La inteligencia artificial generativa ha vivido sus primeros años empresariales bajo una promesa cómoda: cada modelo sería más potente, cada herramienta más útil y cada token más barato. Esa narrativa empieza a mostrar grietas. El problema no es que las compañías no encuentren valor en la IA, sino que empiezan a descubrir cuánto cuesta cuando deja de ser un piloto
Google DeepMind ha presentado Gemini 3.5 Flash con una promesa que va más allá de la velocidad. El nuevo modelo no se vende solo como una versión más rápida y barata de la familia Gemini, sino como una pieza pensada para ejecutar flujos de trabajo complejos con agentes, programación y uso de herramientas. Y ahí aparece el dato que ha
Durante los dos últimos años, muchas empresas han adoptado herramientas de Inteligencia Artificial con una sensación cómoda: por 20 o 25 dólares al mes por usuario podían dar acceso a modelos avanzados, asistentes de escritura, análisis de documentos, generación de código, búsqueda, creación de archivos o automatización ligera. Comparado con casi cualquier software empresarial, parecía barato. Demasiado barato. La tesis
La Inteligencia Artificial suele ser buena encontrando argumentos para que una idea parezca viable. Si se le pide validar un proyecto, un lanzamiento o una estrategia, con frecuencia devuelve una respuesta razonable, amable y algo optimista. El problema es que muchas decisiones importantes no fracasan por falta de entusiasmo, sino por puntos ciegos que nadie quiso mirar a tiempo. Ahí
La mejora de prompts ha pasado de ser un truco de productividad a convertirse en una disciplina cada vez más cercana a la ingeniería de producto. No basta con pedirle a un modelo que “mejore este texto” o “revise este código”. Cuando se trabaja con sistemas como Claude Opus 4.7, el resultado depende mucho de cómo se estructura la tarea,
Anthropic ha abierto en beta pública Claude Security, una nueva capacidad integrada en Claude.ai para escanear bases de código, detectar vulnerabilidades y proponer parches que después deben ser revisados por personas. La herramienta llega en un momento en el que los equipos de desarrollo y seguridad empiezan a asumir una realidad incómoda: el volumen de código que hay que auditar
La última actualización de METR ha vuelto a mover la conversación sobre los modelos de Inteligencia Artificial desde el terreno de los benchmarks abstractos hacia una pregunta mucho más incómoda: cuánto trabajo técnico real pueden completar ya los agentes actuales. El 8 de mayo de 2026, la organización añadió a su medición de “horizonte temporal” una versión temprana de Claude
Anthropic ha anunciado un acuerdo con SpaceX que le dará acceso a toda la capacidad de cómputo del centro de datos Colossus 1, una instalación que la compañía cifra en más de 300 megavatios y más de 220.000 GPU NVIDIA disponibles en el plazo de un mes. El movimiento llega acompañado de una subida inmediata de los límites de uso
Anthropic ha anunciado la creación de una nueva compañía de servicios de Inteligencia Artificial junto a Blackstone, Hellman & Friedman y Goldman Sachs. El objetivo es llevar Claude a operaciones críticas de empresas medianas que no siempre cuentan con equipos internos suficientes para diseñar, desplegar y mantener proyectos avanzados de IA. La operación no consiste en lanzar otro modelo ni
Donald Knuth, una de las figuras más influyentes de la informática moderna, ha publicado una breve nota con un arranque poco habitual en su estilo: “Shock! Shock!”. El motivo era que Claude Opus 4.6, un modelo de razonamiento de Anthropic, había encontrado una solución para un problema abierto de teoría de grafos en el que Knuth llevaba varias semanas trabajando
