La noticia de la semana la ha protagonizado Google con Gemini 4 Carbon, el segundo gran modelo que presenta en pocas semanas. Esta vez, no se ha limitado a presentar un buen modelo: ha conseguido la primera posición en el índice de inteligencia de Artificial Analysis. Google vuelve a marcar el ritmo. Muchos dábamos Google por perdido en la carrera por los primeros puestos. Pero, en pocas semanas, ha encadenado dos modelos, cada uno mejor que el anterior. Este último da un salto especialmente notable en programación, ciberseguridad y tareas complejas de larga duración. A veces, las grandes empresas sorprenden: cuando parece que han perdido el rumbo, todavía son capaces de reaccionar y volver a liderar. Es lo que acaba de hacer Google con Gemini 4 Carbon. Ahora habrá que esperar que el acceso, inicialmente restringido, llegue al conjunto de los usuarios.

Pero Google no ha sido el único protagonista. Claude Code, la herramienta de programación de Anthropic —que cada vez sirve para hacer más cosas—, continúa consolidando una manera de trabajar con subagentes y tareas en paralelo. Aquello que muchos resolvían como podían con varias ventanas de Claude se convierte en un entorno mucho más integrado y sólido. Claude Code 2 marca el camino hacia un desarrollador que dirige agentes, reparte tareas y supervisa resultados. Una propuesta que lo sitúa entre las herramientas más avanzadas para el trabajo profesional. ¿Cuánto tardarán Codex, de OpenAI, y Antigravity, de Google, en atraparlo? Y, finalmente, una noticia que nos tiene que hacer pensar llega de China. El índice STAR50 ha perdido un 40% desde los máximos de julio y ha borrado unos 480.000 millones de dólares de valor bursátil. Entre las empresas castigadas se encuentra Unitree, el conocido fabricante de robots, que ha perdido aproximadamente la mitad de su valor desde que empezó a cotizar en agosto.

Quizás la mejor expresión para describir una burbuja continúa siendo la de Alan Greenspan: "exuberancia irracional". Valoraciones que se disparan sin que los beneficios, ni unas expectativas razonables de generarlos, las sostengan. Esta es la cuestión de fondo en China: la IA, la robótica y los semiconductores han alcanzado valoraciones empujadas por el entusiasmo global, pero sin una monetización lo suficientemente sólida que las justifique. Se han importado las expectativas del mercado americano sin disponer de la misma capacidad de convertirlas en negocio. En Estados Unidos, las grandes plataformas disponen de negocios consolidados con los que financiar y comercializar la IA. En China, ofrecer modelos competitivos o robots espectaculares no resuelve, por sí solo, el problema de quién paga, cuánto paga y qué margen queda. Recuperar la confianza exigirá ganar y consolidar mercado, encontrar modelos de negocio rentables —también con modelos propietarios— y conseguir que los robots hagan algo más que cabriolas. Las demostraciones pueden disparar una cotización. Para sostenerla, hace falta negocio. La gran pregunta que sobrevuela los mercados es: ¿habrá contagio?

Las noticias clave

Google Gemini 4 - Carbon
Google acelera y se pone a la cabeza de la carrera de la IA con Gemini 4 Carbon, presentado solo dos semanas después de Argon. El nuevo modelo ocupa el primer puesto del Artificial Analysis Intelligence Index, con 59 puntos, y da un salto en programación, razonamiento y trabajo autónomo. Según Google, sus equipos ya lo han visto trabajar durante días en problemas complejos de ingeniería, superando intentos fallidos hasta identificar y corregir errores en grandes proyectos de software. También destaca en ciberseguridad: alcanza un 88,2% en SEC-bench Pro, de detección de vulnerabilidades; un 54,8% en ExploitGym, de explotación, y un 71% en CWE-bench, de corrección. En pruebas internas, más que duplica el éxito de Argon generando código seguro.

El progreso no consiste solo en hacer más cosas, sino en hacerlas con más fiabilidad. Google afirma que Carbon reduce aproximadamente a la mitad las afirmaciones sin soporte y casi un 80% las alertas graves de desalineamiento en sus entornos internos de programación. También resiste todos los intentos de inyección de instrucciones del benchmark evaluado, un resultado que no implica inmunidad ante cualquier ataque. Estas capacidades tienen, sin embargo, una doble cara: pueden ayudar tanto a proteger sistemas como a atacarlos. Por ello, el acceso inicial queda restringido a profesionales seleccionados de ciberdefensa y socios de confianza. Google prevé ampliarlo pronto, aún sin fecha, con un precio inicial anunciado de 2 dólares por millón de tokens de entrada y 10 de salida.

Claude Code 2
Con Claude Code 2.0, Anthropic dio un paso más hacia la delegación del trabajo de programación. Presentada en septiembre de 2025, esta versión renovó la interfaz del terminal e incorporó una extensión nativa para Visual Studio Code, que permite ver y revisar los cambios directamente en el editor. Una de las novedades principales son los puntos de control: antes de cada modificación de Claude, se guarda el estado del código para poder volver atrás y restaurar los archivos, la conversación o ambas cosas. Esto facilita encargarle cambios más ambiciosos y explorar soluciones manteniendo la posibilidad de recuperar un estado anterior.

El cambio más interesante es cómo se organiza el trabajo. Los subagentes pueden asumir tareas especializadas en paralelo, mientras las automatizaciones ejecutan comprobaciones y los procesos en segundo plano siguen funcionando sin detener el resto del trabajo. Además, el Claude Agent SDK pone las herramientas, la gestión del contexto y el sistema de permisos de Claude Code a disposición de los desarrolladores para que construyan agentes propios, también fuera de la programación. La dirección es clara: cada vez más, el programador define el objetivo, delega la ejecución y revisa el resultado. Saber especificar qué queremos y comprobar que funciona gana peso frente a escribir cada línea de código.

Claude for Law
Anthropic lleva la IA jurídica más allá del chat con Claude for Legal, que esta semana incorpora una galería de seis aplicaciones interactivas preparadas para trabajar. Son los llamados artifacts: escoges una herramienta, incorporas tus documentos y Claude hace una primera revisión que después el abogado valida. Cite Check detecta citaciones incorrectas, páginas equivocadas y fuentes que no sostienen una afirmación; Tabular Contract Review analiza conjuntos de contratos y muestra los fragmentos que justifican cada respuesta; y Regulatory Scan identifica novedades normativas relevantes. Completan la galería Playbook Deviation, que señala cláusulas alejadas de los criterios de la empresa; Jurisdiction Matrix, que compara legislaciones, y Matter Board, que organiza expedientes, responsables y plazos.

La propuesta incorpora más de sesenta conectores con herramientas como Bloomberg Law, DocuSign y Filevine, y aplicaciones aportadas por Harvey, PwC, Goodwin y Foley & Lardner. Cada equipo puede adaptarlas a sus procedimientos, conectarlas con sus fuentes y compartirlas con el resto de la organización. La novedad es disponer de procesos de trabajo preparados para utilizar, sin tener que construirlos desde cero. Esto facilita que el conocimiento del departamento jurídico llegue a otros equipos mediante herramientas reutilizables, con resultados vinculados a las fuentes y revisión profesional.

La burbuja de la IA ya ha estallado en China
Mientras en Occidente discutimos si hay una burbuja de la IA, en China ya se está desinflando con fuerza. Según Reuters, el índice STAR50, que agrupa a grandes empresas tecnológicas y de semiconductores, ha caído un 40% desde el máximo de julio y ha perdido unos 480.000 millones de dólares de valor bursátil. Unitree, MetaX y Moore Threads han visto cómo sus acciones se reducían a la mitad. No hay un único detonante: las valoraciones extremas, las dudas sobre la demanda y la amenaza de restricciones a la entrada de tecnología china en los centros de datos de Estados Unidos han erosionado el entusiasmo inversor. El apoyo de Pekín al sector no ha protegido a los pequeños inversores de las pérdidas.

La corrección puede dificultar nuevas salidas a bolsa y reducir la financiación de las empresas tecnológicas. Y, a pesar de la caída, el STAR50 todavía cotiza alrededor de cien veces los beneficios de los últimos doce meses, según los datos recogidos por Reuters. Una tecnología puede transformar la economía y, al mismo tiempo, ser una mala inversión si se paga un precio excesivo. El riesgo es que las expectativas de crecimiento no se traduzcan en los márgenes esperados, especialmente si la competencia desemboca en guerras de precios. El batacazo chino evidencia esta distancia entre el potencial de la IA y los beneficios que acabarán capturando sus inversores.

Cómo la IA nos cambiará la vida

Robots que hacen casas

Publicidad de cristales chinos

La IA sustituirá hasta el 60% de los trabajadores públicos en los Países Bajos en algunos departamentos


La investigación en IA 

Self-Evolving Coding Agents via Harness-Policy Optimization-AI Lab: Microsoft Research, University of Virginia, Carnegie Mellon
Un agente de programación depende tanto del modelo como del entorno de trabajo que le permite actuar: las herramientas, las instrucciones y los procedimientos que utiliza para resolver una tarea. Self-HPO propone mejorar ambos componentes de manera alternada. Primero, el modelo analiza sus errores y propone cambios en este entorno, conocido como harness. Después, se entrena con aprendizaje por refuerzo dentro del entorno seleccionado. Las tareas que todavía le cuestan sirven para orientar la siguiente ronda de mejoras. En tres bancos de pruebas de programación, el sistema eleva la tasa media de resolución de Qwen3.5-35B-A3B del 57,8% al 64,8%, con mejoras que también se trasladan a tareas diferentes de las utilizadas durante la optimización.

Por qué es importante
La importancia del trabajo es que muestra cómo el modelo y su manera de trabajar pueden evolucionar juntos y reforzarse mutuamente. Mejorar solo el modelo deja intactas las limitaciones del entorno; mejorar solo el entorno puede acabar adaptándolo a un modelo que ya ha cambiado. Self-HPO conecta estos dos procesos y obtiene una ganancia conjunta superior a la suma de las mejoras individuales. Esto apunta a una vía de automajora recursiva en la que los errores del agente alimentan tanto su entrenamiento como el rediseño de las herramientas y los procedimientos que utiliza. El progreso puede venir de sistemas que aprenden a trabajar mejor mientras se hacen más capaces.

Lauren Tan Reveals How to Build a 21+ Agent GrokBot Team-AI Lab: SpaceX – Lauren Tan
Pasar de un asistente a un equipo de agentes exige organizar cómo trabajan. Este taller de Lauren Tan presenta un sistema que combina investigación, programación, revisión e integración de cambios, con agentes que pueden avanzar en paralelo. La propuesta utiliza pstack para convertir procedimientos recurrentes en habilidades reutilizables, y ciclos de trabajo orientados a objetivos para que las tareas continúen más allá de una conversación. La verificación ocupa un lugar central: los agentes deben poder comprobar los resultados, mientras las pruebas automáticas y las reglas del proyecto controlan la calidad del código.

Por qué es importante
La importancia de este enfoque es que traslada la atención del modelo a la organización del trabajo. Disponer de varios agentes solo aporta valor si tienen objetivos claros, contexto suficiente y mecanismos para detectar y corregir errores. Esto apunta a una nueva responsabilidad profesional: diseñar procesos que permitan delegar tareas completas y coordinar sus resultados. También abre la posibilidad de que equipos pequeños asuman más proyectos simultáneamente. El salto de productividad dependerá de convertir la capacidad de los modelos en una forma de trabajar fiable, repetible y escalable.