Zuckerberg prometió en público que los agentes de IA iban a reemplazar ingenieros en 2025. Ahora, en privado, admite que las cosas no van como esperaba. Esto no es una confesión de derrota — es una corrección de expectativas que nunca debieron haberse fijado tan alto. El problema no es el progreso real, es que el hype superó por kilómetros a la realidad.Zuckerberg publicly promised AI agents would replace engineers by 2025. Now, internally, he's admitting things aren't going as planned. This isn't a confession of failure — it's a correction of expectations that were never grounded in reality. The problem isn't the actual progress, it's that the hype ran miles ahead of it.
Google hace su resumen mensual de IA y hay bastante dentro: actualizaciones de Gemini, herramientas para desarrolladores, integraciones nuevas. Si usás productos de Google en tu flujo de trabajo, este resumen vale la pena leerlo completo. Es el tipo de post que parece PR pero que tiene cosas concretas enterradas adentro.Google drops its monthly AI recap and there's a fair amount inside: Gemini updates, developer tools, new integrations. If you use Google products in your workflow, this summary is worth reading in full. It looks like PR on the surface but has concrete stuff buried inside.
Gemini Spark — el asistente que corre en segundo plano y ejecuta tareas por vos — llega a Mac. Esto es relevante porque hasta ahora estaba limitado a Android y Windows. Si tenés Mac y querés probar qué significa en la práctica tener un agente corriendo en tu computador, ahora podés hacerlo. Hay que ver qué tan bien funciona con el ecosistema de Apple, que históricamente no es el más abierto.Gemini Spark — the assistant that runs in the background and executes tasks for you — lands on Mac. This matters because it was previously limited to Android and Windows. If you have a Mac and want to test what it actually means to have an agent running on your computer, now you can. The question is how well it plays with Apple's ecosystem, which historically isn't the most open.
Microsoft crea una empresa separada dedicada a implementar IA en empresas grandes, con 2.500 millones de dólares comprometidos. Amazon, OpenAI y Anthropic ya hicieron movimientos similares. La carrera ya no es solo quién hace el mejor modelo — es quién ayuda a las empresas a usarlos sin que todo explote. Esa capa de servicios es donde está el negocio real.Microsoft spins up a separate company to deploy AI for large enterprises, with $2.5 billion committed. Amazon, OpenAI, and Anthropic have all made similar moves. The race is no longer just who builds the best model — it's who helps companies actually use them without everything breaking. That services layer is where the real money is.
OpenAI anunció su chip con Broadcom la semana pasada, y ahora Anthropic va por Samsung. Todos los labs grandes están tratando de depender menos de NVIDIA — lo que tiene sentido cuando el proveedor de tu insumo más crítico también puede ser tu competidor indirecto. Estas conversaciones tardan años en materializarse, así que esto es estrategia a largo plazo, no noticia de mañana.OpenAI announced its chip deal with Broadcom last week, and now Anthropic is going after Samsung. Every major lab is trying to reduce its dependence on NVIDIA — which makes sense when your most critical supplier could also become an indirect competitor. These talks take years to materialize, so this is long-term strategy, not tomorrow's news.
Cloudflare le da a las empresas de IA hasta el 15 de septiembre para separar sus crawlers de búsqueda de los de entrenamiento, o arriesgan ser bloqueados en miles de sitios de media. Esto tiene dientes reales porque Cloudflare protege una fracción enorme de internet. Si funciona, cambia la ecuación de quién paga por el contenido que alimenta los modelos — y eso importa.Cloudflare gives AI companies until September 15 to separate their search crawlers from training crawlers, or risk being blocked on thousands of media sites. This has real teeth because Cloudflare protects a massive chunk of the internet. If it works, it changes the equation of who pays for the content that feeds the models — and that matters.
Pedile a cualquier modelo un número al azar entre 1 y 10 y te va a decir 7. Eso no es aleatoriedad, es sesgo de entrenamiento cristalizado. El problema de fondo es que los modelos convergen hacia las respuestas más comunes en sus datos de entrenamiento, lo que los hace predecibles de formas que importan más que el número 7. Que alguien esté trabajando en esto seriamente es buena señal.Ask any model for a random number between 1 and 10 and it'll say 7. That's not randomness — it's crystallized training bias. The deeper problem is that models converge toward the most common answers in their training data, making them predictable in ways that matter more than the number 7. Someone working on this seriously is a good sign.
Sam Altman propone dar el 5% de OpenAI al fondo soberano estadounidense, reviviendo la idea de que el público se beneficie de las ganancias de la IA. En términos simples: es como ofrecerle al gobierno una tajada de la empresa a cambio de menos fricción regulatoria. Puede ser generosidad genuina o el movimiento político más barato de la historia — probablemente las dos.Sam Altman proposes giving 5% of OpenAI to the US sovereign wealth fund, reviving the idea of the public sharing in AI gains. In plain terms: it's like offering the government a slice of the company in exchange for less regulatory friction. Could be genuine generosity or the cheapest political move in history — probably both.
Una cadena de sándwiches menciona IA en sus documentos de IPO. No hay mucho más que agregar — cuando tu sandwichería necesita invocar inteligencia artificial para sonar atractiva a inversores, el ciclo del hype llegó a su punto más ridículo. Lo hemos visto antes con blockchain y el metaverso. El ciclo es siempre el mismo.A sandwich chain mentions AI in its IPO documents. Not much more to add — when your sub shop needs to invoke artificial intelligence to sound attractive to investors, the hype cycle has reached peak absurdity. We've seen this before with blockchain and the metaverse. The cycle is always the same.
Venice AI ya genera más de 70 millones de dólares anuales y es rentable — en un sector donde la mayoría quema efectivo sin freno. El diferenciador es la privacidad: los modelos corren localmente, sin que tus datos salgan a servidores de terceros. Que haya demanda real para esto no sorprende — sorprende que tardó tanto en aparecer un jugador que lo ejecutara bien.Venice AI is already generating over $70 million annually and is profitable — in a sector where most players burn cash without limits. The differentiator is privacy: models run locally, with no data leaving to third-party servers. That there's real demand for this isn't surprising — what's surprising is it took this long for a player to execute it well.
Meta lanzó sin fanfarria una app donde podés generar mini juegos interactivos con texto. El término 'vibe-coded' significa que el código fue generado por IA a partir de instrucciones en lenguaje natural — sin que nadie lo escribiera a mano. Interesante como experimento, pero Meta tiene historial de lanzar apps experimentales que desaparecen en seis meses.Meta quietly launched an app where you can generate interactive mini games with text prompts. 'Vibe-coded' means the code was AI-generated from natural language instructions — no one wrote it by hand. Interesting as an experiment, but Meta has a track record of launching experimental apps that disappear within six months.
Meta publica cómo diseñó su infraestructura de almacenamiento para soportar el crecimiento exponencial de los modelos de entrenamiento. No es una noticia de producto — es ingeniería de fondo publicada en abierto. Si trabajás en infraestructura de datos, esto tiene detalles útiles. Para el resto, es contexto de qué tan compleja es la cocina detrás de los modelos grandes.Meta publishes how it designed its storage infrastructure to handle the exponential growth of training models. This isn't a product announcement — it's backend engineering published in the open. If you work in data infrastructure, there are useful details here. For everyone else, it's context for how complex the kitchen behind large models actually is.
118 artículos analizados — TechCrunch AI, Google AI Blog, Meta Engineering, MIT Tech Review, Diario Financiero, Chocale 118 articles analyzed — TechCrunch AI, Google AI Blog, Meta Engineering, MIT Tech Review, Diario Financiero, Chocale