Hola, comunidad de Tomorrow.
Bienvenido a una nueva semana. Durante tres años la IA ha vivido dentro de una caja de texto: le escribes, te contesta. Esta semana empezó a salir de ahí. Anthropic ha publicado un estándar para que la IA controle máquinas físicas: microscopios, brazos robóticos, láseres de laboratorio, y de repente la conversación deja de ir sobre qué sabe decir un modelo y pasa a ir sobre qué puede hacer con las manos.
Y no es un movimiento suelto. La misma semana, un modelo chino gana a ciegas sin decir su nombre, Perplexity mete un agente entero dentro de un ordenador de tu mesa y Meta admite que sustituir a su gente por IA no le sale a cuenta. Todo empuja en la misma dirección: la IA se baja de la nube y se acerca al mundo real, con sus límites incluidos. El chat era el principio, no el destino.
En esta edición:
🔌 Anthropic da a la IA un "USB" para controlar máquinas
🕵️ El modelo chino que lideró sin decir su nombre
💻 Perplexity mete la IA dentro de un ordenador de tu mesa
🧑💼 Meta frena su plan de sustituir empleados por IA
🛠️ Grok Build: una app desde un chat
🕒 5 min de lectura
LO MÁS IMPORTANTE
INFRAESTRUCTURA · ANTHROPIC
Anthropic publica un estándar para que la IA controle máquinas del mundo real
Anthropic presentó el Model Hardware Standard (MHS), una especie de idioma común para que un agente de IA como Claude pueda manejar directamente instrumentos físicos —microscopios, brazos robóticos, centrifugadoras— sin que alguien programe a mano cada conexión.
Los datos:
Funciona como un traductor universal: hoy cada aparato de laboratorio habla su propio lenguaje y hace falta código a medida para cada uno. MHS pone en medio una capa con órdenes simples de "leer" y "escribir" que cualquier dispositivo entiende, igual que el USB hizo que un mismo puerto valiera para el ratón, el teclado o un disco.
No es teoría: ya lo están probando Genentech, Carnegie Mellon, la Universidad de Washington y el campus Janelia del HHMI, entre otros. Un caso concreto —el sistema de recuperación láser de QuEra— pasó de un 58% de aciertos a un 99,3% tras dejar que la IA lo optimizara.
Cubre una lista larga de aparatos: microscopios, manipuladores de líquidos, lectores de placas, termocicladores, láseres, incubadoras automáticas, cámaras y sensores.
Anthropic marca sus propios límites sin adornos: Claude "tiene problemas con las restricciones físicas y químicas que exigen intuición del mundo real" y su razonamiento espacial es flojo, porque aprendió de texto e imágenes, no de tocar cosas. Requiere supervisión experta en todo lo que sea crítico para la seguridad.
Por qué te importa: este es el paso que separa a la IA que habla de la IA que actúa. El mecanismo de fondo es de estandarización, y suena aburrido pero es lo que cambia las reglas: cuando un problema deja de resolverse caso por caso y pasa a tener un estándar común, el uso se dispara. Le pasó al USB, a los enchufes, a internet con el HTTP. Aquí, el trabajo repetitivo y preciso de un laboratorio (mover muestras, ajustar un microscopio miles de veces) es justo lo que una IA con acceso al hardware podría acelerar como nada hasta ahora.
Y ahí está el matiz honesto: que Anthropic reconozca que su modelo es torpe con el mundo físico y necesita vigilancia humana no es un pero menor, es el techo real de esto hoy. Una IA que redacta un correo mal no pasa nada; una que maneja un láser o un brazo robótico y se equivoca, sí. Pero el rumbo queda marcado: después de enseñar a las máquinas a escribir, el sector va a por enseñarles a mover cosas. Y quien ponga el estándar que todos usen, manda en la próxima década.
MÁS NOTICIAS
Justo en la otra cara de la moneda: Nvidia ha metido en producción el Groq 3 LPX, un chip pensado no para entrenar modelos sino para hacerlos responder rápido —lo que se llama inferencia—, que es donde de verdad se gasta el dinero cuando un agente trabaja todo el día.
Los datos:
Es el primer fruto de la compra de Groq por 20.000 millones que hizo Nvidia, ahora convertido en un acelerador específico para inferencia.
Encaja en su plataforma Vera Rubin, con hasta 256 aceleradores LPX por rack.
Nebius es el primer cliente en la nube. En pruebas independientes marcó 3.400 tokens por segundo generando texto con Gemma 4 31B a 100K de contexto.
Por qué te importa: Hasta ahora la conversación giraba en torno a entrenar el modelo más grande. Pero el gasto real está en la inferencia: cada vez que un agente lee, decide y actúa, alguien paga esa factura de cómputo. Aquí está el truco: si abaratas la inferencia, abaratas usar la IA a diario, que es lo que la mete de verdad en las empresas. Nvidia no quiere que ese terreno se lo coman los chips especializados de otros, así que se ha comprado uno. (El dato de 3.400 tokens/s lo da la propia Nvidia en un caso concreto, conviene esperar a pruebas de terceros con otras cargas.)
LOCAL · PERPLEXITY
Perplexity saca un agente que corre en tu mesa, no en la nube
Perplexity lanzó Portable Computer, una versión de su agente que funciona entera en tu propio ordenador y solo tira de la nube cuando una tarea lo pide. Es la IA saliéndose del centro de datos para vivir en tu escritorio.
Los datos:
Corre sobre el DGX Spark de Nvidia, un ordenador de sobremesa con 128 GB de memoria unificada; también llegará a PCs con GPU RTX.
En local usa modelos abiertos (Qwen 3.8 27B y una variante propia de Perplexity), se instala en un clic y está disponible para los planes Pro y Max.
El detalle que lo cambia todo: el trabajo hecho en local no gasta créditos. Una vez pagado el equipo, cada tarea del agente cuesta prácticamente cero.
Por qué te importa: la IA local dejó de ser un hobby en cuanto una pudo terminar un trabajo entero. El mecanismo económico es el que manda aquí: mientras la IA vive en la nube, cada consulta tiene un coste que alguien paga por uso; cuando corre en tu máquina, ese coste marginal se desploma casi a cero una vez comprado el hardware. Y ese cálculo va a decidir muchos presupuestos el año que viene. El gancho no es solo la privacidad de que tus datos no salgan de casa —que también—, es que salga barato usar la IA todo el día. Conecta con la destacada: la IA no solo está aprendiendo a tocar máquinas, también se está bajando a correr dentro de ellas.
Meta modeló recortar hasta el 60% de algunos equipos apoyándose en agentes de IA, y dio marcha atrás al ver los números por dentro. La promesa de "la IA hace el trabajo" chocó con la realidad.
Los datos:
Según Reuters, la compañía llegó a modelar recortes de hasta el 60% en ciertos equipos, contando con que los agentes cubrirían el hueco.
Frenó el plan cuando sus propios datos internos mostraron que los agentes rendían por debajo de lo esperado.
El dato que más duele: el código generado por IA se relacionó con un aumento del 40% en las incidencias técnicas. Más velocidad de salida, pero más cosas rotas detrás.
Por qué te importa: es el primer gran choque entre el relato y la práctica. El mecanismo del entusiasmo es fácil de entender: si un agente escribe código, la tentación de recortar quien lo escribía es enorme. Pero aquí está el matiz que casi nadie cuenta: escribir código rápido no es lo mismo que escribir código que funcione, y las incidencias las acaba arreglando una persona. Que sea Meta —de las más agresivas empujando la IA— la que frene, dice mucho más que cualquier estudio externo. No es que la IA no sirva; es que hoy sirve para asistir, no para reemplazar. Y confundir las dos cosas sale caro.
PARA PROBAR ESTA SEMANA
HERRAMIENTA · XAI
Grok Build: describe una app en el chat y te la construye
xAI ha soltado Grok Build para todo el mundo. Le describes en el chat una app, un juego, un panel o una web, y te devuelve una versión funcionando que puedes publicar, retocar o exportar a GitHub.
Qué lo separa de lo anterior: no es un asistente que te da el código para que tú lo montes. Te entrega la cosa ya montada y en marcha, con una dirección web propia donde verla funcionar. El salto va de "te ayudo a construir" a "toma, ya está construido".
El gancho: es la forma más rápida de tener un prototipo sin abrir un editor. Si siempre has querido una herramienta interna tonta (un contador, un panel para tu equipo, una calculadora a medida) y nunca te has puesto porque no programas, esto elimina la excusa.
Cómo empezar (2 min): entra en Grok (está ya en todos los planes, web y móvil), abre un chat y pídele algo concreto y pequeño: "Hazme una web de una sola página con un temporizador de pomodoro y un botón de reinicio". Cuando te la dé funcionando, pídele un cambio ("ponle modo oscuro") para ver cómo la modifica al vuelo. Un consejo honesto: si vas a usarlo para algo real, léete el código exportado antes de confiarle nada importante —lo rápido no siempre es lo robusto—.
TITULARES RÁPIDOS
OpenAI retirará sus modelos del editor de código Cursor el 12 de noviembre, tras la compra de Cursor por SpaceX.
Un juez federal declara ilegal el veto del Pentágono a Anthropic: el primer caso así contra una empresa estadounidense de IA.
Stanford: el empleo joven en trabajos expuestos a la IA cae un 19% frente a los oficios más a salvo.
OpenAI publica los primeros números de Jalapeño, su chip propio, y dice rendir hasta 1,9× más por vatio que el Blackwell de Nvidia (datos de OpenAI).
PARA VIGILAR
El estándar de Anthropic: ¿lo adoptan otros laboratorios o cada uno saca el suyo y acabamos con cinco "idiomas" incompatibles? Apuesto a que hay pelea de estándares antes que acuerdo. La historia dice que estas cosas se unifican tarde y a golpes.
La IA local: ¿la gente va a mover sus agentes a su propio ordenador, o la nube gana por comodidad? Me temo que en casa tarda, pero en empresas con datos sensibles lo veo despegar rápido. El ahorro y la privacidad pesan demasiado ahí.
Meta y su marcha atrás: ¿es un tropiezo puntual o la primera grieta en el relato de "la IA sustituye a la plantilla"? Yo lo veo como un aviso: los agentes valen para asistir, todavía no para reemplazar. Y ese "todavía" es toda la discusión.
LA LECTURA DE LA SEMANA
Llevo toda la edición dándole vueltas a lo mismo, y creo que esta semana marca un cambio de fase. Los tres primeros años de esta ola fueron sobre inteligencia: quién tiene el modelo más listo, quién saca mejor nota en los exámenes. Esta semana el foco se movió hacia el cuerpo: el chip donde corre, la máquina que mueve, el ordenador de tu mesa donde vive. La IA está bajando de la nube abstracta al mundo de las cosas.
Y ahí es donde se pone interesante. Porque el mundo físico no perdona como el texto. Un modelo puede escribir mil correos regulares y no pasa nada; el que reconoce que "le cuesta la intuición física" es Anthropic, no yo. Manejar un láser, un brazo robótico o el dinero de una empresa es otra liga: los errores tienen consecuencias que no se borran con un "reescríbelo". Me da que el próximo gran cuello de botella de la IA no va a ser cuánto sabe, sino cuánto podemos fiarnos de dejarla tocar cosas reales. Y esa confianza no se gana con un benchmark. Se gana despacio, y se pierde de golpe.
Una semana en la que la IA dejó de ser solo una voz en una pantalla y empezó a estirar la mano hacia el mundo físico. El chat fue el ensayo; esto es el estreno.
¿Tú qué ves antes en tu día a día: una IA que maneja máquinas físicas, o todavía te cuesta fiarte de que haga sola algo importante? Dale a responder y cuéntame.
Y si te ha servido, reenvíaselo a alguien que aún crea que la IA solo sirve para escribir correos.
Nos vemos la semana que viene.
— Ángel · Tomorrow
*P.D. ¿Te han reenviado este correo? Suscríbete gratis en thetomorrowai.com y recíbelo cada semana.
