento por hardware como argumento de seguridad. No hay todavía producto ni fecha, y conviene tratarlo como una señal de intenciones. Pero la dirección es clara: el coste total de operar agentes en infraestructura propia incluirá una suscripción por GPU que hoy muchos presupuestos no contemplan.
La buena noticia: hacer más con menos arquitectura
Frente a tanta presión de costes, la guía que publica Anthropic sobre arquitecturas de agentes es lo más útil del día para quien implementa. Su recomendación de fusionar subagentes en un agente principal que cargue contexto y herramientas bajo demanda llega con datos: el doble de velocidad en una comparación, degradación en la selección de herramientas a partir de 30 a 50 definiciones y un estudio externo en el que pasar de 10 a 100 agentes no mejoró la calidad pero sí disparó el coste. En los proyectos reales, buena parte de la complejidad multiagente de los últimos dos años se diseñó para compensar limitaciones que los modelos actuales ya no tienen. Simplificar es ahora una palanca de ahorro directa, aunque debe hacerse con evaluación, porque la propia Anthropic documenta un caso en el que la fusión rompió un proceso que funcionaba.
Flora, el etiquetador de vídeo robótico que Nvidia libera en abierto, apunta en la misma dirección desde otro ángulo. Un sistema de tres modelos abiertos ajustados para una tarea concreta iguala o supera a un modelo de frontera generalista a una fracción del coste. Y la previsión de Jack Clark, que adelanta a 2027 la posibilidad de una IA que acelere su propia investigación, recuerda que el ritmo de sustitución de modelos no va a frenarse. Ambos datos refuerzan la misma idea: lo que hoy parece el mejor modelo para un caso de uso puede no serlo dentro de seis meses.
Qué deberían hacer las empresas que implementan IA
El hilo común de todas estas noticias es que el sector ha pasado de vender promesas a rendir cuentas, y eso traslada riesgo y oportunidad a los clientes. La oportunidad es inmediata: hay margen para renegociar contratos de modelos y de infraestructura, porque los proveedores compiten por volumen como nunca. El riesgo es más silencioso: precios que hoy bajan por estrategia pueden subir cuando cambie la estrategia, proveedores de GPU que hoy son baratos pueden desaparecer en una consolidación y capas de software que hoy son gratuitas pueden convertirse en suscripciones.
La respuesta sensata no es elegir al ganador, sino construir para no depender de él. Eso significa abstraer el acceso a modelos para poder cambiar de proveedor sin rehacer el producto, medir el coste por tarea y no solo por token, revisar arquitecturas de agentes sobredimensionadas y exigir cláusulas de portabilidad y continuidad a quien aloje las cargas. Mantener evaluaciones propias, con casos reales del negocio, es lo que permite aprovechar cada rebaja sin perder calidad.
La conclusión es clara: la etapa en la que bastaba con elegir el modelo más capaz se ha terminado. Ahora gana quien entiende la economía que hay debajo de cada llamada a una API y diseña sus sistemas para que esa economía, cambie como cambie, no le pille a contrapié.
Las noticias del día
Anthropic hace público su folleto de salida a bolsa: Nasdaq, ticker «ANT»
Anthropic publicó el lunes 26 su S-1 ante la SEC tras el registro confidencial de junio. Ingresó 16.290 millones de dólares en el primer semestre de 2026, frente a 1.160 millones un año antes y 4.590 millones en todo 2025. La pérdida neta semestral fue de 80.700 millones, casi toda por un ajuste contable de 72.400 millones en notas convertibles; la pérdida operativa fue de 693 millones. Tiene más de 430.000 millones comprometidos en contratos de cómputo en la nube, y alrededor de una quinta parte de sus ingresos procede de solo dos clientes. Una acción de clase F en manos de los siete cofundadores concentrará el 50,1 % del voto en la mayoría de asuntos.
Por qué importa: es la primera vez que vemos auditada la economía de un laboratorio de frontera. Para quien compra API, el dato clave es la concentración de clientes y los compromisos de cómputo: el precio de los modelos dependerá de que esa máquina de ingresos siga creciendo al ritmo que exige el gasto.
Fuente: Yahoo Finance · Yahoo Finance
Meta lanza 35.000 millones en acciones y prepara otros 60.000 para 2027
Meta anunció el lunes ofertas simultáneas por unos 35.000 millones de dólares: 22.500 millones en acciones de clase A, con liquidación diferida mediante contratos a plazo hasta noviembre de 2027, y 12.500 millones en preferentes convertibles obligatorias. Planea además un programa «at-the-market» de 60.000 millones en 2027. Nvidia, AMD y Broadcom han mostrado interés no vinculante en comprar hasta 5.000 millones de esas acciones. El destino declarado es infraestructura de IA y «superinteligencia personal», con un capex previsto de 135.000 a 145.000 millones en 2026.
Por qué importa: el flujo de caja ya no basta ni a los gigantes con más caja del mundo. Que los proveedores de chips compren acciones de su cliente reaviva el debate sobre la financiación circular del sector.
Fuente: Yahoo Finance
OpenAI ofrece descuentos de hasta el 90 % para quitarle clientes a Anthropic
Según The Information, recogido por The Decoder, OpenAI está rebajando precios de forma agresiva a grandes cuentas de Anthropic. En Rippling, la cuota de OpenAI en carga de programación pasó del 16 % al 52 % y la de Anthropic cayó del 57 % al 18 %. Replit cambió tras un descuento de más del 30 % sobre un contrato de más de 100 millones anuales, y DataCamp afirma haber recortado sus costes de IA entre un 80 % y un 90 %. Un memorando a inversores apunta a que el crecimiento de Anthropic se moderó del segundo al tercer trimestre.
Por qué importa: la competencia entre laboratorios pasa del benchmark a la factura. Para las empresas, es buen momento para renegociar contratos de modelos, siempre que su arquitectura permita cambiar de proveedor sin rehacer el producto.
Fuente: The Decoder
Musk augura la muerte de la mayoría de los más de 200 neoclouds
Elon Musk escribió el domingo en X que los mercados de deuda han cerrado «casi por completo» el acceso al dinero a las empresas sin ingresos relevantes fuera de los centros de datos de IA, y vaticinó muerte y consolidación para más de 200 neoclouds. Añadió que SpaceX ha cerrado 40.000 millones de deuda para comprar GPUs, con grado de inversión. CoreWeave, Nebius e Iren cayeron en la apertura del lunes y se recuperaron después; en el último mes, CoreWeave y Nebius acumulan caídas de más del 30 % e Iren del 40 %.
Por qué importa: muchas empresas europeas alquilan GPU a estos proveedores. Si llega la consolidación, la continuidad del servicio y la portabilidad de cargas pasan a ser criterios de compra tan importantes como el precio por hora.
Fuente: The Next Web · TheStreet
Nvidia quiere cobrar unos 2.000 dólares por GPU y año por el software de agentes
En una sesión de preguntas en la GTC de Berlín, Jensen Huang dijo que ejecutar el software de agentes de Nvidia cuesta unos 2.000 dólares por GPU al año y que las licencias serán cada vez más importantes para el negocio. La compañía no ha concretado qué productos cubriría ni cuándo empezaría; su suite AI Enterprise ya se lista a 4.500 dólares por GPU y año. El día anterior lanzó la arquitectura de referencia OpenShell, un sandbox abierto para agentes con aislamiento por hardware.
Por qué importa: es una señal de precio, no un lanzamiento. Pero quien presupueste infraestructura propia para agentes debe empezar a contar con una línea recurrente de software por GPU, no solo con el hardware.
Fuente: TechSpot
Anthropic recomienda un solo agente antes que un enjambre de subagentes
Anthropic aconseja revisar si los sistemas multiagente pueden fusionarse en un agente principal que cargue contexto bajo demanda, y publica un kit de migración en GitHub. En una comparación, la arquitectura de un solo agente fue unas dos veces más rápida, y la selección de herramientas se degrada a partir de 30 a 50 definiciones. Recomienda mantener subagentes solo cuando haya paralelismo real o degradación medible del contexto.
Por qué importa: muchas implementaciones recientes se diseñaron con orquestaciones complejas para compensar modelos más limitados. Simplificar reduce latencia, coste y puntos de fallo, pero con evaluación: el propio informe recoge un caso en que la fusión rompió un proceso que funcionaba.
Fuente: The Decoder
Jack Clark adelanta a 2027 su previsión de una IA que se mejora a sí misma
El cofundador de Anthropic escribió en Import AI que la automejora recursiva podría ser posible ya en 2027, un año antes de lo que preveía. Se apoya en TasteVal, de P-Zero Research, que compara la capacidad de diseñar experimentos e interpretar resultados con la de 24 expertos humanos. El mejor modelo, Opus 5.5, logró un multiplicador de cómputo de 2,3. Los autores admiten que las tareas son cortas y baratas de verificar y que pueden sobrestimar el progreso.
Por qué importa: si se acelera la automatización de la investigación en IA, los ciclos de modelos se acortarán todavía más. Para quien planifica proyectos, implica diseñar pensando en sustituir el modelo cada pocos meses.
Fuente: The Decoder
Nvidia libera Flora, un etiquetador de vídeo robótico mucho más barato
El laboratorio GEAR de Nvidia publicó en abierto Flora, que etiqueta una hora de vídeo de robots por unos 72 céntimos frente a unos 88,50 dólares con GPT-6 Astra, según proyecciones con GPU a 10 dólares la hora. Usa tres modelos Qwen3.5 ajustados y Nvidia ya lo emplea para entrenar sus modelos GR00T, con hasta 200.000 horas de vídeo al día.
Por qué importa: la preparación de datos es el cuello de botella de la robótica, y un etiquetado barato y abierto baja la barrera para pilotos industriales.
Fuente: The Decoder