GENIUSPrecio de Genius

Los bonos preferentes no son un detonante de la quiebra empresarial. Las reservas en dólares de MicroStrategy pueden cubrir los dividendos de las acciones preferentes hasta febrero de 2027. Los bonos preferentes son un instrumento de financiación especial con estatus legal de capital, pero con fuertes atributos económicos de deuda. En MicroStrategy, estas acciones preferentes, sin cláusulas de reembolso o pago rígidas, no se contabilizan como deuda tradicional. Por lo tanto, no ejercen presión para reembolsar el principal, los dividendos no son obligatorios y su suspensión no constituye un incumplimiento que lleve a la quiebra. Si MicroStrategy carece temporalmente de fondos para pagar los dividendos preferentes, estos pueden acumularse o suspenderse. Posteriormente, cuando el precio de Bitcoin se recupere, la empresa podría emitir más acciones ordinarias (MSTR) para obtener capital y pagar los dividendos atrasados. El verdadero riesgo de crisis para MicroStrategy reside en sus bonos convertibles. El vencimiento más temprano es el 16 de septiembre de 2027. Si no se cumplen las condiciones de conversión para entonces, MicroStrategy podría verse obligada a vender Bitcoin, desencadenando un efecto dominó negativo. En tal escenario, los dividendos de las acciones preferentes agravarían la situación. Recientemente, MicroStrategy recaudó 335.5 millones de dólares mediante la emisión de acciones ordinarias MSTR, aumentando sus reservas en dólares a 1.400 millones. Estas reservas son suficientes para cubrir todos los dividendos de las acciones preferentes hasta febrero de 2027 y aproximadamente la mitad de marzo de 2027. En las últimas cuatro semanas, la empresa no ha emitido nuevas acciones preferentes, lo que no aumenta sus obligaciones futuras de dividendos.

Karpathy ha lanzado una idea revolucionaria: tratar tus notas como código fuente inmutable y dejar que un LLM actúe como compilador. Su propuesta, LLM-WIKI, cambia radicalmente la gestión del conocimiento personal. Mientras que RAG (Recuperación Aumentada por Generación) solo busca fragmentos y produce respuestas inconsistentes, el método de Karpathy "compila" toda la información en un Wiki estructurado y coherente. El sistema se organiza en tres capas: 1. **Raw (Material crudo):** Notas originales e inmutables. 2. **Schema (Constitución del conocimiento):** Reglas definidas por el usuario (ej: cómo estructurar una entrada). 3. **Wiki (Producto compilado):** Base de conocimiento mantenida automáticamente por la IA. El proceso implica **Ingerir** nuevo contenido (actualizando múltiples páginas relacionadas), **Consultar** el Wiki compilado y realizar **Revisiones** periódicas para detectar contradicciones. Esto libera a las personas del agotador trabajo de mantener enlaces y consistencia, tareas que la IA realiza de forma impecable. Karpathy conecta esta idea con el "Memex" de Vannevar Bush (1945), una máquina para gestionar conocimiento mediante asociaciones. El obstáculo durante 80 años fue el costoso mantenimiento manual, un problema que los LLM resuelven ahora. Este enfoque representa la tercera pieza de la visión de Karpathy sobre colaboración humano-IA, liberando la atención humana para lo esencial: decidir qué aprender y dar significado al conocimiento. Tu cerebro no debería usarse para llevar la contabilidad de tus ideas.

El 6 de julio, Li Bojie, ex-"talento joven" de Huawei, generó controversia al criticar públicamente su experiencia en una entrevista con DeepSeek, acusando al entrevistador de falta de profesionalismo. Esto desató una disputa mayor con la firma de inversión Web3 ABCDE Capital, su ex-inversor. Du Jun, cofundador de ABCDE, acusó a Li de falta de ética contractual en relación con su proyecto Web3+AI, Metagent, financiado en 2024. Du alegó progreso insuficiente, falta de comunicación tras julio de 2024 y opacidad financiera. Li respondió que solo recibió 500.000 USD de los 1,5 millones acordados, lo que obstaculizó el desarrollo, y que dejó Metagent en octubre de 2024 por razones familiares y de riesgo regulatorio, con aprobación de la junta. Otros inversores, como ArkStream Capital, también cuestionaron las prácticas de Li durante la recaudación de fondos. Metagent, prácticamente inactivo desde junio de 2024, fue abandonado. Li se unió luego a Pine AI como científico jefe, un proyecto de agentes de IA para consumidores, del que recientemente se desvinculó por un cambio en sus intereses de investigación hacia modelos fundamentales.

Seis agencias federales de EE.UU. avanzan en la normativa para el marco de stablecoins de pago de la Ley GENIUS, con un plazo límite el 18 de julio. Este desarrollo es significativo porque proporciona claridad regulatoria sobre reservas, normas de capital para emisores y licencias para stablecoins de pago. Su impacto principal no es una reacción inmediata en los precios, sino reducir la incertidumbre para el movimiento de capital, las empresas operativas y los traders. La actualización es un dato concreto para un mercado que se mueve rápidamente, afectando a sectores prácticos como pagos, gestión de tesorería y liquidaciones transfronterizas. Los lectores deben centrarse en cómo cambia el acceso, la liquidez y la infraestructura, más que en conclusiones generales. El valor de la noticia está en ofrecer una explicación clara de lo sucedido, sus implicaciones y los próximos pasos a seguir, basándose en la comunicación oficial de la OCC.

Un estudio reciente de Tracking AI revela que GPT-5.6 ha superado por primera vez la barrera de 130 en una prueba de CI offline, alcanzando una puntuación de 136. Esto sitúa al modelo por encima del 99% de los humanos en esta métrica específica, considerada la línea de inicio del "genio". La prueba utilizada es un conjunto offline privado, diseñado para evitar que los modelos memoricen respuestas previamente. En este ranking, varias variantes de GPT-5.6, incluidas las versiones multimodales, consiguieron consistentemente 136 puntos, superando claramente a otros modelos líderes como Claude-5 Fable (130) y versiones anteriores. Más allá de las pruebas estandarizadas, desarrolladores han probado GPT-5.6 en tareas prácticas complejas. Ejemplos incluyen la creación de una simulación de física de fluidos en tiempo real, un sistema de tickets de soporte con RAG y la resolución eficaz de bugs de código. Los usuarios destacan su enfoque pragmático y su capacidad para entregar soluciones funcionales y completas. Aunque el alto puntaje en CI refleja habilidades avanzadas en razonamiento lógico y reconocimiento de patrones, se debate si esto equivale a una Inteligencia General Artificial (AGI). La prueba mide solo una faceta de la inteligencia, mientras que la verdadera utilidad se demuestra en la aplicación a problemas nuevos e imprevisibles. La evidencia sugiere que GPT-5.6 está comenzando a cerrar la brecha entre "saber responder" y "saber hacer".