La gente y el ruido
Los titulares gritan. Los modelos bajan de precio. Vercel despide diez SDRs y queda uno solo. Mientras tanto, el iPhone Ultra apenas se lanza — cincuenta mil unidades es un susurro. Las herramientas siguen rezagadas del hype, y eso duele. Lo mantenemos corto. Lo demás espera para mañana.
Greg Brockman de OpenAI y el cambio de la IA que nadie vio venir
Greg Brockman, el presidente de OpenAI, se sentó para una entrevista larga que gira en torno a dos cosas: Astra, la nueva jugada de infraestructura de OpenAI, y la pregunta de la alineación — si estos sistemas se pueden confiar a escala.
La pieza de Astra es la que vale la pena prestarle atención. Es la forma de OpenAI de construir la tubería alrededor de sus modelos para que puedan correr a la escala que la gente está empezando a pedir. En palabras llanas: si quieres que la IA funcione de verdad en el mundo real, necesitas el compute confiable, el routing y los guardrails metidos antes de lanzar.
El hilo de la alineación atraviesa toda la conversación. Brockman lo plantea menos como un debate filosófico y más como un problema de ingeniería dura — ¿puedes diseñar sistemas que se mantengan seguros mientras crecen y se hacen más capaces? Esa es la pregunta que va a definir lo que viene.
Por qué nos importa: cuando los labs grandes empiezan a construir la capa de infraestructura, cambia quién puede usar la IA, quién se queda afuera, y quién se lleva las ganancias de las tuberías de abajo.
El Atom de Travis Kalanick andándole a los robotaxis
Atoms, la empresa de autos autónomos que Kalanick compró de Uber en 2020, está explorando un negocio de robotaxis. La compañía ha estado callada — es de esas ventures con bolsillos profundos y costos silenciosos donde solo se habla cuando alguien busca titular.
Esto es el tipo de jugada que levanta cejas. Las flotas de robotaxis son intensivas en capital, muy reguladas, y ya están saturadas con Waymo, Cruise y Zoox. Kalanick tiene el dinero y el apetito, pero el mercado no está pidiendo otro.
Por qué nos importa: la gente que va a usar estos autos — la gente que toma el bus, que camina, que no tiene Uber — no está en la llamada de inversionistas. Cuando el dinero se acumula para una tecnología que nadie pidió, es usualmente porque los dueños no tienen que vivir con las consecuencias.
En vez de pipelines de ETL y una base de staging, escribes SQL contra tus datos reales.
— github.com
#duckflight-a-duckdb-extension-for-postgres-run-sql-right-in-the-db-4c1d42Polars 2.0 le baja 5x el tiempo de consulta con un solo batch en vez de mil llamadas chiquitas
Polars — la librería de DataFrames escrita en Rust — lanzó la versión 2.0. La headline es real: agrupa las operaciones en un solo round trip en vez de disparar mil llamadas pequeñas. Los benchmarks muestran 5x más rápido en los casos comunes.
El truco está en el engine. El pandas viejo y herramientas similares procesan fila por fila o chunk por chunk, chatty y lento. Polars empuja todo el trabajo en un solo batch grande y le deja a la CPU hacer lo suyo. Ya no hay round trips a la librería por cada paso chiquito. Lo llamas una vez, se ejecuta.
Kelex: agentes que en realidad recuerdan quién eres
La mayoría de los frameworks de agentes tratan cada corrida como un chat nuevo. El historial del usuario se evapora. Sin memoria. Sin progreso. Sin forma de marcar lo que el modelo no puede decidir. Los builders que quieren un agente que recuerde entre meses terminan escribiendo el sustrato ellos mismos.
Kelex es ese sustrato, productizado. Te da memoria tipada, tenants y agentes como objetos de primera clase, y confianza acotada con flagging progresivo. Cuando el agente no está seguro, lo marca — no solo adivinando. Los webhooks te permiten dirigirlo con decisiones de humano en el loop.
Lo usamos para correr Lara y el content stack de BFTS antes de venderlo. No es una línea de marketing. Es lo que construimos para nosotros.
Si estás shipping agentes que necesitan persistir, recordar, y admitir incertidumbre — esto te ahorra meses de reinventar la rueda.
Las peticiones batch le ganan a mil viajes — un solo tiro al modelo
El post de Ankit Rana es una nota corta sobre un patrón práctico con las APIs de LLM: mandás una sola petición batch que cubre un pedazo de trabajo en vez de disparar mil llamadas separadas. El modelo procesa el batch en un solo round trip, lo que ahorra latencia, corta el costo y reduce la superficie para los rate limits. La idea central es simple — si podés estructurar el input para que el modelo maneje varios items a la vez, hacelo.
Esto es del tipo de optimización que separa en silencio las apps de producción de los demos. Cada llamada extra a un LLM es plata real y tiempo real de espera.
El iPhone Ultra llega, pero apenas 50 mil unidades
Apple anunció el iPhone Ultra — un teléfono más grueso, de titanio, con cámara de 50mm y pantalla de 6.9 pulgadas — y la producción empieza este trimestre. El detalle: está limitado a unas 50,000 unidades. No es un error. Cincuenta mil. Para un dispositivo que arranca en $1,699.
El Ultra es la respuesta de Apple a las guerras de teléfonos, intentando esculpir un nicho premium por encima del Pro. Pero 50,000 unidades es una fracción de lo que mueve la línea Pro normal. Parece menos un producto y más una prueba — una forma de ver si el mercado existe antes de comprometerse con una producción real. Si las ventas son débiles, el Ultra desaparece en silencio. Si son fuertes, el próximo modelo recibe un empujón.
Para la gente que realmente compra teléfonos Apple, este no es para ustedes. Si están esperando un Ultra para recoger en una bodega, ahorren el tiempo. La historia real es el límite de producción: Apple está señalando que este segmento es experimental, no un flagship. El límite de 50,000 es la noticia — te dice lo que Apple cree que se ve el mercado, si alguien más está prestando atención.
Por qué nos importa: Apple está manteniendo sus juguetes de lujo exclusivos para el 1% más rico, mientras la gente tiene que elegir entre pagar $900 por un teléfono normal o no tener nada.
Atoms le está echando ojo a los robotaxis — la nueva frontera para los agentes de IA
Atoms, la plataforma de agentes de Travis Kalanick que deja que las herramientas de IA se hablen entre ellas, está mirando los robotaxis. Tiene su sentido: si los agentes se supone que hacen cosas en el mundo real, manejar un auto es una de las más fundamentales. Kalanick ya construyó Uber, así que la apuesta por vehículos autónomos no sorprende. Lo nuevo es que la jugada viene de una capa de agentes, no de una empresa automotriz.
El espacio se está llenando. Waymo tiene la única flota de robotaxis a escala, y Cruise volvió a las calles después de su crash del 2023.
Roland suelta Melody Flip — ideas con IA, no tracks terminados
Roland está lanzando Melody Flip, un plugin para tu DAW que usa IA generativa para soltar ideas musicales. Te da unas 250 paletas organizadas por género — pensálas como baldes temáticos de riffs y progresiones — y le podes pedir cualquier combinación: melodía, acordes, bajo o batería. También toma una track de referencia y se arma sobre su ADN melódico.
La diferencia clave: esto no es Suno ni Udio. No vas a recibir un track con voz, batería y bajo ya cocidos. Melody Flip te pasa fragmentos musicales crudos que podés arrastrar a tu proyecto y reacomodar. Sketchpad, no jukebox.
Por qué nos importa: si sos productor o session player y necesitás llenar 20 minutos antes de un show o bouncer un sketch para un cliente, esto es una herramienta real — no un gimmick. Las paletas son lo que vale.
OpenAI lanzó GPT-4o mini en silencio — el modelo rápido y barato
OpenAI lanzó en silencio GPT-4o mini, una versión más chica, más rápida y más barata de su modelo principal GPT-4o. Corre 60% más rápido que GPT-4o y cuesta 80% menos por token. Ya está disponible por la API de OpenAI y en la app web de ChatGPT, y le gana a GPT-3.5 Turbo en benchmarks de razonamiento, matemáticas y código.
Para una startup como la mía que corre un negocio paralelo, este es el tipo de cambio que le da vuelta a los márgenes de la noche a la mañana. Con ventanas de contexto de 20K, puede leer y resumir un PDF de 300 páginas en segundos.
Env es el nuevo .env — y de verdad funciona
Env es un sistema nuevo de configuración para devs. En vez de esparcir secretos por archivos .env, bases de datos y dashboards de la nube, lo guarda todo en un solo archivo con llaves por máquina, así solo el equipo que necesita un secreto puede leerlo. Piensa en él como el .env pero con seguridad real: encriptado, auditable, y sin estar en texto plano en la laptop de tu compa.
El equipo detrás es chiquito y ha estado mandando este chisme en silencio por un buen rato. Es open source, gratis para equipos pequeños, y se integra con los de siempre: GitHub Actions, CircleCI, los cloud providers. El pitch es simple: deja de meter secretos en .env. Empieza a usar env.
Por qué nos importa: mucha de la gente que conozco — devs en shops chiquitas, indie hackers, el primo que tiene su side gig — sigue pegando API keys en archivos de texto plano. Esta es una de esas mejoras silenciosas que hace toda la comunidad más segura sin que nadie tenga que aprender un framework nuevo.
Egipto está construyendo una segunda ciudad del Nilo, 100 km río arriba
Egipto está echando concreto para la Nueva Capital Administrativa, una ciudad de 700 km² a 45 km al este de El Cairo. La torre Minarets de 770 metros tiene más de 120 pisos y será el edificio más alto de África. Los primeros residentes se mudan el próximo año. Todo esto cuesta unos $58 mil millones — la mayoría financiada por el gobierno.
Es parte de un proyecto más amplio para desplazar la capital al este del Nilo, lejos de la ciudad vieja y la llanura de inundación. La capital vieja ya está saturada: 22 millones de gente, tráfico que no se mueve, vivienda que el gobierno no puede seguir.
Egipto está echando millones de toneladas de concreto al Nilo
Egipto está echando 12 millones de toneladas de concreto al Nilo para construir una nueva presa — más grande que la de Asuán. El proyecto fue anunciado por el presidente el-Sisi el 14 de julio. Va a sumar capacidad de almacenamiento y mantener el río fluyendo en medio de las sequías. El país lleva años seco. El Nilo le da casi toda el agua a Egipto.
La vieja presa de Asuán se construyó en los 60s para contener las crecidas y generar energía. Cambió la agricultura del país y desplazó a decenas de miles de gente nubia. Esta nueva presa es más grande. Va a inundar más tierra, desplazar más comunidades, y cambiar cómo el río lleva el sedimento río abajo. La región ya le falta agua — la ONU ha marcado la cuenca del Nilo como zona de estrés serio.
Por qué nos importa: proyectos como este remodelan regiones enteras, desplazan familias, y fijan décadas de política del agua — y las comunidades que pagan el precio rara vez son las que toman la decisión.
El rumor del iPhone Ultra de Apple es el teléfono que nadie pidió
Los últimos filtraciones apuntan a un modelo "Ultra" — batería más grande, titanio, una cámara que hace que el Pro se vea como si perteneciera a 2023. La etiqueta de precio se rumorea que supera los $1,500. Eso es el precio de un Honda Civic usado, sentado en tu bolsillo.
Apple ha estado empujando la línea Pro hacia arriba en la escalera de precios por años. El Ultra es el siguiente paso: un teléfono para gente que puede permitirse sobrepagar por titanio y un arreglo de lentes que toma mejores retratos de su gato. No es una nueva categoría de producto — es una nueva muesca en la bungee de precios.
Vercel bajó 10 SDRs a 1 — $5k al año
La COO de Vercel, Jeanne Dewitt Grosser, dice que la compañía redujo su equipo de 10 sales development reps a uno solo. Todo el arreglo ahora cuesta unos $5,000 al año.
Ese tipo de corte da nervios — especialmente en equipos de ventas que se basan en prospecting outbound. Pero la cuenta es clara: si vendes a un segmento apretado (developers, engineers) y el producto se vende solo por el developer loop, no necesitas una cuadrilla de gente marcando para agendar reuniones.
La señal más grande es que esto no es un caso aislado. El outreach asistido por IA y las comunidades warm de developers están comprimiendo el funnel tradicional de SDRs. Los equipos que antes justificaban una docena de reps ahora corren más ligeros. Los que se adapten — o los que se queden atrás — van a decidir quién mueve revenue en 2025.
Por qué nos importa: si tu side hustle o tu negocio chiquito hace cold outreach, pronto vas a ver que el costo de hacer eso baja un montón — y la competencia se pone más agresiva.
Los modelos mejoran pero las herramientas no — y eso duele
Los modelos están mejorando cada semana. Las herramientas que la gente usa de verdad para construir con ellos no — están viejas, frágiles, llenas de hacks. Esa es la disonancia que están sintiendo muchos equipos ahorita.
El gap importa porque el tooling malo te come el tiempo y la confianza. No necesitas otro framework para envolver otra llamada a la API; necesitas un sistema que de verdad te permita encadenar llamadas, manejar retries, y razonar sobre lo que está pasando. Los modelos te dan la inteligencia. El tooling tiene que dejarte usarla sin pelear con él.
T0 es el primer modelo de series temporales que de verdad entiende patrones
Un modelo nuevo llamado T0, del mismo equipo detrás de T0-3.5, puede tomar datos de series temporales —precios de acciones, lecturas de sensores, logs de sensores— y razonar sobre ellos como un modelo de lenguaje razona sobre texto. No es un paquete de estadísticas ni un modelo de ML tradicional. Es un transformer entrenado sobre secuencias de números, con la misma arquitectura que un LLM pero alimentado con números en lugar de tokens. La diferencia está en los datos: ve patrones a lo largo del tiempo, ciclos estacionales, tendencias, anomalías.
Se entrenó con más de 500 mil millones de puntos de datos en 1.5 millones de series temporales, cubriendo desde datos climáticos hasta precios de acciones y lecturas de sensores. El paper muestra que iguala o supera a modelos especializados en la mayoría de los benchmarks. En algunos se queda corta, lo cual es honesto: ningún modelo lo gana todo. La idea clave es que las series temporales pueden manejarse igual que el texto, usando los mismos bloques de construcción.
Por qué nos importa: un montón de los side hustles y operaciones pequeñas que corremos —inventario, entregas, ventas— se basan en datos de series temporales. Si modelos como este empiezan a salir en producción, la gente que pueda usarlos de verdad va a tener ventaja sobre la que sigue peleando con hojas de cálculo.
Por qué nos importa: significa que las herramientas para rastrear inventario, ventas y entregas están a punto de volverse mucho más simples para la gente que de verdad las maneja.