La semana en que se movió la plata y nadie lanzó un modelo

Entre el 16 y el 22 de agosto ningún laboratorio grande anunció un modelo frontera nuevo. El último, Gemini 3.7 Flash, salió el 13 de agosto, fuera de esta ventana. Lo que se movió fue capital y papeleo: un fabricante de chips garantizando el alquiler de su cliente, una startup de inferencia duplicando su valuación en un mes, una plataforma china publicando cuánto le cuesta realmente su negocio de modelos, y OpenAI bajando un precio con reloj mientras publicaba ocho anuncios en cuatro días, casi todos sobre reglas y no sobre capacidad.

La capa de cómputo se financia como si fuera inmobiliaria

El 17 de agosto NVIDIA informó, en un Formulario 8-K, que había firmado múltiples garantías de valor residual con SB Energy sobre alquileres por aproximadamente 4,25 gigavatios de carga de IT en el PORTS Technology Campus, en el condado de Pike, Ohio. El inquilino es una filial de OpenAI. La obligación de pago agregada de NVIDIA está topeada de manera acumulativa en US$105.000 millones para ese compromiso inicial, y la empresa puede aportar respaldo crediticio por unos 3,8 gigavatios adicionales a su sola discreción. El documento es preciso sobre la mecánica: si OpenAI cae en insolvencia o deja de pagar, NVIDIA cubre la diferencia entre un valor mínimo garantizado del alquiler y lo que se recupere con un inquilino de reemplazo o una venta. Sus obligaciones terminan si OpenAI consigue una calificación crediticia satisfactoria, y las condiciones de pago recién empezarían cuando los inmuebles estén listos para servicio, desde 2028.

El comunicado que acompañó al filing cuenta lo mismo en otro registro: NVIDIA asegurándose tierra, energía y estructura para sus propias fábricas de IA, más una inversión de US$1.500 millones en el capital de SB Energy junto a SoftBank y OpenAI. Las dos descripciones son correctas. Leídas juntas dicen que quien vende los aceleradores ahora garantiza las obligaciones inmobiliarias a veinte años de quien los compra.

Al día siguiente, Etched anunció US$700 millones liderados por Jane Street con una valuación de US$21.000 millones, con participación de Kleiner Perkins, Sequoia, Andreessen Horowitz, Tiger Global y Blackstone, entre otros. Dice que entregó su primer rack a Jane Street, que ya lo despliega en producción, y que tiene más de US$1.000 millones en contratos con clientes. Su propio comunicado señala que esto duplica una valuación fijada menos de dos meses antes. Son cifras provistas por la empresa en una ronda privada, no información auditada, y las afirmaciones de rendimiento sobre sus diseños Low Voltage Inference y Cluster Scale Memory vienen únicamente de Etched.

La capa de tokens mostró cuánto cuesta

El 20 de agosto Alibaba reorganizó su reporte por segmentos y separó por primera vez AI Labs and Applications: los laboratorios de modelos, la app de consumo Qwen y QwenWork. En el trimestre de junio ese segmento reportó RMB3.338 millones de ingresos (US$492 millones), 16% más, contra una pérdida de EBITA ajustado de RMB13.861 millones (US$2.043 millones), una pérdida 330% más ancha que un año antes. En el mismo documento, AI Cloud and Compute Services creció 45% en ingresos, hasta RMB48.437 millones, con EBITA ajustado 133% arriba.

Una sola empresa, dos negocios, signos opuestos. Vender cómputo es rentable y crece rápido. Regalar inferencia de consumo no lo es. Pocas plataformas grandes publican esa división con granularidad de segmento, y el número que publicó Alibaba es el tamaño del subsidio.

Lo de OpenAI del 21 de agosto rima con eso. GPT-5.6 Sol bajó a US$4 por millón de tokens de entrada y US$20 por millón de salida. El changelog lo describe como precio promocional disponible al menos hasta el 21 de noviembre de 2026. Un precio con vencimiento declarado es un instrumento de demanda, no evidencia de que servir el modelo se haya vuelto más barato. Si estás rehaciendo un modelo de costos este fin de semana, esa distinción es toda la historia: presupuestá la tarifa promocional para el trimestre y dejá la tarifa vieja en la planilla como escenario de respaldo.

Qué cambió de verdad para quien construye

Los cambios para desarrolladores fueron chicos y casi todos de plomería, pero conviene conectarlos ya:

• Un panel de prompt caching (20 de agosto) que muestra la tasa de aciertos de caché en el tiempo, lecturas de caché por escritura y la división entre tokens de lectura de caché, escritura de caché y sin cachear. Si venías estimando la eficiencia de caché mirando diferencias en la factura, ya no hace falta.
• Procesamiento regional por request (21 de agosto), seleccionable a través de un dominio con prefijo y una API key de un proyecto con geografía Global, manteniendo los requisitos vigentes de elegibilidad, retención, endpoint y soporte de modelos.
• Fondo transparente en preview para gpt-image-2 (20 de agosto), con salida png o webp; jpeg no está soportado.

Fuera de la API, Cursor lanzó Origin el 18 de agosto, una plataforma de hosting de código apuntada a lo que los desarrolladores hacen hoy en GitHub, con repos que pueden convivir con GitHub en vez de reemplazarlo y funciones "agent native" prometidas sin detalle. TechCrunch reportó que GitHub sufrió una degradación mundial prolongada ese mismo día. La página del anuncio de Cursor no era accesible desde nuestra redacción, así que estos detalles se apoyan en ese reporte y no en el posteo de la empresa. Google, por su lado, dijo el 20 de agosto que Gemma superó los mil millones de descargas acumuladas, con más de cien mil variantes publicadas por la comunidad, que mide distribución y no uso.

OpenAI dedicó la semana a escribir política. Anthropic no dijo nada.

Entre el 17 y el 20 de agosto, el feed de novedades de OpenAI publicó, en orden: nuevas ideas de política para la Era de la Inteligencia, The Defender's Window, un texto sobre marcar el ritmo del desarrollo de modelos en una era de capacidades críticas en ciberseguridad, otro sobre fortalecer el control democrático en seguridad nacional, ChatGPT for Teens, la expansión de ChatGPT Ads a mercados europeos, la oferta de Zero Data Retention para modelos frontera y AI Futures, un blog nuevo sobre cómo la IA transformadora podría reconfigurar el poder y la gobernanza. Dos de esos temas los cubrimos en detalle durante la semana: cómo OpenAI está regulando el ritmo del entrenamiento frontera tras la fuga del sandbox de evaluación en julio, y el posteo sobre Zero Data Retention y su preview de Private Safety Processing.

Es una empresa discutiendo las reglas mientras despacha una baja de precio y un producto para adolescentes, no discutiendo capacidad. Anthropic, en cambio, no publicó nada en su sala de prensa dentro de la ventana; su posteo más reciente sigue siendo el explicador del 14 de agosto sobre la marca de agua de texto de Claude. Es una observación sobre publicaciones, no sobre actividad.

Lo que no damos por cerrado

La ventana abrió con un reporte, publicado el 16 de agosto, de que Stripe había cerrado un acuerdo para comprar OpenRouter, el gateway de ruteo de modelos, por más de US$7.000 millones. OpenRouter levantó una Serie B de US$113 millones en mayo con una valuación reportada de US$1.300 millones y dice tener ocho millones de usuarios y acceso a más de 400 modelos, El relato se apoya en fuentes anónimas y un vocero de Stripe dijo que la empresa no comenta rumores ni especulaciones. Si ruteás tráfico a través de un gateway, quién es dueño de esa capa importa, pero nadie lo confirmó. Otros dos acuerdos muy comentados de esta semana se apoyaban en fuentes que no pudimos abrir, así que están ausentes acá en lugar de reportados a medias.

El hilo conductor

Para ser una semana sin lanzamiento de modelo, se decidió bastante. La capa que vende cómputo se está financiando con instrumentos prestados del negocio inmobiliario: alquileres a veinte años, garantías de valor residual, respaldo crediticio del proveedor, capital comprometido contra una demanda que llega en 2028. La capa que vende tokens absorbe el costo mientras tanto, de manera visible en el caso de Alibaba e implícita en el descuento con fecha de OpenAI. La variable de esta semana no fue la capacidad. Fue quién carga con el riesgo.