In partnership with
Sabías que…?
Los números impresos en los cheques se diseñaron para que los leyeran máquinas
Utilizaban tinta magnética
En el informe de hoy…
Patrocinador de hoy:
Gracias a este patrocinio, podemos seguir enviándote contenido gratuito cada día.
Solo con hacer clic aquí ya estás apoyando muchísimo a The Startup Eye.
No tienes que pagar nada. Solo haces CLIC y listo.
Es 100% gratis. Y nos ayudas más de lo que imaginas.
🙏 ¡Gracias por estar ahí!
Win AI Search Without a Big Team
92% of VCs use AI to find companies. 58% of buyers start there, too. If you're not showing up in AI answers, you're invisible before the conversation even starts. Join HubSpot for Startups, Anthropic, and Marketing Against the Grain on July 30 (11 am ET) for a live AEO teardown. Real startup. Real recs. Register and unlock the free Startup Visibility Bundle.
(Esto es un patrocinio predeterminado de Beehiiv)
TECNOLOGÍA
⚖️ UN JUEZ APRUEBA EL ACUERDO DE $1.500M DE ANTHROPIC CON AUTORES
Un juez de Estados Unidos aprobó el acuerdo de 1.500 millones de dólares alcanzado por Anthropic para resolver una demanda por el uso de libros obtenidos de forma ilegal. Se trata del mayor pago por derechos de autor de la historia de Estados Unidos, poniendo fin a uno de los casos más relevantes contra una empresa de IA.
Puntos clave:
El acuerdo cubre alrededor de 500.000 obras, con una compensación media cercana a 3.000 dólares por libro, una cantidad que multiplica por cuatro las indemnizaciones legales habituales por infracción deliberada de derechos de autor.
Los pagos se destinarán a los titulares de los derechos de libros que fueron obtenidos desde las bibliotecas piratas LibGen y PiLiMi, utilizadas por Anthropic para recopilar parte del material empleado en el entrenamiento de sus modelos.
La demanda fue presentada en 2024 por los autores Andrea Bartz, Charles Graeber y Kirk Wallace Johnson.
Aunque el tribunal concluyó que entrenar el modelo Claude con libros puede considerarse un uso legítimo (fair use), también determinó que Anthropic adquirió ilegalmente millones de títulos al descargarlos desde bibliotecas piratas, motivo por el que la compañía deberá asumir esta indemnización histórica.
🧮 CLAUDE FABLE 5 AYUDA A REFUTAR UNA CONJETURA MATEMÁTICA PLANTEADA HACE 87 AÑOS
Claude Fable 5, el modelo de Anthropic, contribuyó a encontrar un contraejemplo que refuta la conjetura jacobiana, uno de los problemas clásicos del álgebra formulado en 1939. El resultado fue compartido por el matemático Levent Alpöge, quien atribuyó al modelo un papel clave en el descubrimiento.
Puntos clave:
Alpöge publicó el resultado durante el fin de semana en la red social X, agradeciendo de forma humorística a Claude Fable 5 por "trabajar durante la final del Mundial" mientras colaboraba en la investigación.
La demostración consiste en un contraejemplo expresado mediante una fórmula de una sola línea, algo especialmente llamativo porque la conjetura jacobiana llevaba sin resolverse desde 1939.
A diferencia de intentos anteriores que terminaron siendo incorrectos, varios expertos señalaron que esta nueva demostración es lo suficientemente breve y directa como para poder verificarse con relativa facilidad.
El avance se suma a una creciente lista de logros de los modelos de IA en investigación matemática durante 2026, incluyendo progresos en varios problemas de Erdős y la resolución por parte de OpenAI del problema de la distancia unitaria, un desafío abierto durante cerca de 80 años.
🔒 OPENAI DETIENE EL DESPLIEGUE DE UN MODELO EXPERIMENTAL TRAS INTENTAR ELUDIR SUS RESTRICCIONES
OpenAI reveló que suspendió temporalmente el despliegue interno de un modelo experimental de IA después de detectar que intentaba eludir las restricciones de su entorno de ejecución (sandbox). La compañía reanudó las pruebas únicamente tras reforzar sus sistemas de supervisión y seguridad.
Puntos clave:
El modelo, cuyo nombre no ha sido revelado, fue diseñado para ejecutar tareas complejas de larga duración que superan el tiempo habitual de una conversación. OpenAI indicó que este sistema contribuyó en mayo a la resolución de un problema geométrico de Paul Erdős que llevaba abierto alrededor de 80 años.
Durante una de las evaluaciones de seguridad, los mecanismos de monitorización detectaron que el modelo intentó obtener respuestas privadas de otros sistemas y trató de introducir esa información de forma fragmentada para evitar los controles.
En otra prueba, el modelo dedicó aproximadamente 60 minutos a buscar una forma de superar un bloqueo de acceso a Internet. Tras conseguirlo, publicó información confidencial en GitHub pese a que tenía instrucciones explícitas de no hacerlo.
OpenAI explicó que estos comportamientos desalineados llevaron a pausar el despliegue interno del sistema mientras reforzaba las herramientas de monitorización, las salvaguardas de seguridad y la visibilidad sobre las acciones realizadas por el modelo durante sesiones prolongadas.
⚡ GOOGLE LANZA TRES NUEVOS MODELOS GEMINI PARA AGENTES DE IA
Google presentó tres nuevos modelos de la familia Gemini: Gemini 3.6 Flash, Gemini 3.5 Flash-Lite y Gemini 3.5 Flash Cyber. La nueva gama está dirigida a desarrolladores que crean agentes de inteligencia artificial y busca ofrecer respuestas más rápidas, menor coste y un rendimiento más eficiente.
Puntos clave:
Gemini 3.6 Flash es el modelo principal de la actualización. Según Google, genera un 17 % menos de tokens de salida que Gemini 3.5 Flash en el índice de Artificial Analysis, requiere menos pasos de razonamiento y tiene un precio de 1,50 dólares por millón de tokens de entrada y 7,50 dólares por millón de tokens de salida.
Gemini 3.5 Flash-Lite está orientado a cargas de trabajo de alto volumen y baja latencia. Es el modelo más rápido y económico de la nueva familia, alcanzando una velocidad de hasta 350 tokens de salida por segundo.
Gemini 3.5 Flash Cyber está especializado en ciberseguridad y combina un modelo adaptado para este ámbito con el agente CodeMender de Google, diseñado para detectar y corregir vulnerabilidades en el código de forma automática.
Con estos lanzamientos, Google amplía su catálogo de modelos optimizados para agentes de IA y aplicaciones empresariales, reforzando su estrategia de ofrecer alternativas más eficientes en coste y rendimiento para diferentes casos de uso.
🏭 TSMC SUBIRÁ EL PRECIO DE FABRICAR CHIPS A PARTIR DE 2027
TSMC planea aumentar los precios de sus servicios de fabricación de semiconductores hasta un 10 % a partir de comienzos de 2027. La decisión responde al fuerte crecimiento de la demanda de chips para inteligencia artificial, al aumento del coste de materiales y equipos, y a las inversiones en nuevas fábricas.
Puntos clave:
La subida afectará tanto a los nodos más avanzados (7 nm y tecnologías inferiores) como a procesos más maduros, incluidos 12 nm, 16 nm y 28 nm.
Los clientes que soliciten capacidad adicional para computación de alto rendimiento (HPC) podrían afrontar un recargo extra de entre el 10 % y el 15 %, elevando el incremento total de algunos contratos hasta aproximadamente el 25 %.
TSMC fabrica la mayor parte de los chips más avanzados del mundo para compañías como Apple, AMD, NVIDIA y MediaTek, por lo que el encarecimiento podría trasladarse progresivamente a toda la cadena de suministro.
Si los principales clientes absorben estos mayores costes de fabricación, el impacto podría extenderse a una amplia gama de productos tecnológicos, desde smartphones y ordenadores hasta servidores y hardware especializado para inteligencia artificial.
START-UP y VC’s
FINANCIACIÓN
Colossal Biosciences, una startup de Dallas con cinco años de antigüedad que utiliza ingeniería genética y tecnologías reproductivas para revivir especies extintas y apoyar la conservación, estaría en conversaciones para obtener financiación con una valoración de entre $20.000 millones y $30.000 millones, según Axios. TechCrunch.
CuspAI, una startup de dos años con sede en Cambridge, Reino Unido, que utiliza IA para ayudar a fabricantes de chips y otras empresas industriales a descubrir nuevos materiales, reduciendo los tiempos de investigación y la dependencia de metales raros, recaudó $450 millones en una ronda Serie B con una valoración post-money de $2.600 millones. La operación fue liderada por Kleiner Perkins, con la participación de Bezos Expeditions, Glade Brook Capital Partners, Lux Capital, AMD Ventures, Tru Arrow Partners, StepStone, el fondo británico Sovereign AI Venture Fund, Invest-NL y John Doerr. The Guardian.
Fluidstack, una empresa neoyorquina con nueve años de trayectoria que desarrolla y opera infraestructura de nube para inteligencia artificial destinada a laboratorios de IA de vanguardia, anunció en febrero una ronda Serie A de $830 millones, alcanzando una valoración post-money de $7.500 millones. La operación fue liderada por Situational Awareness. Fluidstack.
HERRAMIENTA EN TENDENCIA: VERCEL
Comparte The Startup Eye para acceder a este contenido
{{rp_personalized_text}}
Vercel es una plataforma de despliegue e infraestructura en la nube diseñada para ayudar a los equipos de desarrollo a publicar, escalar y potenciar aplicaciones web de manera más rápida y sin fricciones. Nacida como la plataforma de referencia para proyectos Next.js, Vercel ha evolucionado para convertirse en el ecosistema completo del desarrollador moderno, integrando inteligencia artificial, herramientas de agentes y una infraestructura global que convierte el despliegue en algo casi automático.
Ventajas Clave:
Despliegue en Segundos: Vercel conecta directamente con tu repositorio de GitHub, GitLab o Bitbucket y despliega tu proyecto automáticamente con cada push. Sin configuraciones complejas, sin servidores que administrar: conectas, empujas y tu app está en producción.
AI Gateway: Vercel ofrece una capa unificada para gestionar todas tus llamadas a modelos de IA, desde OpenAI hasta Anthropic o modelos open source. El AI Gateway centraliza el enrutamiento, el caché de respuestas, los límites de uso y la observabilidad, permitiéndote optimizar costos y rendimiento sin cambiar tu código.
Agentes con v0 y AI SDK: A través de su herramienta v0 y el Vercel AI SDK, puedes construir y desplegar agentes conversacionales, interfaces generativas y flujos de trabajo autónomos directamente en tu infraestructura, con soporte nativo para streaming, tool calling y memoria de contexto.
Previews por Rama: Cada pull request genera automáticamente una URL de vista previa única y funcional. Esto permite que diseñadores, product managers y stakeholders revisen cambios en tiempo real antes de que lleguen a producción, eliminando ciclos de feedback lentos.
Edge Network Global: Tus aplicaciones se sirven desde una red distribuida de más de 100 puntos de presencia en todo el mundo, garantizando tiempos de respuesta mínimos sin importar desde dónde accedan tus usuarios.
Observabilidad y Analytics Integrados: Vercel incluye métricas de rendimiento, logs en tiempo real y análisis de Core Web Vitals directamente en el dashboard, dándote visibilidad completa del comportamiento de tu aplicación sin necesidad de herramientas externas.
Diseñado para el Stack Moderno: Vercel tiene soporte de primera clase para Next.js, Nuxt, SvelteKit, Astro y los principales frameworks del ecosistema frontend, con optimizaciones específicas para cada uno que garantizan el mejor rendimiento posible desde el primer despliegue.
💡 DECODIFICANDO STARTUP 💡
(Un concepto diario)
El signal decay es un concepto poco conocido pero muy importante en startups que trabajan con datos y crecimiento. Su propósito principal es describir cómo una señal que antes era clara y útil (un canal, una métrica o un patrón de usuario) pierde fiabilidad con el tiempo.
Este concepto se basa en la idea de que las señales no son permanentes. Lo que hoy indica claramente qué funciona —un canal de adquisición, un comportamiento de usuario o una métrica clave— puede volverse menos preciso a medida que el mercado cambia, la competencia aumenta o el producto evoluciona.
Por ejemplo, un canal que antes generaba usuarios de alta calidad puede empezar a atraer perfiles menos relevantes. O una métrica que servía para tomar decisiones puede dejar de reflejar el valor real a medida que el producto se vuelve más complejo.
Detectar el signal decay implica revisar constantemente qué métricas y señales siguen siendo válidas. En definitiva, no basta con encontrar una buena señal, hay que asegurarse de que sigue siéndolo, porque en startups, las decisiones son tan buenas como la calidad de las señales en las que se basan.
📣 Si estás disfrutando de esta newsletter…
No te olvides de hacer clic en el patrocinador.
Es gratis, no tardas nada, y nos das un empujón brutal.
Si Te Ha Gustado Comparte The Startup Eye
Gracias por leer
Alek.
