2026-06-05 Viernes

Centro de Noticias - Página 33

Obtén noticias de cripto en tiempo real y tendencias del mercado con el Centro de Noticias de HTX.

Alibaba "reabastece", ByteDance "entrena"

**Resumen en español europeo (≈1500 caracteres):** En la última semana de mayo, dos estrategias de IA chinas contrastaron claramente. Alibaba aceleró la **implementación comercial** de la IA. Integró su modelo Qwen con Taobao, permitiendo funciones como probadores virtuales y comparación de precios con IA. Su protocolo ACT busca estandarizar pagos automatizados por agentes de IA. Financieramente, apuesta por ser la "fábrica de IA" de China, con ingresos externos de su nube creciendo un 40%, demostrando un enfoque en **ROI inmediato y monetización**. Su premisa: una brecha de capacidad en modelos base no se ampliará críticamente en 5 años. ByteDance adopta una postura de **investigación a largo plazo**. Su departamento Seed, con líneas separadas para aplicaciones e investigación fundamental, tiene como meta principal "explorar el límite superior de la inteligencia". Su modelo de video Seedance 2.0 lidera benchmarks globales. Invierten masivamente en talento (programa Top Seed) y en investigación pura, como un artículo de 8 meses sobre modelos mundiales. Su presupuesto de capital se revisa al alza de forma agresiva, posible gracias a su condición de empresa **no cotizada**, lo que le otorga paciencia para perseguir avances fundamentales sin presión trimestral por beneficios. La diferencia clave no es filosófica, sino estructural. Las empresas cotizadas como Alibaba deben priorizar la monetización para el mercado. Las no cotizadas como ByteDance pueden permitirse "entrenar" a fondo. El futuro de la estrategia de IA en China depende en gran medida de este estado financiero.

marsbit06/01 00:11

Alibaba "reabastece", ByteDance "entrena"

marsbit06/01 00:11

Circle pone en lista negra una dirección del protocolo Zama, congelando 12,6 millones de dólares en fondos de usuarios – Detalles

El emisor de stablecoins Circle ha congelado aproximadamente 12,6 millones de dólares en fondos de usuarios al incluir en su lista negra un contrato inteligente del protocolo de privacidad Zama. La acción, reportada por el investigador ZachXBT, afecta al contrato Confidential USDC (cUSDC) de Zama en Ethereum. Los fondos congelados parecen estar indirectamente vinculados a la polémica y problemas legales que rodean al protocolo Overnight Finance, desde donde una billetera asociada depositó una gran suma antes de la congelación. La medida ha reavivado las críticas sobre la falta de transparencia de los emisores centralizados, ya que Zama aparentemente no recibió aviso previo. Este caso establece un precedente preocupante al apuntar a un contrato a nivel de protocolo donde se agrupan fondos de usuarios, en lugar de billeteras aisladas, planteando dudas sobre los riesgos de custodia en sistemas supuestamente descentralizados. Circle no ha proporcionado una explicación oficial para su acción unilateral.

bitcoinist05/31 23:33

Circle pone en lista negra una dirección del protocolo Zama, congelando 12,6 millones de dólares en fondos de usuarios – Detalles

bitcoinist05/31 23:33

¿Por qué más agentes de IA no equivalen a mayor productividad?

**Resumen: Por qué más agentes de IA no equivalen a mayor productividad** Cuando los agentes de IA se vuelven más baratos y fáciles de ejecutar, el desarrollo de software enfrenta un nuevo desafío: el cuello de botella ya no es lanzar más agentes, sino la capacidad humana de gestionar, evaluar e integrar sus resultados. Este artículo introduce el concepto de "impuesto de orquestación". Iniciar un agente es barato (un prompt o un clic), pero cerrar el ciclo es costoso: verificar resultados, entender su impacto arquitectónico, resolver conflictos entre agentes y decidir qué código integrar. Este trabajo no se puede paralelizar; depende de un recurso en serie: el juicio humano. El desarrollador es el "GIL" (Cerradura Global del Intérprete) del sistema de agentes: el candido de un solo hilo que limita el rendimiento final. Múltiples agentes pueden ejecutarse concurrentemente, pero las fases de juicio arquitectónico, revisión de código y fusión de cambios deben pasar por la mente del desarrollador. Más agentes no siempre significan más producción; pueden solo alargar la cola de tareas pendientes de revisión, llevando a cambios de contexto más frecuentes y fatiga cognitiva. La sensación de eficiencia no equivale a productividad real. Un panel lleno de agentes en ejecución crea una ilusión de "alta producción", pero si el desarrollador no comprende, revisa e integra esos cambios, el sistema puede acumular deuda técnica y cognitiva. La discusión clave no es "cómo usar más agentes", sino "cómo rediseñar el flujo de trabajo en torno a la atención humana". La habilidad crucial es saber qué tareas delegar a la máquina para procesamiento en paralelo y cuáles reservar para el juicio humano, cuándo revisar por lotes y cuándo detener la orquestación para concentrarse en un problema central. La IA amplía la capacidad de concurrencia en la producción de software, pero la atención humana sigue siendo el recurso más escaso e irreplicable. Un flujo de trabajo maduro con agentes no consiste en asignar todas las tareas a la máquina, sino en diseñar cuidadosamente la arquitectura de la propia atención, como se haría con cualquier sistema de producción. La verdadera habilidad es diseñar el sistema respetando ese recurso en serie que no se puede clonar: tu atención.

marsbit05/31 22:48

¿Por qué más agentes de IA no equivalen a mayor productividad?

marsbit05/31 22:48

Tres años después: Una revisión de mis predicciones sobre ChatGPT en 2023

Tres años después: Revisando mis predicciones sobre ChatGPT en 2023 En marzo de 2023, tras el lanzamiento de ChatGPT, Wang Jianshuo hizo 20 predicciones intuitivas sobre la IA. Ahora, en mayo de 2026, un sistema con 41 agentes de IA las ha reevaluado con datos actuales. **Resultados clave:** * **Aciertos (dirección general):** La arquitectura RAG se convirtió en estándar para integrar conocimiento. La Interfaz de Usuario de Lenguaje (LUI) creó una nueva capa de interacción (ej. protocolo MCP). Surgieron redes de agentes autónomos que se comunican. China desarrolló modelos grandes útiles (ej. DeepSeek), cerrando la brecha técnica. Los LLM no tienen conciencia; el Test de Turing solo mide la apariencia. * **Errores/Matices:** La predicción de que GPT-4 tendría 100 billones de parámetros fue incorrecta (≈1.8B). Los LLM **sí** pueden hacer matemáticas complejas sin herramientas externas (ej. medallas IMO 2025). El valor no migró solo a la capa de aplicación; NVIDIA (capa de hardware) capturó gran parte. El contenido generado por IA no evade automáticamente los derechos de autor (multas multimillonarias). La IA personalizada crea, no reduce, "cámaras de eco". Los costes de entrenamiento de modelos líderes superaron con creces la estimación de 5-10 mil millones de dólares. **Lecciones aprendidas:** 1. Predecir **mecanismos y direcciones** es más fiable que dar cifras o declaraciones absolutas. 2. Se tiende a **sobreestimar la velocidad** de cambio a corto plazo y **subestimar su magnitud** a largo plazo. 3. Los promedios generales (ej. "no habrá desempleo masivo") pueden ocultar **impactos distributivos** severos (ej. en jóvenes). 4. Las afirmaciones con **matices y limitaciones** envejecen mejor. 5. Tres años no son suficientes para resolver debates fundamentales (ej. valor final, consciencia de la IA). Este ejercicio subraya la dificultad de hacer predicciones precisas en un campo en rápida evolución y la importancia de la humildad al proyectar el futuro.

marsbit05/31 16:11

Tres años después: Una revisión de mis predicciones sobre ChatGPT en 2023

marsbit05/31 16:11

Tres años después: Volviendo a mis juicios sobre ChatGPT en 2023

En marzo de 2023, Wang Jianshuo hizo veinte predicciones sobre ChatGPT. Tres años después, en 2026, un análisis con múltiples agentes de IA evalúa su precisión. Aciertos clave: predijo correctamente el auge de RAG como arquitectura estándar para conocimiento y reducir alucinaciones, la LUI (interfaz de lenguaje natural) como nueva capa de interacción (aunque no reemplaza a la GUI), y la aparición de redes de agentes autónomos con nuevos protocolos de direccionamiento. También acertó en que China desarrollaría modelos de IA útiles (como DeepSeek) cerrando rápidamente la brecha, y en que ChatGPT carece de consciencia real, pasando el test de Turing por mera apariencia. Otras predicciones válidas fueron que no causaría desempleo masivo (aunque afectó a jóvenes), que 2023 sería un gran año para startups de IA, y que el momento fue similar al del navegador web en 1994. Errores notables: su estimación de que GPT-4 tendría 100 billones de parámetros fue incorrecta (tuvo ~1.8 billones). Se equivocó al declarar que era "imposible" que los LLM hicieran matemáticas complejas sin herramientas, ya que luego ganaron medallas en la Olimpiada Internacional de Matemáticas. También erró al sugerir que el valor se capturaría en la capa de aplicación y no en la base, subestimando el dominio de NVIDIA (capa de hardware), y al pensar que el contenido generado por IA "evitaría" problemas de copyright, cuando han surgido multas históricas. Además, la idea de que los LLM promoverían un "consenso mundial" al promediar opiniones se volvió incorrecta, ya que ahora priorizan la personalización y pueden crear nuevas cámaras de eco. Conclusiones: Sus predicciones sobre mecanismos y direcciones fueron mayormente acertadas, pero falló en números específicos (costes, parámetros) y en subestimar la complejidad de la distribución del impacto (ej. quién gana o pierde con la IA). Tendió a ser demasiado optimista a corto plazo pero conservador sobre los límites a largo plazo. El ejercicio subraya la importancia de predecir tendencias en lugar de cifras exactas y de dejar margen para la incertidumbre.

链捕手05/31 13:43

Tres años después: Volviendo a mis juicios sobre ChatGPT en 2023

链捕手05/31 13:43

Advertencia de burbuja de IA: La inversión en IA está dando rendimientos negativos para la mayoría de los gigantes tecnológicos

Alerta sobre la burbuja de la IA: para la mayoría de los gigantes tecnológicos, la inversión en IA tiene un rendimiento negativo La euforia de la IA está pasando de la narrativa tecnológica a la prueba financiera. Los hiperescaladores en la nube como Microsoft, Alphabet, Amazon, Meta y Oracle planean invertir cientos de miles de millones en centros de datos para IA. Sin embargo, según las proyecciones consensuadas de analistas para 2025-2030, la tasa de retorno implícita de estas inversiones sería fuertemente negativa para la mayoría, excepto Amazon, incluso bajo supuestos extremadamente optimistas. Esto sugiere que el auge de la IA podría destruir valor para los accionistas a una escala histórica. El crecimiento actual del PIB de EE.UU. depende casi por completo de esta inversión tecnológica, que explica el 93% del crecimiento en los últimos cuatro trimestres. Una corrección, incluso moderada, en estos gastos podría llevar a una recesión y desencadenar un mercado bajista. Las próximas OPV de empresas como OpenAI y Anthropic podrían aprovechar el optimismo para transferir el riesgo de la narrativa de la IA a nuevos inversores. El dilema central no es el futuro de la IA, sino quién pagará finalmente por esta costosa carrera de infraestructura cuando disminuya el fervor del marketing.

marsbit05/31 12:45

Advertencia de burbuja de IA: La inversión en IA está dando rendimientos negativos para la mayoría de los gigantes tecnológicos

marsbit05/31 12:45

De tokens a mano de obra maquinal: la IA está pasando de ser una herramienta a convertirse en «trabajador»

Resumen: El artículo propone que la IA está evolucionando de una herramienta a una "fuerza de trabajo maquinal", un mercado donde se compra y vende trabajo ejecutado directamente por software. En lugar de centrarse en tokens o horas de GPU, las empresas pagarán por resultados económicos estandarizados, verificables y entregados bajo condiciones específicas (latencia, precisión, coste). Esta evolución pasará de los tokens crudos a mercados de capacidades de LLM, luego a mercados de mano de obra por sectores (legal, sanitario), y finalmente a mercados de resultados programables (un ticket de soporte resuelto). Esto no solo sustituirá tareas humanas, sino que redefinirá los roles, haciendo más valioso el juicio humano final que permite automatizar el resto. El mercado de IA se expandirá al abaratar el coste del trabajo, creando nueva demanda.

marsbit05/31 12:37

De tokens a mano de obra maquinal: la IA está pasando de ser una herramienta a convertirse en «trabajador»

marsbit05/31 12:37

La reducción del 99% en el precio del Xiaomi MiMo no es una estrategia de marketing. Luo Fuli publica en X respondiendo a los pesimistas.

**Resumen: El descenso del 99% de Xiaomi MiMo: Una victoria de la ingeniería, no del marketing** El anuncio de Xiaomi de reducir hasta un 99% el precio de las API de su modelo MiMo-V2.5 generó escepticismo, interpretado como una guerra de precios o una maniobra desesperada. Luo Fuli, responsable de MiMo, respondió con un blog técnico detallado, demostrando que la rebaja es el resultado de seis optimizaciones de ingeniería sistemáticas, no una táctica de marketing. La clave es el descuento del 99% aplicado específicamente a la entrada de tipo "Cache Hit" (contexto histórico re-leído). Para lograrlo, el equipo implementó: 1. **Arquitectura Híbrida SWA:** 60 de las 70 capas del modelo solo atienden a los 128 tokens más recientes, reduciendo el volumen de la "memoria" del modelo (KVCache) a 1/7. 2. **Gestión de Memoria en Dos Piscinas:** Asigna memoria por separado para las capas con atención completa y las de ventana deslizante (SWA), liberando realmente la capacidad ahorrada y quintuplicando los usuarios concurrentes por GPU. 3. **Cache de Prefijos Mejorado:** Un nuevo sistema garantiza que solo se reutilicen fragmentos de contexto completos y válidos, logrando una tasa de acierto en caché del 93-95% para peticiones de usuarios frecuentes. 4. **Almacenamiento en SSD Integrado (GCache):** La caché distribuida se aloja en los discos SSD de las propias máquinas con GPU, eliminando costes adicionales de almacenamiento. 5. **Sistema de Enrutamiento Inteligente (LLM-Router):** Dirige peticiones similares a la misma máquina y prioriza las que aciertan en caché, mejorando el rendimiento y la latencia. 6. **Predicción Multi-Token (MTP):** Acelera la generación de respuestas del modelo prediciendo varios tokens a la vez, reduciendo también el coste de la parte de "salida". En conjunto, estas innovaciones redujeron el tiempo de GPU por petición en más de un orden de magnitud, haciendo posible el descuento del 99% manteniendo márgenes positivos. Luo Fuli subraya que este es un logro de ingeniería sistémica, un modelo de reducción de costes verificable que trasciende la mera competencia por precios.

marsbit05/31 10:41

La reducción del 99% en el precio del Xiaomi MiMo no es una estrategia de marketing. Luo Fuli publica en X respondiendo a los pesimistas.

marsbit05/31 10:41

26 mil millones de dólares, un equipo '100% chino' sustenta la empresa de programación IA con mayor valoración global

Cognition AI, la empresa detrás del "primer ingeniero de software IA" Devin, ha alcanzado una valoración de 26.000 millones de dólares tras una nueva ronda de financiación. Fundada en 2023 por tres jóvenes chinos campeones de olimpiadas de informática, la compañía cautivó inicialmente con la promesa de un agente autónomo que podía gestionar tareas de desarrollo completas. Sin embargo, Devin enfrentó escepticismo por su alto precio inicial (500 USD/mes) y una tasa de éxito inconsistente en tareas reales. Un punto de inflexión clave fue la adquisición de los activos de Windsurf, una popular herramienta de IDE con IA, lo que permitió a Cognition ofrecer un enfoque dual: Devin para la ejecución asíncrona de tareas y Windsurf como asistente dentro del editor, similar a Cursor. Esta estrategia combinada abordó mejor las necesidades reales de los desarrolladores y las empresas. La narrativa de la compañía ha evolucionado desde reemplazar programadores hacia automatizar tareas repetitivas (como migraciones o mantenimiento) dentro de los flujos de ingeniería empresarial. Actualmente, reporta un crecimiento explosivo: un run-rate de ingresos de 492 millones de dólares y un aumento mensual del 50% en el uso empresarial de Devin durante los últimos seis meses. Su lista de clientes incluye a Goldman Sachs, NASA y el ejército estadounidense. La valoración récord refleja la apuesta de los inversores (como Lux Capital y General Catalyst) por Cognition como un futuro pilar de la infraestructura de ingeniería de software impulsada por IA, posicionada en un escenario híbrido donde los humanos y los agentes colaboran.

marsbit05/31 10:29

26 mil millones de dólares, un equipo '100% chino' sustenta la empresa de programación IA con mayor valoración global

marsbit05/31 10:29

El 00 más popular de Wall Street

"Solo llegué temprano, pero no me equivoqué". Esta frase de la película "The Big Short" resuena con Leopold Aschenbrenner, el gestor de fondos más joven de Wall Street. Despedido de OpenAI en 2024 a los 23 años, pronto fundó su propio fondo de cobertura, Situational Awareness LP, apostando por la infraestructura de energía, centros de datos y capacidad de computación necesaria para la IA, en lugar de seguir la corriente de los chips. Su previsión fue acertada. En 2026, su cartera alcanzó los 137 mil millones de dólares. Su estrategia: largas posiciones en activos de infraestructura como Bloom Energy (combustibles) y empresas de centros de datos, y posiciones cortas (opciones de venta) contra semiconductores como NVIDIA, advirtiendo sobre su posible sobrecalentamiento. Una excepción fue su compra de acciones y opciones de compra de SanDisk, que luego subió un 160%. Su tesis es clara: el cuello de botella para el desarrollo de la IA no es el algoritmo, sino la electricidad, la capacidad de chips y el espacio físico. Los gigantes tecnológicos ya están invirtiendo masivamente en esta infraestructura, impulsando a empresas de módulos ópticos y almacenamiento. El futuro de la IA, aparentemente intangible, se construye sobre activos físicos fundamentales.

marsbit05/31 07:57

El 00 más popular de Wall Street

marsbit05/31 07:57

活动图片

Categorías popularesright-arrow

Etiquetas Popularesright-arrow

Investigación Profunda

Tendencias Tecnológicas