Bienvenido a IAnCorto, tu dosis de inteligencia artificial sin basura, sin tecnicismos innecesarios y sin rodeos. Todo lo que necesitas saber sobre IA en un lugar.
Dentro de las noticias de hoy:
🖥️ Apple metió IA hasta en la Mac mini
🌶️ El chip de OpenAI vence a Nvidia
🐂 Z.ai admite por fin que hizo Ox Alpha
🧪 Una científica le dijo no a Bezos
🎨 Ya nadie distingue el anime hecho con IA
Anuncios rápidos de los labs de IA más importantes.
OPENAI: El fiscal general de Alabama le envió una citación, con plazo hasta el 14 de septiembre, por cómo manejó el hackeo de Hugging Face que hizo uno de sus propios modelos. La misma semana perdió a Chris Malone, su jefe de centros de datos: van 13 salidas de altos ejecutivos en 2026.
ANTHROPIC: Le dirá a sus inversionistas que su mercado potencial supera los $30 trillones, más que el de SpaceX, para justificar su salida a bolsa. También unificó la memoria de Claude y Cowork: ahora agrega temas a mitad de conversación en vez de solo resumir al final.
MISTRAL: El laboratorio francés se asoció con HUMAIN para llevar sus modelos e infraestructura de IA a Arabia Saudita, con foco inicial en ciberseguridad y voz.
🌶️ OpenAI construyó el chip que Nvidia no quería que existiera
💡 En corto: OpenAI presentó los primeros resultados de Jalapeño, su chip de inferencia hecho con Broadcom, y superó a los chips más rápidos de Nvidia en eficiencia por watt, justo un día antes de que Nvidia reporte resultados trimestrales.
¿Qué pasó?
El martes, en la conferencia Hot Chips, OpenAI publicó los primeros números reales de Jalapeño, su chip de inferencia diseñado junto con Broadcom.
Lo probaron con el benchmark público InferenceX de SemiAnalysis, no uno propio, corriendo tres modelos que no son suyos: GPT-OSS, DeepSeek R1 y Kimi K2.5.
Contra los sistemas más rápidos de Nvidia, Blackwell y Rubin, Jalapeño entregó entre 1.5 y 1.9 veces más trabajo por cada watt de energía, con hasta 3.6 veces menos retraso.
En las tareas más interactivas, el tipo de tráfico que genera ChatGPT en tiempo real, la ventaja creció hasta 4.1 veces.
El chip consume 700 watts. Los sistemas de Nvidia con los que compitió necesitan casi el doble.
Richard Ho, jefe de hardware de OpenAI, dijo que la empresa está "batallando para tener suficiente" capacidad, y que por ahora no puede vendérselo a nadie más.
El despliegue empieza en volúmenes pequeños a finales de 2026 y crece durante 2027. Nvidia sigue siendo quien entrena los modelos.
📌 ¿Por qué es importante?
Este resultado llegó un día antes de que Nvidia reportara resultados trimestrales, y una semana después de que Nvidia aceptara respaldar hasta $105 billones en financiamiento para los centros de datos de OpenAI.
Eso convierte el benchmark en algo más que ingeniería. Es una postura de negociación.
Nvidia sigue siendo indispensable para entrenar los modelos más grandes del mundo. Pero cada chip que OpenAI diseña para correrlos después reduce cuánto necesita pagarle a Nvidia por esa segunda mitad del trabajo.
El verdadero activo no es el chip, es el ciclo completo: OpenAI toma el comportamiento real de ChatGPT y Codex y lo usa para diseñar el compilador, el kernel y el silicio al mismo tiempo. Un cliente que renta hardware genérico nunca tiene ese mismo control.
Y el límite de 700 watts puede importar más que cualquier multiplicador de rendimiento: mantenerse dentro de ese rango decide en qué centros de datos ya existentes puede instalarse el chip sin construir nada nuevo.
La misma dinámica aplica fuera de la IA. Cualquier negocio que dependa de un solo proveedor de tecnología enfrenta la misma pregunta: entre menos insustituible se vuelve ese proveedor, más margen hay para negociar el precio.
🧠 Desde nuestro punto de vista
Durante años, la pregunta sobre el poder de cómputo era simple: ¿quién tiene más chips de Nvidia?
Jalapeño cambia la pregunta. Ahora es: ¿quién puede diseñar el chip exacto que su propio modelo necesita, y usar ese mismo modelo para diseñarlo más rápido?
OpenAI todavía depende de Nvidia para entrenar. Pero acaba de demostrar que ya no depende de Nvidia para correr lo que entrenó.
Eso no vuelve irrelevante a Nvidia, la vuelve menos insustituible. Y una empresa que deja de ser insustituible para su cliente más grande, mientras sigue financiando la construcción de ese mismo reemplazo, está apostando a que la relación pese más que el número en la hoja de resultados.
La próxima vez que un laboratorio de IA anuncie que diseñó su propio chip, la pregunta ya no es si funciona. Cuánto tiempo falta para que deje de necesitar al proveedor que lo hizo posible.
Fuentes: TechCrunch · SemiAnalysis
💰 Dinero y Negocios
💰 Nvidia negocia meterse a Perplexity con $30 billones: Nvidia está en pláticas para invertir en Perplexity a una valoración de más de $30 billones, casi el doble de lo que valía hace unos meses. También negocian un acuerdo aparte de licencia de tecnología.
El patrón: Nvidia vende chips. Y ahora invierte en quien los usa. Si tu empresa evalúa proveedores de nube o de IA, vale la pena revisar quién más está invirtiendo detrás de cada uno.
🏢 Emerald AI ya vale $1.05 billones: Emerald AI levantó $150 millones a una valoración de $1.05 billones. La startup vende infraestructura para que los centros de datos de IA generen menos rechazo en las comunidades donde se construyen.
Lo que resuelve: antes, construir un centro de datos era un problema de ingeniería. Ahora es un problema de relaciones públicas. Startups completas ya existen solo para bajarle la temperatura a esa pelea.
🚀 Lanzamientos
🖥️ Nvidia y Perplexity meten un agente en tu PC: Portable Computer corre el agente completo de Perplexity en una computadora local con una tarjeta Nvidia de $4,700 o más. Cada paso que se resuelve ahí no cuesta créditos.
El truco: es un argumento de precio disfrazado de privacidad. Perplexity admite que la versión local todavía pierde contra la nube en tareas difíciles, y ahí está la disputa real: correr IA gratis en tu máquina, o pagar por la de alguien más.
⚡ Nvidia ya produce en serie su chip más veloz: Groq 3 LPX, el chip que Nvidia compró por $20 billones, ya está en producción dentro de Vera Rubin. Generó 3,400 tokens por segundo, 4 veces más que la alternativa más cercana.
Lo que compite: Nvidia vende las GPU que entrenan modelos. Ahora también vende el chip que los hace responder rápido después. Cada capa nueva del stack que Nvidia controla es una capa menos disponible para que alguien más se la quede.
⚖️ Seguridad y Riesgos
🔓 Una IA ya sabe hackear su propio servidor: Investigadores muestran que una IA es capaz de generar tokens que exploten el software que la carga en la GPU y tomar control de la máquina. Esa computadora suele tener acceso a otras del centro de datos.
El riesgo real: esa máquina no es un teléfono cualquiera, tiene acceso privilegiado a otras dentro del mismo centro de datos. La recomendación de los propios investigadores es simple: nunca confíes en lo que esa computadora te devuelve sin revisarlo.
⚖️ Leyes y Reguladores
🏛️ La EPA busca limitar quejas por centros de IA: La EPA propone reducir cuánto puede opinar el público antes de que se construya un centro de datos de IA cerca de su casa. La medida busca acelerar permisos que hoy tardan meses por objeciones locales.
Por qué importa: la mayor resistencia a los centros de datos de IA en Estados Unidos viene de las comunidades donde se construyen, no de Washington. Si tu empresa depende de la nube o planea construir infraestructura propia, este es el tipo de cambio regulatorio que vale la pena vigilar antes de invertir.
📱 Vida Cotidiana
🖥️ La Mac mini de Apple ahora piensa en IA: Apple lanzó el M6 para la Mac mini y el M5 Ultra para la Mac Studio, hasta 4 veces más rápidos en IA que antes. Mac mini empieza en $899, $100 más que su predecesor.
El detalle que importa: el Mac mini nuevo cuesta $100 más justo cuando más gente lo compra para dejar agentes de IA corriendo todo el día. Apple ya no vende una computadora de escritorio, vende la máquina que se queda prendida trabajando por ti.
🌐 Noticias Generales
🎨 Ya nadie distingue el anime hecho con IA: Un clip de anime generado con IA se volvió viral en Reddit porque casi nadie podía distinguirlo de animación hecha a mano. El hilo acumuló más de 21,000 votos en un día.
El comentario más votado, con más de 8,000 votos, decía que un espectador casual jamás lo notaría. La calidad ya no es el problema que hay que resolver, es la certeza de que ya se resolvió sin que nadie avisara.
🌏 Carrera EE.UU. vs China
🐂 Z.ai por fin confesó que Ox Alpha es suyo: Durante seis días, el modelo que dominaba las tablas de programación no tenía dueño. Z.ai confirmó que es suyo, de su familia GLM, y libera los pesos esta noche a $1.40 por millón de tokens.
El patrón que se repite: esta es la quinta vez en seis meses que un modelo anónimo y gratis domina las tablas antes de que alguien lo reclame, y las cuatro anteriores también eran chinas. La estrategia de mercadeo más efectiva de la IA ahora mismo es no tener campaña de mercadeo.
🔬 Investigación / Ciencia
🧪 Una científica de Caltech rechazó $2 billones de Bezos: Anima Anandkumar rechazó $2 billones y una posición de liderazgo en el proyecto de IA física de Bezos. En su lugar fundó una startup que apuesta a que toda la industria construyó sus modelos con la arquitectura equivocada.
Lo que apuesta: que el lenguaje y el video son solo compresiones imperfectas de la física real, y que la industria entera lleva tres años escalando la compresión en vez de la cosa que se está comprimiendo. Rechazar $2 billones es una declaración técnica, no solo financiera..
Wizstar convierte una sola foto o video en un avatar que habla, gesticula y se mueve como un actor real, incluso cuando algo le tapa la boca o gira la cabeza rápido: el problema que hacía inservibles a los avatares anteriores.
Ideal para:
Crear un avatar vocero para videos de producto sin contratar actor ni estudio
Doblar contenido a otro idioma manteniendo el lip-sync incluso en tomas con movimiento rápido
Creadores de contenido que necesitan un rostro constante sin grabarse todos los días
Marcas que quieren un vocero digital consistente para redes sin presupuesto de producción
Probar qué tan lejos llegó el lip-sync con IA antes de decidir si reemplaza tu video real
#1 Producto del Día en Product Hunt esta semana. Acceso limitado mientras dura el lanzamiento; disponibilidad y precios en el sitio.
Cerebro Compartido para tu Equipo
Le pegas tus mejores prompts, decisiones y correcciones ya probadas, y la IA las convierte en un documento base con reglas claras que cualquiera de tu equipo puede copiar y usar, en vez de que cada quien reinvente el mismo prompt desde cero.
Voy a pegarte varios prompts, decisiones y correcciones que ya
he probado y que funcionan bien para mi equipo. Tu trabajo es
convertirlos en un solo documento de referencia reusable.
Mis prompts/decisiones/correcciones: [PEGA AQUÍ TODO, SEPARADO
POR GUIONES]
Para qué los usa mi equipo: [DESCRIBE EN 1 ORACIÓN, EJ. "SOPORTE
AL CLIENTE" O "REDACCIÓN DE PROPUESTAS"]
Haz esto:
1. Agrupa los prompts por tipo de tarea.
2. De cada uno, extrae la regla o el patrón que lo hace funcionar
(no el prompt completo, el POR QUÉ funciona).
3. Escribe un documento corto con esas reglas, listo para que
cualquiera de mi equipo lo use como punto de partida, con un
ejemplo de prompt ya armado por cada regla.
No inventes reglas que no vengan de lo que te pegué.Funciona en ChatGPT, Claude o Gemini. Entre más prompts reales le pegues, mejores reglas extrae.
🚨 La IA ya destruyó empleos
¿La brecha de empleo para quienes recién empiezan su carrera ya es un daño permanente causado por la IA, o es solo la forma en que el mercado laboral se está reacomodando?
Un estudio del Laboratorio de Economía Digital de Stanford, actualizado esta semana con datos de nómina de ADP, encontró que los empleados de 22 a 25 años en las ocupaciones más expuestas a la IA tienen 19% menos empleo que sus compañeros en ocupaciones menos expuestas. Hace un año esa brecha era de 13%.
Un lado del debate, encabezado por Erik Brynjolfsson, autor del estudio, dice que la tendencia es real, persistente, y se está ampliando: la generación que empieza a trabajar ahora enfrenta una desventaja estructural que la generación anterior nunca tuvo que enfrentar.
El otro lado responde con una distinción distinta: economistas del mercado laboral, como los que citan reportes de Indeed Hiring Lab, dicen que un puntaje alto de exposición a la IA mide qué tan fácil es que una tarea cambie, no que el empleo vaya a desaparecer. Quien aprende a adaptarse temprano, dicen, sale ganando de esa misma exposición.
Ninguno de los dos lados tiene toda la razón.
La brecha de empleo es un dato real y medido con nómina, no una opinión. Pero también es cierto que "expuesto a cambiar" y "reemplazado" todavía son dos cosas distintas, y la mayoría de las coberturas las mezclan como si fueran lo mismo.
La pregunta sin responder es la misma, si en 5 años la brecha sigue creciendo, ¿en qué momento deja de ser una reorganización del mercado y empieza a ser una generación entera que se quedó afuera?
¡Terminaste, felicidades! 🎉
Eso es todo por hoy 👋
OpenAI acaba de mostrar que ya no necesita a Nvidia para todo. Reenvíale esto a quien apuesta a que Nvidia siempre será indispensable.
¿Nos ayudas a mejorar?
Responde a este correo.
¿Cómo calificarías esta edición?
⭐ Excelente | 👍 Buena | 😐 Regular | 👎 Necesita mejorar
¿Te llegó esto de un amigo? Suscríbete aquí para recibir IAnCorto 3 veces por semana.
Derechos de autor © 2026