Señales IA — 16 de agosto de 2026

La noticia económica más relevante de la semana no es un nuevo modelo gigante, sino el regreso de las CPU para cargas de inferencia de IA. Según IEEE Spectrum, líderes de AWS están señalando que los procesadores de propósito general vuelven a ser competitivos para servir modelos de IA, gracias a la optimización de los propios modelos y a la madurez de los compiladores. Esto importa porque la inferencia representa la mayor parte del gasto operativo en IA; si una fracción significativa de esas cargas puede migrar de GPU a CPU, el costo total de propiedad se desploma.

La tendencia se refuerza con una ola de modelos pequeños y eficientes presentados esta semana. Google lanzó Gemini 3.7 Flash a 0.75 dólares por millón de tokens de entrada; Liquid AI presentó un modelo de visión-lenguaje de 3B que corre en dispositivos; NVIDIA liberó un MoE de 30B con solo 3B activos por paso; y Cactus Compute publicó Needle 2, un modelo de 45M que funciona en 28MB de RAM. Todos apuntan a reducir la dependencia de hardware especializado.

Las implicaciones económicas son profundas. Para las empresas, baja la barrera de entrada para implementar IA en producción, especialmente en sectores sensibles al costo. Para los proveedores de nube y fabricantes de GPU, la presión competitiva se intensifica: la diferenciación ya no estará solo en la potencia bruta, sino en la eficiencia por token. También se abre espacio para edge computing y aplicaciones on-device, donde el costo de conectividad y latencia era prohibitivo.

Sin embargo, conviene moderar el entusiasmo: los grandes modelos de frontera aún requieren aceleradores especializados para entrenamiento y tareas complejas. El regreso de la CPU es real para inferencia ligera y mediana, pero no elimina a las GPU; más bien segmenta el mercado. El dato económico clave es que el costo unitario de la IA sigue cayendo más rápido que el de cualquier infraestructura tecnológica previa, y eso acelera su adopción transversal.

• Google lanza Gemini 3.7 Flash, modelo para codificación y agentes a 0.75 dólares por millón de tokens de entrada, con contexto de 1 millón y salida de 64K tokens. (Fuente: MarkTechPost)
• SpaceXAI publica Grok 4.6, con contexto de 500K y nivel de razonamiento xhigh, empatando con GPT-5.6 Sol Max en el índice Artificial Analysis. (Fuente: MarkTechPost)
• Z.ai libera GLM-5.3 sin reentrenar el modelo base de 743B; las mejoras provienen de post-entrenamiento escalado: Terminal-Bench 3.0 sube de 4.6 a 28.3. (Fuente: MarkTechPost)
• Liquid AI presenta LFM2.5-VL-3B, un modelo de visión-lenguaje de 3.1B para dispositivos, que eleva el grounding de objetos de 57.1 a 87.9 en RefCOCO. (Fuente: MarkTechPost)
• NVIDIA lanza Nemotron 3.5 Lightning, un MoE abierto de 30B con solo 3B parámetros activos y un router Switchyard que asigna cada paso al modelo más barato capaz. (Fuente: MarkTechPost)
• Dyna Robotics publica Dyna-2, un modelo de acción mundial preentrenado con más de un millón de horas de video humano egocéntrico. (Fuente: MarkTechPost)
• Líderes de AWS señalan que las CPU están regresando para cargas de inferencia de IA, impulsadas por modelos más eficientes, según IEEE Spectrum. (Fuente: IEEE Spectrum)

En México, la IA muestra una dualidad: fuerte integración en cadenas de exportación, pero baja adopción y rentabilidad internas. Según Forbes México, el país vendió a Estados Unidos más servidores para inteligencia artificial que Taiwán, y El País reporta que México lidera las exportaciones de equipo de cómputo ligado al auge de IA. El Informador resume: “México fabrica IA, pero no la usa”.

En el plano económico, Proceso cita una proyección de que la IA podría aportar 73,500 millones de dólares a la economía mexicana hacia 2029, aunque advierte que falta infraestructura. Milenio señala que el boom de data centers ha abierto una batalla por talento especializado. DW.com reporta que las empresas aún no logran rentabilizar sus inversiones en IA, y MVS Noticias documenta una nueva brecha digital en el uso de estas tecnologías.

En regulación, El Financiero compara los enfoques de Europa, Estados Unidos y México; El Economista analiza opciones para regular la IA; y DPL News plantea que México debe evolucionar de centros de datos a fábricas de inteligencia artificial. Por su parte, Petróleo y Energía afirma que 550,000 nuevas empresas integraron IA en el último año.

0.75 dólares por millón de tokens de entrada es el precio de lanzamiento de Gemini 3.7 Flash, según el anuncio oficial de Google reportado por MarkTechPost. Esta cifra concreta ilustra la rápida caída de los costos de inferencia para modelos de codificación y agentes, lo que reduce el gasto necesario para implementar IA en producción.

Recibe Señales IA

Gratis, directo a tu bandeja. ¿Te reenviaron esto? Suscríbete tú y no te lo pierdas.

o recíbelo en Telegram, sin dar tu correo