a16z Nuevo artículo: Mercados de Predicción, Entrando en una Fase de Avance Rápido

marsbitPublicado a 2026-04-19Actualizado a 2026-04-19

Resumen

El mercado de predicción está evolucionando desde una herramienta periférica centrada en elecciones y deportes hacia una infraestructura financiera clave para valorar la incertidumbre. Según a16z, los cambios clave incluyen: la expansión a mercados largos como entretenimiento y macroeconomía, la creación de precios de referencia para eventos que permiten cobertura directa de riesgos (en lugar de apuestas indirectas través de activos relacionados), y la creciente adopción institucional en tres fases (consulta de datos, integración sistémica y trading activo). Aunque el mecanismo actual de garantía total limita a los grandes actores, la obtención de licencias regulatorias y la posible introducción de apalancamiento podrían acelerar su profesionalización. Ejemplos como el uso de datos de Kalshi por parte de líderes políticos y instituciones mediáticas reflejan su creciente legitimidad. El mercado sigue un camino similar al de los derivados en sus inicios: de herramienta especulativa a infraestructura aburrida pero esencial.

Nota del editor: Durante mucho tiempo, los mercados de predicción han sido considerados como un "producto marginal": primero como experimentos académicos, luego como herramientas de opinión durante las temporadas electorales, y más tarde como una extensión de las apuestas deportivas. Siempre parecían depender de un escenario de alta atención, pero rara vez se entendían verdaderamente como infraestructura financiera.

Sin embargo, en la opinión del autor, los mercados de predicción están evolucionando gradualmente de una "herramienta de transacción de eventos" marginal, centrada en elecciones y deportes, hacia una infraestructura financiera capaz de poner precio a la incertidumbre.

El autor señala que los cambios clave de la industria se manifiestan en tres niveles: primero, los escenarios de aplicación se están expandiendo. Aunque los deportes siguen siendo la puerta de entrada de tráfico, los mercados de cola larga como entretenimiento, macroeconomía e IPC están creciendo más rápido y comenzando a satisfacer la demanda institucional. Segundo, los mercados de predicción ofrecen por primera vez un benchmark de precios negociable para el "evento en sí", permitiendo a las instituciones cubrir riesgos políticos o macroeconómicos directamente, en lugar de realizar "apuestas secundarias" a través de activos correlacionados. Tercero, la ruta de adopción institucional está avanzando, desde la referencia de datos (consultar las probabilidades) hasta la integración sistémica, y luego hacia la participación real en transacciones, encontrándose aún en una etapa temprana.

Los mercados de predicción están experimentando un proceso similar al de los mercados de opciones en sus inicios: "profesionalización — institucionalización — infraestructuración". En el futuro, una vez que se perfeccionen gradualmente la liquidez, el apalancamiento y la regulación, podrían convertirse en una herramienta de mercado central que conecte a los minoristas con las instituciones, utilizada para cubrir y poner precio a la incertidumbre del mundo real.

Las finanzas son un mundo altamente "estratificado verticalmente", donde casi cada segmento tiene su propia "meca anual" reconocida. Los líderes de proveedores de servicios de salud, pagadores y empresas de biotecnología se reúnen cada año en San Francisco para la J.P. Morgan Healthcare Conference. Las figuras más importantes del ámbito macro global y los dignatarios políticos acuden a los Alpes suizos para participar en la World Economic Forum Annual Meeting (Foro de Davos). TMT, bienes raíces, industria, servicios financieros y casi cualquier sector que se te ocurra también tienen sus cumbres insignia más representativas.

A finales de marzo de este año, el departamento de investigación académica e institucional de Kalshi, Kalshi Research, celebró su primera conferencia de investigación en Nueva York, reuniendo a académicos, ejecutivos de Wall Street, exfiguras políticas y traders que realmente hacen funcionar el mercado. La composición de los asistentes mostró claramente una tendencia: esta industria está "madurando".

El evento comenzó con una conversación entre los cofundadores de Kalshi, Tarek Mansour y Luana Lopes Lara, y Katherine Doherty. A continuación, se presentan algunas observaciones de la industria extraídas de ese diálogo y de las mesas redondas posteriores:

Mercados y vida, más que elecciones y deportes.

En los grandes ciclos de noticias, a menudo surge un patrón fijo: un evento importante (como las elecciones de 2024, el Super Bowl, o más recientemente el torneo de baloncesto universitario "March Madness") acapara la gran mayoría de los titulares de los medios y, en consecuencia, domina el volumen de operaciones en los mercados de predicción. Esto fácilmente crea la impresión de que "el valor de los mercados de predicción solo se manifiesta en estos eventos".

Sin embargo, aunque la narrativa inicial a menudo presentaba los mercados de predicción como herramientas "solo significativas durante los ciclos electorales", el crecimiento de Kalshi en otras áreas ha sido igualmente notable.

En el momento de la conferencia de investigación, el volumen semanal de operaciones deportivas acababa de acercarse a los 30 millones de dólares, representando aproximadamente el 80% del volumen total de Kalshi, impulsado principalmente por el "March Madness". Tarek y Luana vieron esta alta concentración como un fenómeno temporal.

Un dato más explicativo es: aunque el tamaño absoluto de las operaciones deportivas alcanzó un máximo histórico, su participación en el volumen total de operaciones se encontraba en un mínimo histórico. Esto significa que todas las demás categorías estaban creciendo más rápido.

Los dos fundadores señalaron que las categorías de entretenimiento, cripto, política y cultura están mostrando un mayor crecimiento de usuarios y una estructura de retención de operaciones mejor que los deportes. Los deportes son más bien un "detonante" para el mercado masivo: tienen un alto grado de familiaridad, un ritmo temporal claro y una fuerte participación emocional, siendo un producto típico de entrada.

Al mismo tiempo, la empresa ha observado un crecimiento significativo en mercados de cola más larga. Estos mercados constituyen actualmente más del 20% del volumen de operaciones de Kalshi y desempeñarán un papel más crucial en la cobertura institucional y los mercados de información futuros.

<

Una mesa redonda institucional posterior corroboró esta afirmación desde el lado de la demanda.

Cyril Goddeeris, codirector global de negocios de renta variable de Goldman Sachs, declaró que las predicciones relacionadas con eventos macroeconómicos y datos del IPC son la categoría que más atención recibe actualmente en Wall Street. Sally Shin, vicepresidenta ejecutiva de negocio de crecimiento de CNBC, mencionó que ya utiliza mercados de predicción como "la permanencia del presidente de la Fed" o "los datos de nóminas no agrícolas" como herramientas narrativas de contenido. Troy Dixon, codirector global de mercados de Tradeweb, fue más allá al esbozar un futuro: los grandes bancos de inversión establecerán departamentos de trading especializados en mercados de predicción, con contratos financieros como producto central.

Por qué Kalshi atrae la atención de Wall Street

Una razón importante por la que funcionan los mercados financieros tradicionales es que cada tipo de activo central tiene un benchmark reconocido: el índice S&P 500 representa el rendimiento general de 500 acciones, el petróleo crudo tiene sistemas de precios de referencia como ICE.

Pero para eventos políticos y macroeconómicos (como quién gana una elección, si se aprueban aranceles, el resultado de un caso en la Corte Suprema), históricamente ha faltado durante mucho tiempo un "benchmark de precios" ampliamente aceptado y con capacidad de actualización dinámica. Los mercados de predicción cambian esto: hoy, el futuro de casi cualquier evento puede tener un "ancla de precios" en tiempo real y líquida.

Una vez que un evento (por ejemplo, "¿Se aprobarán aranceles del 30%?") tiene un precio creíble, las instituciones pueden operar directamente alrededor de ese precio. Esto permite tanto operar el evento en sí mismo como cubrir el riesgo de otros activos en la cartera. Como dijo Troy Dixon de Tradeweb: "Volviendo a cuando Trump fue elegido por primera vez, entonces hubo muchas operaciones de cobertura en el mercado de valores, la lógica era vender en corto el S&P porque si Trump ganaba, el mercado caería seguro. Pero esa operación fracasó. La pregunta es: ¿cómo pones precio a estos eventos? ¿Dónde está el benchmark?"

Tarek también mencionó que esta fue una de sus motivaciones para fundar Kalshi. Durante su tiempo en Goldman Sachs, su mesa de trading recomendó operaciones basadas en las elecciones de 2024 y el Brexit. Sin mercados de predicción, si una institución cubre eventos políticos o macroeconómicos a través de activos correlacionados, en realidad está apostando por dos cosas simultáneamente: primero, si el evento ocurre, y segundo, la correlación entre ese evento y el activo operado. Y el segundo juicio puede fallar por sí solo.

Cuando el evento en sí tiene un precio de referencia directo, estos dos riesgos se comprimen en uno. Como dijo Tarek: "Ahora, este mercado comienza a poner precio a todo".

Las tres etapas reales de adopción institucional de los mercados de predicción

Es pronto para decir que las grandes instituciones de Wall Street ya operan a gran escala en Kalshi. Actualmente, la forma de uso de la mayoría de las instituciones sigue siendo "fuente de datos", no "plataforma de trading".

Sin embargo, Luana señaló que la ruta de adopción institucional de este mercado es clara y se puede dividir en tres etapas:

La primera etapa es la conexión de datos: hacer que los precios predictivos entren en el flujo de trabajo diario de las instituciones. Por ejemplo, que los gestores de cartera de Goldman Sachs consulten habitualmente los datos de probabilidades de Kalshi, como consultan el índice VIX. Esta etapa ya está ocurriendo en cierta medida. Jonathan Wright, profesor de la Universidad Johns Hopkins y exfuncionario de la Fed, afirmó: "En decisiones de la Fed, desempleo, PIB, etc., Kalshi es casi la única fuente de referencia".

La segunda etapa es la integración sistémica: incluye aprobaciones legales y de cumplimiento, conexión técnica y educación interna; esencialmente, el proceso de introducción de un nuevo instrumento financiero.

La tercera etapa es operar realmente: las instituciones comienzan a cubrir riesgos directamente en la plataforma, el volumen de operaciones y la profundidad del mercado se acumulan gradualmente. En este punto, una mayor demanda de cobertura atrae a los especuladores, spreads más ajustados atraen a más cubridores, y el precio de referencia forma una retroalimentación positiva que se auto-refuerza.

Actualmente, la mayoría de las instituciones aún están en la primera etapa, algunas han entrado en la segunda, y muy pocas han llegado realmente a la tercera. Un obstáculo importante es que las operaciones en mercados de predicción actualmente requieren margen completo. Por ejemplo, una posición de 100 dólares requiere un depósito de margen de 100 dólares. Esto es aceptable para inversores minoristas, pero para fondos de cobertura o bancos que dependen del apalancamiento y la eficiencia de capital, este mecanismo es demasiado costoso.

Como dijo Tarek: "Si quieres hacer una cobertura de 100 dólares, debes depositar 100 dólares en la cámara de compensación. Eso es demasiado caro para las instituciones. Entidades como Citadel o Millennium no lo harían". Actualmente, Kalshi ha obtenido la licencia de la National Futures Association (NFA) y está colaborando con la Commodity Futures Trading Commission (CFTC) para introducir mecanismos de trading con margen.

¿Qué pasará después?

La conclusión de Michael McDonough, responsable de innovación de mercados de Bloomberg, fue la más directa: "La señal de éxito es que estas cosas se vuelvan aburridas". Comparó los mercados de predicción con los mercados de opciones de la década de 1970, que entonces también estaban plagados de controversias por manipulación e incertidumbre regulatoria, pero finalmente evolucionaron hacia una infraestructura, hasta el punto de que hoy casi nadie piensa mucho en ello.

Toby Moskowitz, socio de AQR, declaró que "estaría dispuesto a apostar dinero real" a que los mercados de predicción se convertirán en una herramienta institucional viable en cinco años, o incluso antes.

Garrett Herren de Vote Hub describió el estado final: "La pregunta ya no será si usar o no los mercados de predicción, sino cómo usarlos. Una vez que la pregunta se convierte en eso, significa que ya son indispensables".

De hecho, aunque el tamaño actual de los mercados de predicción sigue siendo limitado, el mercado de cobertura en sí mismo es un área de gran volumen.

De hecho, la "normalización" de los mercados de predicción ya está ocurriendo.

En la mesa redonda sobre política, el ex congresista Mondaire Jones mencionó que altos cargos de ambos partidos —incluido el presidente Trump, el líder de la minoría de la Cámara de Representantes, Jeffries, y el líder de la minoría del Senado, Schumer— han comenzado a citar públicamente los datos de probabilidades de Kalshi. Scott Tranter de DDHQ también confirmó que los datos de los mercados de predicción se han convertido en una de las entradas estándar dentro de los comités de los partidos. Al mismo tiempo, Vote Hub anunció que ha integrado directamente los datos de Kalshi en su modelo de predicción de elecciones intermedias.

Y todo esto, hace dos años, simplemente no existía. En aquel entonces, los traders más exitosos en Kalshi seguían siendo principalmente "jugadores amateur". Hoy, ese término ni siquiera es preciso.

En la mesa redonda "The People Behind the Markets" de Kalshi, cuatro traders compartieron sus trayectorias profesionales —estas trayectorias suenan indistinguibles de las de los traders profesionales tradicionales: uno pasó 11 años estudiando la lista Billboard de música, otro ha estado perfeccionándose en los mercados de predicción desde 2006, cuando esto era solo un "pasatiempo un tanto geek y casi sin ganancias". Es notable que ninguno de los cuatro invitados provenía de la industria financiera tradicional, sino de los campos de la música, la política y el póker. Pero coincidieron en que lo que esta plataforma realmente premia es el conocimiento profundo del campo, no un currículum impresionante.

Los mercados de predicción han recorrido un largo camino. Desde ser vistos inicialmente como experimentos académicos, hasta convertirse en "herramientas novedosas" durante períodos electorales, y luego ser clasificados temporalmente como "productos similares a las apuestas deportivas", su posicionamiento ha cambiado constantemente. Y la señal clara que transmitió esta conferencia es: los mercados de predicción se están convirtiendo en una infraestructura —utilizada para poner precio a la incertidumbre, sirviendo a una amplia gama de participantes, desde traders minoristas hasta grandes instituciones, y a diversos escenarios de aplicación.

Preguntas relacionadas

Q¿Qué tres cambios clave señala el artículo sobre la evolución de los mercados de predicción?

ALos tres cambios clave son: 1) La expansión de los casos de uso más allá del deporte y las elecciones, con un crecimiento más rápido en mercados de cola larga como entretenimiento y macroeconomía. 2) Los mercados de predicción proporcionan por primera vez un precio de referencia negociable para el evento en sí, permitiendo a las instituciones cubrir riesgos políticos o macroeconómicos directamente. 3) La ruta de adopción institucional está avanzando, desde usar los datos como referencia hasta la integración sistémica y la participación real en el trading.

Q¿Por qué los mercados de predicción están atrayendo la atención de Wall Street, según el artículo?

APorque proporcionan un 'precio de referencia' o ancla de precios en tiempo real y con liquidez para eventos políticos y macroeconómicos, algo que antes no existía. Esto permite a las instituciones operar directamente sobre el evento o utilizarlo para cubrir riesgos en sus carteras, eliminando la necesidad de hacer una apuesta indirecta a través de activos correlacionados.

Q¿Cuáles son las tres etapas de adopción institucional de los mercados de predicción descritas por Luana Lopes Lara?

ALas tres etapas son: 1) Acceso a datos: Integrar los precios de predicción en el flujo de trabajo diario de las instituciones. 2) Integración sistémica: Superar los obstáculos de cumplimiento normativo, legal y técnico, así como la educación interna. 3) Trading real: Las instituciones comienzan a operar y cubrir riesgos directamente en la plataforma, construyendo liquidez.

Q¿Qué obstáculo importante frena actualmente la adopción total por parte de grandes instituciones como fondos de cobertura?

AEl requisito de margen de garantía completo. Actualmente, una posición de 100 dólares requiere un margen de 100 dólares, lo que resulta extremadamente ineficiente en términos de capital para instituciones que dependen del apalancamiento.

Q¿A qué mercado financiero histórico se compara el desarrollo actual de los mercados de predicción en el artículo?

ASe compara con el mercado de opciones en sus primeras etapas (década de 1970), el cual también estuvo rodeado inicialmente de controversias regulatorias e incertidumbre, pero finalmente evolucionó hasta convertirse en una infraestructura financiera fundamental y omnipresente.

Lecturas Relacionadas

Artículo popular de Seeking Alpha: ¿Por qué el mercado de valores estadounidense podría colapsar en junio?

**Resumen en español europeo:** El autor, Damir Tokic, profesor de finanzas y analista de Seeking Alpha, argumenta que el mercado bursátil estadounidense podría colapsar en junio. **Razones principales:** 1. **Burbuja en el S&P 500:** El índice se acerca a máximos históricos de valoración, con un ratio CAPE (Shiller P/E) superior a 40, comparable al de la burbuja puntocom del 2000. Este auge se ha concentrado en el sector tecnológico (con ganancias >37% en 3 meses), impulsado por un gasto de capital en IA de 770.000 millones de dólares que el autor llama el "plan de estímulo de Trump", el cual considera insostenible. 2. **Guerra en Irán y shock de oferta inflacionista:** El conflicto, que ha llevado al cierre del estrecho de Ormuz durante tres meses, amenaza con causar una escasez energética global cuando las reservas estratégicas de petróleo alcancen niveles críticos en junio. Esto podría disparar el precio del crudo por encima de 200 dólares, generando una inflación impulsada por la oferta que es inicialmente negativa para los mercados y la economía. 3. **Respuesta de la Fed en junio:** Ante un pico de inflación, la Reserva Federal se vería obligada a cambiar oficialmente su postura de acomodaticia a restrictiva en su reunión de junio, alineándose con las expectativas del mercado que ya anticipan subidas de tipos. Este giro oficial podría ser el detonante que pinche la burbuja bursátil. Si la Fed se mantuviera inesperadamente en posiciones de política acomodaticia, perdería credibilidad, provocando un pico en los rendimientos de los bonos y una crisis sistémica aún mayor. **Conclusión:** La combinación de una burbuja de valuación extrema, un shock inflacionario inminente por la guerra y un probable endurecimiento de la Fed en junio crea un alto riesgo de una corrección severa del mercado, comparable a las de 2000 y 2008.

marsbitHace 11 min(s)

Artículo popular de Seeking Alpha: ¿Por qué el mercado de valores estadounidense podría colapsar en junio?

marsbitHace 11 min(s)

La guerra de las AI PC: No apuestes por bandos, apuesta por las casetas de peaje

**Roger Lee, analista en BIT: La Batalla del AI PC: No apuestes por bandos, apuesta por los "peajes"** La entrada de NVIDIA y MediaTek en el AI PC marca la transición del ecosistema de IA en Windows de pruebas aisladas a una competencia real. La clave no es el conflicto "x86 vs Arm", sino identificar quién generará márgenes, flujo de caja y poder de fijación de precios de forma sostenible más allá del ciclo de renovación de equipos. **Oportunidad en tres capas:** 1. **Peaje de procesos avanzados:** TSMC se beneficia independientemente del ganador. 2. **Desbordamiento de potencia de cálculo y plataformas:** AMD (ofensiva x86) y NVIDIA (extensión de su ecosistema de software GPU). 3. **Difusión de arquitecturas y recuperaciones:** ARM e Intel tienen potencial, pero requieren una gestión de cartera más estricta. **Perspectiva del sector:** Las previsiones de ventas de AI PC para 2025 se han revisado a la baja (778M de unidades, 31% del mercado), lo que indica volatilidad a corto plazo, pero no invalida la tendencia a largo plazo. El desafío es si las aplicaciones (cálculo privado, inferencia de baja latencia) justifican la renovación. **Panorama competitivo:** Más allá del enfrentamiento entre fabricantes de chips (NVIDIA, AMD, Qualcomm, Intel), el punto crucial es que los chips avanzados dependen de la fabricación en procesos de vanguardia, donde TSMC, con >70% de cuota, actúa como "peaje" esencial para toda la industria del hardware AI. **Enfoque de inversión:** Priorizar empresas con flujos de caja predecibles y posición dominante en la cadena de suministro ("peajes") sobre apostar por un único arquitectura. TSMC representa la base más sólida, AMD ofrece exposición ofensiva, mientras que ARM e Intel suponen oportunidades más volátiles. Es crucial evitar compras impulsivas basadas en anuncios y esperar a que se disipe el exceso de optimismo para invertir en fundamentales a largo plazo. **Riesgos principales:** Aplicaciones de AI PC decepcionantes, compatibilidad lenta de Windows on Arm, factores macroeconómicos y de demanda, posibles desajustes en la oferta de semiconductores avanzados y elevadas valoraciones del sector AI.

marsbitHace 27 min(s)

La guerra de las AI PC: No apuestes por bandos, apuesta por las casetas de peaje

marsbitHace 27 min(s)

Un análisis de 10.000 palabras: de 10 a 290 dólares, MRVL ganó toda la era de la IA 'sin hacer GPU'

En junio de 2026, la acción de Marvell Technology (MRVL) alcanzó un máximo histórico de 290 dólares, multiplicándose por 30 desde 2016. Este análisis explora la valoración del mercado, argumentando que Marvell es más que un "pequeño Broadcom". Su valor reside en un nicho único: la **conectividad** para la infraestructura de IA, donde lidera con el 70% del mercado en chips DSP ópticos de alta velocidad. Marvell no fabrica GPU; vende "conexión": el flujo de datos entre chips, servidores y centros de datos a través de la luz. Su estrategia, dirigida por el CEO Matt Murphy desde 2016, se centró en recortar negocios periféricos, adquirir empresas clave (como Inphi y Celestial AI) y asociarse a largo plazo con hiperescaladores como AWS. Su negocio tiene tres pilares: 1) Interconexión óptica (su ventaja más sólida), 2) Chips personalizados de IA para grandes tecnológicas (con 18 proyectos en curso), y 3) Chips de conmutación y almacenamiento empresarial. La inversión estratégica de 20.000 millones de NVIDIA en Marvall subraya su papel crucial en el ecosistema de IA, aunque también introduce una relación compleja de cooperación y competencia. Financieramente, Marvell muestra un crecimiento acelerado (40%+) y apalancamiento operativo, con un PEG atractivo de ~0,6. Los riesgos incluyen la pérdida del diseño Trainium3 para Amazon, márgenes estructuralmente más bajos que Broadcom, la concentración de clientes, ventas de ejecutivos y presiones en la cadena de suministro. Sin embargo, su posición dominante en interconexión óptica y su cartera integral de conectividad "eléctrica + óptica" ofrecen una ventaja competitiva duradera. La tesis central es que, en la era de la IA, el valor de "conectar" superará al de los "nodos" de computación, y Marvell está posicionado de manera única para capitalizar esta tendencia estructural.

marsbitHace 50 min(s)

Un análisis de 10.000 palabras: de 10 a 290 dólares, MRVL ganó toda la era de la IA 'sin hacer GPU'

marsbitHace 50 min(s)

Las estaciones intermedias de IA generan un debate candente en Zhihu: detrás de los Tokens baratos, ¿qué preocupa realmente a los usuarios?

La discusión en Zhihu sobre las "estaciones intermediarias de IA" ha trasladado el tema de los "tokens baratos" desde círculos de desarrolladores a un público más amplio, generando un debate centrado en costos y confianza. Las principales preocupaciones de los usuarios incluyen: - **Autenticidad del modelo**: Existe un temor generalizado de que los servicios intermedios puedan sustituir modelos de alta gama por versiones inferiores o simuladas ("modelos fantasma"), aprovechando la naturaleza aleatoria de las respuestas para enmascarar la diferencia. - **Costos reales**: La percepción de bajo precio suele basarse en la comparación con las tarifas oficiales por uso de API. Sin embargo, para muchos usuarios, suscripciones oficiales, modelos nacionales chinos o cuotas gratuitas podrían resultar más económicas. Se destaca la necesidad de evaluar primero el patrón de uso personal. - **Fuente de los tokens baratos**: Las explicaciones varían desde descuentos por volumen y optimizaciones técnicas hasta fuentes grises como la división de cuentas, explotación de cuotas gratuitas o arbitraje geográfico. Esta opacidad dificulta evaluar los riesgos asociados a cada servicio. - **Seguridad de los datos**: Más allá de la calidad de las respuestas, los usuarios expresan inquietud por la privacidad de *prompts*, fragmentos de código, documentos comerciales o claves API procesados a través de servidores de terceros. Este riesgo se amplifica en contextos empresariales o con agentes autónomos que ejecutan acciones basadas en respuestas del modelo. - **Consenso práctico**: La discusión converge en que estos servicios pueden ser útiles para tareas de bajo riesgo, desechables y no sensibles (como resúmenes o traducciones simples). Sin embargo, no se recomienda su uso por defecto, especialmente para datos confidenciales (código propietario, información legal, financiera o médica) o en flujos de trabajo productivos empresariales. Se aconseja precaución: no realizar grandes recargas, mantener rutas de respaldo, despersonalizar datos y evitar integrarlos en procesos críticos. En resumen, el debate subraya que el costo real del uso de IA no es solo el precio del token, sino una combinación de factores como la transparencia del modelo, la seguridad de los datos, la estabilidad del servicio y los riesgos de cumplimiento normativo.

marsbitHace 1 hora(s)

Las estaciones intermedias de IA generan un debate candente en Zhihu: detrás de los Tokens baratos, ¿qué preocupa realmente a los usuarios?

marsbitHace 1 hora(s)

Trading

Spot
Futuros
活动图片