Newsletter diario de IA
Nº 011 · Sábado, 20 de junio de 2026
Un Nobel se va de DeepMind a Anthropic, Google empieza a vender sus chips y el open-weights chino aprieta a Opus
El día lo marca el baile de talento y de silicio. John Jumper —Nobel de Química por AlphaFold— deja Google DeepMind tras nueve años y ficha por Anthropic, justo cuando Google da un giro y empieza a vender sus TPU a clientes externos copiando el manual de Nvidia. En modelos, el open-weights GLM-5.2 se mide de tú a tú con Claude Opus 4.8 en coding agéntico a una quinta parte del precio. En la conversación social, todo gira alrededor de Anthropic: el propio anuncio de Jumper, la reacción al vaciado de DeepMind y la tesis de una salida a bolsa millonaria. En herramientas: un escáner de seguridad de NVIDIA para skills de agentes, una forma de convertir cualquier API en servidor MCP, cuentas efímeras de Cloudflare para que los agentes desplieguen solos y un índice de código que ataca las alucinaciones.
3 apartados · 11 piezas · 7 min de lectura
Lo grande
4 piezasJohn Jumper, Nobel de Química por AlphaFold, deja Google DeepMind tras nueve años y ficha por Anthropic
Jumper —que compartió el Nobel de Química 2024 con Demis Hassabis por liderar AlphaFold— anunció su salida en X y dijo que descansará antes de incorporarse a Anthropic; ni él ni la empresa han concretado su rol. Llega un día después de que Noam Shazeer, coautor del transformer, dejara Google por OpenAI: el talento top de DeepMind se está marchando a los rivales.
Qué significa: Anthropic se confirma como imán del talento de frontera en pleno reordén pre-IPO del sector. Para quien construye, importa de dónde sale la próxima generación de modelos: los cerebros que definieron la era anterior están cambiando de bando.
Google usa el playbook de Nvidia: empezará a vender sus TPU a clientes selectos en sus propios centros de datos
Google pasa de solo alquilar capacidad de sus TPU a venderlas directamente: Sundar Pichai confirmó que entregará chips a un grupo selecto de clientes para "ampliar el mercado direccionable", y la compañía recurre a financiación circular y garantías al estilo Nvidia para asegurar demanda. Meta estudia comprar TPU por miles de millones desde 2027. Nvidia aún controla más del 90% del cómputo de IA.
Qué significa: el cuasimonopolio de Nvidia empieza a tener un competidor con producto propio, no solo nube. Más oferta de silicio a medio plazo presiona el coste del cómputo, el factor que hoy limita cuánto agente puede permitirse correr un builder.
GLM-5.2 se mide con Claude Opus 4.8 en coding agéntico a una quinta parte del precio
El análisis que trending hoy pone cara a cara al open-weights de Z.ai (lanzado la semana pasada) con Opus 4.8: GLM-5.2 queda detrás en lo más duro (SWE-bench Pro 62,1 frente a 69,2; ventaja clara de Opus en tareas largas de ingeniería), pero gana en AIME 2026 y Terminal-Bench 2.1 y se queda a un punto en FrontierSWE. Cuesta 1,4/4,4 $ por millón de tokens contra los 5/25 $ de Opus, con variante de 1M de contexto.
Qué significa: el mejor modelo abierto ya juega en la liga de los cerrados para coding agéntico a 5x menos coste. Para quien construye, abre la puerta a mover cargas no críticas a un open-weights y reservar Opus para lo difícil.
OpenAI y Boston Children's: la IA ayuda a diagnosticar a 18 niños con enfermedades raras que habían dejado perplejos a los médicos
OpenAI publica un trabajo con el Boston Children's Hospital donde sus modelos ayudaron a orientar el diagnóstico de 18 casos pediátricos de enfermedades raras que llevaban sin resolverse. No sustituye al médico: actúa como apoyo de razonamiento sobre historiales complejos para señalar hipótesis que se habían pasado por alto.
Qué significa: un caso de uso aplicado y verificable fuera de la burbuja del coding. Marca por dónde van a llegar los próximos despliegues serios de IA: dominios de alto valor donde el modelo aporta criterio sobre datos que ningún humano abarca solo.
De X / conversación social
3 piezasEl anuncio en primera persona: "Después de casi 9 años he decidido dejar Google DeepMind y unirme a Anthropic"
El propio Jumper cuenta la salida: agradece a DeepMind y a Hassabis "haberle dado una oportunidad real" liderando AlphaFold seis meses después de acabar el doctorado, y dice que se tomará un tiempo para recargar antes de empezar. El tuit que destapó la noticia del día, directo de la fuente.
Qué significa: la versión sin intermediarios del movimiento. Leer el hilo da el tono real del fichaje —gratitud, no ruptura— y sirve de termómetro de cómo se vive desde dentro la fuga de talento de DeepMind.
"¿Qué está pasando, sobre todo en Google?": la reacción al vaciado de DeepMind
Hilo de reacción con mucha tracción: enmarca la marcha de Jumper como "una pérdida brutal para Google y una victoria descomunal para Anthropic" y abre el debate sobre por qué el talento de primer nivel huye de DeepMind hacia las startups. Aterriza el patrón que se repite en 2026.
Qué significa: el pulso social del sector en una frase. El debate no es solo el fichaje, es el goteo: por qué los laboratorios cerrados grandes pierden gente y a quién beneficia. Contexto útil para entender el mapa de poder en IA.
La tesis del día: "Anthropic va a salir a bolsa a 2 billones de dólares"
Tras la oleada de fichajes, swyx lanza la lectura de mercado: la valoración que el sector empieza a poner sobre la mesa para una eventual IPO de Anthropic. El hilo conecta el imán de talento con la cifra que justificaría tanto movimiento de cerebros hacia la casa de Claude.
Qué significa: pone número a la intuición del día. Si el talento vota con los pies hacia Anthropic, el siguiente debate es cuánto vale eso —y qué implica para quien depende de su stack que el laboratorio que usa se prepare para los mercados.
Herramientas, repos y técnicas
4 piezasSkillSpector (NVIDIA): escáner de seguridad para las skills de tus agentes
NVIDIA publica un scanner que analiza skills de agentes antes de instalarlas y detecta vulnerabilidades y patrones maliciosos: 64 patrones en 16 categorías (inyección de prompts, exfiltración de datos, escalada de privilegios, tool poisoning de MCP…) con análisis estático más una capa opcional de LLM. Su propia investigación cifra en un 26% las skills con vulnerabilidades y un 5% con intención maliciosa probable.
Para qué sirve
pasar un filtro de seguridad a cualquier skill de Claude Code, Codex o Gemini CLI antes de meterla en tu flujo. El lado defensivo justo cuando las "agent skills" se han disparado como forma de construir con IA.
API to MCP: convierte cualquier API en un servidor MCP hospedado, en minutos
Producto recién lanzado que transforma APIs REST, GraphQL, SaaS o internas en servidores MCP que los agentes pueden usar: se construye visualmente desde un panel o dejando que un agente cree y pruebe las tools a partir de la documentación, con OAuth y auth segura para conectarlas a ChatGPT, Claude, Cursor o agentes propios.
Para qué sirve
exponer tus herramientas existentes a agentes sin escribir el servidor MCP a mano. Atajo directo para que tu app o tu CRM sean accionables desde un agente sin meses de fontanería.
Cuentas temporales de Cloudflare para agentes: desplegar sin login, sin signup, sin MFA
Con el nuevo flag --temporary de Wrangler, un agente puede desplegar un Worker a una cuenta preview efímera que vive 60 minutos sin que haya un humano que se registre antes; un humano puede reclamarla después para hacerla permanente, y si no se reclama, expira sola. Quita la fricción "humana" (browser, OAuth, tokens) que frenaba el bucle escribir → desplegar → verificar de los agentes.
Para qué sirve
dar a un agente un objetivo de despliegue desechable para que pruebe su propio output y decida si acertó. Patrón clave para loops autónomos sin abrir tu cuenta real ni claves permanentes.
GitHits: un "Google para código" que ataca las alucinaciones de los agentes de coding
Startup finlandesa que ha sacado la beta de su CLI: un índice de código público con consciencia de versión que aterriza las respuestas de la IA en implementaciones reales en vez de inventos del modelo. Levantó 1,75 M$ pre-seed (Vendep, Trind, y ángeles como el cofundador de LlamaIndex) y cita que hasta el 99% de los prompts con librerías ficticias disparan alucinaciones.
Para qué sirve
dar a tu agente contexto de código verificable —la versión exacta de una librería, una implementación real— para que deje de inventarse APIs. La verificación de lo que escribe la IA se está volviendo categoría propia.
Fin de la edición Nº 011