Una jornada que comprime meses de narrativa del sector en 24 horas. Anthropic presenta el S-1 oficial ante la SEC: $16.29B de ingresos en H1 2026, pérdida neta de $80.7B y $131.7B en caja — el primer lab de IA frontier en cotizar en bolsa, con ticker $ANT en Nasdaq. Mientras tanto, Microsoft anuncia buyouts voluntarios para 60.000 empleados (el 27% de su plantilla), la mayor reestructuración en décadas, con el argumento explícito de reasignar recursos hacia IA. En modelos, GPT-6.1 Terra llega con pricing agresivo ($1/$5 por millón de tokens), 50% menos tasa de alucinaciones que GPT-6 Astra y velocidad 3x superior — y ya disponible para builders. Y OpenAI publica manuscritos con 3 pruebas matemáticas originales formalizadas en Lean: la conjetura de Kakeya, la refutación de la ETH y una teoría cuántica de campo con gauge y fermiones, que expertos del MIT, los autores originales de la ETH y el Nobel David Gross están verificando en este momento.
Lo grande
EmpresasSeguimiento · 26 oct · Anthropic · S-1 · SEC · Nasdaq · $ANT · IPO · $16.29B · H1 2026 · $80.7B pérdida · $131.7B caja · lab frontier · primer IPO
Anthropic registra formalmente su S-1 ante la SEC para cotizar en Nasdaq bajo el ticker $ANT. Los números del filing: $16.29B de ingresos en la primera mitad de 2026 (frente a $1.16B en el mismo período del año anterior, +1.300%), pérdida neta de $80.7B en ese semestre y $131.7B en caja. La compañía es el primer lab de IA frontier en lanzar un IPO público. La valoración implícita en los documentos se sitúa en torno a $2T según los primeros análisis financieros.
Qué significa: El 22 de octubre circularon los primeros números filtrados; hoy es el filing oficial. El dato que más debate genera no es el crecimiento de ingresos (espectacular) sino la pérdida de $80.7B en seis meses — casi todo en cómputo — y lo que implica para la sostenibilidad del modelo de negocio de los labs. El S-1 convierte en públicos los números que hasta hoy eran estimaciones de analistas; cualquier builder que precio sus proyectos sobre la API de Claude ahora puede ver exactamente cuánto le cuesta a Anthropic generar esos tokens.
Empresas26 oct · Microsoft · buyouts · 60.000 empleados · 27% plantilla · IA · reestructuración · Bank of America · Citi · Morgan Stanley · compute · headcount · mayor en décadas
Microsoft anuncia un programa de salida voluntaria para 60.000 de sus aproximadamente 228.000 empleados, la mayor reestructuración de la compañía en décadas. El argumento oficial: reasignar capital humano y financiero hacia IA. Los equipos de ventas enterprise y los que gestionan datacenters quedan excluidos del programa. La decisión llega en paralelo a la firma del acuerdo con Broadcom y Wall Street para financiar $63.000M en chips que irán a Anthropic vía SPV.
Qué significa: El patrón que lleva meses describiéndose en abstracto —compute reemplaza a headcount— se hace explícito en los documentos internos de Microsoft. 60.000 personas no es una cifra de ajuste marginal: es el equivalente completo de muchas grandes empresas tecnológicas. El hecho de que el programa sea voluntario y que ventas y datacenters queden fuera sugiere que la transformación apunta a funciones de producto, ingeniería de software y soporte que los modelos están automatizando de forma más directa.
ModelosSeguimiento · 26 oct · OpenAI · GPT-6.1 Terra · $1/$5/MTok · 3x velocidad · 50% alucinaciones · Agents Last Exam · HN 1016 · builders · agentes · disponible ahora
OpenAI publica GPT-6.1 Terra, el nuevo modelo de la familia Terra. Precio: $1 por millón de tokens de entrada y $5 de salida — un tercio del coste de GPT-5.6 Terra. La evaluación independiente de ArtificialAnalysis muestra una caída del 50% en tasa de alucinaciones respecto a GPT-6 Astra y una mejora de 2 puntos en precisión. En velocidad, completa tareas 3x más rápido que Sol y Astra. En el benchmark Agents' Last Exam —el más exigente para agentes— iguala a Astra. Disponible desde hoy en la API y en OpenRouter.
Qué significa: Terra ya era el nombre que circulaba en un PR de Microsoft EF Core a finales de octubre; hoy se convierte en la opción de referencia para builders que necesitan velocidad de agente sin pagar precio de flagship. El punto de equilibrio es claro: si tu pipeline necesita rapidez y coste reducido sin sacrificar calidad en razonamiento, GPT-6.1 Terra es la primera opción que mirar. El pricing a $1/$5 lo pone en competencia directa con los modelos de segunda línea de Anthropic y Google.
Modelos26 oct · OpenAI · pruebas matemáticas · Lean · Kakeya · ETH · QFT · gauge · fermiones · MIT · Ryan Williams · David Gross · HN 1225 · ProofAtlas · verificación externa
OpenAI publica manuscritos con 3 resultados matemáticos originales, con formalizaciones en Lean subidas a GitHub: (1) la prueba de la conjetura de Kakeya (matemáticas puras, resuelve 6 entradas de ProofAtlas); (2) la refutación de la Exponential Time Hypothesis (ETH), lo que invalida decenas de resultados en teoría de complejidad computacional que la asumían como base; (3) la existencia de teorías cuánticas de campo con gauge y fermiones (física de frontera, bajo revisión). Ryan Williams (MIT), los autores originales de ETH —Impagliazzo y Paturi— y el Nobel de física David Gross están verificando los resultados de forma independiente.
Qué significa: La verificación formal en Lean convierte estas pruebas en comprobables por cualquier matemático con las herramientas de proof assistant. No son resultados de benchmark ni de evaluación auto-reportada — si los expertos los validan, sería la primera vez que un sistema de IA genera conocimiento matemático nuevo, no solo asistencia a investigadores humanos. La refutación de ETH es la de mayor impacto práctico: invalidaría la asunción sobre la que se construyeron décadas de demostraciones de imposibilidad en ciencias de la computación.
De X / conversación social
@ArtificialAnlys26 oct · GPT-6.1 Terra · benchmarks · alucinaciones · precisión · velocidad · Agents Last Exam · OpenRouter · API · agentes · coste · builders · comparativa
ArtificialAnalysis publica los resultados de su evaluación independiente de GPT-6.1 Terra con datos propios: -50 puntos en tasa de alucinaciones respecto a GPT-6 Astra, +2 puntos en precisión, igual resultado en Agents' Last Exam. El hilo incluye la comparativa de coste por tarea en benchmarks de agentes y los casos concretos donde Terra supera a modelos de mayor precio.
Por qué seguirlo: ArtificialAnalysis es la fuente de benchmarks independientes más reproducible del ecosistema — sus evaluaciones no las financia el lab. El hilo responde la pregunta práctica: ¿reemplaza Terra a tu modelo actual o hay casos donde los modelos más caros siguen ganando?
@KobeissiLetter26 oct · Anthropic · S-1 · $16.3B · $80.7B pérdida · 11.900 clientes · $100K ARR · Q2 · $1B op profit · valoración $2T · IPO · debate · financiero
The Kobeissi Letter desglosa el S-1 hoja por hoja: 11.900 clientes pagando más de $100K de ARR (vs. 950 hace un año), Q2 con $11.6B de ingresos y $1B de beneficio operativo, y la estructura de pérdidas dominada por cómputo. El hilo genera debate en replies sobre si la ratio pérdidas/ingresos es sostenible comparada con los márgenes históricos de AWS o Azure en su fase de escala.
Por qué seguirlo: El S-1 de Anthropic es el documento financiero más importante del año en IA. Kobeissi sintetiza las métricas clave con contexto de inversión — relevante tanto para quienes tienen que decidir si ponen a Anthropic en su stack como para entender hacia dónde va el pricing de la API en los próximos 12 meses.
@LechMazur26 oct · OpenAI · pruebas · ETH · Kakeya · ProofAtlas · Lean · verificación · MIT · Impagliazzo · Paturi · Nobel · física · matemáticas · complejidad · debate
Lech Mazur conecta los 3 resultados con su contexto técnico: la refutación de ETH afectaría directamente a decenas de pruebas de imposibilidad en complejidad computacional que la asumen como premisa — el impacto práctico es que algunos algoritmos considerados imposibles podrían serlo; Kakeya resuelve 6 entradas de ProofAtlas; el paper de física permanece bajo retención mientras tres grupos de físicos lo revisan. Los autores originales de la ETH (Impagliazzo y Paturi) y el Nobel David Gross confirmaron estar evaluando los documentos.
Por qué seguirlo: El hilo responde la primera pregunta crítica: ¿es esto real? La formalización en Lean (un proof assistant que verifica mecánicamente cada paso) es la respuesta técnica más seria a esa pregunta — no se puede falsificar un proof en Lean. Si la verificación externa confirma los resultados, el debate que abre es profundo: qué papel tienen los sistemas de IA en la generación de nuevo conocimiento matemático.
Herramientas, repos y técnicas
Repo · 35.6k★26 oct · Nutlope · hallmark · design skill · Claude Code · Cursor · Windsurf · anti-slop · diseño · componentes · spacing · tipografía · trending hoy
Hallmark es una skill de diseño que instruye al agente de coding para que siga criterios de jerarquía visual, tipografía, espaciado y estados interactivos que diferencian el output generado del estilo genérico habitual. Se instala en un comando y funciona con Claude Code, Cursor y Windsurf. Con 35.600 estrellas y commits de hoy, está en el top de trending de GitHub.
Para qué sirve: El problema que resuelve es concreto: los componentes generados por agentes de código tienden a parecerse entre sí por las mismas razones que el texto generado — optimizan para el caso medio. Hallmark desplaza ese equilibrio con criterios de diseño que van más allá del CSS. Relevante para cualquier builder que genera interfaces con agentes y quiere que el output no delate su origen.
Repo · 33.3k★26 oct · Anthropic · plugins · Claude · trabajo intelectual · workflows · API · open source · trending hoy · integración · oficial
Anthropic publica el repositorio oficial con sus plugins de Claude para flujos de trabajo intelectual. Incluye integraciones con herramientas de gestión de documentos, bases de conocimiento y pipelines de análisis. El repositorio tiene commits del 26 de octubre y acumula 33.300 estrellas en su primer día en trending de GitHub.
Para qué sirve: Es la base de código de referencia directa para integrar Claude en flujos de trabajo propios — especialmente útil para builders que construyen sobre la API de Anthropic y quieren ver cómo el propio lab estructura sus plugins oficiales antes de diseñar los suyos.
Repo · 22.5k★26 oct · NVIDIA · SkillSpector · seguridad · skills · agentes · escaneo · vulnerabilidades · Claude Code · Cursor · producción · OSS · trending hoy
NVIDIA publica SkillSpector, una herramienta OSS que escanea skills de coding agents (Claude Code, Cursor, Windsurf) en busca de vectores de ataque antes del deployment. Analiza acceso a herramientas, permisos de filesystem, llamadas de red y patrones de exfiltración conocidos. Con commits del 26 de octubre y 22.500 estrellas en trending.
Para qué sirve: El ecosistema de skills para agentes de código ha crecido sin un estándar de auditoría — cualquier skill instalada tiene acceso a las mismas herramientas que el agente. SkillSpector es la primera solución de escáner oficial de un fabricante de hardware IA; relevante para cualquier equipo que instala skills de terceros en sus pipelines de producción.
Producto nuevo26 oct · Spool · Claude Code · cloud · Anthropic · loops agénticos · sin hardware · infraestructura · Show HN · nuevo hoy
Spool traslada el bucle agéntico de Claude Code de la máquina local a la infraestructura de Anthropic. El agente corre en remoto, los resultados se devuelven al cliente local. Elimina la dependencia de hardware propio para tareas largas de codificación autónoma. Publicado como Show HN el 26 de octubre.
Para qué sirve: Las sesiones largas de Claude Code agotan recursos locales — CPU, memoria y contexto. Spool desacopla la ejecución del hardware del desarrollador y la lleva al mismo proveedor del modelo. La propuesta es directa: si ya pagas por la API de Anthropic, las tareas largas de agente no deberían depender de que tu máquina esté encendida y libre.