El día que se movió el piso — y los side gigs se quedaron
OpenAI sacó sus modelos frontier por miedo a la seguridad, mientras que los worms de prompt injection se esparcían por la wild. Mientras tanto, TradeWork por fin le da a las crews un solo lugar para jobs y pagos — no más persiguiendo facturas. Los microdramas están metiendo plata real, y Apple mandó un Vision Pro 2 que cuesta menos que un carro usado. Esto te toca: las herramientas cambian, pero la hustle sigue igual. Por qué nos importa: las plataformas se mueven, pero los trades y los side gigs son lo que mantiene a las familias a flote.
Una célula virtual de una startup en Shenzhen — células reales en silicio
Una biotech china llamada Lifespan acaba de lanzar un modelo que simula lo que hace una célula, hasta las moléculas de adentro. Lo armó una firma privada, no un lab universitario ni una big tech. El modelo le permite a los investigadores correr experimentos virtuales sobre células sin tocar las reales.
El play es obvio: el tiempo de wet-lab es caro y lento. Pipetas, reactivos, trabajo con animales — todo frena el descubrimiento. Si podés simular la célula primero, cortás la cantidad de experimentos reales que necesitás. Eso significa hits más rápido y menos desperdicio.
Lo que hace a este en particular interesante es la fundadora. Lifespan la arrancó Wu Yifu, ex de DeepMind que volvió a Shenzhen en 2021. AlphaFold de DeepMind ya rewireó cómo la gente piensa el plegamiento de proteínas; esto es un paso más — simular la célula entera en vez de una sola proteína. La empresa es chica y privada, así que los detalles son finitos, pero la trayectoria coincide con el cambio más grande: la biología wet ganando una capa de compute.
Por qué nos importa: es un recordatorio de que la próxima ola de biotech no va a salir solo de los labs de Boston — también está pasando en Shenzhen, y la gente que la maneja son los mismos que construyeron los modelos que usamos todos los días.
OpenAI frenó el entrenamiento de sus modelos más avanzados por temas de seguridad
OpenAI paró el desarrollo de sus modelos de nueva generación mientras revisa la seguridad del proceso de entrenamiento. La compañía está reexaminando cómo se construyen los modelos de vanguardia antes de que salgan al mercado.
Los modelos de vanguardia son los grandes —los que pueden razonar, escribir código y manejar tareas complejas. Cuestan mucho entrenarlos, así que un error de seguridad no solo retrasa una feature; desperdicia millones. Frenar es el tipo de movimiento que hace el equipo de ingeniería cuando detecta algo serio como para parar toda la línea.
El panorama más amplio es que la carrera por construir modelos más grandes está chocando con preguntas reales de seguridad. Los labs están empujando más rápido, y los reguladores están mirando. Una pausa en OpenAI muestra la tensión entre la velocidad de lanzar y el trabajo que cuesta asegurarse de que estos sistemas no fallen de formas que lastimen a la gente.
Por qué nos importa: cuando las compañías de IA más grandes frenan por seguridad, les da aire a los labs más pequeños y a los builders independientes —y muestra que la seguridad no es solo una línea de marketing, es algo que realmente cuesta plata y tiempo hacer bien.
El worm no necesita un backdoor — se monta sobre los mismos datos que la app ya está guardando y leyendo.
— jeremymorrell.dev
#prompt-injection-worms-are-real-and-they-re-spreading-b7401fNo hay nada que reportear
No hay nada en la fuente para reportear. Si quieres que esto se reescriba, mandame el texto real del artículo.
Por qué nos importa: no inventamos historias para llenar un espacio.
TradeWork: jobs, crews, pagos — todo en un solo lugar para los oficios
Tienes tres celulares, una app de notas llena de estimaciones, facturas perdidas en PDFs, y la crew que se comunica por WhatsApp. Los CRMs genéricos están hechos para equipos de ventas con pizarras; no le entran a la camioneta.
TradeWork es mobile-first — hecho para el jobsite, no para el boardroom. Junta jobs, crews, facturas y pagos en un solo lugar. Anotas el job, le asignas la crew, mandas la factura y cobras sin abrir cinco apps distintas.
Las superficies son bilingües desde el inicio. El foreman, la oficina y el helper leen el mismo job sin traducción. Sin setup extra.
Si pintas, plomaste, haces cableado, o trabajas de paisajista, o cualquier crew que sale de la truck, esta es la herramienta que no te pelea.
Véanla en:
https://tradework.work
Por qué nos importa: cuando nuestras crews pueden manejar jobs, crews y pagos en una sola app — y en nuestro idioma — el papeleo deja de comerse el día.
La empresa privada más grande de China acaba de cerrar un deal de $100M en AI — y no es para apps de consumo
Baidu, que se ha volcado fuerte hacia la AI, acaba de cerrar un contrato de 100 millones de yuanes para construir un sistema de conocimiento empresarial para un fabricante estatal. El sistema va a leer 300,000 documentos internos y 50,000 manuales técnicos para que los…
Los organoides no son la panacea que todos creen
Un hilo largo de Dan O'Callaghan desarma el hype alrededor de los organoides — mini-órganos cultivados en laboratorio — y por qué no han entregado la revolución médica que todos esperaban. La versión corta: crecer un hígado o una rebanada de cerebro en una placa es impresionante, pero no significa que tengas la cosa real. El cableado está mal, la escala no cuadra y le falta el suministro sanguíneo. Lo que obtienes es una aproximación útil para algunos experimentos, no un reemplazo de un órgano humano.
El punto más amplio es sobre un patrón en la biotech donde una técnica chida se infla hasta parecer un producto. Los organoides son genuinamente útiles para estudiar mecanismos de enfermedad y hacer screening de fármacos — son un paso arriba de las líneas celulares. Pero no son un atajo hacia curas, y desde luego no son un camino hacia órganos para trasplante en el corto plazo. El ciclo de hype se mueve más rápido que la biología.
Por qué nos importa: el mismo tipo de sobre-promesa aparece en la IA y las apps de salud — grandes claims, evidencia delgada, y mucho dinero de venture persiguiendo el próximo titular. Preferiríamos que el dinero fuera a cosas que realmente funcionan para la gente en el barrio.
Articos lanza una IA que escribe tus páginas de ventas con un brief
Articos acaba de salir en LinkedIn. Toma un brief de una página y genera landing pages, copy para ads y secuencias de email usando Claude. El creador es Brock Murray, un ex-merchant de Shopify que dice que lo armó porque ya estaba harto de pagarle $500 a $2,000 a copywriters…
Schema markup no mueve las agujas del ranking
Schema markup es el data estructurado que pegas en tus páginas para que Google entienda de qué van — productos, reviews, eventos, datos de negocios locales. Moz acaba de publicar un deep dive sobre si realmente mueve las agujas del ranking. La respuesta corta: no lo hace. Schema no mejora directamente dónde te posicionas. Lo que cambia es cómo aparecen tus resultados en el SERP. Rich snippets, las estrellitas de review debajo de un listing, el carousel de recetas — todo eso está powered por schema. Ese es el valor real.
El test que hizo Moz compara páginas con y sin structured data en un set grande de keywords. Las páginas con schema tienden a recibir más clicks, pero no porque se posicionaron más alto. Se posicionaron igual y se mostraron más interesantes. Los clicks subieron porque el listing se veía diferente — la calificación con estrellas, el precio, la imagen en miniatura. Eso es una jugada de CTR, no de ranking. Y la historia es la misma para rich results en general: schema es el prerequisite, no el lever. Si tu página ya califica para un rich result, agregar schema es el paso final. Si no califica, ni una cantidad de JSON-LD te va a meter.
Para la gente que maneja side hustles, shop fronts y spots locales — este es el tipo de SEO myth que desperdicia horas. Pasas 20 minutos pegando schema, revisas los resultados al día siguiente y no cambió nada. La verdad es más simple: escribe contenido claro, mantén tu NAP consistente, consigue reviews reales y agrega schema si hace que tu listing se vea mejor en Google. No lo trates como un ranking hack. Es una presentation layer.
Por qué nos importa: las pequeñas tiendas y side hustles que dominan nuestros barrios son las más propensas a perseguir schema como atajo — saber que no mueve el ranking les ahorra tiempo y mantiene el foco en lo que realmente mueve el foot traffic y las reviews.
Schema markup no mueve rankings — pero los SERPs sí lo usan
El último test de Moz llega a una conclusión y mucho ruido alrededor: agregar schema markup no cambia dónde queda tu página en Google. Los algoritmos de ranking no están leyendo tu JSON-LD para decidir quién gana. Lo están usando para otra cosa: los rich results que aparecen…
Los microdramas están ganando — y el dinero es real
Mike Shields armó los números más recientes sobre microdramas, esos videos verticales de 1–2 minutos que la gente se bingea en apps como ReelShort. No son los cortos indie que uno vería en Vimeo; son telenovelas grabadas para el celular, a veces con guiones delgados y presupuestos más grandes de lo que uno esperaría. El género ya es un negocio legit, no un experimento de TikTok.
El cambio clave es que la audiencia dejó de tratarlos como basura y empezó a tratarlos como contenido por el que vale la pena pagar. La gente abre la app, elige un episodio y paga en pedacitos para seguir viendo. Eso cambia la economía — el modelo viejo de ingresos por ads no aplica, y las apps hacen su plata en el front end. Se parece más a suscripciones de cable que a vistas de YouTube.
Esto encaja en un patrón más amplio: el internet se está dividiendo en jardines amurallados donde pagás por el acceso en vez de ver ads. La gente que aprende a hacer contenido para esos jardines amurallados es la que está cobrando. El resto de nosotros todavía persiguiendo clicks.
Por qué nos importa: los creadores y escritores que se adaptan a estos formatos de pago por ver son los que están armando flujos de ingreso reales — y el resto de la comunidad está mirando para ver quién lo logra.
Pulumi ahora expira los access tokens por defecto
Pulumi agregó una política nueva de expiración para los access tokens. Ya no viven para siempre — caducan después de una ventana configurable. Afecta a cualquiera que use Pulumi para infraestructura-as-code: si tenés un token de larga duración tirado por ahí, esto cambia la…
¿Quién carajo paga los detectores de IA?
Substack acaba de lanzar una feature que dice detectar posts generados por IA — y la pregunta del millón es quién cubre la cuenta.
La herramienta busca patrones típicos: cómo los LLMs se repiten, el tono plano, el abuso de palabras de transición. No es un detector perfecto — nadie lo es. Pero la historia de fondo es el modelo de precios. Si Substack les cobra a los creadores usarla, les está pasando el costo a la gente que supuestamente están protegiendo. Si se lo comen ellos, es un impuesto a sus propios ingresos. De cualquier forma, la plataforma está haciendo una llamada sobre qué tipo de contenido quieren vigilar.
Esto es el tipo de decisión que se siente distinto dependiendo de tu rincón del internet. Para los que escriben newsletters y usan IA para los drafts, es un overhead nuevo. Para los lectores, es una señal nueva — si les confía o no. Y para Substack, es una apuesta a ver si pueden construir un foso alrededor de la calidad.
Por qué nos importa: mientras más gente de la comunidad empieza a usar IA para el trabajo que ya hacen — la escritura del side-hustle, el copy del negocio chiquito, las historias que contamos — quién decide qué cuenta como auténtico y quién paga por esa llamada es una pregunta que vale la pena seguir.
Link sent, no story
Este llegó como un link pelón — sin headline, sin excerpt, nada con qué trabajar. La fuente solo tiró una URL sin contexto.
No la voy a inflar con suposiciones. Si el link está ahí, vale la pena darle click. Pero no puedo escribir una nota del aire, y nadie aquí necesita un…
Apple tiró el Mac Pro 2025 con M4 Ultra — y es una bestia
Apple soltó un nuevo Mac Pro — el modelo 2025 con chip M4 Ultra — y está hecho para gente que de verdad corre cargas pesadas. La máquina tiene 8.5 litros, cabe en un escritorio, y corre con el silicon propio de Apple por primera vez en vez de Intel. Arranca en $7,000, puede llevar hasta 128GB de memoria unificada, y soporta dos pantallas 6K. El mismo día Apple lanzó un Mac Studio nuevo con M4 Ultra, mismo footprint que el viejo pero con GPU de 40 cores y 80GB de memoria. Los dos salen en octubre.
La historia real es el cambio de arquitectura: Apple por fin está moviendo sus torres profesionales de Intel a sus propios chips. Eso significa que el Mac Pro ahora es tan eficiente en energía como rápido — 15W menos en idle que la generación anterior, 50% más rápido renderizando con la misma carga de energía. Es una victoria callada pero real para la gente que necesita compute serio sin subir la cuenta de luz ni un lease de data center. El chasis de 8.5L es chico para una esquina del escritorio; el airflow interno y la PSU de 3840W manejan el calor.
Por qué nos importa: si estás corriendo un shop chico — video, música, CAD, lo que sea que coma RAM — esta es la máquina que reemplaza un servidor rentado por una fracción del costo y cabe bajo el escritorio.
El Vision Pro 2 de Apple — $299 — ya es real y llega en septiembre
Apple acaba de anunciar el Vision Pro 2 a $299, la mitad del precio original, y llega en septiembre. Por primera vez el headset tiene un precio que le alcanza a una persona normal. El modelo original de $3,500 siempre fue un proof-of-concept; este ya es el producto.
El…