0812 | CFTC 2026, NVIDIA Nemotron 3.5, reconocimiento facial BTP y robo de razonamiento en LLMs

Clara Vega: Hola, bienvenidos a Hacker News diario, el podcast de Bri. Soy Clara Vega.

Mateo Ruiz: Y yo soy Mateo Ruiz. Hoy tenemos un episodio cargado de novedades del mundo de la tecnología y la inteligencia artificial.

Clara Vega: Empezamos con el impacto de un anuncio de la CFTC, el regulador de los mercados de futuros en Estados Unidos, y seguimos con la llegada de un nuevo modelo abierto de NVIDIA.

Mateo Ruiz: También hablamos de la ampliación de la vigilancia de la Policía de Transporte Británica, de un análisis sobre cómo se pueden extraer los razonamientos de los modelos propietarios, y de un nuevo asistente llamado Grok Bot. Todo eso y mucho más, en un episodio que no te querrás perder.

Clara Vega: Vamos a empezar con una batalla regulatoria que enfrenta al mayor exchange de contratos de eventos de Estados Unidos con las leyes de juego de un estado. En agosto, la Comisión de Comercio de Futuros de Productos Básicos, la CFTC, declaró una emergencia de mercado y le ordenó a Kalshi que siguiera operando con normalidad. ¿Y cuál fue el detonante? La fiscal general de Nueva York, Letitia James, había presentado una demanda contra Kalshi a finales de julio en un tribunal estatal.

Mateo Ruiz: Y la demanda es enorme en dos sentidos. Por un lado, Nueva York pide una orden de restricción temporal que prohibiría a Kalshi ofrecer todos sus contratos de eventos en todo el país, no solo dentro del estado. Y por otro, reclama más de 36 mil millones de dólares en daños. O sea, la fiscal general quiere sacar estos productos del mercado mientras se resuelve el fondo del asunto.

Clara Vega: El presidente de la CFTC, Michael Selig, fue muy directo al responder. Dijo que Nueva York pretende que estos derivados de contratos de eventos desaparezcan bajo lo que llamó su cortina de hierro de leyes estatales de juego, antes de que los tribunales puedan emitir fallos definitivos. Y su argumento de fondo es que el Congreso no previó que los exchanges de derivados quedaran regulados por un mosaico de leyes estatales de juego: esto son exchanges financieros que ofrecen instrumentos financieros y operan a través de las fronteras estatales.

Mateo Ruiz: Y no es solo este caso. La CFTC también informa que ha demandado a varios estados, entre ellos Nueva York, Illinois, Kentucky, Minnesota y Nueva México, por intentar aplicar acciones de cumplimiento contra exchanges regulados por la agencia federal. Y además ha presentado escritos de apoyo en tribunales de apelación. O sea, el mensaje es que la agencia federal considera que esto es de su competencia, y está dispuesta a pelearle a los estados en los tribunales.

Clara Vega: Pasamos a inteligencia artificial, porque NVIDIA acaba de presentar un modelo que llama la atención no tanto por su tamaño como por su diseño. Se llama Nemotron 3.5 Lightning, tiene 30 mil millones de parámetros en total, pero solo activa 3 mil millones en cada tarea. Usa una arquitectura híbrida y maneja hasta un millón de tokens de contexto. El blog de NVIDIA lo presenta como el modelo de mayor eficiencia de su clase para tareas agénticas de larga duración, con hasta cuatro veces más velocidad de salida y una mejora del 30 por ciento en completar tareas agénticas frente a otros modelos comparables.

Mateo Ruiz: Y lo interesante es que viene con todo un ecosistema abierto de entrenamiento, con aportes de lo que llaman la Coalición Nemotron, y se puede desplegar en PCs con tarjetas RTX, en el DGX Spark, en la estación DGX y en Jetson. Pero lo que más debate generó en Hacker News no fue el modelo en sí, sino una librería que lo acompaña, llamada NeMo Switchyard, que promete enrutar cada petición al modelo más capaz y adecuado según la tarea, sin que tengas que reescribir tu aplicación.

Clara Vega: Porque aquí viene la pregunta incómoda: si el enrutador guarda caché de prompts, ¿qué pasa cuando llega la segunda petición? Si la sesión es pegajosa y siempre apunta al mismo modelo, entonces el mensaje podría ir siempre a ese modelo aunque no sea el más adecuado para esa consulta. Un comentarista preguntó exactamente eso en el hilo.

Mateo Ruiz: Y la respuesta, según otro usuario, es que la documentación es bastante más cauta que la nota de prensa. El README del repositorio advierte en letras claras que esto es software experimental y que no está pensado para producción. O sea, mientras el comunicado de NVIDIA invita a desplegarlo, la propia documentación te dice que no lo uses todavía en serio. Además, ni el README ni los documentos técnicos mencionan la caché, aunque el código sí contiene referencias a ella. Y eso llevó a alguien a calificar las promesas de enrutamiento inteligente como publicidad tipo aceite de serpiente, con quien ha llegado a decir que ha visto sistemas así fallar antes. En resumen: la promesa es tentadora, pero la letra pequeña invita a la prudencia.

Clara Vega: Cambiamos de tema por completo, porque ahora vamos a Londres. La Policía de Transporte Británica, la BTP, está ampliando su prueba de reconocimiento facial en vivo a más estaciones del Metro de Londres. El titular que circuló en Hacker News lo resumía de forma contundente: el Metro de Londres comienza a escanear las caras de los pasajeros.

Mateo Ruiz: Lo curioso es que el detalle del anuncio original prácticamente no se pudo leer, porque el artículo mostraba solo un mensaje de verificación de acceso. Así que la discusión del hilo se apoyó casi por completo en el titular y en el comunicado que citó un comentarista. Y ahí el debate se abrió en dos bandos bien distintos.

Clara Vega: Por un lado, quien lo califica abiertamente de autoritarismo del siglo veintiuno, y dice que la humanidad no aprendió nada de las lecciones del siglo veinte. Otro usuario le salió al paso, pero no para negar la crítica, sino para matizarla: dijo que la mayoría sí aprendió bien la lección, solo que no es la mayoría la que manda, y que incluso en democracia, sobre todo en Estados Unidos, son los multimillonarios y los puritanos quienes toman esas decisiones. Eso generó una respuesta completamente escéptica: ¿puritanos?

Mateo Ruiz: Y del otro lado del debate, hubo quien sostuvo lo contrario: que la gente sí aprendió, y que por eso precisamente existen medidas de este tipo y otras parecidas de vigilancia en Europa. También hubo quien se quejó de que los hijos de los hippies se volvieron reaccionarios, aunque otro comentarista matizó que muchos hippies solo buscaban divertirse y luego construyeron felizmente el sistema actual. Y para cerrar con un poco de contexto personal, un usuario contó que acababa de pasar por el control de seguridad de un aeropuerto y que esto viene de lejos: que desde el año 2001, al menos en Estados Unidos, se normalizó un montón de vigilancia que antes habría sido impensable.

Clara Vega: Y terminamos con una investigación de seguridad que pone los pelos de punta. Un trabajo titulado cómo robar rastros de razonamiento de las APIs de modelos de lenguaje propietarios revela un problema serio: Anthropic, OpenAI y Google devuelven, junto a sus resultados, bloques cifrados del razonamiento interno de sus modelos, y esos bloques se pueden reproducir entre sesiones, entre usuarios y entre modelos.

Mateo Ruiz: Expliquemos bien el ataque, porque es ingenioso. Coges un rastro de razonamiento generado por un modelo frontera de un proveedor, lo reproduces en un modelo hermano más débil del mismo proveedor, saltas las salvaguardas de ese modelo débil, y así recuperas el razonamiento oculto del modelo fuerte en texto plano. Sin atacar directamente al modelo fuerte ni activar sus protecciones anti-destilación. Y lo demostraron en los tres grandes: OpenAI, Anthropic y Google.

Clara Vega: Lo más preocupante es que la extracción no es solo un truco de laboratorio, tiene una fidelidad muy alta. Y la parte que da más miedo es la de privacidad. Sobre más de seis mil trayectorias públicas generadas por estos modelos, reconstruyeron cientos de miles de bloques de razonamiento, y dentro encontraron claves de API, contraseñas, tokens de acceso y correos personales, además de nombres, direcciones postales y URLs internas. Y una parte de esos datos aparecía únicamente dentro del razonamiento, nunca en la conversación visible. Es decir, información sensible que el usuario jamás vio en pantalla, pero que quedó registrada en la capa interna del modelo.

Mateo Ruiz: Entonces, la conclusión práctica es doble. Por un lado, la capa de razonamiento que estos modelos generan no es tan privada como los proveedores asumen, y puede filtrarse con técnicas accesibles. Por otro, para cualquier empresa o persona que usa estas APIs, es un recordatorio de que todo lo que pasa por un modelo de lenguaje puede quedar reproducido en su razonamiento interno, y que la confidencialidad de esa capa es, hoy por hoy, más frágil de lo que parece.

Clara Vega: Empecemos con Grok Bot, la apuesta de x.ai por meter agentes de IA directamente en tus herramientas de trabajo. La presentan como un "nuevo tipo de colega", en beta temprana, y la idea es que estos bots inicien sesión en tus herramientas, las usen como las usarías tú y vuelvan con el trabajo ya terminado.

Mateo Ruiz: Y no es un solo bot, ojo. Se les puede enseñar un flujo de trabajo simplemente siguiéndolo una vez, y lo guardan como rutina. Trabajan en paralelo, dicen, veinticuatro siete, incluso con el portátil cerrado, mantienen el contexto, aprenden unos de otros, y varios bots en el mismo hilo se pasan trabajo entre sí.

Clara Vega: Para hacerse una idea de los usos, la web muestra ejemplos de roles: ventas salientes, búsqueda de talento, publicidad pagada, gestión de gastos, reproducción de errores, hasta jefe de gabinete. Y rematan con que el propio equipo de SpaceXAI funciona con Grok Bot.

Mateo Ruiz: Ahora, lo que importa a la hora de decidir es el precio. Curiosamente, los planes se llaman Cursor Ultra y Cursor Premium Teams, que son nombres del editor de código. El plan Cursor Ultra, a doscientos dólares al mes, incluye el ordenador propio del bot, el inicio de sesión en tus herramientas, rutinas programadas, uso en escritorio y móvil y límites ampliados de tokens de IA.

Clara Vega: Y el plan Cursor Premium Teams baja a ciento veinte dólares por asiento al mes, y añade cosas como facturación y ajustes de equipo centralizados, un marketplace de habilidades y plugins, analíticas compartidas y un inicio de sesión único con protocolos estándar de empresa.

Mateo Ruiz: Un detalle: si ya pagas Cursor Ultra o SuperGrok Heavy, Grok Bot viene incluido sin coste extra. Y esto todavía deja preguntas abiertas, porque en las preguntas frecuentes no contestan en el extracto a quién está disponible hoy, si hay versión empresarial, ni cómo manejan los datos y la privacidad. De hecho, en la discusión de Hacker News un comentarista señala que los precios se llaman literalmente Cursor Ultra y Cursor Premium Teams, y que esto se siente como la siguiente iteración de un producto que empezó como editor de código y ahora es un colega de trabajo.

Clara Vega: Cambio de tercio, porque hay un artículo muy interesante del equipo de Go en Google explicando por qué Go es el lenguaje ideal para la ingeniería de software asistida por IA. Lo firman el jefe de producto de Go y el evangelista jefe de Google Cloud, y la tesis central es que el trabajo cambió: ya no se trata de escribir código, sino de revisarlo.

Mateo Ruiz: Tiene sentido. Los agentes de IA generan cientos de líneas de código sintácticamente válido en segundos, así que lo que pesa es revisar, verificar y mantener ese código. Y Go, dicen, se diseñó precisamente para la ingeniería de software, no para programar. Lo crearon en Google hace más de veinte años Rob Pike, Robert Griesemer y Ken Thompson, con un conjunto de herramientas integrado: formateador, framework de pruebas, gestión de dependencias y herramientas de seguridad en su cadena estándar.

Clara Vega: Y por aquí viene la parte más técnica del argumento: un agente de IA que refactoriza de forma iterativa sin validación externa se degrada rápido. La primera pasada puede estar un noventa y cinco por ciento correcta, pero las pasadas sucesivas acumulan errores y contaminan la ventana de contexto, lo que reduce la precisión y encarece el uso de tokens.

Mateo Ruiz: La uniformidad estructural de Go, según el artículo, produce datos de entrenamiento más limpios para los modelos, y Go prioriza la legibilidad por encima de la facilidad de escritura. Ahora bien, en la discusión de Hacker News el debate no tardó en girar hacia la comparación inevitable con Rust.

Clara Vega: Sí, y un autoproclamado defensor de Go desde hace tiempo fue contundente: dice que Rust es mejor, simplemente lo es, que la barrera que mantenía a sus equipos alejados de Rust desapareció y que ahora todo en su entorno es Rust. Una buena muestra de que, incluso entre los defensores de Go, la pregunta por el mejor lenguaje para la era de la IA está lejos de estar cerrada.

Mateo Ruiz: Pasamos ahora a una noticia que afecta directamente a los usuarios de Manus, la empresa de agentes de IA. Según su propio anuncio, volverá próximamente a operar como empresa independiente, una transición que dice que busca cumplir requisitos regulatorios en jurisdicciones concretas y que forma parte de su separación de Meta.

Clara Vega: Ahí está el dato clave: en diciembre del año pasado, el veintinueve concretamente, Meta adquirió Manus. Y esta transición implica que los datos generados por ciertos usuarios a partir de esa fecha se van a eliminar. La ventana de respaldo ya está abierta: los afectados pueden guardar su información desde ahora hasta el veintitrés de agosto por la mañana, hora de Singapur.

Mateo Ruiz: Traduzcamos eso a un calendario útil si estás fuera de Asia: la fecha límite de respaldo es la noche del veintidós de agosto en la costa este de Estados Unidos, y las primeras horas de la mañana del veintitrés en Europa central. La herramienta, por cierto, admite múltiples respaldos.

Clara Vega: Y si no haces el respaldo a tiempo, tus datos se eliminan entre el veintitrés y el veinticuatro de agosto. La restauración solo será posible a partir del veinticinco de agosto por la mañana, hora de Singapur. En total, la pérdida de acceso prevista es de dos días. Manus insiste en que esto no es una brecha ni un incidente de seguridad, sino parte de la separación.

Mateo Ruiz: Dos avisos importantes. Primero, Manus avisará por email y en la app, pero si te registraste con Apple ID o con Facebook, no tienen tu correo: tienes que revisar las notificaciones dentro de la app. Y segundo, durante el periodo de respaldo, del once al veintitrés de agosto, no te cobrarán, y ofrecerán bonos de bienvenida después de restaurar los datos. Una vez independiente, los datos se guardarán en Estados Unidos y Singapur, y la empresa dice que seguirá sirviendo a millones de usuarios en todo el mundo.

Clara Vega: Cerramos con un tema que ha dado mucho de qué hablar en Hacker News: la salida de Chloé Bakalar de OpenAI. Ella empezó en OpenAI en agosto del año pasado, y antes había sido la jefa de ética de Meta desde noviembre de 2021 hasta agosto de 2025. Un comentarista resumió la sensación general: suenan a credenciales perfectas.

Mateo Ruiz: Ojo con un matiz: el artículo original del Financial Times no era accesible, mostraba un mensaje de verificación de seguridad con un error de acceso. Así que gran parte del debate no se centró en Bakalar, sino en una pregunta más grande: ¿pueden las empresas tener moral, en realidad?

Clara Vega: Y ahí se armó. Un comentarista abrió diciendo que la ética empresarial es "pseudofilosófica", que una empresa es como mucho amoral y como poco inmoral. Otro lo calificó de "infantil e ignorante". Y entonces llegó la defensa de los negocios locales: panaderos, electricistas y constructoras que mantienen a empleados veteranos y financian eventos del pueblo por servicio a la comunidad, no solo por dinero.

Mateo Ruiz: La respuesta a eso fue que esas empresas son de una escala incomparablemente menor que Meta: es más fácil ignorar el costo humano cuando hay miles de millones de por medio. El primer comentarista insistió en que las personas morales serán superadas en competencia por las menos escrupulosas, y pidió que le señalaran un freno moral que impida a las empresas cometer actos inmorales.

Clara Vega: Y hubo un ejemplo que le dio la vuelta al argumento: imagina una panadería local que crece hasta volverse multinacional. Contrata MBAs, toma dinero de inversores y sus gestores viven lejos del pueblo. La historia, dice el comentarista, muestra que las decisiones éticas no se mantienen al cambiar de escala.

Mateo Ruiz: En el fondo, lo que revela este hilo es que la salida de la responsable de ética de OpenAI se convirtió en un espejo para preguntarse si la moral puede sobrevivir al tamaño. Y aunque no hay respuesta cerrada, los hilos dejan claro que es una pregunta que la industria y sus usuarios siguen haciéndose. Esto es todo por nuestra parte, pero la conversación continúa.

Clara Vega: Arrancamos con una herramienta nueva que genera piezas preparadas para fabricar, directamente en el navegador, a partir de un texto, de una foto o de un boceto. La marca se llama Suzanne, nada casual, y promete que en la propia generación ya va incluida la física: sólidos estancos, ángulos de desmoldeo correctos y, como ejemplo, una pieza un treinta y uno por ciento más ligera. Al final exporta geometría fabricable en formatos de ingeniería estándar, como STEP o STL. Y la reacción en Hacker News no se hizo esperar.

Mateo Ruiz: [chuckle] La primera respuesta de un usuario llamado pooploop64 es demoledora: "Dios mío. Como si la basura impresa en 3D no fuera suficiente". Otro pregunta qué relación tiene esto con la impresión 3D, y hay quien matiza que el problema no es imprimir, sino cuando un filamento de ochenta y cinco centavos con forma de gato se vende por quince dólares.

Clara Vega: Hay un usuario con mucha experiencia, zrobotics, que imprime desde el año 2013, que construyó tres impresoras él mismo y que se considera un evangelista del tema. Y aún así confiesa que le cansan los diseños de bajo esfuerzo y los llamados modelos slop, generados por IA. Cuenta que en una feria local, un cuarto de los puestos vendía piezas impresas o cortadas con láser, pero de diez vendedores ninguno modelaba sus propios diseños ni conocía siquiera Blender o Tinkercad. Dice que había posavasos y detalles con arte generado por IA, y que la impresión FDM es un mal proceso para vasos, por bacterias y por la dificultad de limpiarlos.

Mateo Ruiz: Pero no todo son críticas. Otro usuario, m463, da el contraejemplo de piezas impresas realmente útiles: soportes de móvil que encajan en el agujero cuadrado de los tableros de ciertos coches Ford, o bandejas de herramientas que antes, por normativa, solo podían fabricar los mecánicos de aviones. Y hay un detalle curioso en la conversación: un usuario acusa a Suzanne de usar la mascota de Blender, el famoso modelo de mono que se llama igual, como imagen. Otro responde dudando de si Blender tiene derechos sobre esa figura. Al final, el hilo queda dividido entre los que ven esta herramienta como otra fuente de basura impresa y los que recuerdan que la impresión 3D también lleva años resolviendo problemas reales.

Clara Vega: Pasamos a los mundos 3D generados a gran escala, y aquí el nombre propio es WorldClaw. Es un sistema agéntico del equipo Hunyuan3D de Tencent, que toma un único prompt de texto y lo convierte en una escena 3D completa, explorable y editable. No es un render de fondo: el resultado es un mundo explícito, con terreno y objetos separados, que se puede recorrer desde cualquier punto de vista.

Mateo Ruiz: El truco está en la arquitectura de grueso a fino. Primero, unos agentes de planificación traducen el prompt en una especificación estructurada: qué regiones hay, qué terreno, qué objetos y cómo se relacionan espacialmente. Sobre eso se construye una base de terreno coherente, con materiales generativos o procedimentales y un campo de alturas que respeta cada región. Después, solo en las zonas que piden detalle, se generan composiciones condicionadas al terreno y se reconstruyen mallas texturizadas y editables.

Clara Vega: Y al final viene el trabajo fino: agentes basados en render que revisan terreno, objetos, apariencia y contactos. Cada mundo termina como un terreno explícito más mallas texturizadas que se gestionan por separado, lo que permite edición y reutilización a nivel de objeto, y se entrega directo a flujos de render, animación o motores de juego. Los assets de dispersión se construyen con codificación 3D, mientras que el resto de objetos salen de modelos generativos 3D.

Mateo Ruiz: El proyecto está liderado por Chunchao Guo y Yang Li, y el artículo presenta once mundos de demostración, incluido uno llamado Frontier Mosaic. La pregunta de fondo, claro, es si una escena generada así puede competir con un mundo diseñado a mano por un artista, pero al menos la coherencia global del terreno parece estar resuelta antes de añadir el detalle local. Eso es justo lo contrario de los trabajos que generan detalles bonitos sin mantener la estructura.

Clara Vega: Del mundo 3D pasamos al mundo de los lenguajes de programación, porque Mojo acaba de alcanzar su versión 1.0. La compañía Modular lo anunció en una entrada de su blog el once de agosto, y el hito lleva preparándose desde el primer lanzamiento del lenguaje, en 2023. Según la publicación, Mojo ya es un lenguaje de propósito general, con una comunidad que escribe sus propias bibliotecas y aplicaciones, y la 1.0 ofrece una base estable y lista para producción.

Mateo Ruiz: Y aquí conviene aclarar qué significa eso en la práctica. En la etapa 1.x, los cambios deberían ser principalmente aditivos, aunque todavía puede haber cambios rupturistas, gestionados con cuidado y siguiendo los estándares de lenguajes maduros como C++. Modular asegura que ya lo usa a diario en producción como fundamento de su infraestructura comercial, MAX, y de su plataforma en la nube.

Clara Vega: Los números de comunidad son llamativos: desde que la biblioteca estándar es de código abierto, cerca de doscientos contribuidores han incorporado más de mil cien pull requests y modificado más de doscientas mil líneas de código, y más de mil personas han reportado incidencias. El lanzamiento 26.5 además unifica cómo se declaran las variables, añade una sintaxis lambda estilo Python para funciones inline y hace el servidor de lenguaje mucho más estable en el editor.

Mateo Ruiz: Pero la discusión en Hacker News no es técnica, es casi filosófica. Un usuario abre el debate diciendo que crear un lenguaje nuevo en la era de la IA le parece inútil, porque ya no escribe código a mano, solo lo revisa, y prefiere quedarse con los lenguajes que conoce. Otro le replica que Mojo es anterior al auge de los grandes modelos de lenguaje por varios años, y hay un tercero que lo contradice señalando el momento en que todo eso explotó. Es el mismo choque de fondo que vemos en todo el sector: si la IA nos obliga a revisar más que a escribir, ¿sigue teniendo sentido aprender un lenguaje nuevo?

Clara Vega: Cerramos con una mirada muy distinta al mismo tema: un análisis técnico de cómo funciona realmente GitHub Copilot por dentro. Rafael, autor de la newsletter Lighthouse, publicó un artículo subtitulado "Cómo funciona GitHub Copilot: contexto, memoria y tráfico de red", y para escribirlo hizo algo bastante radical: puso el asistente detrás de un proxy interceptor de tráfico.

Mateo Ruiz: El detonante fue práctico. Rafael empezó a agotar sus créditos de Copilot cada vez antes en el mes, así que interceptó el tráfico con una herramienta llamada mitmproxy y después contrastó lo observado con el código fuente de VS Code, que en su mayor parte es abierto. Y lo que encontró en la red es revelador: el ruteo de modelos y capacidades se decide en tiempo real, hay contexto inyectado que viaja con las sugerencias fantasma de autocompletado, y las ediciones recientes pueden arrastrar contexto de archivos distintos al que estás editando. Incluidos archivos de configuración sensibles, como los.env.

Clara Vega: Además descubrió que detrás de un componente llamado Chronicle hay un almacén de sesiones en SQLite, con prompts y respuestas previas, y que el modelo consulta ese historial mediante llamadas a herramientas. Un detalle que corrije el propio artículo: el autor dijo que a diferencia de Claude, ChatGPT o Slack, VS Code era abierto. Pero un usuario en los comentarios, ameliaquining, le recuerda que el cliente de Codex también es código abierto, en GitHub.

Mateo Ruiz: Y el debate de fondo se centra en ese problema de los.env. Un usuario pregunta cómo resolverlo limpio, de forma multiplataforma y sin depender de un asistente concreto. La respuesta es que no es fácil: borrar el archivo.env no sirve porque no existe un gestor de secretos nativo multiplataforma ni una API estándar sobre el almacén del sistema. Y se plantea una idea curiosa: un proxy de inyección de secretos que sirva solo las credenciales que el asistente necesita. La moraleja de todo el artículo, en cualquier caso, es que cuando usas Copilot, mucho más de lo que creías viaja por la red, y conviene saber exactamente qué es.

Clara Vega: La primera prueba de rendimiento que queremos comentar hoy es de esas que conviene leer con calma antes de sacar conclusiones. Un equipo publicó un trabajo sobre cómo hacer que la inferencia de modelos de lenguaje corra mucho más rápido dentro de máquinas virtuales de macOS, usando la biblioteca llama.cpp. En un chip M1 Ultra, el modelo TinyLlama procesó los prompts más de once veces más rápido y generó tokens más de dieciséis veces más rápido que la misma carga en la misma máquina virtual sin modificar.

Mateo Ruiz: O sea, el truco no era la máquina virtual en sí, sino algo dentro de ella. Lo que propone es una capa de compatibilidad por proceso que le da al invitado macOS acceso a las rutas rápidas de Metal, el framework de gráficos de Apple. Al desbloquear ese acceso, el procesamiento de prompts llegó al noventa y ocho por ciento de lo que se consigue en metal puro, sin virtualización.

Clara Vega: Y también probaron un modelo más grande, Gemma con 12.000 millones de parámetros, y ahí vieron mejoras de más de siete veces en prompts y de más de catorce veces en generación. El rendimiento rozó el cien por cien del metal desnudo en prompts y casi el noventa y cinco por ciento en generación. Todo el código, los scripts y los registros de prueba los dejaron publicados para que cualquiera pueda reproducir el resultado.

Mateo Ruiz: Ahora, lo importante: ¿acelera llama.cpp para todo el mundo? La respuesta corta es no. La propia discusión lo aclaró porque el titular jugaba a confundir. La comparación era contra la misma máquina virtual sin esta capa, no contra Apple Silicon en general. La mejora parece venir de corregir cómo se seleccionan los kernels dentro de las virtualizaciones, así que el beneficio es específico para quien usa estas máquinas virtuales, no una aceleración universal del modelo.

Clara Vega: Pasamos a un análisis mucho más amplio, sobre el negocio de Nvidia y cómo sus propios clientes se están financiando para plegar la IA. El artículo plantea que Nvidia está encontrando nuevas maneras de que sus clientes consigan dinero, y que eso amplía de forma significativa el riesgo del despliegue de IA.

Mateo Ruiz: Para dar contexto, recurre a una historia del siglo XIX. Jay Cooke financió el ferrocarril Northern Pacific vendiendo bonos y presionando a mil trescientos periódicos, hasta que su quiebra en 1873 desencadenó el pánico de ese año. Hay un libro llamado mil ochocientos setenta y tres que traza esa conexión con la IA actual, y Satya Nadella lo citó como el libro a leer en la última llamada de resultados de Microsoft. El paralelismo: los quinientos millones anuales en bonos del ferrocarril de entonces equivaldrían hoy, ajustados, a unos seiscientos mil millones de dólares, más o menos lo que se proyecta que inviertan las grandes tecnológicas este año.

Clara Vega: Y los números de hoy dan que pensar. Microsoft es el único hyperscaler cuyo gasto de capital no se financia con deuda; su flujo de caja libre del último trimestre fue de diecinueve mil seiscientos millones de dólares. Las demás se están endeudando fuerte. Entre septiembre y noviembre, Oracle, Meta, Alphabet y Amazon emitieron ochenta mil millones en deuda combinada, y tras recaudar ciento ocho mil millones el año pasado, esas cuatro ya llevan ciento noventa y cuatro mil millones recaudados este año a principios de julio.

Mateo Ruiz: Y aquí está la señal de tensión. El ochenta y seis por ciento de los bonos emitidos este año cotiza ya con rendimientos por encima de su emisión, y la cobertura de las emisiones recientes cayó de cinco veces en febrero a menos de dos veces. Traducción: a los inversores cada vez les cuesta más entusiasmarse, y el riesgo es que toda esta deuda sostenga una expansión de IA que depende de que Nvidia siga vendiendo cada vez más. Si la financiación se enfría, el despliegue que se construyó sobre ella queda en una posición mucho más frágil.

Clara Vega: Cerramos con una actualización más técnica, pero con una decisión de fondo interesante: la versión 10.5 de OpenSSH, que salió hace unos días. La nota oficial la presenta como una implementación completa al cien por cien del protocolo SSH 2.0, con soporte de cliente y servidor para sftp.

Mateo Ruiz: Lo que marca esta versión no es una función, sino su política sobre informes de seguridad generados con inteligencia artificial. El equipo dice que reciben muchísimos informes creados o asistidos por modelos de IA. Muchos se descartan por no tener impacto real bajo un modelo de amenazas realista, pero los acogen cuando vienen con triaje humano, análisis, casos de prueba y, sobre todo, correcciones propuestas.

Clara Vega: Y hay un detalle que explica la estrategia: se han visto casos donde un fallo detectado por herramientas de IA fue descubierto después de forma independiente por otro investigador. Eso sugiere que los adversarios que no reportan a proyectos de código abierto probablemente también puedan encontrarlos. Por eso, en lugar de guardar correcciones hasta la próxima versión planificada, harán lanzamientos más frecuentes para que los arreglos lleguen antes a los usuarios.

Mateo Ruiz: La versión trae además un cambio potencialmente incompatible: OpenSSH portable ahora exige soporte para criptografía de curva elíptica en la librería libcrypto. Eso ya viene activado en las configuraciones por defecto de las librerías habituales, así que la mayoría no notará nada. Y en el frente de seguridad, corrigieron una interacción entre el bloqueo del agente y una extensión específica que permitía ejecutar de forma remota operaciones pensadas para uso local, como añadir tokens de hardware o usar claves con restricciones. Para quien administre servidores, lo relevante de esta versión no es solo el arreglo, sino el cambio de ritmo: van a parchear con mucha más frecuencia a partir de ahora.

Clara Vega: Bueno