0817 | Nvidia reduce garantía a OpenAI; Stripe adquiere OpenRouter por más de 7.000 M

Clara Vega: Bienvenidos a Hacker News diario, en Bri Radio. Soy Clara Vega, y conmigo está Mateo Ruiz, para un panel de historias que vuelven a poner la tecnología en el centro de la conversación.

Mateo Ruiz: Hoy hablamos de cómo Nvidia recortó de forma drástica el financiamiento que estaría dispuesta a garantizar para la infraestructura de OpenAI. También del nuevo movimiento de Stripe en el mundo de los modelos de inteligencia artificial.

Clara Vega: Y hay espacio para ideas más amplias: el negocio de la reventa de créditos de IA, o la tesis de que los modelos están "haciéndose más tontos a propósito".

Mateo Ruiz: Además, una comunidad entera discutía el fin de un programa de los Institutos Nacionales de Salud de Estados Unidos. Vamos con todas estas historias, sin más preámbulo.

Clara Vega: Nvidia ha reducido drásticamente el respaldo financiero que estaba dispuesta a garantizar para los centros de datos de OpenAI. Según fuentes de Reuters, el gigante de los chips recortó su garantía en parte del acuerdo de infraestructura valorado originalmente en 250 mil millones de dólares. En la conversación de Hacker News, un comentarista pedía ver los números para analizar qué tan rentable sigue siendo la jugada para Nvidia. El punto era este: si Nvidia vende hardware por 100 mil millones de dólares con un margen bruto del 75 por ciento, y respalda esa misma venta con 50 mil millones como protección en caso de que la capacidad no se use, el negocio seguiría siendo cómodamente rentable, con unos 25 mil millones de ganancia incluso si ese respaldo terminara siendo una pérdida total.

Mateo Ruiz: Interesante, porque ese cálculo revela cuán grande es el colchón que tiene Nvidia con sus márgenes. Puede asumir un golpe considerable en la garantía y aun así salir ganando. La pregunta que queda abierta es por qué decidió recortar ese respaldo. Si se está reduciendo la garantía, puede ser una señal de que Nvidia ve más riesgo en que OpenAI no use toda esa capacidad, o simplemente quiere limitar su exposición a un compromiso enorme mientras el negocio sigue creciendo.

Clara Vega: Exacto, y ahí está el detalle que importa para quien sigue este mercado. Un recorte así no solo cambia los números de un contrato, sino que dice algo sobre cómo las grandes empresas ven el ritmo de expansión de la inteligencia artificial. Si el fabricante de chips más importante del sector decide cubrir menos de lo prometido, el mercado lo lee como una nota de cautela sobre cuán rápido se va a construir realmente esa infraestructura.

Mateo Ruiz: Stripe ha cerrado un acuerdo para comprar OpenRouter, la startup que ayuda a las empresas a cambiar entre modelos de inteligencia artificial, por más de 7.000 millones de dólares, según personas familiarizadas con el asunto, informa Bloomberg. La operación llega pocos meses después de que OpenRouter recaudara dinero con una valoración reportada de 1.300 millones de dólares y subraya la demanda de las empresas por soluciones de IA más rentables; también podría dar a Stripe, procesador de pagos, una posición más fuerte en el sector de la IA. OpenRouter da acceso a cientos de modelos de IA, con el objetivo de emparejar a los desarrolladores con las opciones más eficientes y asequibles. En la discusión de Hacker News, un comentarista recordaba que a principios de año OpenRouter fue descrito como el equivalente de Stripe en IA y se pregunta cómo encaja la operación estratégicamente.

Clara Vega: En Hacker News hay bastante debate sobre si tiene sentido la operación. Uno de los comentaristas, zacharyozer, recuerda que a principios de año uno de los responsables de OpenRouter la describió como "el equivalente de Stripe en IA", y se pregunta cómo encaja estratégicamente comprar a la empresa que fue eso. Otro comentarista apunta algo práctico: OpenRouter ya usa Stripe para gestionar sus pagos, así que la adquisición podría reducir los costes de OpenRouter y, a la vez, aumentar los ingresos de Stripe.

Mateo Ruiz: Y hay quienes ven un movimiento más ambicioso detrás. Un comentario bastante comentado compara a Stripe con alguien que intenta competir con la Reserva Federal de Estados Unidos, como procesador central del dólar y ahora también de tokens, una plataforma central de intercambio de valor. Otro comentarista encuentra escalofriante que todas las empresas de la lista Forbes AI 50 que monetizan lo hagan través de Stripe, y uno más especula que el Departamento de Estado podría haber usado su fuerte relación con Stripe para alentar esta compra. En cualquier caso, la señal clara es que Stripe quiere tener una posición mucho más fuerte en el corazón mismo del negocio de la inteligencia artificial.

Clara Vega: La economía de reventa de tokens de inteligencia artificial está cobrando fuerza, y un comentarista de Hacker News llamado toomuchtodo celebra que su tesis de hace tiempo se vea ahora validada. La idea es que algunos intermediarios compran capacidad de cómputo y acceso a modelos a granel y luego la revenden por créditos o tokens más baratos, justo como quien revende minutos o datos de un plan telefónico. Otro comentarista señala que Yunwu.ai era una forma de conseguir tokens ultrabaratos, aunque con el riesgo de que alguien pudiera espiar tus datos, y añade que ya no ofrecen modelos estadounidenses.

Mateo Ruiz: Y ahí hay una advertencia importante que otro comentarista señala con ironía. Menciona que había un servicio conveniente para conseguir tokens ultrabaratos de modelos de IA, pero que probablemente alguien te estaría espiando con tus consultas. Y además, ese mismo servicio dejó de ofrecer modelos de Estados Unidos. La lección práctica para quien esté considerando estas ofertas de crédito de IA a precio de ganga es clara: el ahorro puede venir con un coste oculto en privacidad, y la disponibilidad de opciones puede cambiar sin aviso.

Clara Vega: Ese es el corazón del asunto. La economía de reventa existe porque algunas empresas pueden comprar acceso a modelos a gran escala y ofrecerlo más barato que los precios oficiales, pero el comprador asume riesgos que no tendría con el proveedor original, sobre todo en temas de quién ve tus datos y de qué modelos van a estar disponibles mañana. Es un recordatorio de que lo barato en el mundo de la IA a veces es señal de que algo se está pagando de otra manera.

Clara Vega: Un artículo de Walter van der Giessen, del 17 de agosto de 2026, sostiene que los laboratorios están quitando deliberadamente conocimiento del mundo a sus modelos para centrarse en el razonamiento, y que ese intercambio es el correcto. El argumento se apoya en que las puntuaciones de razonamiento suben mientras cae el cómputo por token: GLM-5.2 logra un 99,2% en AIME 2026 con unos 40 mil millones de parámetros activos por token; Qwen3.5 consigue un 91,3% con 17 mil millones; y DeepSeek V4-Flash usa 13 mil millones. En 2023 se rumoreaba que GPT-4 usaba unos 280 mil millones de parámetros activos y apenas resolvía un problema de AIME. Qwen3.5 9B cabe cuantizado en 6 GB de VRAM y casi duplica, según Artificial Analysis, la puntuación del siguiente mejor modelo de menos de 10 mil millones de parámetros. El recuerdo factual, sin embargo, es otra cosa: en SimpleQA lidera Gemini 2.5 Pro con un 53%, de modo que el mejor recuerdo disponible falla la mitad de las preguntas; Artificial Analysis mide alucinaciones de 80 a 82% en Qwen3.5 4B y 9B, que inventan datos con seguridad y plausibilidad. La serie Physics of Language Models estima dos bits de conocimiento factual por parámetro. Phi-4, de 14 mil millones, entrenado con datos sintéticos tipo libro de texto, es bueno en matemáticas y malo en trivialidades. Los modelos saben un poco de casi todo: conocen PostgreSQL, pero inventan qué versión añadió una característica del planificador. Además, los hechos se pudren al tiempo que los procedimientos no: la mitad de lo que un modelo de 2024 creía del ecosistema JavaScript ya estaba desactualizado al lanzarse.

Mateo Ruiz: Es un intercambio que se nota en los números. Los puntajes de razonamiento suben mientras baja el cómputo por palabra generada. Por ejemplo, GLM-5.2 alcanza un 99,2 por ciento en una de las pruebas duras de matemáticas, con unos cuarenta mil millones de parámetros activos por token. Qwen3.5 llega al 91,3 por ciento con diecisiete mil millones. Y DeepSeek V4-Flash usa apenas trece mil millones.

Clara Vega: Para poner eso en perspectiva: en 2023 se rumoreaba que GPT-4 usaba alrededor de doscientos ochenta mil millones de parámetros activos, y apenas resolvía un problema de esa misma prueba. O sea, estamos hablando de una eficiencia enorme en solo un par de años.

Mateo Ruiz: Y hay un caso concreto que enamora: el Qwen3.5 de nueve mil millones de parámetros cabe, ya cuantizado, en seis gigabytes de memoria de video. Según el benchmark de Artificial Analysis, casi duplica la puntuación del siguiente mejor modelo que tenga menos de diez mil millones. En resumen, modelos que corren en una tarjeta gráfica normalita y rinden mejor que gigantes recientes.

Clara Vega: Pero atención, porque el recuerdo de hechos es otra historia. En la prueba de preguntas factuales, el mejor es Gemini 2.5 Pro, con un 53 por ciento. Es decir, el modelo con mejor memoria disponible falla casi la mitad de las preguntas. Y en las mediciones de Artificial Analysis, los modelos chicos de Qwen3.5 presentan tasas de alucinación de entre ochenta y ochenta y dos por ciento: inventan datos con seguridad y de forma muy convincente.

Mateo Ruiz: Hay incluso una estimación de cuánto conocimiento cabe por parámetro. Unos estudios estiman alrededor de dos bits de conocimiento factual por parámetro. Y hay un modelo pequeño, Phi-4, de catorce mil millones, entrenado con datos sintéticos tipo libro de texto, que es muy bueno en matemáticas pero malo en trivialidades.

Clara Vega: El ejemplo más gráfico que vi: estos modelos saben un poco de casi todo. Conocen PostgreSQL, por ejemplo, pero son capaces de inventarse qué versión añadió tal característica del planificador. Y hay una razón de fondo para ese cambio de prioridades: los hechos se pudren, los procedimientos no. De hecho, se estima que la mitad de lo que un modelo del 2024 creía sobre el ecosistema de JavaScript ya estaba desactualizado para cuando se lanzó. El conocimiento de datos concretos, entonces, empieza a quedar en manos del arnés de herramientas y el acceso externo, y eso parece ser la jugada correcta.

Mateo Ruiz: Queda la pregunta incómoda, claro: si los hechos se los dejamos a la búsqueda y a las herramientas conectadas, ¿qué pasa en los momentos en que no hay conexión externa disponible? El modelo podría ser un razonador brillante y a la vez un conversador que inventa fechas y cifras con total convicción. Parece el precio asumido.

Clara Vega: Sí, un precio que quienes diseñan estos modelos consideran aceptable. Mejor un solucionador frugal y preciso que una enciclopedia inflada que se equivoca. Es una filosofía de diseño que vale la pena seguir de cerca.

Mateo Ruiz: Anthropic empezó a publicar abiertamente las actualizaciones de los system prompts de su chat de Claude, tanto en claude.ai como en las apps móviles de Apple y Android, en una página titulada System Prompts dentro de la documentación de la plataforma. Según la propia página, el system prompt ofrece información actualizada, como la fecha, al inicio de cada conversación y fomenta ciertos comportamientos, por ejemplo dar siempre fragmentos de código en Markdown; estas actualizaciones no se aplican a la API. A partir de la generación Claude 4.6, cada ID de modelo es un snapshot fijo con una sola entrada, y la página lista entradas para Claude Opus 5 del 24 de julio de 2026, Claude Fable 5 del 9 de junio de 2026, Claude Opus 4.8 del 28 de mayo de 2026 y numerosas versiones anteriores. El usuario tosh señaló que los primeros system prompts tenían algo más de 300 palabras y que los más recientes superan las 3000. Destacó que el prompt de Opus 5 explica que podría estar atendiendo una solicitud destinada a Claude Fable 5, redirigida por un mecanismo de enrutamiento de salvaguardas, y cita un mensaje del blog de Anthropic según el cual Fable 5 se lanzó con salvaguardas porque, sin ellas, sus capacidades en áreas como ciberseguridad podrían usarse para causar daños graves; las consultas sobre algunos temas reciben respuesta del siguiente modelo más capaz, Claude Opus 5, y las salvaguardas, ajustadas de forma conservadora, a veces capturan solicitudes inofensivas y se activan en promedio en menos del 5% de las sesiones.

Clara Vega: Y ahí hay algunos detalles jugosos. Por ejemplo, el system prompt le da al modelo información actualizada, como la fecha del día, y lo alienta a ciertos comportamientos, como devolver siempre fragmentos de código en formato Markdown. Ojo, que esto no aplica a la API de Claude: es específico del chat y de las apps.

Mateo Ruiz: Lo que más llamó la atención en la comunidad es que estos prompts crecieron muchísimo. Un usuario destacó que los primeros system prompts tenían algo más de trescientas palabras, y que los más recientes superan las tres mil. Un crecimiento de diez veces en el texto de instrucciones hacia el modelo.

Clara Vega: Y dentro de ese texto largo de la versión más nueva, el Opus 5, hay una revelación interesante: el prompt le explica al modelo que podría estar atendiendo una solicitud que en realidad iba dirigida a otro modelo, el Claude Fable 5, y que fue redirigida por un mecanismo de enrutamiento de salvaguardas.

Mateo Ruiz: Ah, esto encaja con lo que Anthropic contó en su blog al lanzar ese modelo Fable 5: salió con salvaguardas porque, sin ellas, sus capacidades en áreas como ciberseguridad podrían usarse para causar daños graves. Así que las consultas sobre ciertos temas reciben respuesta del siguiente modelo más capaz, que sería el Opus 5.

Clara Vega: Y lo relevante para el usuario normal: esas salvaguardas están ajustadas de forma conservadora, así que a veces capturan solicitudes perfectamente inofensivas. Según los datos que citan, se activan en promedio en menos del cinco por ciento de las sesiones. Un pequeño peaje ocasional para mantener el modelo contenido.

Clara Vega: Un usuario de Hacker News, stagas, cuenta que hace unas horas cambió sus servidores de nombres a Cloudflare para habilitar el servicio de un bucket de R2 a través de su propio subdominio, y descubrió que Cloudflare había inyectado silenciosamente un fragmento de JavaScript de analítica en su sitio textlog.cc, un sitio de solo HTML y sin JavaScript. Para desactivarlo tuvo que ir al panel de Analytics, añadir el sitio a la analítica y luego desactivar el fragmento; stagas considera el enfoque completamente invasivo y defiende que funciones así deberían ser de suscripción opt-in y no de exclusión opt-out, además de lanzar una advertencia para quienes no lo sepan. En la discusión, csomar añade que a él también le resultó muy difícil encontrar el ajuste que desactiva ese JavaScript. JoshTriplett responde que Cloudflare sirve el HTML y tiene toda la capacidad de rastrear peticiones web individuales sin modificar el contenido que sirve, y sscaryterry coincide al 100%, aunque apunta que eso no aporta datos personales útiles. celsoazevedo dice que Cloudflare añade el JS si la analítica web está habilitada, cree que en sus sitios antiguos tuvo que activarlo manualmente y se pregunta si quizá está activado por defecto al añadir dominios nuevos; stagas responde que no lo había habilitado para ningún sitio y que tuvo que habilitarlo primero para poder apagarlo.

Mateo Ruiz: ¿Y cómo se desactiva algo que ni siquiera sabías que estaba encendido? Según cuenta, tuvo que ir al panel de Analytics, añadir manualmente su sitio a la analítica, y solo entonces le apareció la opción de apagar ese fragmento. Le pareció un enfoque completamente invasivo, y dice que funciones así deberían ser de suscripción explícita, no de exclusión por defecto.

Clara Vega: No fue el único que se topó con el muro. Otro usuario comentó que a él le costó muchísimo encontrar el ajuste que desactiva ese JavaScript. Y cuando alguien preguntó si no era algo conocido al usar Cloudflare como proxy, en la discusión salió un punto importante: Cloudflare sirve el HTML, y tiene toda la capacidad técnica de rastrear las peticiones web individuales sin necesidad de modificar el contenido que entrega.

Mateo Ruiz: O sea, la analítica de tráfico no exige tocar tu página. Otro comentarista coincidió al cien por ciento, aunque aclaró que ese enfoque no aporta datos personales muy útiles. Y alguien más señaló que Cloudflare añade ese JavaScript cuando la analítica web está habilitada, y se preguntaba si quizá viene activada por defecto al añadir dominios nuevos.

Clara Vega: La respuesta de stagas fue contundente: no, no la había habilitado para ningún sitio. Y remató con una ironía amarga: tuvo que habilitarla primero para poder apagarla. En medio de la frustración, también hubo quien sugirió reportarlo a Cloudflare como un bug, porque le parece más un error que mala voluntad.

Mateo Ruiz: Sea error o decisión, la lección práctica es clara: si usas Cloudflare y tienes un sitio que no usa JavaScript, vale la pena revisar tu panel de analítica, porque puede haber un snippet silencioso asomando la cabeza en tus páginas sin que lo hayas pedido. Y de paso, un recordatorio de que el control efectivo sobre lo que sirve tu propia infraestructura a veces exige buscar más de lo que debería.

Clara Vega: Los Institutos Nacionales de Salud de Estados Unidos están poniendo fin a un programa de becas clave para investigadores clínicos en formación, y la reacción en los comentarios refleja dos lecturas muy distintas de por qué la agencia tomó esta medida. Hay quien lo atribuye a una gestión incompetente y caótica, y hay quien ve, directamente, intención deliberada de dañar la investigación. Un comentarista, epistasis, sostiene que es difícil exagerar lo caótica y mal gestionada que ha sido la agencia en los últimos dos años: muchos laboratorios se quedan sin financiación sin una buena razón, pierden investigadores y dejan congeladas, probablemente para siempre, líneas enteras de investigación útil. Ese mismo comentarista dice ver indicios claros de malicia pura, y menciona a Sean Eddy, una figura fundacional de su campo, "como un Hubble", citando una información de NPR. Eddy, de 60 años, planeaba seguir trabajando la próxima década con su equipo; según la cita que reproduce jjtheblunt, dijo: "Para alguien en mi etapa profesional, esto probablemente no sea recuperable". Ante la pregunta de jjtheblunt de por qué Eddy no continúa su investigación en una gran farmacéutica, jltsiren responde que la gran farmacia no es como los Bell Labs de antaño: se espera que sus investigadores hagan trabajo que sus jefes consideren productivo, y no necesitan a quien quiera hacer investigación por curiosidad y publicar los resultados. epistasis añade que son tipos de investigación distintos, como preguntar por qué Knuth no hace investigación de sistemas para una red social o una empresa publicitaria; el laboratorio de Eddy construye las herramientas y conceptos que el resto del campo usa como base, y no hay financiación comercial para ese trabajo.

Mateo Ruiz: Y ese debate se vuelve concreto en la figura de Sean Eddy, un investigador que un comentarista describe como “un Hubble” de su campo, una figura fundacional. Según una cita reproducida en la conversación, Eddy, de 60 años, planeaba seguir trabajando con su equipo durante la próxima década, y dijo, y cito: “Para alguien en mi etapa profesional, esto probablemente no sea recuperable”.

Clara Vega: Ese comentarista describía además la situación de la agencia como difícil de exagerar en lo caótica: laboratorios que se quedan sin financiación sin una razón clara, investigadores que se pierden y líneas enteras de investigación útil que quedan congeladas, probablemente para siempre. Ante eso, surgió una pregunta natural.

Mateo Ruiz: Sí, un comentarista preguntó por qué alguien como Eddy no continúa simplemente su investigación en una gran farmacéutica. Y la respuesta fue que la gran farmacia actual no se parece a los laboratorios Bell de antaño. Se espera que sus investigadores hagan trabajo que sus jefes consideren productivo, y no necesitan a alguien que quiera investigar por curiosidad y publicar los resultados.

Clara Vega: También se señaló que se trata de tipos de investigación fundamentalmente distintos, como preguntar por qué Donald Knuth no hace investigación de sistemas para una red social o para una empresa publicitaria. El laboratorio de Eddy construye las herramientas y los conceptos que el resto del campo usa como base, y ese trabajo es exactamente el tipo de investigación para el que no existe financiación comercial.

Mateo Ruiz: La Unidad 1 de la planta nuclear St. Lucie, de Florida Power & Light, fue apagada manualmente el 13 de agosto tras la caída de tres barras de control en el núcleo del reactor. Según una notificación presentada ante la NRC, la agencia reguladora nuclear de Estados Unidos, el disparo manual ocurrió alrededor de las 9:47 de la mañana, hora del este, con la unidad en Modo 1 operando al cien por ciento de potencia. La NRC clasificó el evento como no emergencia, y el licenciatario informó que el disparo no fue complicado y que todos los sistemas respondieron normalmente; la planta se estabilizó en Modo 3, en espera en caliente, y el calor de descomposición se elimina descargando vapor al condensador principal con las válvulas de bypass de la turbina y el agua de alimentación principal. La Unidad 2 no se vio afectada, y según el sitio web de la NRC la Unidad 1 permanece apagada, pese a que, como señaló un comentarista, el reactor había recibido la extensión de su licencia de operación a comienzos de año. Otro identificó el evento como NRC 58408, "manual reactor trip". En la discusión, un comentarista, mpyne, conjeturó que la causa pudo ser una interrupción de energía en los devanados de campo de las barras afectadas, como un gabinete de control averiado u otro problema eléctrico; señaló que tres barras insertadas entre muchas disponibles alterarían el perfil de flujo de neutrones, por lo que el apagado manual es la respuesta correcta hasta encontrar, reparar y probar la causa, y que, aunque no es típico, este tipo de evento ya ha ocurrido muchas veces. Otro comentarista, bob1029, sugirió que podría ser una característica de diseño intencional: barras con retención electromecánica alimentada activamente que se sueltan automáticamente.

Clara Vega: Y este es el panorama tranquilizador. La agencia clasificó el evento como no emergencia, el licenciatario informó que el disparo no fue complicado, todos los sistemas respondieron con normalidad, y la planta se estabilizó en un modo de parada en caliente, eliminando el calor residual mediante la descarga de vapor. La Unidad 2 no se vio afectada, aunque la Unidad 1 permanece apagada.

Mateo Ruiz: En el hilo, los comentaristas aportaron contexto. Uno destacó que el reactor había recibido la extensión de su licencia de operación a comienzos de año. Otro conjeturó que la causa pudo ser una interrupción de energía en los devanados de campo de las barras afectadas, como un gabinete de control averiado u otro problema eléctrico.

Clara Vega: Y lo interesante es que ese comentarista explicó por qué apagar la planta era la respuesta correcta: tres barras insertadas entre muchas disponibles alteran el perfil de flujo de neutrones, así que el apagado manual es lo prudente hasta encontrar, reparar y probar la causa. Añadió que este tipo de evento, aunque no es típico, ya ha ocurrido muchas veces.

Mateo Ruiz: Hubo incluso una hipótesis más constructiva: que podría tratarse de una característica de diseño intencional, con barras cuya retención está alimentada activamente y que se sueltan automáticamente ante una falla. En cualquier caso, el episodio terminó como una demostración de que el sistema de seguridad hizo exactamente lo que se supone que debe hacer.

Clara Vega: Un hilo reciente comparte un artículo de The New Yorker, dentro de su sección de investigación, sobre el G.P.S. y el arte perdido de perderse, escrito por Shayla Love, y que parte de un libro llamado "Little Blue Dot", de Katherine Dunn, que plantea preguntas sobre las consecuencias no buscadas de saber siempre dónde estamos. El artículo abre con la anécdota de Shachar Maidenbaum, neurocientífico que estudia la navegación espacial en la Universidad Ben-Gurión, en Israel: conducía hacia el norte con sus hijos siguiendo Waze cuando una voz automática le indicó girar a la izquierda y manejar unas doscientas millas hacia el sur. Pensó: "¿Qué? Estoy conduciendo hacia el norte", y luego se dio cuenta de que su teléfono creía que estaba en Beirut; el artículo señala que Israel suele interferir las señales de G.P.S. En la discusión, los comentaristas aportan experiencias de navegación sin G.P.S. Un comentarista, zdragnar, dice que la orientación es una buena habilidad y cuenta que, antes del G.P.S., se desvió de su ruta en una ciudad nueva, cruzó la calle equivocada y terminó en el vecindario más pobre, controlado por pandillas; recuerda comprar una dona pasando dinero bajo un vidrio a prueba de balas, con una puerta giratoria blindada, y concluye que aprendió a planear desviaciones potenciales en lugar de improvisarlas. Otro comentarista, ghaff, recuerda que antes del G.P.S. de consumo se desorientaba incluso en ciudades que conocía razonablemente bien y que no están en cuadrícula; conducir de noche con un mapa abierto en el regazo podía ser una pesadilla y no especialmente seguro, y le llevó años tener un sentido aceptable de la geografía.

Mateo Ruiz: Y abre con una anécdota perfecta: la de un neurocientífico que estudia la navegación espacial en la Universidad Ben-Gurión, en Israel. Conducía hacia el norte con sus hijos siguiendo Waze cuando una voz automática le indicó girar a la izquierda y manejar unas doscientas millas hacia el sur. Pensó: “¿Qué? Estoy conduciendo hacia el norte”, y se dio cuenta de que su teléfono creía que estaba en Beirut. El artículo señala que Israel suele interferir las señales de G.P.S.

Clara Vega: En los comentarios, la conversación se volvió experiencial, sobre cómo era navegar sin G.P.S. Un comentarista recordó que la orientación es una buena habilidad y contó cómo, en sus tiempos previos al G.P.S., se desvió de su ruta en una ciudad nueva, cruzó la calle equivocada y terminó en el vecindario más pobre, controlado por pandillas. Recordó comprar una dona pasando dinero bajo un vidrio a prueba de balas.

Mateo Ruiz: Esa anécdota terminó con una lección: aprendió a planear las desviaciones potenciales de antemano en lugar de improvisar. Y otro comentarista recordó que, antes del G.P.S. comercial, se desorientaba incluso en ciudades que conocía razonablemente bien y que no están trazadas en cuadrícula; conducir de noche con un mapa abierto en el regazo podía ser una pesadilla y no especialmente seguro, y le llevó años lograr un sentido aceptable de la geografía de esos lugares.

Clara Vega: Así que no solo hemos perdido la necesidad de orientarnos, también nos hemos liberado de una fragilidad muy real. El artículo y las anécdotas coinciden en lo mismo: saber dónde estamos nos dio tranquilidad, pero el camino para lograrlo tenía su propio precio, y quizá también su propio valor.

Clara Vega: El fin de semana, tal como lo conocemos, nació hace un siglo, y un artículo de The Guardian se pregunta si los viernes de escaqueo y el trabajo híbrido lo han arruinado para todos. La historia arranca en 1926, cuando Henry Ford les dio a sus empleados libres los sábados y los domingos, y de ahí nacieron también las mini-vacaciones.

Mateo Ruiz: Y lo más fascinante es que el artículo recuerda un experimento real de lo contrario: la Unión Soviética abolió el fin de semana entre 1929 y 1940. Para que las fábricas nunca se apagaran, cada ciudadano recibía un día libre cada siete, asignado al azar, con el ochenta por ciento de la población trabajando cada día.

Clara Vega: Una carta a Pravda lo resumía perfectamente: no es ninguna fiesta si tienes que pasarla sola. Padres en casa mientras los hijos estaban en la escuela, reuniones familiares imposibles. La moral de la fuerza laboral cayó, el aumento de productividad esperado nunca llegó, y la política se modificó y terminó abandonándose.

Mateo Ruiz: El profesor Brad Beaven, de la Universidad de Portsmouth, lo plantea como el triunfo del tiempo colectivo sobre el tiempo del mercado, y no solo descanso: es recuperar autonomía del reloj industrial. Y en la discusión que acompaña al artículo, alguien reflexiona sobre lo difícil que resulta comprender el cambio en la vida cotidiana de los últimos doscientos años. Menudo dato: el abuelo de Bertrand Russell vivió durante el mandato de Napoleón.

Clara Vega: Otro comentarista recuerda lo que decía su abuela sobre los festivales de música, que en su época aún no se habían inventado, así que la conciencia del tiempo libre y de cómo estructuramos la vida alrededor de él cambia por completo entre generaciones.

Clara Vega: Hay quien construye un bulletin board system, un BBS clásico de telnet, dentro de una calculadora Casio. El proyecto, publicado por EI3LH, arranca en una Casio VX-4 con solo ocho kilobytes de RAM, y el autor se pregunta abiertamente si será la primera del mundo de su tipo.

Mateo Ruiz: Y lo mejor es cómo llegó ahí: confiesa que no tenía ningún interés por las calculadoras hasta que una publicación en el reflector SOTA le mostró un emulador de una calculadora de bolsillo capaz de ejecutar BASIC, C y el lenguaje CASL de Casio. Con conocimientos de programación muy limitados, empezó con el clásico hola mundo de diez líneas y un bucle, y recurrió a un modelo de lenguaje para ir probando el código.

Clara Vega: Ese camino lo llevó a escribir en BASIC un registro de contactos de radio, todavía en fase alfa, y un programa de telegrafía por código CW sin terminar, que necesitará un pequeño circuito puente externo entre la calculadora y la radio. La máquina tiene un conector de dos milímetros y medio que funciona como puerto serie RS232, así que se conecta a un cable USB-C.

Mateo Ruiz: Para el proyecto importó dos calculadoras japonesas. Una VX-4 casi impecable, con sus manuales y una tarjeta de memoria opcional que duplica la RAM, y una Z-1GR que llegó muerta y que el vendedor había listado como basura. Y como buen proyecto aficionado, ya tiene plan para revivirla: alimentarla por corriente continua y revisar su pantalla LCD con película polarizadora nueva.

Clara Vega: El lenguaje protobuf, el formato de serialización de datos de Google, por fin tiene un servidor de lenguaje de producción completo en los editores de código. La empresa Buf anunció en enero el primer servidor LSP de grado de producción para Protobuf, impulsado por su propia línea de comandos, y apunta a que Protobuf carecía hasta ahora de este soporte.

Mateo Ruiz: Para quien no lo conozca, el LSP es el estándar que permite a los editores entender un lenguaje: ir a la definición, autocompletar, buscar referencias o resaltar el código de forma inteligente. Eso es justamente lo que se pierde al escribir Protobuf a mano, sin la asistencia que dan los editores para otros lenguajes.

Clara Vega: La base es protocompile, el compilador de Buf, que la propia Buf describe como más rápido y flexible que el protoc tradicional, y que Google usa junto a protoc en partes de su código. El nuevo frontend permite compilación incremental y detecta errores que antes pasaban desapercibidos, como un modificador repetido duplicado.

Mateo Ruiz: En la discusión que acompaña al anuncio, el debate fue más lejos: ¿sigue siendo necesario Protobuf en la era de los modelos de lenguaje? Un comentarista cuestionó que ofertas como los registros y la generación de código para microservicios sigan siendo tan necesarias, aunque quizá no tanto el formato de cable en sí. Y otro le respondió que los esquemas no quedan obsoletos: si cada vez más código lo generan modelos probabilísticos, los contratos estrictos importan más que nunca. De hecho, varias plataformas grandes de modelos de lenguaje usan Protobuf y ConnectRPC en sus propias interfaces.

Mateo Ruiz: Y con esto damos por cerrado el episodio de hoy. Esperamos que estas noticias te hayan sido útiles y te acompañen durante el resto de tu día.

Clara Vega: Gracias por escucharnos. Nos encontramos de nuevo muy pronto con más información que te interesa. Hasta entonces, cuídate mucho.