Precio de Sleepless AI(AI)

El 15 de junio, la acción de Zhipu AI se disparó hasta un 47.6% en el mercado de valores de Hong Kong, cerró con una ganancia del 32.82% y su valor de mercado superó los 649.600 millones de HKD. El detonante directo fueron dos noticias de la industria. El 12 de junio, Anthropic suspendió el acceso a sus modelos insignia Claude Fable 5 y Claude Mythos 5 para usuarios extranjeros debido a una orden de control de exportaciones del gobierno estadounidense. Al día siguiente, Zhipu AI anunció que su último modelo de código abierto, GLM-5.2, estaba disponible para todos los usuarios de Coding Plan, con planes de lanzar la API y los pesos del modelo bajo la licencia MIT la semana siguiente. Este incidente destacó un problema más allá del rendimiento del modelo: la disponibilidad y estabilidad continuas del acceso. Para muchos desarrolladores y empresas que dependen de modelos de IA como infraestructura crítica, el riesgo de una interrupción repentina se ha vuelto una preocupación clave. La reacción del mercado refleja un cambio en la lógica de la industria: de "quién es mejor" a "quién es más accesible". GLM-5.2, presentado como un modelo de código abierto con una ventana de contexto de 1M para tareas de larga duración, representa para los inversores una alternativa más estable y controlable. Los analistas señalan que los riesgos de dependencia de modelos propietarios sujetos a una sola jurisdicción podrían acelerar la adopción de modelos base locales y de código abierto. En la nueva era competitiva de la IA, la apertura, la accesibilidad y el control autónomo se están convirtiendo en ventajas cruciales junto con las capacidades técnicas.

A mediados de 2026, Alipay anunció que sus transacciones realizadas por IA superaban los 300 millones, mientras que WeChat abrió el acceso de IA a sus mini-programas, solicitando a los desarrolladores que autorizaran la lectura del código fuente. Este contraste marca dos estrategias divergentes en la era de la IA. Alipay está probando internamente "Plan Bao", una versión que reemplaza la interfaz tradicional por una ventana de diálogo. Los usuarios pueden ordenar múltiples servicios (como pedir un taxi y comprar café) con una sola frase. La IA desglosa la tarea, opera los mini-programas correspondientes y completa el pago. Después de probar una app independiente fallida, Alipay optó por una transición suave dentro de su app principal, priorizando a sus 1000 millones de usuarios existentes. WeChat, en cambio, sigue una lógica de "parasitar" su ecosistema social. Su futuro asistente de IA no tendrá una interfaz propia, sino que funcionará dentro de chats grupales o artículos públicos, ayudando a coordinar tareas (como resumir contenido o reservar un campamento) sin alterar la dinámica social principal. Su prioridad es integrar la IA de manera invisible en las relaciones humanas. La diferencia clave radica en cómo manejan los mini-programas existentes. WeChat propone dos modos a los desarrolladores: uno "automático" que requiere acceso al código fuente, y otro "de desarrollo" que exige reformatear los servicios en Skills estandarizadas. Alipay adopta un enfoque dual: promueve que los comercios adapten sus servicios a interfaces estándar (MCP/Skill), pero también permite que su IA opere mini-programas no adaptados mediante "lectura de pantalla", simulando las acciones del usuario. Esto evita pedir el código fuente, pero plantea dudas sobre su estabilidad. Alipay también presentó "Token Pay" y "Billetera IA", infraestructuras para micropagos y presupuestos automáticos gestionados por agentes de IA. Las más de 300 millones de transacciones validadas demuestran que los usuarios ya delegan acciones comerciales completas a la IA. Ambos caminos crearán tensiones en el ecosistema. La "lectura de pantalla" de Alipay podría AI-izar servicios sin el consentimiento explícito de los comercios, mientras que el requisito del código fuente de WeChat podría marginalizar a pequeños desarrolladores. Cada plataforma está definiendo su propio estándar técnico (MCP), lo que podría fragmentar el esfuerzo de los comercios. En definitiva, Alipay apuesta por reescribir la entrada a los servicios mediante el diálogo, mientras que WeChat busca ocultar la IA dentro de sus hilos sociales. La competencia ya no se trata solo de dónde guardan el dinero los usuarios, sino de a quién le encomiendan la frase "ayúdame a hacer esto".

Claude Mythos fue cerrado esta semana, lo que reveló un riesgo fatal que muchos fundadores pasan por alto: cuando tu capacidad central depende completamente de una plataforma ajena, tu destino no está en tus manos. Este evento ha hecho que muchos se pregunten: ¿qué partes de mi negocio están simplemente "alquiladas"? En los últimos años, el debate sobre los modelos de IA de código abierto se centraba en el coste. Ahora está claro que el coste nunca fue el problema principal. El tema más profundo es el control. ¿Quién posee la inteligencia de la que depende tu producto? Alquilar inteligencia, como usar APIs de modelos líderes, es excelente al principio, pero tiene limitaciones. El "propietario" puede cambiar las reglas, aumentar el "alquiler" o, como en el caso de Mythos, decidir cerrarlo. Cuando tu capacidad central depende de una plataforma que no controlas, quedas expuesto a decisiones ajenas. La lección no es dejar de usar modelos líderes. Son una infraestructura increíble. Pero la infraestructura y la propiedad son cosas distintas. Poseer tu inteligencia significa comenzar con un modelo de código abierto sólido y darle forma en torno a lo que hace única a tu empresa: tus datos, tus flujos de trabajo, tu conocimiento especializado. Con el tiempo, el modelo se vuelve menos genérico y más un reflejo del trabajo único de tu compañía. Ahí es donde se crea el valor duradero. Un conclusión optimista es que el futuro de la IA no depende de un solo modelo ganador. No hay una única frontera. La hay para los modelos líderes, para los modelos adaptados con conocimiento corporativo, para los modelos especializados en problemas concretos. Lo más interesante no es que un modelo se vuelva más listo, sino que la inteligencia sea cada vez más personalizable. Las empresas que ganarán no serán necesariamente las que tengan el modelo más grande, sino las que conviertan la inteligencia en un activo único y propio.

El año de la IA aplicada: ¿Solo "sí" y sin considerar riesgos? El diario de navegación del desarrollo de software se abre por completo. El rápido aumento del uso de IA para generar código, con menos supervisión, introduce riesgos ocultos en código aparentemente correcto, lo que puede provocar pérdidas de datos o activos. El proyecto de código abierto **Narwhal AI Code Risks**, de Narwhal-Lab (Universidad de Pekín), recopila casos reales, señales tempranas y rutas de riesgo típicas para ayudar a los desarrolladores a identificar peligros. Un ejemplo claro es el incidente de configuración del oráculo cbETH de Moonwell, donde un error semántico en un precio (1.12 USD en lugar de ~2200 USD) pasó todas las revisiones y causó una pérdida de ~1.78 millones de dólares. El riesgo no siempre se muestra con errores; a menudo, el código funciona pero su semántica es errónea. La IA ya no solo completa código, sino que modifica configuraciones, gestiona dependencias y actúa mediante agentes, creando cadenas de acciones más largas y difíciles de rastrear. Los riesgos se clasifican en 7 categorías: cadena de suministro, vulnerabilidades a nivel de código, configuración de nube/infraestructura, riesgos de agentes, riesgos en dominios verticales, propiedad intelectual/cumplimiento y factores humanos. El proyecto organiza la información en tres niveles: `cases/` (eventos reales verificados), `inferred/` (señales tempranas por confirmar) y `scenarios/` (patrones de riesgo claros). Su objetivo es convertir casos de riesgo en conocimiento reutilizable para que desarrolladores, investigadores y fabricantes de herramientas puedan detectar y prevenir problemas similares, creando un registro de navegación abierto para la era del desarrollo con IA.

En los últimos quince días, me he sumergido en la "Vibe Coding" – escribir código mediante lenguaje natural con IA – y he construido mi propia plataforma de inversión. Usando principalmente Codex, Claude Code y la API de DeepSeek, he convertido ideas que antes solo existían en mi mente en herramientas funcionales. He desarrollado cuatro utilidades clave: 1. **Panel de Activos Multimercado:** Una vista unificada de mis inversiones en acciones estadounidenses, criptomonedas, acciones de Hong Kong y China continental, con seguimiento del rendimiento total y por activo. Luego añadí funciones como monitoreo de movimientos bruscos de precios y un "mapa de inversiones" para visualizar las relaciones dentro de un sector. 2. **Monitor de Apuestas en Mercados de Predicción (PM):** Agrega y supervisa apuestas sobre eventos futuros (como valoraciones de empresas o eventos macro), correlacionando sus cambios de probabilidad con noticias y movimientos del mercado para identificar oportunidades, especialmente en dinámicas de Asia Oriental. 3. **Panel de Gestión de Contenidos:** Una herramienta operativa simple, alojada en la nube, para gestionar temas de artículos, progresos de escritura y calendarios de publicación en múltiples plataformas. 4. **Herramienta de Formateo Automático:** Un script que convierte automáticamente un documento en los formatos específicos requeridos por diferentes plataformas de medios, ahorrando tiempo en el proceso de publicación. La conclusión principal es que la IA ha cambiado fundamentalmente la investigación para los inversores minoristas. No se trata de volverse un experto de la noche a la mañana, sino de poder construir progresivamente sistemas básicos personalizados: para observar activos, monitorear señales del mercado, mapear relaciones sectoriales y realizar revisiones de decisiones. El "Vibe Coding" acelera enormemente el ciclo de retroalimentación "idea-implementación-uso-mejora", permitiendo que herramientas rudimentarias pero útiles surjan y evolucionen rápidamente, transformando la manera en que los inversores organizan su información y toman decisiones.