Seis movimientos técnicos de esta semana que ahora acaba en inteligencia artificial que, vistos juntos, dibujan un mapa más claro de hacia dónde va la competencia entre laboratorios.
Por un lado, el coste por tarea empieza a pesar tanto como la inteligencia del modelo: Google abarata su IA para agentes mientras DeepSeek sube precios por primera vez. Por otro, el ecosistema abierto, con DeepSeek, Meta y Z.ai a la cabeza, sigue cerrando distancia con los modelos propietarios, incluso en terrenos sensibles como la ciberseguridad. Y de fondo, la fragmentación geopolítica obliga a compañías como Apple a construir pilas de IA distintas según el país. Repaso cada una y qué implica para quien toma decisiones de tecnología en su organización.
Cuando el precio por tarea empieza a pesar tanto como la inteligencia del modelo
Google presentó el 13 de agosto Gemini 3.7 Flash, su modelo más avanzado hasta ahora para programación y flujos de agentes, apenas tres semanas después de la versión anterior. Mejora de forma notable en benchmarks de código (del 34,4% al 43,6% en FrontierCode 1.1) y ofrece contexto de un millón de tokens, pero el dato que más me interesa es otro: Google redujo el precio a la mitad hasta fin de año, apostando por ganar la carrera del coste por tarea antes que la del puro rendimiento. Para cualquier organización que esté calculando el coste real de desplegar IA agéntica a escala, esto importa tanto como el propio modelo: el margen ya no está solo en el laboratorio, está también en cuánto cuesta cada llamada.
Fuente: Reuters
China también empieza a cobrar por su inteligencia artificial
DeepSeek presentó el 13 de agosto la versión oficial de V4 Pro y subió el precio de su API hasta un 1.100% en algunas tarifas, llegando a cobrar 14 veces más que por V4 Flash en horas punta. Me parece un giro relevante porque rompe la lógica que había sostenido a los laboratorios chinos hasta ahora: competir agresivamente por precio para ganar cuota. Ahora DeepSeek parece decidido a monetizar el rendimiento de mayor valor, justo cuando OpenAI y Anthropic bajan precios para frenar a sus rivales chinos. Para quien gestiona presupuestos de inferencia, la lección es que ningún proveedor, ni siquiera los más agresivos en coste, garantiza precios estables a medio plazo. Conviene diseñar arquitecturas que permitan cambiar de modelo sin fricción.
Fuente: Caixin Global
Un modelo agéntico abierto que iguala a los propietarios, con licencia MIT
La propia DeepSeek publicó también, bajo licencia MIT, DeepSeek-V4-Flash-0731, un modelo de 284.000 millones de parámetros reentrenado para tareas agénticas y de programación que supera en sus propios benchmarks a la versión insignia anterior con una fracción de los parámetros activados por token. Lo que más peso tiene aquí es la licencia: cualquier empresa puede descargarlo, modificarlo y desplegarlo sin depender de un proveedor cerrado ni pagar por token, algo poco habitual en un modelo de este nivel. Observo una jugada doble por parte de DeepSeek esta semana: subir precios en el modelo premium y, al mismo tiempo, regalar capacidad agéntica de primer nivel en abierto. Amplía las opciones de quien quiere construir agentes propios sin atarse a un proveedor cerrado, y presiona a la baja los márgenes de todo el sector.
Fuente: MarkTechPost
Agentes de IA que caben en una sola GPU y prescinden de la nube
Meta lanzó Muse Glimmer, un modelo abierto de 30.000 millones de parámetros bajo licencia Apache 2.0 que se ejecuta en una sola GPU de consumo. Está pensado para agentes locales siempre activos que programan, gestionan calendarios, organizan archivos y razonan en varios pasos sin depender de servidores externos. Es compatible con herramientas habituales como llama.cpp y Ollama, y Mark Zuckerberg lo presenta como parte de su apuesta por el código abierto frente a los modelos cerrados de la competencia. Para las organizaciones que manejan datos sensibles, considero que esta vía, agentes que corren en local, con menor coste y sin salir de la infraestructura propia, va a ganar peso a medida que la IA agéntica se traslade a procesos internos con requisitos de privacidad más estrictos.
Fuente: Tech Startups
Un modelo chino abierto ya iguala a los líderes occidentales en ciberseguridad
Z.ai presentó el 14 de agosto GLM-5.3, un modelo de pesos abiertos que, según sus propios tests, supera a Mythos 5 de Anthropic y a GPT-5.6 Sol de OpenAI en el benchmark CyberGym de detección de vulnerabilidades (84,5% frente a 83,8% y 83,6%), aunque queda por detrás en desarrollo de exploits. La compañía asegura haber detectado ya más de 2.400 vulnerabilidades reales en 269 proyectos de software, y ha retrasado la publicación completa de los pesos por motivos de seguridad. Me parece el ejemplo más claro esta semana de cómo los laboratorios chinos están cerrando la brecha en capacidades de doble uso: la misma técnica que ayuda a defender un sistema sirve para atacarlo. Obliga a gobiernos y desarrolladores a repensar cómo mantener modelos abiertos sin facilitar herramientas ofensivas a gran escala.
Fuente: South China Morning Post
Cuando ni Apple puede sostener una sola pila de IA para todo el mundo
Apple ha entrenado un modelo de lenguaje específico para el mercado chino con apoyo técnico de Alibaba, después de registrar su servicio de IA en el dispositivo ante los reguladores del país. No puede ofrecer ChatGPT ni otros servicios occidentales en China, así que depende de un socio local para cumplir la normativa china sobre IA generativa y competir con Huawei y otros fabricantes domésticos. Considero que este movimiento resume bien el momento actual: ya no basta con construir un buen modelo, hay que construir uno distinto por cada bloque regulatorio. La fragmentación geopolítica está empezando a definir arquitecturas técnicas, no solo estrategias comerciales, y eso tiene coste en ingeniería, en cumplimiento y en velocidad de despliegue para cualquier compañía con presencia internacional.
Fuente: The Verge
Una reflexión para terminar
Si algo comparten estas seis noticias es que la conversación sobre IA ya empieza a girar tanto en torno al coste, al control y a la jurisdicción como al puro rendimiento del modelo. Las organizaciones que están desplegando IA agéntica en serio deberían tratar estas tres variables, coste, apertura y jurisdicción, como parte del diseño técnico y no como ajustes de última hora.
Si estas tendencias son relevantes para tu organización y quieres explorar cómo trasladarlas a decisiones concretas, podemos hablarlo en una sesión sin compromiso.
Este análisis forma parte de La Sociedad Artificial, la newsletter semanal de Luis Sotillos en LinkedIn sobre estrategia digital e inteligencia artificial en la nueva fase de evolución de internet.