The Morning Paper — Semana terminada el 16 de agosto de 2026

La semana en que las capacidades empezaron a tener consecuencias

Entre el lunes diez y el domingo dieciséis de agosto de dos mil veintiséis, la inteligencia artificial avanzó a la vez por varios caminos que suelen contarse por separado.

Hubo una posible contribución nueva a las matemáticas, modelos que prometen trabajar durante más tiempo y responder con mayor rapidez, y pesos abiertos pensados para ejecutarse fuera de los servicios en la nube. Pero también vimos el entorno en el que esas capacidades empiezan a importar: un asistente con mil millones de usuarios mensuales según su fabricante, publicidad dentro de una conversación, consultas clínicas simuladas en vídeo y un retraso de seguridad antes de publicar los pesos de un modelo capaz de buscar vulnerabilidades.

No vamos a convertir tres anuncios comerciales en una carrera de marcadores. Las mediciones de empresas distintas rara vez se pueden comparar de forma limpia. Esta semana resulta más útil preguntar por la persistencia, la latencia, el precio y el control sobre el lugar donde se ejecuta un modelo.

Empezamos con la noticia que ofrece el objeto más concreto para examinar: un resultado matemático que puede ser importante, pero que todavía debe superar el escrutinio de una comunidad más amplia.

Claude y la función zeta: un avance posible, no una hipótesis resuelta.

El diez de agosto, Anthropic presentó un trabajo realizado con Claude sobre los ceros de la función zeta de Riemann. El artículo matemático está fechado el once de agosto, y la empresa actualizó su explicación pública el día trece.

La afirmación central es muy precisa. El trabajo eleva una cota inferior incondicional para la densidad de ceros simples sobre la llamada línea crítica. La cota anterior era del cuarenta y uno coma seis por ciento. La nueva llega al sesenta y siete coma dos por ciento.

Esos porcentajes no indican cuánto falta para resolver la hipótesis de Riemann. El trabajo no demuestra esa hipótesis, y tampoco ha resuelto un sesenta y siete coma dos por ciento de ella. La cifra describe una cota inferior para una clase concreta de ceros. Presentarla de otro modo convertiría un resultado técnico en un titular falso.

Anthropic publicó algo más que una nota de prensa. Hay un artículo matemático y una formalización en Lean, un sistema que permite expresar y comprobar razonamientos matemáticos de forma asistida por ordenador. La empresa afirma que dos matemáticos de su propio equipo volvieron a derivar y validaron el resultado de manera independiente. También señala que Brian Conrey y Dan Goldston lo examinaron con poco tiempo de preparación.

Examinar no significa avalar formalmente. Tampoco equivale a la revisión y al debate ordinarios con los que una comunidad matemática acaba aceptando, corrigiendo o rechazando un resultado. Ese proceso aún no ha ocurrido a la escala necesaria para hablar de consenso.

La noticia importa, precisamente, porque deja materiales que otras personas pueden inspeccionar. En muchos anuncios sobre inteligencia artificial solo vemos una puntuación elegida y presentada por el proveedor. Aquí hay una proposición definida, un argumento escrito y un artefacto formal. Los especialistas pueden comprobar los pasos, encontrar un problema o establecer que la contribución se sostiene.

Todavía no sabemos cuál será el veredicto. Si el resultado resiste, será un caso poco habitual y muy concreto de un sistema de inteligencia artificial que contribuye a producir matemática nueva. Si necesita correcciones, la publicación permitirá entender dónde y por qué. En ambos casos, el valor está en que la afirmación puede someterse a crítica, no en aceptar la autoridad del fabricante.

La postura sensata combina interés y prudencia: hay indicios de una contribución relevante y herramientas para estudiarla, pero todavía no una conclusión asentada por la comunidad.

La competición cambia: persistencia, latencia y precio.

El doce de agosto, xAI anunció Grok cuatro punto seis a través de canales de programación e interfaces para desarrolladores, con precios publicados. El día trece de agosto, Google lanzó Gemini tres punto siete Flash en sus herramientas y productos para desarrolladores, acompañado de precios introductorios temporales. Ese mismo día, OpenAI inició una prueba limitada de GPT cinco punto seis Sol Ultrafast sobre infraestructura de Cerebras.

OpenAI habla de hasta setecientos cincuenta tokens de salida por segundo y de una velocidad que puede llegar a ser catorce veces la del modelo estándar. Son máximos comunicados por la propia compañía. Además, describen una prueba restringida, no una disponibilidad general bajo condiciones idénticas para cualquier usuario.

Las afirmaciones de xAI y Google sobre las capacidades de sus modelos también proceden de las empresas. No podemos colocar velocidad, calidad y precio en una misma tabla y declarar un ganador. Los productos no hacen exactamente lo mismo, las pruebas cambian y los precios de lanzamiento pueden cambiar después. En el caso de Gemini, Google dice expresamente que la tarifa inicial es temporal.

Sin embargo, los tres anuncios sí permiten una lectura común. Es una interpretación editorial, no un resultado de laboratorio: la utilidad de un modelo depende cada vez más de las condiciones que rodean a su capacidad. Un agente puede ser brillante en una tarea breve y, aun así, resultar poco práctico si pierde el hilo en trabajos largos. Una respuesta excelente puede llegar demasiado tarde. Un sistema capaz puede ser demasiado caro para utilizarlo de forma continua.

Grok cuatro punto seis pone el foco en agentes que sostienen el trabajo y en tareas de programación. Gemini Flash entra en la parte de la gama donde la rapidez y el coste son centrales. La propuesta Ultrafast de OpenAI y Cerebras lleva la velocidad al primer plano.

No sabemos cuál ofrece el mejor conjunto para una persona o una tarea determinada. Lo que sí cambia es la pregunta. Además de medir si el modelo puede resolver un problema, hay que preguntar cuánto tiempo puede seguir trabajando, con qué rapidez responde, cuánto cuesta cada uso y dónde está disponible.

Esos factores no son accesorios. Deciden si una capacidad permanece como una demostración llamativa o se convierte en una herramienta que alguien puede usar todos los días.

Muse Glimmer: pesos abiertos con grandes exigencias de memoria.

El diez de agosto, Meta publicó los artefactos de Muse Glimmer treinta B bajo la licencia Apache dos punto cero. La B del nombre sigue la convención inglesa de billion, es decir, mil millones. Según la ficha oficial, el componente lingüístico es un modelo denso de aproximadamente veintinueve mil seiscientos millones de parámetros. A eso se suma un codificador de percepción de unos mil ochocientos millones.

Muse Glimmer recibe texto e imágenes y genera texto. La ficha describe una ventana de contexto superior a ciento treinta y un mil tokens, de modo que el sistema puede trabajar con una cantidad amplia de material en una misma sesión.

Conviene llamarlo un modelo de pesos abiertos bajo una licencia Apache dos punto cero, y no limitarse a decir que es de código abierto. La apertura de un sistema puede abarcar elementos distintos. Lo verificado aquí es la publicación de los artefactos del modelo con una licencia permisiva.

La posibilidad de ejecutarlo en un ordenador personal también necesita contexto. Para la versión sin comprimir en el formato numérico be float dieciséis, Meta fija como objetivo sesenta y cuatro gigabytes de memoria de vídeo. Las variantes comprimidas a cuatro bits están pensadas para equipos con treinta y dos o veinticuatro gigabytes. Son cantidades que existen en máquinas personales de gama alta, pero no en un portátil corriente.

Meta sostiene que la compresión apenas reduce la calidad medida en sus pruebas. Esa afirmación no cuenta aquí con una comprobación independiente. Una representación de cuatro bits consume menos memoria, pero la experiencia real debe evaluarse en los usos que importan, no deducirse de una tabla del fabricante.

Aun con esa cautela, el lanzamiento amplía una opción importante. Un modelo multimodal de este tamaño puede ejecutarse en hardware bajo control local, siempre que ese hardware sea suficientemente potente. Eso permite elegir dónde viven los datos, diseñar el entorno de ejecución y depender menos de una interfaz alojada por otra empresa.

No significa que cualquier persona pueda instalarlo sin coste ni dificultad. El requisito de memoria sigue siendo alto. Pero sí desplaza una parte del control desde los proveedores de servicios hacia quienes poseen el equipo y los conocimientos necesarios.

En una semana dominada por anuncios de modelos remotos más rápidos, Muse Glimmer recuerda que la ubicación también es una característica: no solo importa qué puede hacer un modelo, sino quién controla la máquina en la que lo hace.

Gemini declara mil millones de usuarios mensuales y prepara más acciones.

El once de agosto, Google afirmó que la aplicación Gemini había superado los mil millones de usuarios activos al mes. La compañía también declaró más de cien millones de usuarios activos en iOS y más de ciento cincuenta millones de imágenes creadas cada día.

Son cifras de Google que no han sido auditadas de forma independiente en este recuento. La expresión «el producto de Google con el crecimiento más rápido» también es una descripción de la propia empresa. No debemos confundirla con una medición neutral.

Incluso con esa reserva, la escala comunicada es significativa. Mil millones de usuarios mensuales sitúan un asistente de inteligencia artificial en la categoría de producto de masas, no de herramienta reservada a especialistas.

Al día siguiente, doce de agosto, Google anunció conexiones entre Gemini y varios servicios. La lista incluye OpenTable en el Reino Unido, Ticketmaster, Zocdoc y Wix. La empresa dijo que el despliegue se produciría durante las semanas siguientes. Por tanto, las conexiones se anunciaron esta semana, pero no estaban todas disponibles el día del anuncio.

Juntas, las dos noticias muestran la dirección que Google quiere tomar. Un asistente puede explicar cómo reservar una mesa, conseguir una entrada o crear una página. Cuando se conecta con los servicios correspondientes, puede pasar de describir los pasos a participar en la acción.

Todavía no sabemos cuántas personas usarán estas integraciones ni con qué fiabilidad funcionarán. Tampoco podemos dar por hecho que todo lo anunciado llegue al mismo tiempo. Lo comprobable es la combinación de una escala de uso declarada muy grande y una ampliación planificada de las conexiones.

Ese cambio eleva las consecuencias de cada decisión de diseño. Una respuesta errónea ya es un problema; una acción errónea puede tener efectos fuera de la conversación. Esta observación no demuestra que las nuevas conexiones hayan fallado. Explica por qué el salto de responder a actuar merece tanta atención como el número de usuarios.

La publicidad amplía su sitio dentro de ChatGPT.

El once de agosto, OpenAI actualizó su prueba de publicidad en ChatGPT para añadir cinco mercados: el Reino Unido, México, Brasil, Japón y Corea del Sur.

No fue el comienzo del experimento. La prueba original en Estados Unidos empezó el nueve de febrero. Lo nuevo esta semana es su extensión a esos cinco países.

Según el diseño publicado por OpenAI, los anuncios se muestran a personas adultas que han iniciado sesión y utilizan los planes Free y Go. Los planes de pago quedan excluidos. La empresa dice que la selección de publicidad puede tener en cuenta el tema de la conversación actual, conversaciones anteriores y las interacciones de la persona con los anuncios. Los anunciantes recibirían información agregada sobre los resultados.

OpenAI también afirma que la publicidad no influye en las respuestas y que las conversaciones siguen siendo privadas frente a los anunciantes. Son compromisos expresados por la compañía, no conclusiones de una evaluación independiente.

Esta diferencia importa porque una conversación produce una sensación de relación directa. En otros medios, un anuncio puede ocupar un espacio claramente separado del contenido. En un chat, la persona plantea una necesidad y recibe una respuesta que parece dirigida solo a ella. La separación entre la ayuda y el mensaje comercial debe resultar especialmente clara.

La publicidad puede contribuir a financiar el acceso gratuito. También introduce el incentivo de una tercera parte que paga por aparecer ante el usuario. Por eso, la confianza dependerá no solo del contenido de cada anuncio, sino de que las personas entiendan cuándo están viendo publicidad y puedan distinguirla de la respuesta.

La expansión geográfica no nos dice todavía cuál será el modelo económico definitivo de ChatGPT. Sí muestra que OpenAI está llevando el experimento más allá de Estados Unidos y que la financiación mediante anuncios ya forma parte de las opciones que prueba para los planes Free y Go.

AMIE entra en una consulta clínica simulada por vídeo.

El diez de agosto se publicó un estudio sobre AMIE, el sistema de investigación de Google para consultas clínicas audiovisuales en tiempo real. Google Research presentó el trabajo el día once.

El experimento fue un examen clínico aleatorizado y simulado. Incluyó cien escenarios y trescientas consultas. Quince actores formados representaron a los pacientes. Participaron treinta médicos con funciones distintas: diez profesionales de atención primaria realizaron las consultas de comparación y otros veinte médicos evaluaron los resultados.

Según el estudio, los evaluadores médicos calificaron a AMIE al mismo nivel que los médicos, o por encima de ellos, en varios criterios clínicos. Los actores que representaban a los pacientes prefirieron la evaluación y las explicaciones del sistema. Para la relación personal y el sentido de colaboración, prefirieron a los médicos.

El resultado no cuenta una historia simple de victoria o derrota. Sugiere que un sistema puede rendir bien en partes estructuradas de una consulta, mientras las personas conservan una ventaja percibida en la relación. Son dimensiones diferentes, medidas por grupos diferentes dentro de la simulación.

Y la palabra «simulación» es decisiva. Los pacientes eran actores entrenados, no personas que acudían con un problema médico real. Los escenarios se limitaban a las condiciones que el montaje podía representar. El artículo reconoce errores ocasionales de percepción, de razonamiento y de funcionamiento técnico. Además, es una investigación firmada por el equipo de Google que desarrolla el sistema.

Por tanto, el estudio no demuestra que AMIE pueda sustituir la atención clínica. Evalúa un sistema de investigación en un entorno controlado. La medicina real incorpora circunstancias y consecuencias que una prueba simulada no reproduce por completo.

Lo que sí aporta es una señal concreta sobre los agentes multimodales. Un sistema capaz de procesar voz e imagen sostuvo interacciones clínicas en tiempo real y obtuvo valoraciones competitivas en varios criterios. Al mismo tiempo, sus errores y los límites del experimento marcan la distancia que aún separa ese resultado de un despliegue con pacientes reales.

En un ámbito de alto riesgo, la media de una puntuación nunca cuenta toda la historia. Para interpretar una prueba hay que preguntar quién participó, qué situaciones quedaron fuera, qué se midió y qué fallos ocurrieron. En el caso de AMIE, esas preguntas no rebajan el interés del estudio; definen exactamente lo que permite afirmar.

GLM cinco punto tres: el dilema del doble uso retrasa los pesos.

El catorce de agosto, Zeta AI lanzó el acceso alojado a GLM cinco punto tres mediante su Coding Plan. Sin embargo, la empresa no publicó los pesos del modelo al mismo tiempo. Dice que esperará dos semanas para realizar evaluaciones de seguridad y reforzar el sistema antes de ponerlos a disposición del público.

La explicación de la compañía es que la capacidad del modelo en seguridad informática avanzó más rápido de lo previsto. Zeta AI afirma haber registrado dos mil cuatrocientas treinta y seis vulnerabilidades en doscientos sesenta y nueve proyectos de código abierto. La empresa clasifica mil noventa y siete de ellas como críticas o de gravedad alta. La mayoría sigue bajo embargo.

Estos datos proceden del fabricante. Mientras las revelaciones permanezcan embargadas, gran parte del conjunto no se puede inspeccionar de manera independiente. Las cifras de vulnerabilidades y las afirmaciones sobre pruebas de capacidad no deben tratarse como mediciones confirmadas por terceros. Del mismo modo, una publicación prometida para dentro de dos semanas es una intención, no una garantía.

La decisión de esperar resulta relevante incluso con esas reservas. Encontrar vulnerabilidades puede servir a la defensa: permite avisar a los responsables de un proyecto y corregir un fallo antes de que alguien lo aproveche. La misma herramienta puede facilitar la búsqueda de objetivos a una persona que quiera atacarlos.

Eso es una capacidad de doble uso. No hay una versión defensiva y otra ofensiva perfectamente separadas. El resultado depende de quién utiliza el sistema, con qué autorización y de si los proyectos afectados han tenido tiempo para aplicar correcciones.

Dos semanas de evaluación no garantizan que desaparezca el riesgo. Pueden dar margen para probar límites y reforzar barreras, pero no anticipan todos los usos posibles. Mantener los pesos cerrados indefinidamente también tendría un coste: reduciría el estudio independiente y algunos usos defensivos bajo control local.

El contraste con Meta es revelador sin convertirlo en una contradicción. Esta semana, una empresa publicó pesos abiertos para ampliar el control local; otra citó una capacidad informática inesperada para retrasar una publicación. No existe una regla sencilla según la cual abrir siempre sea seguro o cerrar siempre sea responsable.

El caso de GLM cinco punto tres hace visible la decisión concreta: cuánto valor defensivo aporta una capacidad, qué abuso permite y qué cambia cuando cualquiera puede ejecutar el modelo por su cuenta.

La capacidad nunca llega sola.

Esta semana dejó siete historias, pero una sola pregunta de fondo: ¿qué ocurre cuando nuevas capacidades coinciden con nuevas formas de acceso, nuevos incentivos y nuevas decisiones de control?

Claude produjo un trabajo matemático que puede examinarse, aunque todavía no tenga el consenso de la comunidad. Grok, Gemini y GPT desplazaron la atención hacia la persistencia, la latencia y el coste. Muse Glimmer abrió pesos que requieren hardware muy potente. Gemini declaró una escala mensual de mil millones de usuarios y anunció conexiones para pasar de responder a actuar. ChatGPT amplió una prueba publicitaria. AMIE mostró resultados clínicos prometedores dentro de una simulación limitada. Zeta AI retrasó unos pesos porque atribuye al modelo una capacidad de ciberseguridad de doble uso mayor de la esperada.

El grado de certeza no es igual en todos los casos. Hay artefactos matemáticos que pueden revisarse, cifras de uso y de vulnerabilidades comunicadas por empresas, máximos de velocidad anunciados por un proveedor y resultados médicos obtenidos con actores, no con pacientes reales.

La conclusión no es que la inteligencia artificial haya cruzado una nueva frontera abstracta. Es que la capacidad técnica está llegando acompañada de elecciones sobre quién puede usarla, cuánto cuesta, qué intereses la financian y quién controla su ejecución.

Este ha sido The Morning Paper de la semana que terminó el domingo dieciséis de agosto de dos mil veintiséis.