Este Cada Tanto habla de los nuevos modelos que salieron, los precios siguen relativamente estables y hay conflictos geopolíticos en el horizonte, un poco como el anterior. Y eso sorprende porque hace un par de meses parecía que estaba todo quieto, que ya no iba a haber grandes saltos en el corto plazo y hoy tenemos muy buenos agentes de IA que casi terminan tareas complejas con una sola instrucción y pares abiertos que hacen algo muy parecido por una fracción del costo.

Es una época excelente para experimentar, para buscar soluciones a problemas que antes eran millonarios y ahora capaz que con un par de cientos de dólares los tenes resueltos. Ojo, no sabemos hasta cuándo va a durar el “token barato”, pero con la competencia y la inversión cada vez mayor en infraestructura parece que al menos una temporada más.

OpenAI deja atrás el chatbot: ahora quiere organizar el trabajo

Las novedades de OpenAI de estas semanas pueden parecer una acumulación algo caótica de modelos, aplicaciones, voz, agentes y hasta teclados. Pero, vistas en conjunto, cuentan una historia bastante clara: ChatGPT está dejando de ser una caja de conversación para convertirse en una plataforma desde la que delegamos trabajo. GPT-5.6 aporta la capacidad; ChatGPT Work organiza las tareas; Sites transforma los resultados en productos interactivos; GPT-Live cambia la interfaz; y Codex se ocupa de la ejecución técnica. El movimiento importante no es que el chatbot responda mejor. Es que OpenAI está intentando instalarse entre una intención humana y el trabajo terminado.

El centro de esa estrategia es GPT-5.6, lanzado públicamente el 9 de julio en tres variantes. Sol es el modelo más capaz; Terra busca equilibrar rendimiento y costo; Luna prioriza velocidad y precio. Sol cuesta 5 dólares por millón de tokens de entrada y 30 por salida, mientras Luna baja a 1 y 6 dólares. La segmentación muestra que OpenAI ya no piensa sus modelos como una única inteligencia que sirve para todo, sino como una familia de trabajadores con distintos niveles de capacidad y costo. Una organización podría usar Luna para tareas rutinarias, Terra para el trabajo cotidiano y reservar Sol para investigaciones, análisis o procesos donde equivocarse resulta más caro.

Del prompt al encargo

El cambio más profundo de GPT-5.6 no está en el precio, sino en la forma de usarlo. OpenAI recomienda dejar de pensar el prompt como una secuencia detallada de órdenes y empezar a definir objetivos, límites de autonomía, fuentes disponibles y condiciones de aprobación. La nueva unidad de interacción se parece más a un encargo que a una conversación: qué resultado necesito, hasta dónde puede avanzar el sistema y en qué momento debe detenerse para consultar. ChatGPT Work lleva esa lógica a la práctica, reemplazando al anterior modo Agent para investigar, conectarse con archivos y aplicaciones, y producir documentos, planillas, presentaciones o sitios mientras el usuario supervisa el proceso.

La diferencia parece sutil, pero cambia el reparto de tareas. En un chatbot, la persona conduce cada paso; en Work, define el destino, los permisos y los criterios de calidad. Para periodistas, comunicadores y creadores, el valor ya no estará solamente en escribir buenos prompts, sino en diseñar procesos verificables: elegir fuentes, exigir evidencias y establecer qué decisiones siguen necesitando una mirada humana. Funciones como Sites, GPT-Live y la integración de Codex muestran además que la IA está saliendo del cuadro de texto para instalarse en la voz, el escritorio y los productos finales que compartimos.

Este nuevo modelo también obliga a revisar cómo medimos el costo. Sarah Friar, directora financiera de OpenAI, propone hablar de “inteligencia útil por dólar”: no mirar solo el precio de los tokens, sino cuánto cuesta completar correctamente una tarea, incluyendo reintentos, correcciones y revisión humana. La lógica se extiende a sistemas que coordinan decenas de agentes para explorar soluciones y cuestionarse entre sí, como en la demostración matemática publicada por OpenAI. Es una capacidad llamativa, aunque producir y comprobar una respuesta no equivale a certificarla: la autoevaluación puede acelerar el trabajo, pero no reemplaza la validación independiente.

La contracara de la autonomía es el radio de daño. Usuarios denunciaron que Codex eliminó archivos locales y datos de producción (a mí me pasó, pero con datos de sandboxs), y la propia documentación de seguridad reconoce que GPT-5.6 Sol puede avanzar de manera demasiado agresiva en algunas tareas. Un error de un chatbot genera una respuesta incorrecta; un error de un agente con acceso al sistema puede ser irreversible. Por eso, la habilidad decisiva no será escribir el prompt perfecto, sino diseñar mejores límites: permisos mínimos, entornos aislados, copias recuperables y aprobación obligatoria antes de cualquier acción destructiva. La pregunta ya no es solamente qué puede hacer la IA, sino cuánto control estamos dispuestos a entregarle.

China convierte la IA abierta en una estrategia geopolítica

China acaba de elevar la inteligencia artificial a una cuestión central de política exterior. En la World AI Conference de Shanghái, Xi Jinping pidió construir un sistema internacional de gobernanza “justo y equitativo”, defendió el código abierto y advirtió contra el uso excesivo de la seguridad nacional para limitar el desarrollo tecnológico de otros países. También presentó a China como un socio para el Sur Global, con programas de capacitación, centros internacionales de aplicación y una nueva organización intergubernamental —WAICO— con sede en Shanghái. No fue solamente un discurso sobre innovación: fue una propuesta para disputar quién escribe las reglas globales de la IA.

La apertura ocupa un lugar importante en esa estrategia. Mientras Estados Unidos concentra buena parte de sus capacidades más avanzadas en laboratorios cerrados como OpenAI y Anthropic, empresas chinas están ganando terreno con modelos más económicos y con pesos abiertos. Kimi K3, de Moonshot AI, reactivó la preocupación en Washington al combinar un rendimiento cercano a la frontera con precios bajos y la promesa de que los desarrolladores podrán descargarlo y adaptarlo. Para China, estos modelos no son solamente productos: son una forma de extender infraestructura, estándares e influencia entre países que no quieren depender por completo de Silicon Valley.

Gemini acelera, pero todavía no recupera la frontera

Google lanzó Gemini 3.6 Flash y 3.5 Flash-Lite con una apuesta clara por eficiencia, velocidad y costo. Flash promete consumir un 17% menos de tokens que su antecesor, mejora en orquestación de tareas y generación de código, y reduce el precio de salida a 7,50 dólares por millón de tokens. Flash-Lite, en cambio, apunta a flujos de agentes que necesitan respuestas rápidas y baratas. Son mejoras útiles para empresas que ya trabajan con Gemini, aunque los primeros benchmarks sugieren que el salto está más en la eficiencia que en la inteligencia: 3.6 Flash mantiene una puntuación similar a 3.5 Flash y sigue compitiendo con modelos abiertos o económicos de Meta, Z.ai, OpenAI y xAI.

El problema para Google es que Gemini 3.5 Pro continúa retrasado. Mientras sus rivales están concentrando sus lanzamientos en razonamiento, programación autónoma y tareas largas, Google sigue explotando una ventaja histórica en multimodalidad: texto, imágenes, audio, video, documentos y control de computadora dentro de un mismo sistema. Pero esos “sentidos” ya empiezan a ser requisitos básicos, no una diferenciación suficiente. Flash vuelve a Gemini más rápido, barato y práctico; lo que todavía falta es un modelo Pro que demuestre que Google también puede recuperar terreno en juicio, autonomía y trabajo complejo.

Kimi K3 acerca a China a la frontera de la IA

Moonshot AI presentó Kimi K3, un modelo chino de pesos abiertos que se acerca al rendimiento de sistemas de frontera como GPT-5.6 Sol y Claude Fable 5. Con una ventana de contexto de un millón de tokens, destaca en programación, investigación web, hojas de cálculo, diseño frontend y tareas agénticas. También llega con un precio competitivo, similar al de Claude Sonnet, y la empresa anunció que publicará sus pesos el 27 de julio.

Conviene no exagerar el salto. Las primeras pruebas indican que K3 todavía puede necesitar más instrucciones y consumir más tokens para alcanzar resultados comparables. Además, aunque ocupa una posición muy alta en los rankings generales, no domina todas las categorías. Su mayor limitación puede no estar en la calidad del modelo, sino en el costo de ejecutarlo: con 2,8 billones de parámetros, desplegarlo requiere una infraestructura que pocas empresas pueden sostener.

Aun con esas reservas, el lanzamiento importa. Kimi K3 muestra que la distancia entre los laboratorios chinos y los líderes estadounidenses se está reduciendo mucho más rápido de lo esperado. Pero también expone una paradoja: abrir los pesos no democratiza automáticamente la IA si los chips, la energía y el cómputo necesarios siguen concentrados en gobiernos y grandes corporaciones. El código puede descargarse; la infraestructura para usarlo a escala sigue siendo el verdadero privilegio.

Nuevos Modelos

• SpaceXAI y Cursor lanzaron Grok 4.5, un modelo que busca competir con Claude Opus 4.8 y GPT-5.5 con más velocidad, menor costo y mejor eficiencia. Para Elon Musk, es la señal de que Grok dejó de correr desde atrás y volvió al centro de la carrera.
• Poolside lanzó Laguna S 2.1, un modelo abierto de código que funciona en una Nvidia DGX Spark y lidera entre las alternativas occidentales.
• Meta lanzó Muse Spark 1.1 en su API con capacidades de agentes, uso de computadora y sesiones largas, a precios mucho más bajos que OpenAI y Anthropic. Mark Zuckerberg apuesta a competir en rendimiento y costo mientras prepara Watermelon, su próximo modelo de mayor escala.
• Thinking Machines Lab, la startup de Mira Murati, presentó Inkling, un modelo multimodal abierto y personalizable que prioriza eficiencia y adaptación antes que liderazgo absoluto. El lanzamiento devuelve a EE. UU. un actor propio en un terreno dominado por modelos chinos y cada vez más abandonado por Meta.

Seguridad

• OpenAI pausó un modelo interno de ejecución prolongada tras detectar que podía evadir restricciones, explotar vulnerabilidades y perseguir objetivos no autorizados. La respuesta fue sumar monitoreo de trayectorias completas, más control para usuarios y despliegues limitados antes de ampliar el acceso.
• Un investigador descubrió que la CLI de Grok, de xAI, subía silenciosamente repositorios completos —incluidas configuraciones y claves API— a su nube, incluso sin necesitarlos para responder. xAI desactivó la función tras hacerse pública, dejando una alerta seria sobre privacidad y límites de los agentes locales.
• Demis Hassabis, CEO de Google DeepMind, propuso un organismo independiente en EE. UU. para evaluar modelos avanzados antes de su lanzamiento y coordinar incluso pausas entre laboratorios. La idea busca ordenar la seguridad de frontera, aunque deja dudas sobre cuán independiente sería un regulador financiado por la propia industria.

Relámpago

• Dieciséis premios Nobel, Joshua Bengio y Eric Schmidt lanzaron We Must Act Now para pedir que gobiernos, economistas y tecnólogos se preparen ante el impacto económico de la IA. El foco no es frenar la tecnología, sino gestionar sus beneficios y reducir riesgos como el desempleo masivo.
• Anthropic acordó pagar US$1.500 millones a autores como Andrea Bartz por 482.000 libros pirateados, mientras el juez William Alsup mantuvo que entrenar IA con obras adquiridas legalmente puede ser uso legítimo. El caso podría fijar una tarifa de referencia para futuras disputas de copyright.
• Levent Alpöge, investigador de Anthropic, usó Claude Fable 5 para hallar un contraejemplo que refuta la conjetura jacobiana, abierta desde 1939. El caso marca un salto para la matemática asistida por IA: difícil de descubrir, pero simple de verificar por humanos.
• DeepSeek estaría desarrollando su propio chip de inferencia para depender menos de Nvidia y Huawei, limitada por controles de exportación y hardware local insuficiente. Más que una expansión natural, parece una apuesta forzada por el cuello de botella del silicio.
• Google, al igual que Meta, etiquetará los anuncios creados o editados con IA en Búsqueda, Discover y YouTube, pero esconderá la información dentro del menú del anuncio. La medida cumple con la transparencia en lo formal, aunque difícilmente cambie lo que ve o entiende la mayoría de los usuarios.
• Apple demandó a OpenAI, Tang Tan y su unidad io por presunto robo de secretos comerciales tras contratar a cientos de exempleados, mientras prepara un dispositivo liderado por Jony Ive. El caso podría obligar a rediseñar el hardware y retrasar su lanzamiento previsto para 2027.
• Meta convirtió Hyperion AI, en Richland Parish, Luisiana, en un supercluster de US$50.000 millones y 5 GW, mientras Entergy amplía la red eléctrica para sostenerlo. La inversión trae empleo y actividad, pero también alquileres más altos, presión fiscal y una transformación social que la comunidad local difícilmente pueda controlar.
• Kathy Hochul congeló por hasta 12 meses los permisos para grandes centros de datos en Nueva York mientras el estado define nuevas reglas sobre energía, agua e impuestos. La medida enfrenta a la gobernadora con sindicatos como el de Mark McManus y con una industria que amenaza con llevar las inversiones a otros estados.
• 1X presentó para su robot doméstico Neo una mano con 25 grados de libertad y un sistema de “tendones” que mueve los dedos desde el antebrazo, imitando mejor la anatomía humana. Frente a rivales como Tesla, Shadow o Sanctuary, la diferencia no está solo en lo que hace, sino en cómo está construida.
• ArgentoIA lanzó un nuevo plugin que busca simplificar los sitios para los modelos de IA y mejorar la puntuación GEO de toda la plataforma.
• El Departamento de Energía de EE. UU. seleccionó 278 proyectos para la Misión Génesis, un programa de más de US$5.000 millones que dará a universidades y laboratorios acceso a supercomputadoras, modelos de IA y apoyo de empresas como Microsoft. La apuesta es usar IA para acelerar avances en energía, salud, materiales, chips y bioseguridad.
• Reddit evalúa limitar el acceso de Google a sus datos cuando venza el acuerdo de US$60 millones, porque los resúmenes con IA retienen tráfico que antes llegaba a la plataforma. El conflicto muestra cómo Google puede convertir a sus proveedores de contenido en competidores involuntarios.
• Heavy Pulp se volvió viral en X con una escena de La Odisea hecha con Grok Imagine, tan convincente que Elon Musk ya prometió una versión completa para fin de año. El punto no es solo la calidad visual: es que la IA empieza a cruzar el umbral donde deja de “parecer IA” para el ojo común.

Qué estoy usando

En esta sección de cierre te cuento qué herramientas estoy usando en este momento porque, desde mi visión y uso, me da los mejores resultados (por respuesta o por costos).

Texto: mis GPTs personalizados con GPT 5.6 (plan plus), Los bots en GPT 5 nano.

Video: VEO 3.1 (pago)

Audio: Elevenlabs (Pago), Adobe Audition (Pago) y NotebookLM (Plan Ultra).

Imágenes: GPT (Pago) Nano Banana (Pago).

Programación: Codex.

Buscador: Deep Research (OpenAI plus).

Música: Suno y Elevenlabs (Pago)