Cinco días después de pedirle a la industria que desacelere, Anthropic puso números sobre su propia mesa: publicó las primeras métricas internas del ritmo de desarrollo dentro de un laboratorio de frontera y reveló que Claude ya “lidera” el 26% del trabajo de investigación e ingeniería de IA de la empresa. “Liderar”, en su definición, significa que el modelo fija el objetivo y lo ejecuta, con revisión humana posterior. En más del 90% del trabajo opera al menos en nivel de colaboración.
Los datos son de agosto de 2026 y describen una fábrica más que un asistente: unos 30.000 agentes trabajando en simultáneo en la plataforma interna, el 100% de las acciones pasando por un monitor antes de ejecutarse, una tasa de bloqueo de 0,002% —una de cada 47.000 decisiones— y un 6% del cómputo de investigación y desarrollo destinado a seguridad, que sube a 12% si se mira solo la investigación conducida por la IA. La compañía pide que los demás laboratorios publiquen lo mismo, con metodología pública y verificación de terceros.
Es la primera cifra dura de cuánta IA construye IA, y arrastra el problema de origen de todo este debate: la publica, sin auditoría externa, la empresa que se mide a sí misma mientras negocia su salida a bolsa. Para América Latina la pregunta no es si el dato es interesante, sino quién lo verifica. Ninguna autoridad de la región tiene hoy mandato ni equipo técnico para auditar una medición así, y la ventana de transparencia se abre justo cuando los Estados de la región compran estos modelos para servicios públicos.
También hoy
- Documentos desclasificados en la demanda del New York Times: un directivo de Microsoft llamó al scraping “el mayor robo de trabajo de la historia humana” — 91.692 copias de piezas periodísticas usadas en entrenamiento, caídas de click-through de hasta 93% y documentos internos que describen a los modelos de lenguaje como “un producto que destruye su cadena de suministro”. Es el insumo probatorio más fuerte que existe hoy para los medios de la región que negocian licencias.
- La FAA adjudica 875 millones de dólares a doce años a Air Space Intelligence — IA predictiva en el control del tráfico aéreo estadounidense. Fija precio y arquitectura de referencia para las autoridades aeronáuticas de la región.
- Emerald AI levanta 150 millones para liberar espacio en la red eléctrica — una alianza con Google, Nvidia, Anthropic y cuatro eléctricas que busca liberar 100 GW cediendo carga en vez de construir generación. En paralelo, Crusoe levantó 3.900 millones para fábricas de IA modulares y transportables.
- GPT-6 Astra descifra en diez horas un mensaje Enigma de 1941 que llevaba 83 años sin resolver — el contenido recuperado, con erratas del operador incluidas: un soldado alemán pide instrucciones de ruta de marcha y “respuesta inmediata por radio”.
- Un periodista de 404 Media secuestra el Spotify de una banda real y le publica una canción hecha con IA — el fraude no requiere clonar ninguna voz: basta con entrar por la distribuidora. Es mucho más fácil de explotar contra artistas latinoamericanos que llegan al streaming a través de agregadores baratos.
En la región
La semana no trajo anuncios de ministerios ni de reguladores latinoamericanos, pero sí dos hechos que fijan agenda por otra vía. El primero es Perú: un grupo de académicos advirtió que el país no debería copiar el freno tecnológico que discuten las potencias, y es la primera respuesta regional articulada al debate global de desaceleración. La formula, además, el único país de la región con ley de IA vigente —la 31814, con reglamento operativo desde enero—, que por eso puede discutir el “cómo adoptar” en vez del “si frenar”. El segundo llega por el lado de la infraestructura: Huawei presentó su estrategia para América Latina combinando 5G, IA agéntica en salud y energía solar rural en un mismo paquete; las cifras son autoinformadas y no tienen verificación independiente. Queda pendiente una tercera pregunta que todavía nadie formuló en voz alta: con la ONU entregando su estadística global a una capa técnica donada, los indicadores de la CEPAL y de los institutos nacionales van a circular por ahí, y no está claro si esos organismos participan del diseño del esquema o solo aportan las series.
Lanzamientos
- Bonsai 2 27B, de PrismML — un modelo de 27.000 millones de parámetros comprimido a 5,9 GB con pesos ternarios (cada parámetro guarda solo tres valores posibles, lo que achica enormemente el archivo), que conserva el 98% del desempeño y corre en un teléfono. Pesos abiertos y gratuitos en Hugging Face. Resuelve de una sola vez costo por consulta, conectividad y soberanía del dato: es la línea técnica que más cambia el acceso real en la región. La empresa levantó además una ronda semilla de 22,25 millones de dólares.
- UN System Data Commons, de Naciones Unidas y Google — plataforma pública y gratuita en data.un.org para consultar en lenguaje natural los indicadores del sistema ONU, con 26 organismos comprometidos y dos millones de dólares donados. El detonante fue un benchmark de UNICEF que midió 21,2% de precisión promedio en seis modelos respondiendo preguntas sobre desarrollo.
- Projects rediseñado en Claude Code, de Anthropic — un coordinador reparte tareas entre hilos paralelos, cada uno en su propia sesión en la nube, capaces de correr pruebas y abrir pull requests, con memoria compartida y control de esfuerzo por hilo. En beta para los planes Pro y Max; la ejecución local quedó anunciada como próxima.
Hilos que seguimos
El sábado pasado, Dario Amodei, director ejecutivo de Anthropic, publicó un ensayo pidiendo desacelerar deliberadamente la mejora de los modelos de frontera y comprometió a su empresa al primer paso: evaluadores externos permanentes dentro del laboratorio. La objeción obvia era que nadie sabía a qué ritmo se corre hoy, porque no existía la medición. Las métricas de esta mañana son la respuesta a esa objeción y, a la vez, su mejor ilustración: el número existe porque la empresa decidió calcularlo, eligió las métricas y definió qué significa “liderar”. El paso siguiente —que alguien de afuera pueda repetir la medición— sigue sin dueño.
Anthropic acaba de demostrar que sí se puede medir cuánta IA construye IA, y que la cifra ya es 26%. ¿Qué tendría que pasar para que América Latina pueda exigir esa medición en lugar de recibirla, y quién en la región tendría hoy la capacidad técnica de verificarla?
Sobre esta entrada. Se genera de forma automática a partir de fuentes públicas, sin revisión humana antes de publicarse. Puede contener errores de interpretación o de resumen; conviene verificar cada noticia en su fuente original (los enlaces llevan ahí) antes de citarla o tomar decisiones a partir de ella.
Doble Click se escribe con modelos de Anthropic.