Anoche, Silicon Valley vivió la batalla de los dioses de la IA

Autor: Max, 01 Founder

Editor: Max

Anoche ocurrieron tres grandes acontecimientos en Silicon Valley.

Google lanzó Gemini 3.8 Flash, Meta lanzó Muse Spark 1.3 y una startup de la que nadie había hablado antes, Mostik, apareció en una entrevista exclusiva del prestigioso medio WIRED.

Si solo nos fijamos en las dos primeras, parece otra noche más de récords en IA.

Google acababa de colocar a Gemini en lo más alto de DeepSWE y, unas horas después, Meta anunció una puntuación aún mayor. El título de número uno del mundo apenas duró unas horas.

En 2026, este tipo de cosas ya casi nos deja indiferentes.

Se lanza un modelo, se baten récords, se celebra en X durante unas horas y luego se espera a que la siguiente empresa lo supere.

Pero si conectamos los tres acontecimientos de anoche, creo que lo realmente importante no está en esas clasificaciones.

La economía de la IA está sufriendo una mutación.

En los últimos años, al hablar del coste de la IA, la cifra que más mirábamos era el precio por millón de tokens.

Pero desde la aparición de los agentes, esta forma de medir se está quedando cada vez más corta.

En el futuro, la pregunta importante quizá no sea «cuánto cuesta un millón de tokens», sino cuánto cuesta corregir un bug, completar una investigación o tener a un agente trabajando tres horas seguidas.

Y anoche, el coste de la inferencia cayó simultáneamente desde varias direcciones completamente distintas.

Google está metiendo capacidades de nivel frontera en modelos cada vez más baratos, Meta está consiguiendo que los agentes completen la misma tarea con menos tokens y menos llamadas a herramientas, y Mostik va un paso más allá y empieza a cuestionar:

Si ambos interlocutores son IA, ¿por qué los modelos necesitan comunicarse en un lenguaje diseñado para humanos?

PARTE 01: Gemini contraataca

Empecemos por Google.

Google lanzó su nuevo modelo insignia, Gemini 3.8 Flash, que describen oficialmente como su modelo de razonamiento y código más potente hasta la fecha.

Es también la tercera actualización de la serie Flash en seis semanas, pasando de la 3.6 a la 3.7 y ahora a la 3.8.

La imagen que siempre había dado Flash era muy simple: más rápido y más barato, pero con capacidades algo inferiores a las del modelo más potente.

Google está cambiando poco a poco esa definición.

La mejora principal del 3.8 Flash se centra en la codificación de horizonte largo y los flujos de trabajo agénticos.

En DeepSWE v1.1, que mide la capacidad de ingeniería de software de largo recorrido de la IA, obtuvo una puntuación de aproximadamente el 74%.

La gran diferencia entre DeepSWE y los benchmarks de código tradicionales es que no se le plantea al modelo un problema algorítmico, sino que se introduce al agente en un repositorio de código real.

El modelo debe entender el problema, buscar en el código, modificar archivos, invocar herramientas, ejecutar pruebas y, si falla, seguir buscando la causa.

Una tarea completa puede durar decenas o incluso cientos de pasos.

En este tipo de pruebas, Gemini 3.8 Flash llegó a ser número uno del mundo.

Claude Opus 5 también ronda el 74%, GPT-5.6 Sol el 73% y el anterior líder, Fable 5, el 70%.

Si solo miramos la capacidad, ya no hay una diferencia enorme entre estos modelos punteros.

Lo realmente aterrador es otra cifra: el dinero.

El precio de lanzamiento de la API de Gemini 3.8 Flash se mantiene en 0,75 dólares por millón de tokens de entrada y 3,75 dólares por millón de tokens de salida.

Completar una tarea entera en DeepSWE cuesta de media solo 2,36 dólares.

En comparación, Claude Opus 5, con un 74% similar, tiene un coste medio por tarea de 11,84 dólares; GPT-5.6 Sol, con un 73%, cuesta de media 6,46 dólares.

Es decir, para un mismo nivel de capacidad de ingeniería de software, el coste de ejecución ya puede variar varias veces.

Esto será muy importante en la era de los agentes.

En la era de los chatbots, que una respuesta cueste unos céntimos más o menos es algo que el usuario normal apenas percibe.

Pero con los agentes es completamente distinto: un agente de código puede ejecutar 100 pasos seguidos, un agente de investigación puede buscar en decenas de páginas web y leer cientos de páginas de datos, y en el futuro los agentes empresariales podrían trabajar durante horas sin parar.

Google incluso menciona que el 3.8 Flash, ante tareas complejas, se esfuerza más de forma proactiva y realiza más razonamiento y llamadas a herramientas.

Google no ha hecho que el modelo «piense menos» para ahorrar dinero, sino que, como los tokens ya son suficientemente baratos, puede permitirse ejecutar bucles más largos.

Por eso creo que lo realmente importante del 3.8 Flash no es que haya vuelto a ser número uno del mundo.

Es que está metiendo a la fuerza capacidades que antes solo ofrecían los modelos frontera más caros en el rango de precios de Flash.

PARTE 02: Tres horas y media después, Meta contraataca

Justo cuando el equipo de Google celebraba el lanzamiento de Gemini 3.8 Flash, Meta contraatacó de repente.

Meta lanzó por sorpresa el modelo Muse Spark 1.3.

Según las evaluaciones publicadas por Meta, Muse Spark 1.3 alcanzó un 75,4% en DeepSWE v1.1.

Esta cifra supera a Gemini 3.8 Flash, Claude Opus 5 y GPT-5.6 Sol.

Más impresionante aún: Muse Spark 1.2 solo lograba alrededor del 55% en esta prueba.

De la 1.2 a la 1.3, una actualización menor supuso una mejora directa de unos 20 puntos porcentuales.

Pero creo que lo realmente interesante de Meta tampoco es ese 75,4%.

Hay otras dos cifras: una reducción de las llamadas a herramientas de aproximadamente el 20% y del consumo de tokens de aproximadamente el 25%.

Es fácil pasar esto por alto, pero en realidad se acerca mucho a la cuestión más importante una vez que los agentes se comercialicen de verdad.

Muchas veces, lo que más dinero desperdicia un agente no es el razonamiento normal, sino las desviaciones.

Por ejemplo, si un agente de código malinterpreta los requisitos en el paso 20, puede seguir modificando cinco archivos, ejecutar tres rondas de pruebas, buscar en un montón de código y solo al final darse cuenta de que iba por mal camino, para entonces volver a empezar desde cero.

Decenas de llamadas a herramientas y decenas de miles de tokens tirados a la basura.

Así que, si un modelo es capaz de detectar antes la ambigüedad de una tarea, darse cuenta antes de que no puede continuar o preguntar antes al usuario, en la práctica está reduciendo costes directamente.

Muchas de las capacidades que refuerza Muse Spark 1.3 son de este tipo: puede mantener varios flujos de trabajo a la vez en hilos largos, pregunta de forma proactiva ante tareas ambiguas, pide ayuda cuando no puede resolver un problema, confirma antes de realizar operaciones irreversibles y, tras muchas rondas de ejecución de tareas largas, es menos propenso a olvidar las restricciones iniciales.

Meta incluso empieza a destacar el conocimiento que tiene el modelo de los límites de su propia capacidad: sabe lo que sabe hacer y también lo que no sabe hacer.

En la era de los chatbots, estas capacidades quizá no sean tan atractivas como subir 20 puntos en un benchmark, pero en la era de los agentes se pueden traducir directamente en dinero.

Cada error que evita un agente es en sí mismo una optimización del razonamiento.

Así que, si juntamos a Google y a Meta, la unidad de medida de la competencia entre grandes modelos está cambiando silenciosamente.

En el futuro, quizá nos importe cada vez menos «cuánto cuesta un millón de tokens» y cada vez más otra cifra:

cuánto cuesta ejecutar una tarea real de principio a fin.

PARTE 03: Mostik, un avance disruptivo

Si Google y Meta siguen investigando cómo completar tareas con tokens más baratos y en menor cantidad, Mostik empieza a tocar una cuestión aún más fundamental:

¿Por qué tienen que existir esos tokens?

Mostik significa «puente» en ruso.

La CEO, Sasha Malysheva, es la principal desarrolladora de este método, y su científico jefe es Stanislav Smirnov, profesor de la Universidad de Ginebra y ganador de la Medalla Fields en 2010.

Están intentando hacer algo que suena muy simple pero que en realidad es extremadamente difícil: que dos modelos de IA dejen de comunicarse entre sí mediante lenguaje natural.

Hoy en día, la mayoría de los sistemas multiagente funcionan así:

El modelo A, tras obtener cierta información, genera primero cientos o incluso miles de tokens para expresar sus conclusiones en lenguaje natural; el modelo B lee todo ese texto, lo reinterpreta, construye su propia representación interna y luego sigue razonando.

Pero el problema es que aquello con lo que realmente calcula un gran modelo por dentro no es chino ni inglés, sino:

representaciones matemáticas continuas de alta dimensión.

Es como si dos ordenadores pudieran transferirse datos directamente, pero el ordenador A imprimiera primero el archivo en cientos de páginas y el ordenador B tuviera que volver a escanearlas página a página con una cámara y aplicarles OCR.

Hasta ahora todo el mundo investigaba cómo abaratar la impresión; Mostik quiere tirar la impresora directamente.

Intentan construir un puente entre las representaciones internas de distintos modelos para que intercambien representaciones latentes directamente, en lugar de generar primero lenguaje natural.

Un experimento revelado por el prestigioso medio de Silicon Valley WIRED es muy interesante.

Mostik conectó la versión completa de GLM-5.2 753B con Qwen 3.5, de solo 4B y capaz de ejecutarse en dispositivos móviles.

El sistema híbrido resultante se sitúa en capacidad entre los dos modelos, pero con un coste de inferencia de solo 1/20 del GLM-5.2 completo.

Por supuesto, aún es pronto para decir que Mostik ha resuelto la comunicación entre modelos.

La comunicación latente tampoco apareció ayer por primera vez; en los últimos años ya ha habido bastantes investigaciones que intentan intercambiar embeddings, estados ocultos, cachés KV y otras representaciones internas.

Lo realmente difícil es que la arquitectura, los parámetros, los datos de entrenamiento y los sistemas de coordenadas internos de cada modelo son distintos, y conseguir que dos modelos entiendan de verdad el espacio latente del otro es en sí mismo un problema muy complejo.

El propio Smirnov reconoce que actualmente ni siquiera existe un lenguaje matemático maduro para describir la representación común entre modelos distintos.

Pero la cifra de 1/20 me sigue entusiasmando muchísimo.

Porque me hace plantearme seriamente una arquitectura de IA futura completamente distinta.

PARTE 04: En el futuro solo necesitarás un modelo de unas décimas de B

En los últimos dos años, al hablar de IA en el dispositivo, hemos estado investigando cómo meter modelos cada vez más grandes en el móvil: 7B, 4B, 3B, 1B, destilando, cuantizando y comprimiendo sin parar.

Pero si la vía de Mostik acaba funcionando de verdad, creo que en el futuro el móvil quizá no necesite un gran modelo que «sepa de todo».

Puede que en tu dispositivo solo haga falta ejecutar un modelo pequeño de 0,xB o unos pocos B.

Es muy barato, puede ejecutarse de forma continua, se encarga de entender en qué app estás, qué acabas de hacer y en qué estado está el dispositivo, y gestiona la mayoría de las tareas simples y de alta frecuencia.

Cuando aparece un problema realmente difícil, se llama al gran modelo remoto mediante comunicación en el espacio latente.

Pero la diferencia clave es que no hace falta, como hoy, reenviar a la nube un contexto de cien mil tokens para que el modelo remoto lo lea desde cero.

Quizá solo haga falta transmitir un estado latente altamente comprimido.

Y cuando el gran modelo remoto termina el razonamiento complejo, tampoco tiene por qué generar miles de tokens de explicación en lenguaje natural para el modelo local, sino que puede devolver directamente la nueva representación interna.

De este modo, el modelo local se encarga de las tareas frecuentes, baratas y continuas; el modelo frontera en la nube se ocupa solo del razonamiento poco frecuente pero realmente difícil, y entre ambos se comunican de forma eficiente mediante una especie de puente.

Si en el futuro se consigue esto de verdad, la caída del coste de inferencia podría ir mucho más allá de las rebajas del 30% o el 50% en las API de los modelos actuales.

Podría cambiar la forma misma en que organizamos la computación de la IA.

PARTE 05: Conclusión

Así que, mirando atrás, anoche parecían tres noticias completamente distintas.

Google lanzó Gemini 3.8 Flash y metió capacidades de nivel frontera en el rango de precios de Flash;

Meta lanzó Muse Spark 1.3 y consiguió que los agentes hagan más cosas con menos tokens y menos llamadas a herramientas;

Mostik fue un paso más allá y empezó a intentar que una parte de los tokens entre modelos ni siquiera llegue a generarse.

En realidad, las tres apuntan al mismo cambio:

la inteligencia se está abaratando a una velocidad exagerada.

Y esta bajada de precios ya no es solo una reducción del precio unitario de la API.

Baja el precio de los modelos, baja la cantidad de cómputo necesaria para completar tareas y ahora incluso se está rediseñando la forma en que los modelos intercambian información entre sí.

El impacto final de esto puede ser mucho mayor que unos cuantos puntos porcentuales más en un benchmark.

Porque muchas tecnologías no explotan de verdad cuando «funcionan por primera vez», sino cuando «por fin son tan baratas que se pueden usar sin pensarlo».

Hoy, gastar decenas de dólares en que un agente haga una tarea pequeña para una persona normal quizá no compensa en absoluto.

Si en el futuro solo cuesta unos céntimos, muchas aplicaciones que hoy nadie consideraría se vuelven viables de repente.

Hoy no podemos tener a decenas de agentes funcionando 24 horas alrededor de una sola persona, pero si el coste de inferencia baja uno o dos órdenes de magnitud, podría convertirse en el estado por defecto.

Ya son las siete de la mañana y debería haberme ido a dormir hace horas.

Resulta que salió Gemini, unas horas después Meta se puso al día y luego vi el experimento del 1/20 de Mostik.

Me metí en la cama y no dejaba de darle vueltas a todo esto: al modelo de 0,xB en el móvil, al gran modelo en la nube, a la idea de que quizá ya no necesiten hablarse en lenguaje natural.

Cuanto más pensaba, menos podía dormir, así que al final me levanté y terminé de escribir este artículo.

El 74% de Gemini y el 75,4% de Muse quizá queden superados por nuevas cifras en unos días.

Pero ahora mismo me cuesta mucho contener la emoción.

Porque, más que quién ha vuelto a ser número uno del mundo, me importa cada vez más otra pregunta:

¿Hasta qué punto puede llegar a abaratarse una IA tan inteligente?

En cuanto la inteligencia potente sea tan barata que se pueda invocar sin pensarlo, creo que muchos productos de IA que hoy parecen una locura no habrán hecho más que empezar.