Esta semana se conocieron los costos de la IA de frontera, y sus modelos más fuertes siguieron restringidos

Entre el 25 y el 31 de octubre pasaron tres cosas a la vez. Los costos de la IA de frontera aparecieron en documentos regulatorios y reportes de resultados. Los modelos nuevos más capaces llegaron primero a grupos seleccionados. Y los modelos que un desarrollador puede contratar hoy se abarataron y se abrieron. No son historias separadas: los laboratorios gastan más, restringen más el acceso a sus sistemas más potentes y compiten más fuerte en precio en el escalón de abajo.

La cuenta de la frontera se hizo pública

El S-1 de Anthropic, presentado el 26 de octubre, mostró por primera vez números auditados de un laboratorio de frontera. Los ingresos del primer semestre de 2026 fueron US$16.290 millones, contra US$1.160 millones un año antes. El cómputo y la infraestructura costaron US$8.950 millones en esos mismos seis meses. Anthropic pidió cotizar sus acciones Clase A en Nasdaq con el símbolo ANT. Una LLC de los fundadores tendría el 50,1% del poder de voto total, así que los accionistas externos no controlarían la empresa.

Un día después, la hoja de términos de precio de Meta subió su colocación de acciones comunes a US$25.000 millones, a US$625 por acción. La acompañó una emisión de preferidas convertibles obligatorias con la que espera recaudar unos US$12.500 millones netos. NVIDIA dijo que va a invertir US$3.000 millones en la colocación de Meta y ampliar el trabajo conjunto en los modelos Muse. El 28 de octubre, Microsoft informó ingresos de US$92.300 millones en su primer trimestre fiscal, un 19% más. Azure creció 48%, a US$33.200 millones, y las altas de propiedad y equipos fueron de US$39.400 millones en el trimestre.

Juntos, estos documentos dicen una sola cosa. Anthropic gastó en cómputo más de la mitad de lo que facturó. Meta sale a buscar decenas de miles de millones de dólares en capital nuevo, con NVIDIA entre los compradores. Y Microsoft ya gasta por trimestre en equipos más de lo que factura Azure. Cueste lo que cueste cada token, estos modelos se construyen sobre un gasto de capital que muy pocas empresas pueden igualar.

Los modelos más fuertes llegaron con acceso restringido

Google DeepMind anunció Gemini 4 Carbon el 28 de octubre. Google dice que es primero en la versión 5.0 del Artificial Analysis Intelligence Index, con 59 puntos. Pero lo libera primero a un subconjunto de defensores de ciberseguridad, y después, por etapas, a más socios de confianza. No dio fecha de acceso general para desarrolladores. The Decoder informa que el modelo además pasa por las pruebas voluntarias previas al lanzamiento del gobierno de EE.UU. El 30 de octubre, el changelog de la API de OpenAI sumó GPT-6 Rosalind, un modelo para investigación biológica que solo pueden usar organizaciones aprobadas en un programa de acceso de confianza. Genie 4, el modelo de mundos en tiempo real de DeepMind, salió el 27 de octubre como vista previa de investigación, solo para testers de confianza.

El acceso restringido no es nuevo, pero esta semana fue la norma para los sistemas de frontera. Primero se anuncian sus capacidades, después se habilitan para usuarios elegidos y recién más tarde, si es que pasa, se liberan para todos. Los laboratorios justifican la restricción por riesgos cibernéticos y biológicos. Desde afuera eso no se puede verificar, y tampoco el liderazgo en benchmarks que Google reporta para Carbon, que sale de su propio anuncio.

Debajo de la frontera: más barato y más abierto

El escalón que los desarrolladores sí pueden usar fue para el otro lado. OpenAI lanzó GPT-6.1 Terra el 26 de octubre, para uso de computadora, razonamiento visual y escritura. Su documentación indica US$1 por millón de tokens de entrada, US$0,05 la entrada en caché y US$5 la salida. La ventana de contexto es de 1,05 millones de tokens, con hasta 922.000 de entrada y 128.000 de salida. Para llamar herramientas hay que usar la Responses API. El 28 de octubre, el changelog agregó que los suscriptores elegibles de ChatGPT Pro y Business pueden pedir hasta US$500 por mes en créditos de API vinculando una organización de API propia.

El 29 de octubre, Mistral publicó los pesos de Mistral Large 4, tres semanas después de su vista previa pública. La ficha del modelo describe un Mixture-of-Experts de alrededor de 1 billón de parámetros, con 49.000 millones activos por token. La licencia es una MIT modificada. Cualquiera puede usar, modificar y comercializar el modelo, salvo las empresas que lo venden como servicio alojado, que necesitan una licencia aparte. La API alojada de Mistral cobra US$0,70 por millón de tokens de entrada y US$2,10 por millón de salida.

Para elegir modelo, la brecha se agranda. Los modelos con mejores resultados según sus propios fabricantes son los más difíciles de conseguir. Los que podés desplegar esta semana son cada vez más baratos y, en el caso de Mistral, los podés correr en tu propia infraestructura. Para la mayoría de las tareas de agentes y de código, conviene probar los modelos tipo Terra y los de pesos abiertos con tus propias tareas antes de esperar un acceso restringido.

Reglas y mantenimiento

OpenAI publicó una nueva versión de su Model Spec, fechada el 29 de octubre. Se organiza en torno a cinco valores centrales: ser fiel a la intención humana, minimizar el daño, ser honesto y transparente, facilitar la agencia humana y actuar con cuidado. Si escribís prompts de sistema para modelos de OpenAI, el Spec define el orden en que se resuelven las instrucciones que se contradicen, así que vale la pena releerlo. Aparte, como estaba previsto, las evals existentes de OpenAI pasaron a ser de solo lectura el 31 de octubre. Según la página de deprecaciones, el panel y la API de Evals se apagan el 30 de noviembre, así que los equipos que todavía los usan tienen un mes para exportar.

Hubo un hito de infraestructura que se destacó. Google dijo que el satélite prototipo de Project Suncatcher corrió un prompt en su modelo Gemma 4 a bordo y devolvió la respuesta a tierra. Es una prueba de ingeniería, no capacidad nueva que alguien pueda usar.

Qué llevarse para la semana que viene

Esta semana no tuvo un único lanzamiento estrella. Lo que sí tuvo fue información: sobre cuánto cuesta la IA de frontera y sobre cómo se raciona el acceso a los modelos más capaces. La conclusión práctica es medir contra lo que realmente podés desplegar. Tomá los puestos en rankings que no podés reproducir vos mismo como afirmaciones, no como resultados.