Café con IA – 29 de julio de 2026
Bienvenido a tu dosis diaria de Inteligencia Artificial.
En la edición de hoy
Moonshot AI libera los pesos completos de Kimi K3, el modelo de código abierto más grande de la historia.
Nvidia invierte hasta 5.000 millones de dólares en Safe Superintelligence, el laboratorio de Ilya Sutskever.
Los AI Overviews de Google ya aparecen en el 43% de las búsquedas, y los grandes medios estudian represalias.
Sam Altman visita la Casa Blanca para presentar el modelo más avanzado de OpenAI a altos funcionarios.
Anthropic publica su guía oficial de prompting para Claude Opus 5.
Noticias destacadas
Moonshot AI libera los pesos completos de Kimi K3: el modelo abierto más grande de la historia
Moonshot AI ha publicado los pesos del modelo y el paper técnico de Kimi K3, haciéndolo disponible para investigación, uso personal y despliegue comercial. Se trata del modelo de pesos abiertos más grande jamás lanzado. Debutó hace once días con una demanda tan masiva que el laboratorio tuvo que suspender temporalmente las nuevas suscripciones. Su adopción generalizada podría aumentar la presión competitiva sobre los grandes laboratorios estadounidenses.
Nvidia invierte hasta 5.000 millones de dólares en Safe Superintelligence, el laboratorio secreto de Ilya Sutskever
Nvidia ha confirmado una inversión de hasta 5.000 millones de dólares en Safe Superintelligence (SSI), la startup fundada por el ex científico jefe de OpenAI, Ilya Sutskever, tras verificar que el laboratorio cuenta con investigación “que merece ser escalada”. El movimiento refuerza la apuesta de Nvidia por el desarrollo de IA de frontera más allá de sus propios chips y consolida su posición como actor estratégico en el ecosistema de la IA.
Nvidia lidera la Open Secure AI Alliance, una coalición de IA abierta para la ciberseguridad
Junto a su inversión en SSI, Nvidia encabeza la recién creada Open Secure AI Alliance, una iniciativa que promueve el uso de la IA de código abierto como activo de ciberseguridad. La coalición surge en un contexto de creciente preocupación por los riesgos cibernéticos asociados a la IA, y llega poco después de que el modelo más avanzado de OpenAI fuera utilizado para hackear Hugging Face.
Sam Altman visita Washington para presentar el modelo más poderoso de OpenAI a altos funcionarios
El CEO de OpenAI se dirige a la Casa Blanca esta semana para mostrar en primicia su modelo más avanzado a representantes del gobierno estadounidense. La visita llega mientras la administración Trump sigue definiendo su postura regulatoria oficial sobre IA, aunque ya firmó en junio una orden ejecutiva que establece una ventana voluntaria de 30 días para revisar nuevos modelos antes de su lanzamiento.
Los AI Overviews de Google ya aparecen en el 43% de las búsquedas y amenazan el modelo de negocio de los grandes medios
En apenas un año, los resúmenes generados por IA de Google han pasado de aparecer en el 15% de las búsquedas al 43%, respondiendo consultas sin necesidad de que el usuario visite ningún sitio web. Esto ha provocado una caída significativa del tráfico para los grandes medios de comunicación, que ahora se plantean cortar el acceso de Google a sus contenidos.
Reuters, USA Today y Politico se plantean bloquear a Google por el impacto de su IA en sus tráficos
Según informa el Wall Street Journal, varios grandes editores —entre ellos Reuters, USA Today, Politico y People— están debatiendo cortar el acceso de Google a sus contenidos. El argumento es claro: si Google ya no les envía tráfico gracias a sus resúmenes de IA, ¿por qué permitirle seguir entrenando sus modelos con sus artículos de forma gratuita? El CEO de USA Today lo resume así: “Es hora de plantarse y decir basta.”
Reddit reconsideraría no renovar su acuerdo de 60 millones de dólares con Google para entrenar IA
Reddit y Google cerraron en 2024 un acuerdo de licencia anual por 60 millones de dólares que permitía al buscador entrenar sus modelos de IA con los hilos de la plataforma. Ahora, Reddit estaría evaluando no renovarlo, ya que sus directivos no perciben un valor real del acuerdo. Este movimiento se enmarca en la creciente tensión entre los creadores de contenido y las plataformas de IA que se nutren de él.
Anthropic publica una guía oficial de prompting para Claude Opus 5
Anthropic ha lanzado una guía detallada de prompting específicamente diseñada para su modelo más avanzado, Claude Opus 5. El documento recoge estrategias y mejores prácticas para sacar el máximo rendimiento al modelo, y se convirtió en la noticia más clicada del día anterior entre los lectores de la newsletter Superhuman.
Apps del día
Spinach AI
Herramienta de notas automáticas para reuniones que graba, transcribe y resume en más de 100 idiomas. Destaca por sus conectores oficiales con Claude y ChatGPT, lo que permite alimentar directamente a los LLMs con el contexto de tus reuniones. También sincroniza tareas con herramientas como Jira, Linear o Asana, actualiza CRMs (HubSpot, Salesforce) y publica resúmenes en Slack, Notion o Google Docs. Respaldada por Y Combinator, Zoom y Atlassian.
Precio: No especificado.
Kit For AI
Convierte PDFs y páginas web en Markdown limpio y optimizado para flujos de trabajo con LLMs. Ideal para preparar documentación que se usará como contexto en modelos de lenguaje.
Precio: No especificado.
ContentIQ
Plataforma para verificar la veracidad de los hechos antes de redactar artículos, aportando fuentes citadas. Una herramienta útil para periodistas, redactores y creadores de contenido que quieren garantizar la precisión de su trabajo con respaldo de IA.
Precio: No especificado.
StaffingLeads
Genera leads de contratación en tiempo real para profesionales del sector del reclutamiento. Pensada para recruiters que necesitan identificar oportunidades de negocio de forma ágil y automatizada.
Precio: No especificado.
Glean
Plataforma de IA empresarial que va más allá del chatbot convencional, permitiendo construir agentes gobernados y listos para producción. Reconocida por Gartner en su Emerging Market Quadrant como “Market Shaper” en el segmento de constructores de agentes sin código. Orientada a grandes organizaciones que necesitan sistemas de IA seguros, controlados y escalables.
Precio: No especificado.
Imagen del día
Prompt: A brutalist labyrinth of overlapping municipal buildings and water towers seen in harsh midday summer heat, rendered as an experimental mixed-media collage that fuses slightly faded 1970s documentary photography with torn paper, masking tape, scribbled pencil plans and smeared house paint. Dominant colors: dull mustard yellow, institutional mint green, and sun-bleached terracotta, with occasional charcoal gray accents. Overhead oblique angle as if from a nearby rooftop, perspective slightly skewed and fragmented by cut-and-paste edges, misaligned windows, and taped-on photo scraps. Lighting is flat and oppressive, no dramatic shadows, just chalky, overexposed sunlight that washes out certain taped fragments and makes others look underexposed, with visible scanner dust, fold lines and accidental fingerprints across the surface.
Prompt del día
Copia y pega este prompt:
<code>Título: Planificador semanal inteligente con IA
Prompt del Día:
Actúa como un asistente experto en productividad y planificación semanal. Tu tarea es ayudarme a diseñar una agenda realista y priorizada para la semana del [fechas de la semana], teniendo en cuenta:
1) Mis objetivos principales: [escríbelos aquí]
2) Compromisos fijos (reuniones, clases, citas): [lista aquí]
3) Bloques de tiempo disponibles cada día: [describe horarios aquí]
4) Hábitos que quiero construir o mantener (ej. ejercicio, lectura): [lista aquí]
Instrucciones para la IA:
1. Haz primero entre 5 y 8 preguntas breves para aclarar mi contexto (tipo de trabajo, nivel de energía según la hora, responsabilidades familiares, margen para imprevistos, etc.).
2. Con mis respuestas, diseña un plan semanal en formato tabla Markdown con las columnas: Día, Mañana, Tarde, Noche, Prioridad del día, Tiempo reservado para imprevistos.
3. Marca con **P1**, **P2** y **P3** las tres tareas más críticas de toda la semana y explica en 1–2 frases por qué son prioritarias para mí.
4. Limita las tareas importantes a un máximo de 3 por día y distribuye el resto en tareas secundarias, indicando claramente cuáles son de foco profundo y cuáles de baja energía.
5. Añade 5–7 reglas prácticas para seguir el plan (por ejemplo: duración máxima de la jornada, horarios de descanso, cómo reagendar cuando surjan imprevistos).
6. Señala cualquier conflicto entre mis objetivos y el tiempo disponible, proponiendo alternativas realistas (reducir alcance, mover tareas, delegar).
7. Termina pidiéndome feedback sobre el plan y sugiere una “versión 2” opcional incorporando mis ajustes o preferencias.
Criterios y estilo de respuesta:
- Adapta el plan a aproximadamente [n] horas al día de trabajo profundo y [m] horas de tareas ligeras.
- Usa un tono claro, práctico y realista; evita sobrecargar los días.
- Si detectas que estoy siendo demasiado ambicioso, explícalo con empatía y ofrece una versión más sostenible del plan.
Explicación de Uso:
Copia este prompt en tu modelo de IA favorito, rellena los campos entre corchetes y responde con detalle a las preguntas iniciales que te haga la IA. Obtendrás un plan semanal en formato tabla, con prioridades claras, límites saludables y reglas de mantenimiento, que podrás ajustar fácilmente a través de la “versión 2” que la propia IA te propondrá.</code>
Truco del día
Claude Code: genera tests automatizados para cualquier funcion en tres pasos
Paso 1. Abre Claude Code en tu terminal y navega hasta el archivo que contiene la funcion que quieres cubrir. Escribe el siguiente comando de apertura de contexto: /add-file ruta/a/tu/archivo.py. Esto carga el codigo directamente en el contexto del agente sin necesidad de copiar y pegar nada a mano.
Paso 2. Lanza la instruccion de generacion de tests. Escribe en el chat: “Genera un conjunto completo de tests unitarios para la funcion [nombre de la funcion] usando pytest. Incluye casos limite, entradas invalidas y al menos un caso de exito evidente. Explica brevemente cada test con un comentario de una linea.” Claude Code analizara la funcion, inferira su comportamiento esperado y escribira los tests directamente en un archivo nuevo o en el existente segun le indiques.
Paso 3. Revisa y ejecuta. Antes de aceptar los cambios, Claude Code te mostrara un diff con todos los tests propuestos. Revisalos, aprueba los que te convenzan con /accept o pide ajustes con lenguaje natural (”elimina el test de entrada vacia y añade uno con valores negativos”). Una vez aceptados, ejecuta pytest desde el mismo terminal para verificar que todo pasa en verde sin salir del flujo de trabajo.
Por que funciona: al mantener el contexto del archivo cargado durante toda la sesion, Claude Code no pierde informacion entre pasos y puede refinar los tests iterativamente hasta que el resultado sea exactamente el que necesitas.
Dato curioso
Entrenar un modelo de IA de ultima generacion puede consumir tanta agua dulce como la que usa una ciudad pequena: un estudio de la Universidad de Cornell estima hasta 700.000 litros para modelos tipo GPT-3.
Comentarios
Aún no hay comentarios. ¡Sé el primero en comentar!