Elizabeth Warren insta a la Fed y al Tesoro a rechazar rescates de criptomonedas

TheNewsCryptoPublicado a 2026-02-19Actualizado a 2026-02-19

Resumen

La senadora Elizabeth Warren ha instado a la Reserva Federal y al Departamento del Tesoro de EE.UU. a rechazar cualquier rescate financiero con fondos públicos para empresas de criptomonedas, argumentando que beneficiaría a "multimillonarios" del sector y sería impopular entre los contribuyentes. La carta, dirigida al secretario del Tesoro Scott Bessent y al presidente de la Fed Jerome Powell, enfatiza que la intervención gubernamental en forma de compra directa de Bitcoin o garantías para firmas de cripto sería inapropiada, especialmente en un contexto de falta de regulación federal clara. Warren también criticó la posible vinculación de tales rescates con World Liberty Financial, empresa de criptomonedas asociada a la familia Trump. El llamado ocurre en medio de un debate político continuo sobre la estabilidad financiera y los riesgos de rescates en el sector no regulado de las criptodivisas.

La senadora Elizabeth Warren ha escrito una carta a la Reserva Federal y al Departamento del Tesoro, aconsejándoles que no utilicen dólares de los contribuyentes para rescatar a multimillonarios involucrados en el mercado de criptomonedas. Se afirmó en la carta que el rescate sería muy impopular entre los contribuyentes estadounidenses. El rescate también podría beneficiar a la empresa de criptomonedas de la familia Trump, World Liberty Financial.

Comentarios y carta de Warren

El precio de Bitcoin había bajado más del 50% desde su máximo histórico cuando Warren emitió su advertencia. Según CNBC, la carta fue escrita al Secretario del Tesoro Scott Bessent y al Presidente de la Reserva Federal Jerome Powell. Warren se refirió a la audiencia del informe anual del Consejo de Supervisión de la Estabilidad Financiera en su carta. El congresista Brad Sherman había preguntado a Bessent sobre la capacidad del Tesoro para rescatar Bitcoins u otras criptomonedas. Bessent aclaró que los Bitcoins incautados que actualmente están en poder del gobierno no involucran fondos de los contribuyentes. Warren calificó esto como una evasión de la pregunta en lugar de una respuesta.

Los comentarios de Warren estaban en línea con su argumento de que la intervención del gobierno en forma de estabilización de Bitcoin beneficiaría a los multimillonarios de las criptomonedas. La carta de Warren argumentó que los reguladores no deberían participar en la compra directa de Bitcoin en nombre de los contribuyentes. La senadora también se opuso a la provisión de garantías y facilidades de liquidez para empresas de criptomonedas utilizando fondos públicos. La postura de Warren sobre el asunto ocurrió en un momento en que el debate político sobre la regulación de las criptomonedas continúa. World Liberty Financial organizó un foro para ejecutivos de empresas de criptomonedas el mismo día de la carta. El foro tuvo lugar en el club privado del Presidente en Florida. Los comentarios del comisionado son parte de las consideraciones políticas en las políticas financieras de EE. UU.

Entorno político y regulatorio

Los rescates han sido empleados convencionalmente por el gobierno como una herramienta para estabilizar el sector financiero en un estado de crisis extrema. La crisis bancaria de 2008 fue un evento importante que necesitó una intervención intensiva para evitar un colapso económico. Sin embargo, las monedas digitales no tienen marcos federales para la regulación por parte del gobierno. Warren señaló que la falta de claridad y una regulación deficiente podrían plantear riesgos de rescate.

El tema de los rescates de criptomonedas es relevante para la estabilidad financiera de EE. UU. No hay planes de los reguladores para llevar a cabo medidas de rescate en el mercado de criptomonedas. La carta de Warren apoya trazar una distinción clara entre los rescates de criptomonedas y los rescates gubernamentales.

Noticias destacadas de criptomonedas:

El CEO de Coinbase, Brian Armstrong, señala un progreso significativo en la Ley de Claridad

Preguntas relacionadas

Q¿Qué ha solicitado Elizabeth Warren a la Reserva Federal y al Departamento del Tesoro de Estados Unidos?

AElizabeth Warren ha solicitado a la Reserva Federal y al Departamento del Tesero que no utilicen dólares de los contribuyentes para rescatar a billonarios involucrados en el mercado de criptomonedas.

Q¿A quiénes estaba dirigida la carta escrita por la senadora Warren?

ALa carta estaba dirigida al Secretario del Tesoro, Scott Bessent, y al Presidente de la Reserva Federal, Jerome Powell.

QSegún Warren, ¿a quiénes beneficiaría una intervención del gobierno para estabilizar Bitcoin?

AWarren argumenta que una intervención del gobierno para estabilizar Bitcoin beneficiaría a los billonarios de las criptomonedas.

Q¿Qué evento histórico se menciona como ejemplo de rescates financieros gubernamentales?

ASe menciona la crisis bancaria de 2008 como un ejemplo principal de un evento que requirió una intervención intensiva del gobierno para evitar un colapso económico.

Q¿Qué empresa criptográfica, vinculada a la familia Trump, se menciona que podría beneficiarse de un rescate?

ASe menciona que la empresa World Liberty Financial, vinculada a la familia Trump, podría beneficiarse de un rescate.

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 14 min(s)

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

marsbitHace 14 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 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

marsbitHace 17 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 24 min(s)

Acaba de recaudar 2.700 millones, y Li Feifei también invirtió

marsbitHace 24 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)