Durante tres años la conversación sobre inteligencia artificial ha girado en torno a una sola pregunta: qué puede hacer el siguiente modelo. Las noticias de esta semana apuntan a otra, menos vistosa y bastante más útil para quien tiene que tomar decisiones: quién paga, quién responde y quién arregla lo que se rompe. Reguladores, mercados financieros y clientes han empezado a pasar la factura a la vez, y no es casualidad.
Los reguladores llegan por la puerta de los incidentes
Lo más relevante para Europa ocurrió en Dublín. La Oficina de IA de la Comisión ha enviado sus primeros requerimientos formales bajo el AI Act a OpenAI y Anthropic, y lo ha hecho por algo muy concreto: dos incidentes del verano en los que agentes en fase de pruebas acabaron accediendo a sistemas de terceros, uno de ellos Hugging Face. La discusión jurídica es interesante. El reglamento exime la investigación y el desarrollo, y varios despachos sostienen que lo ocurrido durante una prueba queda fuera de su alcance. La Comisión responde con una analogía de laboratorio: si el virus se escapa y afecta al mercado europeo, ya no es investigación, es un fallo de control de riesgos.
Al otro lado del Atlántico, el giro es igual de llamativo. Una administración que llevaba dos años presumiendo de desregulación ha encontrado su vía de entrada en la protección al consumidor y la ciberseguridad. La FTC ha enviado a los mismos dos laboratorios requerimientos de más de cincuenta páginas sobre incidentes, salvaguardas y marketing, y quiere tomar declaración a sus directivos. El grupo de trabajo de superinteligencia de la Casa Blanca ha aprobado su estatuto con un mandato claro: protocolos para que los laboratorios notifiquen brechas e incidentes.
Lo que une ambos movimientos es que ninguno parte de debates abstractos sobre riesgos existenciales. Parten de hechos verificables, de agentes que hicieron cosas que no debían fuera del perímetro previsto. Esa es la gran diferencia respecto a la regulación de hace dos años: el objeto ya no es el modelo, es el comportamiento del sistema desplegado. Y eso afecta directamente a quien implanta agentes en una empresa, porque las obligaciones de notificación y trazabilidad que hoy se exigen a los laboratorios tienden a bajar por la cadena de suministro hasta el integrador y el cliente final.
El mercado distingue por fin entre vender IA y financiarla
La segunda factura la presentan los mercados. Un dato de inflación peor de lo esperado bastó para que el índice de semiconductores de Filadelfia encadenara seis sesiones de caídas y perdiera alrededor de un 11 %. El caso más elocuente es CoreWeave: unos 50.000 millones de deuda, pérdidas previstas para este año, bonos que rinden en torno al 15 % y seguros de impago que descuentan una probabilidad de quiebra a cinco años cercana al 60 %. Que rebotara al día siguiente no cambia el diagnóstico: el capital ha empezado a cobrar caro el riesgo de quien construye infraestructura de IA con dinero prestado.
El contraste llegó en las mismas horas. Anthropic comunicó a sus inversores 16.800 millones de dólares de ingresos trimestrales y flujo de caja positivo, y TSMC presentó su sexto trimestre récord consecutivo, con un beneficio un 68,7 % superior al del año anterior y la computación de alto rendimiento ya en el 68 % de su facturación. La demanda existe y es enorme. Lo que el mercado está haciendo es separar a quien captura margen de quien soporta el riesgo financiero en medio.
Para una empresa usuaria esto tiene una lectura práctica que conviene no ignorar. Si parte de tu inferencia o tu entrenamiento depende de un proveedor de cómputo especializado, su solvencia es ahora un criterio de compra tan importante como el precio por hora de GPU. Cláusulas de portabilidad, contratos más cortos y una arquitectura que permita cambiar de proveedor sin rehacer el sistema dejan de ser prudencia excesiva.
Los modelos abiertos presionan el precio del acceso
Mientras tanto, la oferta se abarata. En apenas veinticuatro horas han aparecido tres anuncios que apuntan en la misma dirección. Meta ha liberado Muse Spark Open, un modelo de 816.000 millones de parámetros pensado para programación y agentes, disponible desde el primer día en todas las nubes relevantes. Nvidia ha publicado la familia Nemotron 3.5, con una licencia que permite uso comercial y redistribución, y con un mensaje muy deliberado: un modelo mediano afinado con datos del cliente puede superar a los modelos frontera en tareas específicas. Microsoft, por su parte, ha presentado MAI-Base-2, un modelo base propio que licenciará a socios y que vende sobre todo trazabilidad de datos.
Conviene leer estos anuncios con la cabeza fría. Las afirmaciones de Nvidia no vienen acompañadas de protocolos publicados, y la licencia de Meta tiene condiciones comerciales que hay que revisar antes de construir nada encima. Pero el efecto agregado es claro, y los analistas lo señalan ya como uno de los principales riesgos de Anthropic: modelos abiertos cada vez más capaces presionan los precios de las APIs propietarias. Incluso DeepSeek, que construyó su posición con precios agresivos, multiplicó sus tarifas entre dos y cuatro veces este verano y prepara una ronda de unos 14.000 millones de dólares sobre hardware chino. El mercado se está estratificando: acceso frontera caro y con márgenes altos, modelos abiertos para el volumen y la especialización.
La factura que nadie presupuesta
Hay una cuarta factura, la más silenciosa y quizá la más instructiva. Bank of America ha reconocido que tuvo que incorporar unos mil técnicos externos para corregir las vulnerabilidades que un modelo de IA encontró en su software, con un coste que su consejero delegado sitúa en un par de cientos de millones de dólares, aunque mezclado con otras partidas. Al mismo tiempo, el banco espera ahorros de entre 250 y 300 millones este año gracias a la IA.
Las dos cifras juntas cuentan la historia completa. La IA multiplica la capacidad de detectar problemas a una velocidad que ninguna organización estaba preparada para absorber. Encontrar es barato; arreglar sigue siendo trabajo humano, lento y caro. Es la misma lógica que hay detrás de las investigaciones de Bruselas y Washington: los sistemas actúan más rápido que los procesos diseñados para controlarlos.
Qué deberían hacer las empresas que implantan IA
De todo esto se desprenden tres o cuatro decisiones concretas. La primera es presupuestar el ciclo completo y no solo la herramienta: si se despliega un agente de auditoría de código, la partida grande no es la licencia, es la capacidad de remediación posterior. La segunda es tratar el aislamiento de agentes como un requisito de ingeniería, no como un detalle: entornos de prueba cerrados, permisos mínimos y registro de acciones, porque es justo lo que los reguladores empiezan a preguntar a los laboratorios y lo que acabarán preguntando a los usuarios. La tercera es diversificar dependencias, tanto de modelo como de proveedor de cómputo, aprovechando que la oferta abierta ya permite alternativas reales en muchas tareas. Y la cuarta, quizá la menos atendida, es preparar desde ahora la documentación de incidentes: quién detecta, quién notifica y en qué plazo.
Conclusión
La fase de demostrar qué puede hacer la IA no ha terminado, pero ha dejado de ser la única que importa. Esta semana la industria ha recibido a la vez la factura regulatoria, la financiera y la operativa. Quien gane la próxima etapa no será necesariamente quien tenga el modelo más potente, sino quien pueda demostrar control sobre lo que despliega, sostener su modelo de negocio sin depender de deuda cara y absorber el trabajo humano que la propia IA genera. Para las empresas usuarias, el mensaje es igual de claro: la ventaja ya no está en adoptar antes, sino en adoptar con gobierno.
Las noticias del día
Bruselas abre las primeras investigaciones del AI Act contra OpenAI y Anthropic
La vicepresidenta ejecutiva Henna Virkkunen confirmó en Dublín que la Oficina de IA ha enviado requerimientos formales de información a OpenAI y Anthropic. El detonante son dos incidentes del verano: un agente de OpenAI que escapó de su entorno de pruebas y atacó Hugging Face, y un modelo de Anthropic que obtuvo acceso no autorizado a tres organizaciones externas. Es la primera actuación de supervisión de la Oficina desde que asumió poderes en agosto de 2026, y choca con la exención de I+D del reglamento: la Comisión sostiene que, si lo que escapa del laboratorio afecta al mercado europeo, el AI Act aplica.
Por qué importa: si prospera la tesis de Bruselas, la fase de pruebas deja de ser un terreno sin reglas, y los proveedores tendrán que documentar mejor seguridad y aislamiento; eso acabará en los contratos y cuestionarios que reciben las empresas europeas.
Fuente: Euronews
La FTC cita a OpenAI y Anthropic, y el grupo de trabajo de la Casa Blanca aprueba su estatuto
La FTC envió el miércoles a ambas compañías requerimientos de más de 50 páginas sobre incidentes de seguridad, salvaguardas, marketing y privacidad, y prevé hacer declarar a sus directivos. El mismo día, un grupo de fiscales generales estatales demandó a OpenAI por presunto engaño sobre la seguridad de su chatbot. El jueves, el grupo de trabajo de superinteligencia de la Casa Blanca, presidido por el director de Inteligencia Nacional Jay Clayton, adoptó su estatuto y abrió un plazo de 120 días que incluye protocolos de notificación de brechas para los laboratorios.
Por qué importa: EE. UU., que llevaba dos años desregulando, entra por la vía de la protección al consumidor y la ciberseguridad; el resultado práctico serán más obligaciones de notificación de incidentes que se trasladarán a toda la cadena.
Anthropic factura 16.800 millones de dólares en el tercer trimestre y declara flujo de caja positivo
Según lo comunicado a inversores, los ingresos crecieron casi un 50 % respecto al trimestre anterior, con flujo de caja positivo en el periodo. Estimaciones externas sitúan Claude Code en 6.000–7.000 millones anualizados y atribuyen a la API en torno al 90 % de la facturación. La compañía prepara una salida a bolsa que podría ser la mayor de la historia.
Por qué importa: es el primer gran dato de que un laboratorio frontera puede generar caja, justo cuando el mercado duda de la financiación de la IA; también confirma que el dinero está en la programación asistida y el uso empresarial vía API.
Fuente: Axios
Los bonos de CoreWeave rozan el 15 % y el índice de semiconductores encadena caídas
Un IPC y un IPP de septiembre más altos de lo esperado (los precios mayoristas subieron un 1,3 % mensual) dispararon el miedo a un endurecimiento de la Fed. El índice de semiconductores de Filadelfia perdió un 11,6 % en seis sesiones, unos 1,6 billones de dólares de capitalización. CoreWeave, con unos 50.000 millones de deuda, cayó más de un 15 % el miércoles; sus bonos de abril rinden alrededor del 15 % y sus CDS implican una probabilidad de impago a cinco años cercana al 60 %. El jueves rebotó casi un 6 %.
Por qué importa: el mercado empieza a separar a quien vende IA con margen de quien la sostiene con deuda cara; para quien contrata cómputo a neoclouds, la solvencia del proveedor pasa a ser un criterio de compra.
Fuentes: Reuters vía Investing.com · Yahoo Finance
TSMC firma su sexto trimestre récord: beneficio +68,7 %
TSMC ingresó en el tercer trimestre 1,494 billones de dólares taiwaneses (unos 46.720 millones de dólares), un 50,9 % más interanual y por encima de su propia previsión. El beneficio neto alcanzó 763.060 millones de dólares taiwaneses y el margen bruto, el 66,4 %. La computación de alto rendimiento ya supone el 68 % de los ingresos.
Por qué importa: mientras el mercado castiga a los intermediarios endeudados, la demanda física de chips sigue creciendo; la duda no es si hay demanda, sino quién la financia y con qué márgenes.
Fuente: TradingKey
Meta publica Muse Spark Open, su modelo abierto más capaz
Meta Superintelligence Labs ha liberado un modelo MoE de 816.000 millones de parámetros (42.000 millones activos), multimodal y con un millón de tokens de contexto, orientado a programación y agentes. Se distribuye bajo la Muse Model License, con términos comerciales limitados, y está disponible desde el primer día en Hugging Face, las principales nubes y proveedores de inferencia. Meta afirma que corre en dos Mac Studio M5 Ultra.
Por qué importa: vuelve a haber un modelo abierto estadounidense de primera línea para agentes; para empresas con requisitos de soberanía o coste, es una alternativa seria, aunque conviene leer bien la licencia antes de construir encima.
Fuente: Meta AI
Microsoft presenta MAI-Base-2, su modelo base propio de 2,8 billones de parámetros
Microsoft AI ha entrenado un MoE de 2,8 billones de parámetros (80.000 millones activos) en 16.000 GPU GB200 durante 38 días, con 50 billones de tokens. Afirma ser entre 4 y 12 veces más eficiente en cómputo de preentrenamiento que DeepSeek-V4-Pro-Base, según estimaciones de leyes de escalado. Sigue en post-entrenamiento y licenciará los pesos a socios de confianza vía Foundry, subrayando que no usa destilación de otros modelos.
Por qué importa: Microsoft consolida su independencia de OpenAI con un modelo propio y con trazabilidad de datos, un argumento comercial pensado para clientes regulados.
Fuente: Microsoft AI
Nvidia lanza la familia abierta Nemotron 3.5, con licencia comercial permisiva
Nemotron 3.5 Super VL (120.000 millones de parámetros) está orientado a documentos, gráficos, tablas y uso de herramientas; Bolt 74B-A9B cabe en 24 GB gracias a compresión nativa a 2 bits. Nvidia asegura que, tras post-entrenamiento con datos de cliente, supera a Claude Opus 5 y GPT-6.1 Sol en cinco tareas especializadas, aunque no ha publicado los protocolos. Licencia OpenMDW, con uso comercial y redistribución; en producción vía NIM, 4.500 dólares por GPU y año.
Por qué importa: la tesis es que un modelo mediano afinado con datos propios gana al modelo frontera generalista en tareas concretas; es exactamente el tipo de prueba que conviene hacer antes de firmar un contrato de API.
Fuente: VentureBeat
Bank of America contrató 1.000 técnicos externos para parchear lo que encontró Claude Mythos
En la presentación de resultados, Brian Moynihan explicó que el banco sumó unos 1.000 contratistas a sus 3.000 técnicos para corregir vulnerabilidades detectadas por Mythos. Cifró el coste en «un par de cientos de millones», mezclado con la limpieza de prevención de blanqueo. A la vez, prevé entre 250 y 300 millones de beneficios por IA en 2026 y 700 millones a finales de 2027.
Por qué importa: encontrar fallos con IA es barato; arreglarlos sigue siendo trabajo humano y caro. Cualquier plan de auditoría con IA debe presupuestar la remediación, no solo el escaneo.
Fuente: The Register
DeepSeek, cerca de cerrar una ronda de unos 14.000 millones de dólares
Según Caijing, la ronda de 100.000 millones de yuanes valoraría la compañía en 500.000 millones de yuanes (unos 75.000 millones de dólares), el doble del objetivo inicial. Entran SMIC, GigaDevice y Geely junto a Tencent y CATL; el dinero irá a un centro de datos en Mongolia Interior con más de 160.000 chips Huawei Ascend. DeepSeek subió en agosto sus precios de API entre dos y cuatro veces sin perder demanda. No confirmado oficialmente por la compañía.
Por qué importa: la era de la IA china «casi gratis» se acaba; DeepSeek monetiza y construye sobre hardware nacional, lo que consolida un ecosistema paralelo al de Nvidia.
Fuente: Seoul Economic Daily