Daren Li Huye del Tobillera y es Condenado en Rebeldía por Estafa Global de Criptomonedas

TheNewsCryptoPublicado a 2026-02-10Actualizado a 2026-02-10

Resumen

Un tribunal federal de EE. UU. ha condenado a Daren Li a 20 años de prisión por su participación en una estafa global de criptomonedas que robó más de 73 millones de dólares a víctimas mediante plataformas de inversión falsas. Li, con doble ciudadanía china y de San Cristóbal y Nieves, se declaró culpable en noviembre de 2024 por lavar dinero de centros de estafa en Camboya. La operación utilizaba el método "pig butchering": los estafadores contactaban a víctimas en redes sociales, construían relaciones de confianza y las dirigían a sitios falsos de inversión donde mostraban ganancias ficticias antes de desaparecer con el dinero. Li trasladó los fondos mediante empresas ficticias y cuentas bancarias estadounidenses, convirtiéndolos luego en criptomonedas. A finales de 2025, Li escapó tras quitarse su tobillera electrónica, por lo que fue sentenciado en ausencia. Las autoridades continúan buscándolo, mientras ocho cómplices ya se han declarado culpables en este caso vinculado a esfuerzos internacionales contra el fraude cripto.

Un tribunal federal de EE. UU. ha condenado a Daren Li a 20 años de prisión por su participación en una estafa global de criptomonedas que robó más de 73 millones de dólares a las víctimas a través de plataformas de inversión falsas y engaños en línea. Darren es ciudadano de China y de San Cristóbal y Nieves. Se declaró culpable en noviembre de 2024 por lavar dinero de los centros de estafa, que operaban desde Camboya.

Cómo Funciona la Estafa

Las autoridades dicen que estas estafas se realizaron utilizando el método del "matadero de cerdos". Los estafadores contactaban aleatoriamente a una persona a través de la aplicación de redes sociales y fingían construir relaciones. Una vez que ganaban la confianza de la víctima, la guiaban a sitios web falsos de inversión en criptomonedas. A las víctimas se les mostraban ganancias falsas para animarlas a enviar más dinero, y una vez que se depositaban grandes cantidades, los estafadores desaparecían.

Los fiscales explicaron que este dinero enviado por las víctimas es movido por Li y sus asociados a través de empresas fantasma y pasa por cuentas bancarias de EE. UU. Luego, el dinero se convirtió en criptomonedas. Los investigadores descubrieron que casi 60 millones de dólares de dinero robado fluyeron a través de cuentas dentro de los Estados Unidos.

Sin embargo, a finales de 2025, Li se quitó el monitor electrónico de tobillo y huyó de la supervisión. Debido a esto, el tribunal lo sentenció en rebeldía. Las autoridades de EE. UU. dicen que todavía están tratando de llevarlo de vuelta para cumplir las condenas de prisión. El Departamento de Justicia confirmó que otras ocho personas vinculadas a esto ya se han declarado culpables, y los funcionarios dicen que esto es parte del esfuerzo internacional más amplio para acabar con los grupos de fraude de criptomonedas. Las autoridades continúan trabajando con socios extranjeros para identificar a los sospechosos y congelar activos.

Noticias Destacadas de Criptomonedas:

Ark Invest Compra Más Alcista mientras la Acción Sube Más del 16%

Preguntas relacionadas

Q¿Qué sentencia recibió Daren Li por su participación en la estafa global de criptomonedas?

AUn tribunal federal de EE.UU. sentenció a Daren Li a 20 años de prisión.

Q¿De qué manera operaba la estafa conocida como 'pig butchering'?

ALos estafadores contactaban aleatoriamente a personas a través de redes sociales, fingían construir relaciones de confianza y luego guiaban a las víctimas a plataformas de inversión en criptomonedas falsas, mostrándoles ganancias falsas para que enviaran más dinero antes de desaparecer.

Q¿Qué hizo Daren Li que resultó en que fuera sentenciado en ausencia?

AA finales de 2025, Li se quitó el monitor electrónico de tobillo y huyó de la supervisión judicial.

Q¿Cuánto dinero se estima que fue robado de las víctimas a través de esta estafa?

ALa estafa robó más de 73 millones de dólares a las víctimas.

Q¿Qué acción están tomando las autoridades estadounidenses en relación con Daren Li y esta estafa?

ALas autoridades de EE.UU. dicen que todavía están tratando de extraditarlo para que cumpla la condena, y continúan trabajando con socios internacionales para identificar sospechosos y congelar activos relacionados con los grupos de fraude.

Lecturas Relacionadas

Informe de Ethereum del primer trimestre de 2026: caen las tarifas, usuarios y volumen de transacciones alcanzan máximos históricos

Resumen del informe del primer trimestre de 2026 sobre Ethereum, por Token Terminal. El reporte destaca una tendencia clave: la cantidad de usuarios activos mensuales (13.2 millones, +53.5%), las transacciones (200.4 millones, +38%) y el rendimiento de la red (25.78 TPS) alcanzaron máximos históricos, mientras que las tarifas de transacción en la capa principal cayeron un 47.9% intertrimestral. Este fenómeno, denominado la "Paradoja de Jevons", sugiere que Ethereum está priorizando deliberadamente la expansión a corto plazo sobre la captura de ingresos inmediatos. La actualización Fusaka, que aumenta la capacidad de datos y reduce el costo del espacio de bloque, es un factor clave. La narrativa central de Ethereum se está desplazando de una cadena de bloques DeFi a una capa de liquidación financiera global. Ethereum mantiene una posición dominante en activos tokenizados, con una capitalización total de $2 billones (-0.7% intertrimestral). Destacan el crecimiento de los fondos tokenizados ($194 mil millones, +4.9%) y las materias primas tokenizadas ($47 mil millones, +60%), reflejando una mayor adopción institucional por parte de entidades como BlackRock y JPMorgan. A pesar de una caída del 30.3% en su capitalización de mercado totalmente diluida, la base de titulares de ETH creció a 292.8 millones. En resumen, Ethereum está sacrificando ingresos a corto plazo para impulsar la adopción, consolidándose como la infraestructura de liquidación preferida para las finanzas tokenizadas, con el objetivo de que una mayor demanda de red compense las tarifas más bajas a largo plazo.

marsbitHace 17 min(s)

Informe de Ethereum del primer trimestre de 2026: caen las tarifas, usuarios y volumen de transacciones alcanzan máximos históricos

marsbitHace 17 min(s)

Entrevista inaugural en podcast del CEO de Intel, Tan Lip Bu: Nuestro objetivo es '10 veces en 5-10 años', apostamos por empaquetado avanzado, sustratos de vidrio y diamantes artificiales

El CEO de Intel, Chen Lifu, expresó en una entrevista en un podcast su objetivo de multiplicar por diez el valor de la empresa en un plazo de 5 a 10 años. Para lograrlo, está centrando la estrategia en la superación de los límites físicos de la miniaturización de los semiconductores, invirtiendo en tres áreas clave: tecnologías avanzadas de empaquetado como EMIB, nuevos materiales como el nitruro de galio (GaN), carburo de silicio (SiC), fosfuro de indio (InP) y diamante sintético, y sustratos innovadores como el de vidrio. Destacó que la explosión de la IA, especialmente los agentes autónomos y la inferencia, está impulsando una fuerte demanda de CPUs, cambiando la proporción CPU/GPU en servidores. Chen Lifu también defendió la apuesta de Intel por el negocio de fundición (foundry), subrayando que es crucial para la seguridad de la cadena de suministro en EE.UU. y que se basa en generar confianza a través de altos rendimientos y fiabilidad. Reveló detalles de la colaboración Terafab con Elon Musk para construir fábricas de chips y abordar la escasez de capacidad. Reconoció que Intel aún está en una fase de transformación ("gatear"), reconstruyendo equipos y capacidades fundamentales, pero proyecta que su verdadero potencial en mercados como la informática de borde, la IA física y la de agentes comenzará a materializarse hacia 2030-2032. Con una mentalidad de capitalista de riesgo, su meta clara es entregar un retorno de 10x a los accionistas en la próxima década.

marsbitHace 19 min(s)

Entrevista inaugural en podcast del CEO de Intel, Tan Lip Bu: Nuestro objetivo es '10 veces en 5-10 años', apostamos por empaquetado avanzado, sustratos de vidrio y diamantes artificiales

marsbitHace 19 min(s)

Acaba de recaudar 2.700 millones, y Li Feifei también invirtió

En la actualidad, el mercado de inversión está obsesionado con los "Modelos del Mundo". Sin embargo, Pete Florence, ex científico de DeepMind y co-creador de la arquitectura Vision-Language-Action (VLA), fundó Generalist AI y rechaza esta etiqueta. Para él, el objetivo concreto es más importante: crear robots que realicen cualquier tarea con alta tasa de éxito sin datos específicos. Recientemente, Generalist AI recaudó 400 millones de dólares (unos 2.700 millones de RMB) en una ronda de financiación, alcanzando una valoración de 2.000 millones de dólares. Inversores incluyen NVentures de Nvidia, Bezos Expeditions, NFDG, y figuras como el cofundador de Xiaomi Lin Bin, el fundador de Zoom Eric Yuan, y la renombrada científica Fei-Fei Li. Florence, influenciado por su mentor en el MIT Russ Tedrake, prioriza comprender el mundo físico. Su enfoque comienza estableciendo una meta clara, luego diseña la ruta técnica. Tras dejar Google, lanzó Generalist AI en 2025. La compañía presentó su primer modelo de IA incorporada, GEN-0, en noviembre de 2025, demostrando que las leyes de escalado de los LLMs también se aplican al movimiento físico. En abril de 2026, presentaron GEN-1, entrenado con más de 50.000 horas de datos de interacción física recogidos por un dispositivo portátil. GEN-1 logra un 99% de éxito en tareas como plegar cajas y empaquetar teléfonos, siendo tres veces más rápido que GEN-0. Este avance acerca el modelo a un punto de inflexión similar al GPT-3, mostrando un rendimiento apto para despliegues comerciales en ciertas tareas. La inversión récord respalda la visión de Florence: robots universales que sean lo suficientemente expertos en tareas reales como para ser útiles, avanzando hacia la reducción del coste marginal del trabajo físico a cero. La etiqueta "Modelo del Mundo" queda así en segundo plano frente a los resultados tangibles.

marsbitHace 26 min(s)

Acaba de recaudar 2.700 millones, y Li Feifei también invirtió

marsbitHace 26 min(s)

Perdiendo a dos leyendas en tres días: ¿Se está resquebrajando el dique de talento de IA de Google?

En solo tres días, Google ha perdido a dos leyendas de la IA. El 18 de junio, Noam Shazeer, coautor del seminal trabajo "Attention is All You Need" y copresponsable de Gemini, anunció su salida para unirse a OpenAI. Dos días después, John Jumper, ganador del Nobel de Química 2024 y líder de AlphaFold, dejó Google DeepMind para incorporarse a Anthropic. Estas partidas no son incidentes aislados, sino parte de una tendencia clara de fuga de talento de Google hacia OpenAI y Anthropic, como lo confirma también la reciente incorporación a Anthropic del exmiembro fundador de OpenAI, Andrej Karpathy. El trasfondo de este éxodo es fundamentalmente una cuestión de misión y enfoque. El modelo de negocio central de Google, basado en la publicidad, impone una lógica orientada a productos y métricas comerciales que, en última instancia, restringe la investigación pura. En contraste, tanto OpenAI (con su misión de AGI) como Anthropic (centrada en la seguridad y la ciencia) ofrecen un entorno de trabajo enfocado únicamente en empujar los límites de las capacidades de los modelos. A esto se suma la fuerte atracción financiera: OpenAI y Anthropic están en camino a una OPI, lo que promete una recompensa económica masiva a través de capital para sus empleados, algo que la ya gigantesca Google difícilmente puede igualar. La fusión de Google Brain y DeepMind en 2023, destinada a consolidar esfuerzos, ha generado en cambio tensiones culturales y ha hecho más evidente la presión por alinear la investigación con los objetivos de los equipos de productos. El resultado es una reorganización estructural del mapa del talento en IA. Google, a pesar de sus vastos recursos en computación y datos, está perdiendo a las personas que definen el futuro del campo. La verdadera ventaja competitiva en IA reside en retener a las mentes más brillantes, y Google está descubriendo que esa es quizás su batalla más difícil.

marsbitHace 2 hora(s)

Perdiendo a dos leyendas en tres días: ¿Se está resquebrajando el dique de talento de IA de Google?

marsbitHace 2 hora(s)

Tras las notas de la IA, se esconde un "creador de exámenes" chino

Cada vez que se lanza un modelo de IA de vanguardia, la comunidad fija su atención en ciertas "hojas de resultados" familiares: MMLU-Pro, MMMU, MMMU-Pro. Estos puntos de referencia se han convertido en exámenes estándar para evaluar y comparar modelos como GPT, Claude, Gemini, Llama, Qwen y DeepSeek. Detrás de estas influyentes evaluaciones está el investigador chino Wenhu Chen, profesor asistente en la Universidad de Waterloo y fundador del TIGERLab (apodado "虎头帮"). Su trabajo surge de una necesidad crítica: a medida que los modelos avanzaban, las pruebas antiguas como MMLU se saturaban con puntuaciones casi perfectas, dejando de ser útiles para discernir diferencias reales. En 2024, Chen y su equipo presentaron MMLU-Pro, una renovación exhaustiva del original. Con 12,032 preguntas de 14 disciplinas, aumenta las opciones de respuesta de 4 a 10 para reducir las conjeturas e incorpora problemas más complejos que requieren razonamiento. El resultado fue una caída del 16% al 33% en la precisión de los modelos y una evaluación más estable y discriminatoria, rápidamente adoptada por la industria. Su contribución se extiende al ámbito multimodal con MMMU, un conjunto de 11,500 preguntas que combinan imágenes (gráficos, mapas, fórmulas) con conocimientos académicos para probar una comprensión integrada. Incluso los mejores modelos como GPT-4V inicialmente solo alcanzaron un 56% de precisión, revelando un largo camino por recorrer. Su sucesor, MMMU-Pro, cierra aún más las brechas, obligando a los modelos a utilizar la información visual y no solo el texto. La experiencia de Chen, que incluye investigación doctoral en preguntas complejas y una etapa en Google DeepMind trabajando en Gemini, le permite anticipar cómo los modelos pueden "aparentar" competencia. Su laboratorio no solo diseña evaluaciones, sino que también desarrolla modelos (como UniVideo para video o MoCha para avatares), asegurando que sus "exámenes" reflejen desafíos reales y los límites actuales de la tecnología. Actualmente, Chen continúa este trabajo en el laboratorio de superinteligencia de Meta, enfocado en datos y evaluación multimodal. Su historia destaca el papel fundamental, aunque a menudo menos visible, de los investigadores que construyen las herramientas para medir el verdadero progreso de la IA.

marsbitHace 2 hora(s)