81.000 millones de dólares. En un solo día. Esto es lo que ha conseguido Anthropic con su salida a bolsa, la más grande de la historia. Una empresa fundada hace poco más de cinco años, que ha debutado con una valoración de 1,5 billones de dólares, ha llegado momentáneamente a los 2 billones, una cifra comparable al PIB de España, y ha cerrado la primera sesión con una revalorización superior al 17%. ¡Una barbaridad! Y de paso, ha convertido a un buen número de sus empleados en multimillonarios. Pero lo más importante no es solo la magnitud de la operación. Anthropic es la primera de las grandes empresas de modelos de IA que sale a bolsa, y probablemente no será la última. Esto nos permitirá empezar a ver con mucha más transparencia cómo funcionan estos negocios, cuándo ingresan, cuánto gastan y, sobre todo, si son capaces de convertir toda esta inteligencia en beneficios.

Estamos reviviendo el 2000. Con las puntocom se creó una cantidad extraordinaria de riqueza, pero no se repartió entre todos. La capturaron sobre todo las empresas americanas. Ahora vuelve a pasar, pero con una diferencia importante: esta vez también está China. Hay dos grandes maneras de capturar el valor de la IA. La primera es crearla y venderla, como hace Anthropic. La segunda es utilizarla para transformar empresas, aumentar la productividad y competir mejor en todos los sectores. Esta es una de las grandes apuestas de China. ¿Y Europa? Desafortunadamente, no parece que estemos destacando ni en una cosa ni en la otra. El resultado puede ser el mismo que con internet, pero amplificado: una enorme creación de riqueza que capturarán los americanos y los chinos, mientras Europa se vuelve relativamente más pobre, menos competitiva y más irrelevante. Y esto no es inevitable. Está en nuestras manos cambiarlo, ¡pero nos tenemos que poner las pilas! ¡Y deprisa!

Mientras tanto, el serial de Jensen Huang continúa. El antiguo CEO de Nvidia ha declarado que estaría encantado de volver a dirigir la compañía que fundó. Donald Trump y Elon Musk le han dado apoyo, como también miles de empleados y admiradores. Pero Nvidia no parece dispuesta a abrirle la puerta. Ni Harvey Jones, el nuevo presidente del consejo de administración, ni Colette Kress, la CEO interina, han dado ninguna señal de que el regreso sea una posibilidad real. De hecho, el consejo ha dejado claro que no lo prevé. Y aún queda el capítulo político. Huang tendrá que comparecer el 1 de diciembre, a puerta cerrada, ante tres comités de la Cámara de Representantes de los Estados Unidos: Inteligencia, Asuntos Exteriores y el comité sobre el Partido Comunista Chino. También hay una investigación en el Senado, aún sin fecha de comparecencia anunciada.

Pero la paradoja es extraordinaria. Nvidia vive una crisis de liderazgo mientras su negocio va como un cohete. Esta semana ha anunciado unos ingresos trimestrales de 115.800 millones de dólares, un 103% más que el año anterior, con un margen bruto cercano al 75%. Unas cifras espectaculares que demuestran hasta qué punto continúa creciendo la demanda de infraestructura para la IA. Y mientras Nvidia intenta pasar página, OpenAI y Google han decidido pisar el acelerador. OpenAI ha presentado finalmente GPT-6.2 Astra y GPT-6.2 Sol. Astra es el modelo más potente, orientado a los problemas más difíciles, el razonamiento avanzado y la investigación científica. Sol está pensado para tareas que necesitan más agilidad y eficiencia. Ambos compiten con los modelos líderes de Anthropic, como Fable 5.2 y Opus 5.5. ¡Y aún esperamos el futuro Fable 5.5!

Pero aquí hay una novedad que va mucho más allá de los nombres y de los rankings. La carrera ya no consiste solo en tener el modelo más inteligente, sino en conseguir que esta inteligencia cueste menos. Más capacidad, menos cálculo y menos dinero para resolver una misma tarea. Esta es la nueva frontera competitiva. Google ha optado por una estrategia diferente, mucho más granular, con toda una familia de modelos Gemini 4: Carbon, Neon, Argon e Hydrogen. Carbon es el más potente, pensado para los problemas que exigen un razonamiento profundo. Argon busca un equilibrio entre capacidad y coste, mientras que Hydrogen apuesta por la velocidad y la eficiencia y ya se ha incorporado a Google Search. ¡La diversidad es tan grande que empieza a ser difícil seguirlos! Y, para complicarlo aún más, un modelo teóricamente inferior puede superar a uno superior si le damos más tiempo y capacidad de razonamiento. Google está demostrando que no siempre necesitamos un Ferrari para ir a comprar el pan.

Y aún hay otra batalla que acaba de empezar: la de los modelos especializados. OpenAI ha actualizado Astra for Law con GPT-6.2 y ha conseguido situarlo a la cabeza de varios rankings de inteligencia jurídica, incluyendo una prueba desarrollada por Harvey, una de las empresas de referencia en IA legal. Esto plantea una pregunta interesante: ¿qué pasará con empresas especializadas como Harvey cuando los grandes modelos generalistas sean cada vez mejores en derecho? Probablemente veremos una división del trabajo. Los modelos generales y sus versiones especializadas resolverán cada vez más consultas y tareas jurídicas. Las plataformas como Harvey tendrán que competir por la integración con los procesos de los despachos, la gestión de casos complejos y la ejecución de trabajos largos que involucran a múltiples profesionales, documentos y decisiones.

Y lo mismo pasará en medicina, ingeniería, finanzas y muchos otros campos. No bastará con ser una IA especializada. Habrá que aportar algo más. Ha sido una semana extraordinaria. Anthropic ha demostrado que los mercados están dispuestos a valorar la IA en billones de dólares. Nvidia continúa creciendo espectacularmente, incluso sin Jensen Huang. OpenAI y Google nos muestran una nueva generación de modelos más potentes y eficientes, y la competencia se extiende ahora hacia los sectores profesionales. Pero quizás lo más extraordinario es pensar que todo esto lo está protagonizando una empresa como Anthropic, que hace solo cinco años ni siquiera existía. Y aún estamos al principio. Porque hay algo casi seguro: estos son los peores modelos de IA que veremos durante el resto de nuestras vidas. Los que vendrán serán mejores, mucho mejores. La gran pregunta ya no es hasta dónde llegará la IA. Es quién será capaz de capturar toda la riqueza que generará. Y, sobre todo, si Europa volverá a dejar pasar el tren.

Las noticias clave

Anthropic hace historia en Wall Street: ¡dos billones de dólares!
La fiebre de la IA no se detiene. Anthropic, la empresa creadora de Claude y principal rival de OpenAI, ha protagonizado la salida a bolsa más grande de la historia. Ha captado 81.300 millones de dólares, superando incluso el récord que SpaceX había establecido en junio. Y eso no es todo. Al empezar a cotizar en el Nasdaq, sus acciones se han disparado un 34% y la empresa ha llegado a valer ¡dos billones de dólares! Una cifra extraordinaria para una compañía fundada hace solo cinco años y que todavía pierde dinero. La euforia, sin embargo, ha durado poco. Las acciones han retrocedido durante la sesión y han acabado el día con una subida del 17%, dejando la valoración alrededor de 1,75 billones.

Pero lo más interesante no es la cifra, sino lo que significa. Wall Street está dispuesto a apostar cantidades astronómicas por empresas que todavía no han demostrado que pueden convertir la IA en beneficios sostenibles. Anthropic dispone ahora de cerca de 80.000 millones de dólares adicionales para construir centros de datos, comprar chips y competir en una carrera tecnológica cada vez más cara. Es una apuesta por el futuro de una magnitud que cuesta imaginar. Pero también una paradoja formidable: mientras crecen las dudas sobre una posible burbuja de la IA, los inversores continúan invirtiendo dinero como nunca. ¿Estamos ante la revolución industrial más importante del siglo o ante una de las apuestas financieras más arriesgadas de la historia? Quizás ambas cosas a la vez.

OpenAI presenta GPT-6.2: más inteligencia, menos coste y un paso más hacia la IA que investiga por sí misma
La carrera de la inteligencia artificial no da tregua. OpenAI acaba de presentar GPT-6.2 Astra y Sol, dos nuevos modelos que vuelven a elevar el listón. Astra es el modelo más potente, pensado para tareas profesionales complejas, mientras que Sol busca ofrecer una inteligencia muy elevada a un precio muy inferior. Y los resultados son espectaculares. Según las pruebas publicadas por OpenAI, Astra supera a su predecesor en tareas profesionales complejas con menos de un tercio del coste, mientras que Sol se acerca al rendimiento de Astra en programación por aproximadamente una quinta parte del precio. Pero el salto no es solo en los rankings. Los nuevos modelos crean presentaciones, hojas de cálculo, documentos profesionales, aplicaciones y simulaciones tridimensionales con una calidad que empieza a acercarse al trabajo de equipos especializados. Incluso pueden trabajar con herramientas de diseño industrial, construir modelos mecánicos y simular su funcionamiento. Ya no hablamos solo de una IA que escribe o programa, sino de una IA capaz de hacer una parte creciente del trabajo de ingenieros, consultores, abogados e investigadores.

Pero la noticia más importante es otra, y quizás la más trascendental de todas. Por primera vez, OpenAI ha clasificado un modelo comercial, GPT-6.2 Astra, en el nivel High de capacidad de automejora de la IA. ¿Qué significa? Que, según sus evaluaciones, utilizar este modelo equivaldría a proporcionar a cada investigador de OpenAI un ingeniero de investigación adicional altamente capacitado, comparado con el nivel de 2024. Es decir, la IA ya no solo ayuda a aplicar los descubrimientos que hacemos los humanos, sino que empieza a acelerar el mismo proceso de descubrir y construir mejores sistemas de IA. Y aquí aparece una posibilidad extraordinaria: si la IA nos ayuda a desarrollar una IA mejor, y esta nueva IA todavía acelera más la investigación, podríamos entrar en un círculo de innovación acumulativa que aceleraría el progreso tecnológico. Todavía no es una IA que se mejore sola, pero es un paso importante en esta dirección. Y, si este proceso se consolida, las consecuencias podrían ir mucho más allá de hacer las cosas más rápidamente: podríamos empezar a descubrir, inventar e innovar a una velocidad que hasta ahora era inimaginable.

Google vuelve a sacudir la IA con Gemini 4 Neon
Cuando parecía que Google ya había dicho la última palabra con Gemini 4 Carbon, llega una nueva sorpresa. Esta semana ha presentado Gemini 4 Neon, un modelo que promete la inteligencia de los más grandes, pero mucho más rápido y barato. Según las pruebas iniciales, consigue igualar o superar Carbon en calidad, con el triple de velocidad y un coste un 40% inferior. Y no se trata solo de responder preguntas. Neon destaca especialmente en programación, finanzas, análisis de datos, investigación científica y tareas complejas que requieren varios pasos. Ocupa las primeras posiciones en numerosos rankings, incluyendo el primer puesto en pruebas de investigación jurídica y fiscal. Google también ha mostrado cómo puede construir simuladores tridimensionales, recrear el estudio de Alan Turing o generar hojas de cálculo con cientos de miles de fórmulas. Hace solo unos meses, muchas de estas demostraciones parecían ciencia ficción.

Pero la noticia más importante no es que Google tenga otro modelo extraordinario. Es que la inteligencia artificial de alto nivel se está abaratando a una velocidad vertiginosa. Hasta ahora, los modelos más capaces acostumbraban a ser también los más lentos y caros. Neon empieza a romper esta relación, y eso cambia las reglas del juego. Porque una cosa es utilizar un modelo muy potente de vez en cuando y otra es tener cientos de agentes trabajando continuamente para una empresa, programando, analizando, investigando o tomando decisiones. En este escenario, el coste y la velocidad son tan importantes como la inteligencia. Y aquí es donde Google está haciendo una apuesta formidable. La carrera de la IA ya no consiste solo en construir el modelo más inteligente, sino en hacer que esta inteligencia sea tan barata y rápida que la podamos utilizar para todo. Y eso puede transformar la economía mucho más de lo que imaginamos.

Rebelión en Nvidia: los trabajadores quieren que vuelva Jensen Huang
La crisis de Nvidia está lejos de terminar. Después de la sorprendente dimisión de Jensen Huang, el fundador y CEO que había convertido la empresa en el gran protagonista de la revolución de la IA, ahora son los trabajadores los que se rebelan. Más de 10.000 personas que se identifican como empleados de Nvidia han firmado una petición para que Huang vuelva al cargo, aunque todavía no se ha verificado independientemente cuántos son realmente trabajadores. Incluso un miembro del consejo de administración ha advertido que su ausencia podría provocar una fuga de talento "insustituible". La situación es tan delicada que Colette Kress, la CEO provisional, ha tenido que convocar una reunión con toda la plantilla para intentar calmar los ánimos. ¿Y cuál ha sido su respuesta? ¡Más dinero! Ha prometido incrementos salariales y más acciones para los empleados antes de terminar el año. Pero no parece que todo el mundo esté convencido. Algunos trabajadores amenazan con marcharse si Kress se queda definitivamente al frente.

El problema es mucho más profundo que una simple sucesión empresarial. Jensen Huang no era solo el CEO de Nvidia. Para muchos, Jensen Huang era Nvidia. Durante 33 años había construido una cultura, un equipo y una manera de competir que han llevado a la empresa a dominar el mercado de los chips de IA. Y eso no se reemplaza nombrando un nuevo director general, por competente que sea. El consejo de administración insiste en que Huang no volverá, pero ahora se enfrenta a una pregunta incómoda: ¿qué pasa cuando los trabajadores son más fieles al fundador que a la propia empresa? Nvidia tiene los mejores chips, una posición de mercado extraordinaria y unos resultados espectaculares. Pero todo esto depende de miles de ingenieros que pueden marcharse. El dinero puede comprar muchas cosas, pero no necesariamente la confianza, la cultura y el liderazgo que han hecho posible Nvidia. Y este podría acabar siendo el coste más grande de la salida de Jensen Huang.

¡Microsoft entra de lleno en la guerra de los modelos de IA. ¡Y lo hace reventando los precios!
Microsoft ya no quiere depender solo de OpenAI. Esta semana ha presentado siete nuevos modelos de inteligencia artificial propios, desarrollados bajo la marca MAI, y las cifras son espectaculares. Su nuevo modelo de programación, MAI Code 2, consigue, según las pruebas de Microsoft, el 96% del rendimiento de Claude Opus 5.5 por solo el 5% del precio. El modelo de ciberseguridad MAI Cyber 2 Flash asegura superar GPT-6 Astra en una prueba especializada con menos del 2% del coste por tarea. Y el nuevo modelo de edición de imágenes, MAI Image 2.7, ocupa la primera posición del ranking de Artificial Analysis a una quinta parte del precio de su competidor de OpenAI. También ha presentado modelos de voz, transcripción médica y toma de decisiones, junto con Maia 200, su nuevo acelerador de chips. Microsoft no está intentando construir un único modelo que sea el mejor en todo, sino toda una familia de modelos especializados que hagan el mismo trabajo por una fracción del coste. Y esto puede ser mucho más importante de lo que parece.

Porque lo que está cambiando es la economía de la IA. Hasta ahora, la batalla consistía en tener el modelo más inteligente. Pero cuando una empresa quiere desplegar cientos o miles de agentes que trabajen las 24 horas, el precio de cada tarea se convierte en una cuestión decisiva. No es lo mismo pagar un euro que cinco céntimos por hacer un trabajo, especialmente si lo tienes que repetir un millón de veces. Microsoft lo ha entendido y está apostando por modelos especializados, más baratos y adaptables a los datos de cada empresa, que además pueden ejecutarse dentro de su propio entorno Azure. Es también un paso importante para reducir su dependencia tecnológica de OpenAI. La paradoja es formidable: mientras los gigantes tecnológicos invierten cientos de miles de millones en infraestructuras de IA, el precio de la inteligencia no para de caer. Y cuanto más barata sea, más cosas podremos hacer con ella. La gran batalla ya no es solo por tener la mejor IA, sino por conseguir que utilizarla masivamente salga a cuenta.

¡Tesla prepara un coche sin volante ni pedales! ¡Y no es el Cybercab!
¡Elon Musk quiere hacer desaparecer el volante de los coches! ¡Y también los pedales! Esta semana ha anunciado que Tesla prepara una versión completamente autónoma del popular Model Y, pensada para transportar hasta seis o siete personas sin necesidad de conductor. La idea es complementar el Cybercab, el pequeño robotaxi de dos plazas con el que Tesla quiere revolucionar el transporte urbano. Según Musk, el 90% de los kilómetros recorridos por los pasajeros se pueden cubrir con vehículos de dos plazas, pero queda un 10% que necesita coches más grandes. Familias, grupos de amigos, desplazamientos colectivos... Y aquí es donde entraría el nuevo Model Y. No se trata de fabricar un coche que también pueda conducirse solo, sino un vehículo que nadie podrá conducir. Un cambio radical en nuestra manera de entender el automóvil.

Pero lo más interesante es el cambio de modelo de negocio que hay detrás. Si los coches pueden circular solos, ¿por qué deberíamos tener uno aparcado en el garaje el 95% del tiempo? Tesla aspira a pasar de vender automóviles a ofrecer movilidad como servicio, con flotas de robotaxis trabajando continuamente. Naturalmente, todavía hay obstáculos enormes: la seguridad, la regulación, los costes y, sobre todo, demostrar que la conducción autónoma funciona de manera fiable a gran escala. Musk tampoco ha anunciado cuándo llegará este nuevo Model Y. Pero la dirección es clara. La gran revolución del coche eléctrico quizás no será sustituir el motor de combustión por una batería, sino eliminar el conductor. Y si esto llega a funcionar, no cambiará solo la industria del automóvil. Cambiará las ciudades, el transporte y la misma idea de tener coche.

Cómo la IA nos cambiará la vida

¡En Anthropic todo el mundo se ha hecho rico! 

 

Autobuses autodirigidos en China

El milagro de Shenzhen

Aviones autopiloteados 

La investigación en IA 

AI as Shared Business Infrastructure: Firm Growth and the Distribution of Gains-AI Lab: NBER - Panle Jia Barwick, Lu Fang, Jinhan Liu, Huilan Xu & Zhe Yuan
Hasta ahora sabíamos que la inteligencia artificial podía ayudarnos a trabajar más rápidamente. Pero, ¿hace crecer realmente a las empresas? Un nuevo estudio sobre una de las grandes plataformas de comercio electrónico de China aporta una respuesta espectacular. En 2024, la plataforma incorporó herramientas de IA generativa directamente a los programas que utilizan los comerciantes para gestionar sus negocios. Los investigadores han analizado qué pasaba cuando las pequeñas empresas empezaban a utilizarlas y han encontrado que las ventas mensuales aumentaban un 51,6% y el número de pedidos un 47%. La IA les permitía llegar a más clientes, renovar los productos más rápidamente, mejorar su presentación y reducir el tiempo dedicado a cada pedido. Y aún más interesante: proporcionalmente, las empresas más pequeñas eran las que más se beneficiaban. No se trataba simplemente de que los comerciantes con IA robaran clientes a los que no tenían. El estudio encuentra que también crecía el mercado, con más empresas, más productos y más ventas.

Por qué es importante
Porque este estudio nos lleva de las promesas tecnológicas a los resultados económicos. La IA no solo permite hacer las mismas cosas más deprisa o con menos trabajadores. Permite hacer cosas que antes no salían a cuenta, especialmente a las empresas pequeñas, que no tienen grandes equipos de marketing, analistas o especialistas en datos. Una pequeña tienda puede ahora llegar a clientes que antes no encontraba, ofrecer productos que no sabía que tenían demanda y competir con capacidades que hasta hace poco solo estaban al alcance de las grandes empresas. Esto es extraordinario porque sugiere que la IA puede crear actividad económica nueva, no simplemente redistribuir la que ya existe. Naturalmente, hablamos de un estudio en un mercado concreto, pero la lección es poderosa: el gran impacto de la IA quizás no sea ahorrar costes, sino multiplicar las oportunidades de negocio y hacer crecer empresas que hasta ahora tenían muy difícil competir.

Think Once, Act Fast: Cost-Effective Recursive Self-Improvement for Decision Model Harness-AI LAB: Hong Kong University of Science and Technology (Guangzhou)
Uno de los grandes problemas de los agentes de IA es que cada vez que tienen que tomar una decisión compleja necesitan recurrir a un modelo potente, lento y caro. Pero, ¿y si pudieran aprender de las decisiones anteriores y no tuvieran que empezar de cero cada vez? Esta es la propuesta de JevRSI, un nuevo sistema que combina dos inteligencias: una rápida, que actúa inmediatamente, y otra más potente, que reflexiona, aprende de los errores y mejora continuamente la primera. La clave es que el modelo más sofisticado va construyendo una especie de manual inteligente con procedimientos, memoria y modelos de cómo funciona el entorno. Cuando aparece una situación nueva, el sistema rápido aprovecha este conocimiento sin tener que consultar constantemente el modelo grande. Y si algo falla, el sistema revisa y mejora los procedimientos. En experimentos con tres conjuntos de datos, los investigadores consiguen igualar o superar en varios casos a los agentes basados en grandes modelos, pero con mucha menos latencia y un coste computacional más favorable. Además, a medida que el sistema aprende, necesita cada vez menos intervenciones del modelo grande.

Por qué es importante
Porque introduce una idea muy poderosa: una IA que no solo resuelve problemas, sino que mejora su manera de resolverlos. Imagine una empresa que utiliza agentes para gestionar clientes, desarrollar software o tomar decisiones operativas. Hoy, cada tarea consume recursos y muchas veces obliga a la IA a repetir razonamientos que ya había hecho antes. Con un sistema como JevRSI, la experiencia se convierte en conocimiento reutilizable y cada mejora queda incorporada al funcionamiento futuro. Esto significa que el coste de las decisiones puede disminuir mientras la calidad aumenta. Y aquí está lo más interesante: las mejoras se pueden acumular, porque cada problema resuelto puede ayudar a resolver mejor los siguientes. No estamos hablando todavía de una IA que se reinventa completamente a sí misma, sino de una forma concreta de automajora recursiva de los procedimientos que utiliza. Pero es precisamente este tipo de mecanismos lo que podría convertir a los agentes de IA en sistemas que, en lugar de limitarse a trabajar, aprenden a trabajar cada vez mejor.

Inventa: Decentralized Self-Improving Agents for Autonomous Scientific Discovery-AI LAB: Georgia Institute of Technology, Amazon
Imagine un equipo de científicos que trabaja las 24 horas, genera hipótesis, las contrasta, descarta las que no funcionan y aprende de los errores. Ahora imagine que todo esto lo hacen agentes de inteligencia artificial, sin necesidad de intervención humana constante. Esta es la propuesta de Inventa, un nuevo sistema de descubrimiento científico automatizado que organiza equipos de agentes capaces de generar y perfeccionar ideas de investigación. Pero con una novedad importante: no se limita a poner más agentes a trabajar, sino que modifica la manera como investigan cuando dejan de progresar. Cada equipo desarrolla sus ideas, un agente supervisor revisa y mejora los procedimientos de investigación y, cuando una estrategia se atasca, puede cambiar de modelo o empezar de nuevo. Además, los equipos comparten únicamente conocimiento verificado, evitando que los errores se propaguen. Los resultados son espectaculares: Inventa lidera las cinco pruebas científicas en las que se ha evaluado y, en una de ellas, genera 26 ideas nuevas por artículo, frente a las 18,6 de su competidor, con un 82% menos de llamadas a los modelos de IA.

Por qué es importante
¿Por qué es tan importante? Porque estamos pasando de utilizar la IA para ayudar a los científicos a construir sistemas que mejoran el mismo proceso de descubrimiento. Hasta ahora, la receta habitual era poner más agentes, darles más tiempo y esperar que produjeran más ideas. Inventa y demuestra, en estas pruebas, que el secreto no es tanto la cantidad de inteligencia como la manera de organizarla, verificar los resultados y aprender de lo que funciona. Es un paso hacia una IA que no solo genera hipótesis, sino que aprende qué estrategias de investigación funcionan mejor y las va perfeccionando. Y aquí aparece una posibilidad fascinante: que cada descubrimiento no sea solo un resultado, sino que contribuya a mejorar la capacidad de hacer nuevos. Todavía hay que demostrar hasta qué punto estos resultados se trasladan a la investigación científica real, pero la dirección es extraordinaria. La gran revolución de la IA podría no ser hacer el trabajo de los investigadores más rápidamente, sino acelerar la misma velocidad a la que avanza la ciencia.