Tres laboratorios llegaron a US$2/US$10 esta semana. Las diferencias se mudaron a la letra chica.

Tres grandes laboratorios de IA terminaron esta semana en el mismo precio. Claude Sonnet 5.5 de Anthropic (28 de septiembre), GPT-6.1 Sol de OpenAI (29 de septiembre) y la tarifa introductoria de Gemini 4 Argon de Google (30 de septiembre) cotizan a US$2 por millón de tokens de entrada y US$10 por millón de salida. Dos son modelos de gama media que se venden como casi-flagship; el tercero es el nuevo modelo frontier de Google con descuento de lanzamiento. El precio dejó de ser lo que los diferencia. Lo que los diferencia ahora está en la letra chica: comportamiento de la API, niveles de velocidad, límites de salida y quién accede primero.

Mismo precio, distinta factura de migración

Los números de portada se comparan fácil. El costo de cambiar de modelo, no.

• Sonnet 5.5 mantuvo el precio de Sonnet 5 y, según las pruebas de Anthropic, genera salida más de 30% más rápido y cuesta hasta 30% menos por tarea. Pero sus notas de migración listan cambios que rompen código: el uso forzado de herramientas (`tool_choice` con `any` o `tool`) y `thinking: disabled` ahora devuelven un 400. El truco habitual de forzar una sola llamada a una herramienta para obtener JSON deja de funcionar.
• GPT-6.1 Sol repite los US$2/US$10 de GPT-6 Sol pero baja a la mitad la entrada cacheada, a US$0,10, según la página de precios de OpenAI. OpenAI dice que rinde cerca de GPT-6 Astra, que cuesta US$10/US$50; esa afirmación se apoya en evaluaciones de la propia OpenAI. El mismo día, el changelog de OpenAI sumó un nivel Ultrafast para Astra que reduce el tiempo entre tokens de salida, a US$60 de entrada y US$300 de salida por millón, seis veces la tarifa estándar.
• Gemini 4 Argon es la excepción. El anuncio de Google fija un precio introductorio de US$2/US$10 que sube a US$4/US$20 después de un período no especificado, y un límite de 1 millón de tokens de salida. Pero primero llega a defensores de ciberseguridad del Programa Fairwind de Google. Google no dio fecha para el acceso de desarrolladores.

En conjunto: la tarifa por token ya no es donde se decide. El costo total por tarea depende de cuántos tokens consume el modelo, de qué tan bien pegan en caché los prefijos de tus prompts y de si pagás extra por latencia. Los equipos que copian configuraciones de un modelo a otro (llamadas forzadas a herramientas, niveles de esfuerzo, topes de salida pensados para 64K) se van a encontrar con las roturas antes que con el ahorro. La única comparación confiable es correr tus propias tareas en cada modelo.

Los límites se movieron fuera del modelo, y fuera de la ley

Un segundo hilo atravesó la semana: quién pone límites a sistemas cada vez más autónomos, y cómo.

La respuesta de NVIDIA, el 28 de septiembre, fue de arquitectura. Su Open Agent Safety Platform combina OpenShell, un runtime open source que aísla agentes y controla sus acciones contra una política, con Sentry, un watchdog en DPUs BlueField-4 que, según NVIDIA, puede poner en cuarentena en milisegundos a un agente que se sale de su perímetro. La premisa es que el modelo y su harness no deberían ser la última línea de defensa.

La respuesta de Washington, el 29 de septiembre, fue un compromiso firmado. Según TechCrunch, el presidente Trump y líderes de grandes empresas de IA firmaron un "Joint Commitment on Frontier Responsibilities" que pide controles internos y supervisión independiente de los modelos frontier. Es voluntario y no parece tener consecuencias legales si alguien lo incumple. TechCrunch también informa una orden ejecutiva que indica a las agencias decir "superinteligencia" o "SI" en lugar de "inteligencia artificial". Promptea no pudo abrir el texto de la Casa Blanca desde nuestro entorno de investigación, así que no describimos sus disposiciones más allá de esa cobertura.

Google, mientras tanto, dijo que los defensores habilitados en Fairwind y sus equipos internos van a usar Argon sin las salvaguardas de ciberseguridad. Es la misma pregunta vista desde el otro lado: capacidad liberada con menos límites para usuarios verificados, y el resto esperando. Leídos juntos, los límites de la semana son sobre todo autoimpuestos, ya sea en código, en hardware o en un compromiso firmado.

A dónde fueron la plata y el hardware

• AMD acordó comprar World Labs, la startup de modelos de mundo de Fei-Fei Li, por US$8.200 millones, informó TechCrunch el 28 de septiembre. Li pasa a ser EVP y chief scientist de AMD; se espera que la operación cierre antes de fin de año, sujeta a aprobación regulatoria. Que un fabricante de chips compre un laboratorio de modelos dice que las cargas de trabajo ya definen las hojas de ruta del silicio.
• Barclays dijo que espera que Claude Code llegue al 50% de sus desarrolladores a fines de 2026, según el anuncio de Anthropic. Es una meta. Lo que ya funciona es un asistente interno usado por más de 16.000 empleados y un pipeline que clasifica unos 120.000 correos por día.
• Anthropic comprometió US$100 millones el 2 de octubre para una Claude Frontier Academy que busca formar 10.000 ingenieros de despliegue a fines de 2027, con socios como Accenture, Deloitte y McKinsey. El cuello de botella que está pagando por resolver no son los modelos sino la gente que sabe ponerlos en producción.
• Ai2 publicó Olmo-core 3, un stack abierto de entrenamiento MoE que probó por encima del billón de parámetros (con ruteo aleatorio: una prueba de sistemas, no un modelo entrenado).
• NVIDIA anunció un DGX Spark de 64GB para IA local, desde US$4.999 a través de seis fabricantes de PC a partir del 23 de octubre.

Qué deja la semana

El costo de la inteligencia de nivel casi frontier cayó en una misma franja esta semana, y los laboratorios ahora compiten por comportamiento, latencia y acceso más que por precio de lista. Para quien elige modelo, eso mueve el trabajo de leer páginas de precios a correr evaluaciones y leer guías de migración. Del lado de la gobernanza, la semana produjo más mecanismos que las empresas se aplican a sí mismas que obligaciones que alguien les pueda exigir.