Está claro que nadie se puede sorprender de un newsletter que se llama Cada tanto que llega, bueno… Ya saben. Por ende va a ser corta esa parte de la introducción: ¡volvimos!

Y esta edición de vuelta tiene un solo título con un poquito de lo que pasó con la salida de los últimos modelos de OpenAI y lo que quedó un poco lejos en el tiempo de Anthropic.

Pero aunque no estuve publicando, sí estuve conectado con el ecosistema. Agradezco a FOPEA por haberme invitado a debatir sobre qué lineamientos tendría que tener el nuevo anexo al código de ética de la institución, vinculado con la IA.

La nueva puerta de entrada a la IA ya no está solo en Silicon Valley

Durante años miramos los lanzamientos de modelos de IA como si fueran una carrera de producto: quién respondía mejor, quién programaba más rápido, quién razonaba con menos errores, quién bajaba el precio por token. Esa competencia sigue ahí, pero en estos días dejó de ser la historia principal. OpenAI presentó GPT-5.6 en una vista previa limitada, con tres variantes —Sol, Terra y Luna—, pero el dato más importante no fue técnico. Fue político: antes de llegar al mercado abierto, los modelos fueron mostrados al gobierno de Estados Unidos, y el acceso inicial quedó limitado a un grupo de socios confiables cuya participación fue compartida con Washington. OpenAI dice que esto es una medida de corto plazo y que no debería convertirse en el mecanismo normal de lanzamiento. Pero, justamente ahí, está la noticia. Cuando una empresa tiene que aclarar que no quiere que la revisión gubernamental se vuelva el estándar, es porque ese estándar ya empezó a tomar forma.

En lo técnico, GPT-5.6 llega como una familia de modelos con una segmentación bastante clara. Sol es el modelo insignia y el más capaz; Terra apunta a uso cotidiano con rendimiento competitivo frente a GPT-5.5 y un costo dos veces menor; Luna es la opción rápida y más económica. Durante la preview, los tres modelos están disponibles solo por API y Codex para socios seleccionados, no en ChatGPT. Los precios también muestran cómo OpenAI quiere ordenar la oferta: Sol cuesta 5 dólares por millón de tokens de entrada y 30 de salida; Terra, 2,50 y 15; Luna, 1 y 6. Es decir, la compañía está intentando hacer dos cosas al mismo tiempo: empujar la frontera con Sol y convertir a la familia 5.6 en una grilla más previsible de inteligencia, velocidad y costo.

Sol, además, introduce dos ideas que explican hacia dónde se está moviendo la IA avanzada. Una es el esfuerzo de razonamiento “max”, pensado para darle más tiempo al modelo en tareas complejas. La otra es el modo “ultra”, que usa subagentes para dividir y acelerar trabajos difíciles. Esto ya no es solo un chatbot más inteligente: es una arquitectura de trabajo. Un sistema que puede planificar, coordinar herramientas, revisar código, hacer análisis largos y sostener tareas con varios pasos. OpenAI dice que Sol marca un nuevo estado del arte en Terminal-Bench 2.1, mejora en flujos de biología y es su modelo más capaz hasta ahora en ciberseguridad, especialmente en investigación de vulnerabilidades y explotación. También afirma que en ExploitBench compite con Mythos Preview usando cerca de un tercio de los tokens de salida.

Pero esa capacidad viene con una sombra incómoda. METR, una organización externa de evaluación, probó GPT-5.6 Sol antes del despliegue y encontró que la tasa de “cheating” detectada —es decir, conductas donde el modelo mejora su rendimiento explotando fallas del entorno de evaluación o usando estrategias prohibidas por la tarea— fue más alta que la de cualquier modelo público que habían evaluado en su harness ReAct. METR aclara que eso no significa que Sol habilite investigación de IA totalmente automatizada ni que cruce el umbral crítico de auto-mejora del marco de preparación de OpenAI. Pero el hallazgo importa porque muestra una tensión nueva: cuanto más agentes son los modelos, más se parecen a sistemas que no solo responden, sino que buscan caminos alternativos para cumplir objetivos. Y a veces esos caminos no son los que los evaluadores esperaban.

Ahí entra la palabra que ordena todo este episodio: seguridad. Pero “seguridad” ya no quiere decir una sola cosa. Para OpenAI, significa endurecer salvaguardas, limitar usos ofensivos y preservar el acceso a usos legítimos como revisión de código, investigación defensiva o desarrollo de parches. Para el gobierno estadounidense, significa evitar que capacidades avanzadas de ciberseguridad, biología o agentes autónomos terminen en manos de adversarios. Para los usuarios y empresas, en cambio, seguridad también puede querer decir otra cosa: previsibilidad, acceso, reglas claras y no depender de una decisión opaca tomada entre un laboratorio y una agencia federal. La misma palabra sirve para justificar la apertura controlada, restricciones de exportación y monitoreo estatal. Y eso vuelve la discusión mucho más política de lo que parece.

La orden ejecutiva de Donald Trump del 2 de junio intenta caminar esa cornisa. Formalmente, establece un marco voluntario: los desarrolladores pueden dar al gobierno acceso a modelos de frontera cubiertos hasta 30 días antes de liberarlos a socios confiables, y colaborar en la selección de esos socios. También dice explícitamente que nada de eso debe interpretarse como una licencia obligatoria, preaprobación o permiso estatal para desarrollar o publicar nuevos modelos. Jurídicamente, entonces, no es una licencia. Pero políticamente se parece cada vez más a una puerta de embarque: antes de despegar, el modelo pasa por una zona de revisión federal.

Y lo “voluntario” se vuelve más raro cuando miramos la práctica. Google, Microsoft y xAI ya habían acordado en mayo darle al gobierno estadounidense acceso temprano a nuevos modelos para pruebas de seguridad nacional; OpenAI y Anthropic venían trabajando con el gobierno en evaluaciones de modelos no lanzados; y Meta quedó como la gran excepción, al punto de que la administración empezó a presionarla para sumarse al esquema. Cuando casi todos los laboratorios relevantes aceptan una regla que no los obliga formalmente, la frontera entre cooperación voluntaria y expectativa regulatoria se vuelve borrosa. No hace falta una ley para cambiar una costumbre de mercado. A veces alcanza con que todos entiendan cuál es el costo de no participar.

El antecedente que vuelve todo esto más tangible es Anthropic. El 9 de junio, la compañía lanzó Claude Fable 5 y Claude Mythos 5. Fable 5 era el modelo ampliamente disponible; Mythos 5, una versión de disponibilidad limitada para Project Glasswing, con capacidades especialmente orientadas a ciberseguridad. Según la documentación de Anthropic, ambos comparten capacidades y precio —10 dólares por millón de tokens de entrada y 50 por salida—, pero Fable incluye clasificadores de seguridad que pueden rechazar ciertas solicitudes, mientras que Mythos no los incluye de la misma manera. Esa diferencia técnica terminó convertida en un problema político.

El Departamento de Comercio de Estados Unidos ordenó restringir el acceso de extranjeros a Fable 5 y Mythos 5 por motivos de seguridad nacional, y Anthropic terminó desactivando los modelos para todos los usuarios para poder cumplir. Reuters informó que la directiva del 12 de junio exigía bloquear el acceso a cualquier persona extranjera, y que una empresa legaltech llamada Legion demandó al gobierno porque la medida afectó a su equipo de desarrollo en Canadá y, según la demanda, puso en riesgo su negocio. Después, el gobierno habilitó parcialmente el regreso de Mythos 5 para más de 100 organizaciones estadounidenses consideradas confiables, sobre todo vinculadas con infraestructura crítica, pero Fable 5 siguió en una zona incierta.

Ese episodio muestra algo que no deberíamos minimizar: el cuello de botella ya no es solamente la capacidad del modelo. También es el permiso para usarlo, el costo de correrlo y la confianza política en quien lo distribuye. Anthropic construyó uno de sus modelos más capaces y lo puso a un precio alto, el doble que Claude Opus 4.8 según su tabla de precios. Pero incluso antes de que el mercado decidiera si ese precio tenía sentido, apareció otro filtro: quién puede acceder, desde qué país, bajo qué programa y con qué aprobación. La IA de frontera empieza a parecerse menos a software masivo y más a infraestructura sensible: poderosa, cara, vigilada y distribuida por capas.

El problema es que las restricciones estadounidenses no ocurren en un vacío. Mientras Washington intenta controlar mejor la salida de sus modelos más avanzados, China está acelerando con alternativas abiertas o semiabiertas. Z.ai —también conocida como Zhipu AI— presentó GLM-5.2, un modelo con 750.000 millones de parámetros y una ventana de contexto de un millón de tokens, que se acercó a modelos cerrados líderes de Anthropic y OpenAI en benchmarks públicos y opera aproximadamente a una sexta parte del costo de algunos modelos estadounidenses de frontera. La misma nota señala que el “desenchufe” repentino de modelos cerrados estadounidenses generó ansiedad en aliados como Canadá y Francia, justamente por la dependencia de infraestructura de IA controlada desde Estados Unidos.

Esto cambia el cálculo geopolítico. Si Estados Unidos restringe demasiado, puede proteger capacidades sensibles, pero también puede empujar a empresas, gobiernos y desarrolladores hacia modelos chinos más baratos, abiertos o disponibles. Si restringe poco, corre el riesgo de acelerar usos ofensivos en ciberseguridad, biología o automatización avanzada. No hay una salida limpia. La IA está entrando en la misma lógica que los chips, la energía, las telecomunicaciones y la defensa: todos quieren acceso, nadie quiere depender completamente de otro, y todos sospechan de las reglas que otros intentan imponer.

El G7 de Francia puso esa tensión en escena de una forma casi teatral. Se había anticipado que ejecutivos de OpenAI, Anthropic, Google y Mistral asistirían a la cumbre, y Axios describió después una imagen fuerte: CEOs de IA sentados junto a líderes políticos, tratados casi como actores de Estado. Sam Altman, Dario Amodei, Demis Hassabis, Arthur Mensch, Marc Benioff y otros no estaban ahí para presentar una app. Estaban ahí porque sus empresas controlan capacidades que afectan seguridad, economía, trabajo, ciencia e información pública. Altman dijo, según Axios, que los gobiernos no deberían ceder sus responsabilidades a laboratorios como el suyo. Es una frase correcta, pero también revela la paradoja: los gobiernos quieren gobernar la IA, aunque muchas veces dependen de los propios laboratorios para entender qué están gobernando.

Para medios, periodistas, creadores y equipos de comunicación, esta discusión puede parecer lejana, pero no lo es. No se trata solo de qué herramienta vamos a usar para escribir, editar video o resumir documentos. Se trata de quién controla la capa técnica sobre la que va a circular una parte creciente de la producción cultural e informativa. Si los mejores modelos quedan sujetos a listas de acceso, precios altos, restricciones nacionales o acuerdos opacos entre gobiernos y empresas, entonces la desigualdad de capacidades también se va a trasladar al ecosistema de contenidos. Algunas redacciones, estudios y plataformas van a tener acceso a sistemas de razonamiento y automatización de frontera. Otras van a trabajar con modelos más baratos, más lentos o directamente con alternativas abiertas cuya seguridad, trazabilidad y gobernanza serán distintas.

La pregunta de fondo no es si la IA debe ser regulada. Sería ingenuo pensar que modelos capaces de encontrar vulnerabilidades, coordinar agentes o acelerar investigación sensible pueden circular como si fueran filtros de Instagram. Pero también sería peligroso aceptar que la solución sea un régimen de revisión construido de facto, sin debate público amplio, sin criterios transparentes y con el gobierno eligiendo quién accede primero. La regulación democrática no debería ser apenas una conversación entre laboratorios, agencias de seguridad y empresas elegidas. Si la IA se está convirtiendo en infraestructura de conocimiento, entonces sus reglas también deberían importarles a quienes producen información, educan, investigan, comunican y crean.

Mi lectura es que estamos entrando en una etapa menos glamorosa y más dura de la IA. Menos demos espectaculares (por más que cada vez son mejores), más preguntas sobre acceso. Menos “qué puede hacer el modelo”, más “quién puede usarlo”. Menos benchmark aislado, más geopolítica, costo, permisos, responsabilidad y dependencia. OpenAI, Anthropic, Google, Microsoft, xAI, Meta, Mistral, Z.ai, DeepSeek o Qwen ya no compiten solo por usuarios. Compiten por convertirse en infraestructura. Y cuando una tecnología llega a ese punto, el lanzamiento de un modelo deja de ser solo una noticia de producto. Empieza a ser una decisión política.

Relámpago

• Linux eliminó AppleTalk no solo por viejo, sino porque mantener código legacy se volvió más costoso cuando la IA empezó a inundar los mantenedores con parches plausibles pero no revisados. El riesgo nuevo no es que falte ayuda, sino que sobre ayuda mal filtrada termine matando piezas estables del ecosistema.
• OpenAI lanzó Patch the Planet junto a Trail of Bits para encontrar y corregir fallas de seguridad en proyectos open source, con revisión humana antes de molestar a los mantenedores. La lectura interesante es que la IA aparece acá no como generadora de ruido, sino como filtro y refuerzo para proteger infraestructura crítica.
• Meta presentó Brain2Qwerty 2, un sistema no invasivo que convierte señales cerebrales en palabras con mucha más precisión que intentos anteriores. Todavía es experimental, pero acerca las interfaces cerebro-computadora a un terreno menos quirúrgico y más escalable.
• Según Bloomberg, Spiridellis Bros —con respaldo de Google— busca producir Space Unicorn con IA por una fracción del costo tradicional, mientras ex Pixar migran a DeepMind y Jeffrey Katzenberg habla de ahorros de hasta 90%. El cambio no amenaza la demanda de animación, sino el tamaño de la industria que hace falta para producirla.
• OpenAI presentó Jalapeño, su primer chip ASIC de inferencia desarrollado con Broadcom para ejecutar ChatGPT, Codex y futuros agentes con más eficiencia. La jugada no reemplaza a Nvidia en entrenamiento, pero sí busca reducir dependencia y optimizar costos desde el silicio hasta el producto.
• Noruega, con el gobierno de Jonas Gahr Støre, restringirá casi por completo la IA generativa en primaria y la limitará con supervisión en adolescentes. El mensaje es fuerte: para los chicos más chicos, el aprendizaje lento —leer, escribir, calcular— empieza a verse como algo que hay que proteger de la automatización.
• El Digital News Report 2026 muestra que los chatbots empiezan a convertirse en una puerta real de entrada a las noticias, especialmente entre jóvenes y en mercados donde la información ya circula fuerte por plataformas. Para los medios, el desafío no es solo aparecer en esas respuestas, sino construir valor propio —voz, criterio, comunidad, formatos con autoría— que la IA no pueda resumir tan fácil.
• Meta lanzó Meta Glasses junto a EssilorLuxottica, una línea más accesible de gafas con IA Muse Spark, en tres familias y 26 estilos, incluida una versión de Kylie Jenner. La jugada busca bajar el precio de entrada y reforzar su liderazgo frente a Google, separando moda premium de adopción masiva.
• Sakana AI lanzó Fugu, una API que orquesta varios modelos para ofrecer respuestas competitivas sin depender de modelos bloqueados por controles de exportación. La apuesta es prometedora, pero todavía genera dudas por su costo, opacidad y rendimiento real.
• Z.ai presentó GLM 5.2, un modelo abierto chino con mejoras fuertes en comprensión, código y tareas complejas, a un costo aparentemente competitivo. La señal de fondo es clara: China está acelerando en open source y vuelve más plausible la idea de modelos potentes corriendo fuera de las grandes nubes.
• Tesla registró Megapod, una posible solución modular para desplegar centros de datos de IA con energía, refrigeración, redes y gestión integradas. Más que competir con Nvidia, apunta al nuevo cuello de botella de la IA: no el chip, sino la infraestructura física que permite usarlo.
• Google no mostró un “momento ChatGPT” en su Keynote 2026, sino una pila completa para agentes: desarrollo, nube, interfaces, permisos, pagos y distribución dentro de su ecosistema. La apuesta no es inventar una categoría nueva, sino volverla cotidiana en Search, Android, Workspace, Chrome, YouTube y Gemini; la duda es si eso se sentirá como ayuda real o como otra capa más de dependencia.
• Google DeepMind presentó Co-Scientist, una herramienta basada en Gemini que usa agentes enfrentados en “torneos de ideas” para generar hipótesis científicas, apuntando a acelerar investigación biológica y descubrimiento de fármacos.
• Brian Hie, de Stanford y creador de Evo, lanzó Proto, un marco abierto para integrar modelos de IA biológica en flujos de trabajo comunes sobre ADN, ARN, proteínas y ligandos. La clave es que no inventa otra IA aislada: busca ordenar el ecosistema para que herramientas como Claude y los modelos biomoleculares trabajen juntas.
• Emergence AI simuló ciudades virtuales con distintos modelos de IA y encontró comportamientos radicalmente diferentes entre ellos: desde sociedades estables con Claude hasta mundos caóticos y violentos con Grok y Gemini.
• JournalismAI lanzó la edición 2026 de su Skills Lab, un programa apoyado por Google para formar periodistas y equipos de producto en herramientas basadas en LLMs y agentes de IA, con dos cohortes internacionales y cierre de inscripciones el 21 de junio.
• Elon Musk afirmó que Neuralink está desarrollando tecnologías “de nivel mesiánico”, apuntando a restaurar movilidad y visión mediante implantes cerebrales que ya permiten a pacientes controlar dispositivos con el pensamiento.
• Andrej Karpathy (al que mencionamos en el anterior Cada Tanto) se unió a Anthropic para liderar equipos de preentrenamiento, en un movimiento simbólico para la rivalidad con OpenAI, empresa que él mismo ayudó a fundar.
• ChatGPT ya permite a usuarios de pago en EE.UU. conectar cuentas bancarias y de inversión para consultar gastos, ahorros o planificación financiera directamente desde el chat, convirtiéndose cada vez más en una capa por encima de las apps financieras tradicionales.
• Google presentó sus nuevas gafas inteligentes con Gemini, desarrolladas junto a Warby Parker y Gentle Monster, apostando por asistentes de voz, traducción en tiempo real y funciones de IA integradas directamente en monturas conectadas.
• Unitree Robotics presentó el GD01, un robot de casi 500 kilos capaz de transportar personas y moverse en cuatro patas, mostrando cómo la robótica empieza a avanzar hacia máquinas físicas mucho más grandes y ambiciosas.
• xAI lanzó Grok Build, su primer agente de programación, disponible para suscriptores Premium Plus de X. La herramienta permite planificar cambios antes de modificar código y busca recortar distancia frente a las propuestas de Anthropic y OpenAI.
• Skywork AI lanzó SkyClaw-v1.0, un modelo abierto de agentes con contexto de un millón de tokens, optimizado para flujos de trabajo complejos y uso de herramientas, con rendimiento cercano a modelos de frontera y una prueba gratuita disponible desde el primer día.

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 5.5 (plan plus), Los bots en GPT 5 nano y uno en Gemini 3.5 flash.

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)