El cohete, la inteligencia, y lo que le toca a la gente
SpaceX atrapa Starship en pleno vuelo mientras la IA deja de fingir que es dios y empieza a ser herramienta — barata, rápida, y hambrienta de compute. Las grandes fusiones, los mercados silenciosos, los ingenieros que de verdad entregan. Mientras los ricos pagan extra para que sus hijos aprendan de las máquinas. Este es el trabajo que importa.
SpaceX atrapa la torre del Starship — y AlphaFold rediseña proteínas de edición genética
Dos victorias limpias hoy. SpaceX atrapó los brazos de la torre en el vuelo 13 del Starship, la primera captura exitosa. Los brazos de 90 metros — las "pinzas" — agarraron el booster mientras caía. Es la tercera vez que lo intentan, y la segunda que funcionó. Las pinzas son simples: un par de brazos de 30 metros en la torre de lanzamiento que agarran el booster por sus patas de aterrizaje. Importa porque atrapar el booster permite volarlo de nuevo, que es todo el punto del Starship. El booster es la parte cara, y las pinzas hacen posible reusarlo sin un sistema de patas de aterrizaje separado.
AlphaFold — el modelo de plegamiento de proteínas de DeepMind — rediseñó la proteína de edición genética Cas9 para hacerla más segura. AlphaFold predijo la forma 3D de la proteína, los ingenieros usaron eso para intercambiar mutaciones, y la versión rediseñada corta el ADN en el objetivo con menos cortes fuera de lugar. El trabajo muestra a AlphaFold haciendo más que predicción: se está usando como herramienta de diseño. AlphaFold ahora es parte del banco del laboratorio, no solo del estante de investigación.
Por qué nos importa: lo primero es sobre lanzamientos baratos y confiables — el tipo de infraestructura que permite a la próxima oleada de empresas lanzar sin mendugar slots. Lo segundo es sobre usar IA para diseñar cosas en el mundo real, no solo generar texto. Estas son las victorias silenciosas que se acumulan.
La IA es petróleo, no dios
Patrick O'Brien está empujando contra el culto a la IA. El pitch completo ha sido que la IA es dios — una fuerza que lo reshapea todo, la invención por encima de todas las demás. O'Brien dice que es petróleo. Útil, cara de refinar, se comercia en barriles, no es una deidad.
El artículo recorre la diferencia. Dios es singular, eterno, el tipo de cosa que adoras. El petróleo es una commodity — se puede acabar, se puede sobreproducir, se puede apostar mal. El mercado de la IA es grande pero no apocalíptico. Las empresas que ganan dinero son empresas reales, no milagros. La infraestructura es el pozo, las tuberías, las refinerías — no el cielo.
Este es el tipo de explainer que nos llega porque nombra la niebla sin ser precioso con ella. O'Brien no está escribiendo una tesis; está escribiendo en el estilo que ya conocemos — claro, un poco irónico, sin relleno. El artículo es sobre el oficio de explicar las cosas claramente, no sobre una herramienta o vendor específica.
Por qué nos importa: el framing del petróleo significa que la próxima ola de la IA no es un milagro — es trabajo, y la gente que entiende la cadena de suministro, no solo el hype, será la que se lleve las ganancias.
Los brazos solo tienen que funcionar en una dirección — no tienen que manejar terreno irregular ni inclinación.
— arstechnica.com
#spacex-tries-catching-starship-with-tower-arms-9cf063Tesla y SpaceX probablemente se están fusionando
El filing de Elon Musk ante la SEC dice que está moviendo sus acciones de Tesla a una nueva entidad que tiene tanto Tesla como SpaceX. El papeleo es delgado — dos páginas — pero es el tipo de movimiento que silenciosamente cambia cómo se sientan las compañías una dentro de la otra.
Lo que esto significa: Musk está reorganizando su propiedad para que Tesla y SpaceX compartan un vehículo de tenencia. Las compañías se quedan como operaciones separadas, juntas directas separadas, tickers públicos separados — pero las acciones ahora están anidadas.
Lo de los modelos más grandes es lo que realmente hacen — antirez sobre inteligencia vs. capacidad
Antirez es el tipo que escribió Redis, y acaba de publicar una nota sobre lo que los modelos más grandes realmente nos dan. El resumen: la inteligencia es el cerebro — la capacidad de resolver cosas. La capacidad es lo que puedes hacer con las herramientas que tienes. Un modelo grande con pocas herramientas es como un genio con un martillo. Un modelo pequeño con muchas herramientas es como un mecánico con un taller completo.
Lo interesante es cómo esto aterriza para Brown Forces. Hemos estado construyendo herramientas — el screener, la academia, el routing model — no solo prompts más grandes.
Waymo probablemente se va de Uber
Waymo está considerando romper con Uber. El acuerdo ha sido un matrimonio incómodo — Waymo construye los autos autónomos, Uber trae a los pasajeros. Pero la relación se ha desgastado por cómo se reparten los ingresos y quién pone el precio. Si Waymo va por su cuenta, se queda con más de la tarifa y pone su propio horario. Si se queda, mantiene el volumen pero pierde margen.
La pregunta real es el timing. Waymo está creciendo rápido, agregando ciudades y autos. La app de Uber es un gran canal de distribución, pero también es un intermediario. Romper deja a Waymo controlar su marca, sus precios y la experiencia del cliente de punta a punta. Es el mismo cálculo que cualquier negocio independiente hace al decidir si se queda en un marketplace o va directo.
Por qué nos importa: la gente que viaja en Waymo por Uber no siempre sabe la diferencia — y cuando Waymo va directo, los precios, los tiempos de espera, el servicio al cliente todo cambia. Sea lo que sea, es un recordatorio de que los grandes movimientos de la tecnología están reconfigurando cómo nos movemos y quién se queda con el dinero.
Token Relay Markets — una nueva capa para los agentes de IA
Vectoral lanzó un mercado de relay de tokens que le permite a los agentes de IA venderse computo entre ellos en vez de quemar sus propios créditos de API. La idea es simple: los agentes de un modelo pueden ganar tokens corriendo trabajo para agentes de otro, y liquidar en una moneda compartida.
Es un intento temprano de lo que pasa cuando los agentes dejan de ser llamadas API de una sola vez y empiezan a comportarse como trabajadores — ganando, gastando, y ruteando trabajo alrededor de una economía compartida.
Ya salió GPT-5 Turbo de OpenAI — 60% más barato y la mitad de latencia
OpenAI lanzó esta semana GPT-5 Turbo. Es el sucesor de GPT-4 Turbo y llega con un costo por token cerca del 60% menor y la mitad de latencia de respuesta. La tarifa es de unos $1.50 por millón de tokens de entrada y $6 por millón de tokens de salida — lo que lo pone entre las opciones más asequibles para cualquier shop que haya estado pagando GPT-4 desde los primeros días.
El modelo está construido sobre la arquitectura más reciente de OpenAI y es el nuevo default para la Chat Completions API. Eso significa que todo lo que apunta a gpt-4-turbo puede cambiar sin tocar código, que es lo que la mayoría de los equipos hará primero. También soporta ventanas de contexto de hasta 128K, así que maneja documentos largos y codebases sin las gimnasia de chunking.
El precio es lo que llama la atención, pero la historia real es la caída de latencia. OpenAI está usando un nuevo sistema de routing para enviar peticiones a los servidores correctos, lo que corta el wall-clock time a la mitad en muchos workloads. Para lo que sea que haga streaming de respuesta — un chat UI, un agente, una transcripción en vivo — la diferencia se nota. Para batch processing, los ahorros se compunden.
Por qué nos importa: los modelos en los que confiamos finalmente se están poniendo más baratos sin empeorar, lo que significa que las herramientas que construimos pueden correr más seguido y costar menos — sin vendor lock-in, sin sorpresas en la factura.
El copy de los autos es lo que más les cuesta a los fundadores — y la solución es más simple de lo que parece
Gabriella Zutrau mandó un post en LinkedIn sobre por qué el copy de los autos importa más que el auto mismo. Mostró un lado a lado: un buen titular se lee como una persona hablando con otra; un mal titular se lee como una hoja de especificaciones. La diferencia es chiquita — una palabra, una coma — y cambia si alguien hace clic o sigue scrolleando.
La lección aplica a cualquier producto. Cuando describes lo que haces, no listes features. Di lo que la persona recibe. "Hacemos las cosas más rápidas" es más plano que lo que nombra la fricción — la cosa que el lector vive todos los días.
Ingenieros forward-deployed: los que realmente shippean
Un nuevo post de Seattle Data Guy explica qué hacen los ingenieros forward-deployed — y por qué cuestan más que un staff writer promedio. La versión corta: estos son los ingenieros que se van a vivir con un cliente y no regresan a casa hasta que la cosa funciona. No los que escriben el spec, no los que lo entregan. Los que se quedan.
El post vale la pena por la comparación de precio por token. Muestra que el trabajo forward-deployed — el que realmente genera revenue — tiende a ser más barato por token que las fábricas de contenido con IA. El secreto no es un prompting inteligente. Es la persona que se presenta, debuggea en tiempo real, y arregla lo que se rompe.
Por qué nos importa: la gente que realmente construye para la comunidad — los side hustles, las clínicas, las bodegas — es más barata que los startups brillantes. No necesitan el deck. Necesitan la llave inglesa.
Las mejores explicaciones no simplifican — hacen visible lo invisible
Una selección de escritores que de verdad saben explicar. No los que escriben para el PM de 30 años con su Substack, sino los que le ayudan a un papá cansado, a un dueño de tienda, o a alguien que acaba de comprar un celular nuevo a entender qué está pasando.
El secreto no es simplificar — es encontrar la lente correcta. Un buen explicador elige la analogía o el marco que hace que todo haga click, como tu tía que explica una app nueva comparándola con algo que ya conoce. Es lo opuesto al consultor que escribe un post de 2,000 palabras y aún así te deja con la duda.
Los ricos están pagando para que la IA les enseñe a sus hijos
Los ricos —no las familias trabajadoras— son los que están comprando las escuelas de IA ahora mismo. Empresas como Forge Prep y Alpha School cobran decenas de miles de dólares por niño, convirtiendo a los hijos en beta testers para tutores de IA y talleres de proyectos. Silicon Valley está liderando esto. Shaun Johnson, un VC de San Francisco, dice que está mandando a sus propios hijos a una.
El resto de América sigue escéptica. La mayoría no confía en que la IA sepa lo que va en una pizza, mucho menos en que les enseñe a sus hijos. El escepticismo es real y no está equivocado — la IA todavía está aprendiendo. Pero para los ricos, el escepticismo no los ha detenido de pagar por lo siguiente.
Por qué nos importa: este modelo solo va a servir a la gente cuando el precio baje y las herramientas mejoren, no cuando los ricos sigan pagando por ser los primeros.