⚡ Bit 1 — OpenAI: $852B de valoración, $2B/mes de revenue... y pierde dinero
Los números de OpenAI son de ciencia ficción — pero no de la buena. Acaban de cerrar una ronda de $122B a una valoración de $852 mil millones, con SoftBank, Amazon, Nvidia y Microsoft adentro. Generan $2B al mes en revenue y el 40% ya viene de enterprise.
El problema: gastan $1.50 por cada $1 que ganan. En 2025 facturaron $13B pero perdieron $9B. Sus propias proyecciones para 2026 muestran pérdidas de $14B. Mientras tanto, mataron Sora (costaba ~$15M/día de operación), compraron un podcast por cientos de millones (TBPN), y preparan un IPO para finales de año con meta de $1T de valoración.
La pregunta incómoda: ¿es OpenAI una empresa de AI o una máquina financiera que hace AI como excusa? A $852B de valoración sin ser rentable, el único camino es crecer exponencialmente o colapsar. No hay término medio. Para devs en LATAM, la lección es clara: no construyas tu stack dependiendo de una sola empresa cuyo modelo de negocio aún no cierra.
⚡ Bit 2 — Anthropic lanza Managed Agents y publica framework de agentes confiables
Doble movimiento de Anthropic esta semana. El 8 de abril lanzaron Claude Managed Agents en beta pública: infraestructura fully managed para correr agentes autónomos sin construir ni mantener el stack técnico. Defines tu agente en lenguaje natural o YAML, le pones guardrails, y Anthropic maneja el sandboxing, estado, credenciales y recovery. Costo: uso del modelo + $0.08/hora de runtime. Notion, Rakuten y Asana ya lo están usando.
Al día siguiente publicaron su paper sobre agentes confiables, detallando cómo balancean autonomía con seguridad — incluyendo las 5 capas: control humano, alineación con valores, seguridad de interacciones, transparencia y privacidad.
Mientras todos hablan de agentes, Anthropic juega el juego largo: no solo vende el modelo, te vende la infraestructura para que corran de forma segura. Es el "AWS moment" de los agentes — y el framework de seguridad publicado les da credibilidad que otros no tienen.
⚡ Bit 3 — Google crea un sistema de 5 agentes que escribe papers científicos en 40 minutos
Google AI Research presentó PaperOrchestra, un framework multi-agente que toma notas de laboratorio y resultados crudos y los convierte en un manuscrito LaTeX completo — con literatura revisada, figuras generadas y citas verificadas vía Semantic Scholar API.
Son 5 agentes especializados trabajando en secuencia: uno estructura el outline, otro genera gráficos, otro busca y verifica papers citables, otro escribe el LaTeX, y el último refina el draft con feedback de peer-review simulado. El pipeline completo hace ~70 llamadas a LLM y termina en promedio en 39.6 minutos. En evaluaciones humanas, superó a los baselines por márgenes del 50-68% en calidad de literature review.
La automatización del paper writing ya no es ciencia ficción — es un pipeline con 5 agentes y 40 minutos de cómputo. Las implicaciones son enormes: desde acelerar investigación legítima hasta inundar journals con papers generados. La pregunta no es si esto cambia la academia — es cuánto tiempo tardan las instituciones en reaccionar.
🔗 Links Rápidos
→ PaperOrchestra (Google AI Research): Sistema multi-agente que convierte notas de laboratorio en un manuscrito LaTeX completo con citas verificadas. 5 agentes especializados, ~40 minutos por paper. Fuente
→ OpenAI discontinúa Sora: El generador de video cierra el 26 de abril. Costaba ~$1M/día para operar y perdió la mitad de sus usuarios. La app y API se van — y ChatGPT también pierde generación de video. Fuente
→ AutoKernel (RightNow AI): Framework open-source que usa un agente LLM para optimizar kernels GPU automáticamente. Le das un modelo PyTorch antes de dormir, amaneces con Triton kernels hasta 5x más rápidos. Fuente
PD: Este domingo llega el primer Issue Semanal — una guía completa de MCP en producción: los 10 errores que van a tumbar tu server y cómo evitarlos. Si estás construyendo con agentes, no te la puedes perder.
— BitNeuronal