Edición de 9 de septiembre de 2026, 06:15 · ventana de las 02:15 a las 06:15
Más de diez estados de EE. UU. retiran ventajas fiscales a las tecnológicas por el rechazo a los centros de datos
La expansión de los centros de datos encuentra resistencia en las cuentas públicas. Microsoft añade un balance excepcional a su actualización de seguridad: unas 972 vulnerabilidades corregidas. Un aviso de las agencias estadounidenses lleva la disputa por la destilación de modelos al terreno de la seguridad nacional, mientras una dimisión en Anthropic vuelve a cuestionar quién decide el ritmo de la carrera.
Más de 10 estadoshan retirado ventajas fiscales a las grandes tecnológicas, según The Wall Street Journal
Unas 972vulnerabilidades corregidas en el Patch Tuesday de septiembre, según Ars Technica
112fallos de gravedad crítica dentro de esa actualización
Lo que importa
Los estados empiezan a retirar el apoyo fiscal a los centros de datos
Infraestructura y poder tecnológicoMuy relevante
- Más de diez estados de EE. UU. han revertido ventajas fiscales concedidas a las grandes tecnológicas, según The Wall Street Journal. En algunos estados, esas ventajas superan los 1.000 millones de dólares anuales.
- Otros estados proponen medidas similares ante el rechazo a los centros de datos. Amazon, Meta y Google se arriesgan a perder exenciones mantenidas durante décadas.
Por qué importaLa fiscalidad forma parte del coste de construir y operar capacidad, aunque no aparezca en el precio de una máquina virtual. Retirar exenciones puede alterar la comparación entre ubicaciones y las condiciones de nuevas inversiones. Es un cambio político concreto, no una prueba de que vayan a cancelarse instalaciones ni de que las tarifas cloud suban de inmediato. Tampoco permite dar por hecho que Europa vaya a seguir el mismo camino.
El balance del Patch Tuesday sube a unas 972 vulnerabilidades, 112 críticas
CiberseguridadMuy relevante
- Ars Technica cifra en unas 972 las vulnerabilidades corregidas por Microsoft en el Patch Tuesday de septiembre de 2026 y describe el volumen como un récord.
- De ellas, 112 tienen gravedad crítica. El acumulado de 2026 alcanza 2.760 fallos corregidos, más del doble que en 2025, según la misma información.
Por qué importaLa novedad respecto a la cobertura anterior del parcheo es el balance del lote, no otra actualización distinta. El recuento ayuda a dimensionar revisión y pruebas, pero no sustituye la prioridad por explotación activa, exposición y productos realmente desplegados. Tampoco demuestra por sí solo que haya empeorado la calidad del software: para explicar el aumento habría que distinguir más detección, cambios de alcance y nuevos defectos.
NSA, CISA y FBI acusan a empresas chinas de destilar modelos a escala industrial
IA y geopolíticaMuy relevante
- NSA, CISA y FBI emiten un aviso conjunto sobre campañas de destilación de modelos a «escala industrial», según Reuters.
- Las agencias señalan a compañías chinas de IA, entre ellas DeepSeek. El Gobierno estadounidense las acusa de copiar tecnología de forma maliciosa.
Por qué importaLa acusación sitúa el acceso a modelos y la reproducción de sus capacidades dentro de la política de seguridad nacional. Para evaluar proveedores conviene separar tres cuestiones: qué conducta se atribuye, qué pruebas la respaldan y qué restricciones legales existen realmente. Un aviso no equivale por sí mismo a una prohibición de uso; la destilación como técnica tampoco es sinónimo de actividad ilícita. Reuters recoge una acusación estatal, no una conclusión judicial.
Windows 11 incorpora una consulta del grupo de edad sin revelar la fecha de nacimiento
Derechos digitalesRelevante
- Microsoft está añadiendo a Windows 11 APIs de reconocimiento del grupo de edad, informa BleepingComputer.
- Permitirán a las aplicaciones determinar si el usuario es un niño, un adolescente o un adulto sin exponer su fecha de nacimiento exacta.
Por qué importaLa pieza concreta es una interfaz del sistema operativo, no solo una propuesta de control de edad. Comunicar una categoría revela menos que una fecha completa, pero deja preguntas decisivas: cómo se obtiene ese dato, quién puede consultarlo y cómo se corrige un error. No hay que confundir una señal de edad con una comprobación de identidad ni dar por hecho que cualquier aplicación tendrá acceso sin consentimiento.
Un investigador de Anthropic abandona la industria por temor a perder el control de los sistemas
IA y gobernanzaRelevante
- Jacob Coxon, investigador de Anthropic, afirma que deja la industria de la IA, según The Wall Street Journal.
- Explica su decisión por el temor a que las empresas compitan por construir sistemas que no puedan controlar. La información enmarca su salida en la preocupación interna por los modelos capaces de mejorarse a sí mismos.
Por qué importaEs una decisión personal con coste profesional y un desacuerdo explícito sobre el rumbo de un proveedor. Merece más atención que una consigna publicitaria, pero no acredita un fallo técnico concreto ni demuestra que un sistema incontrolable sea inminente. Su valor informativo está en la gobernanza: qué margen existe para frenar el desarrollo cuando quienes trabajan dentro discrepan sobre el riesgo.
Gimlet capta 300 millones mientras el gasto potencial de OpenAI aún no es ingreso
Financiación de la IARelevante
- Gimlet Labs anuncia una ronda de 300 millones de dólares con una valoración de unos 3.000 millones, liderada por Andreessen Horowitz, según The Information.
- Una fuente afirma que la empresa dijo a los inversores que OpenAI podría gastar más de 100 millones de dólares anuales en sus servicios. OpenAI dice que todavía no es cliente de pago.
Por qué importaUn posible cliente de gran tamaño puede sostener expectativas de crecimiento antes de generar facturación. Para evaluar la solidez de un proveedor importa distinguir una previsión comercial, un compromiso contractual y un ingreso cobrado. Las dos afirmaciones no son incompatibles: que OpenAI no pague hoy no desmiente que pueda hacerlo en el futuro. No hay base aquí para llamar fraude a la ronda ni para contabilizar ese gasto potencial como ventas.
Un análisis atribuye a los datos la mayor parte de la mejora de eficiencia del preentrenamiento
Investigación en IARelevante
- Un análisis de Dwarkesh Podcast compara las mejoras de eficiencia de cómputo en el preentrenamiento entre 2019 y 2025.
- Su conclusión es que las ganancias procedieron principalmente de mejoras en los datos, más que de mejoras en los modelos.
Por qué importaLa tesis desplaza la atención desde la arquitectura hacia el material con el que se entrena. Si se sostiene, invertir en calidad y selección de datos puede ser tan importante como elegir un modelo. No implica que la arquitectura haya dejado de importar ni que exista un techo demostrado: el titular no aporta la metodología ni un reparto cuantitativo que permita generalizar el resultado.
Análisis transversal
La capacidad depende de permisos que no se compran solo con chips
Exenciones fiscalesDestilaciónDatosGimlet Labs
El análisis sobre preentrenamiento sitúa el valor en los datos; el aviso estadounidense disputa cómo pueden obtenerse capacidades a partir de modelos ajenos. La retirada de exenciones afecta a las condiciones económicas de la infraestructura, mientras Gimlet ilustra la distancia entre demanda prevista y facturación. Son restricciones diferentes sobre una misma inversión: disponer de capital no garantiza acceso legítimo a los datos, apoyo fiscal estable ni clientes de pago. La consecuencia para una decisión de arquitectura es concreta: la evaluación del proveedor no puede terminar en su rendimiento técnico.
El control futuro no sustituye los permisos presentes
AnthropicMuseTrabajoCasey Newton
La salida de Coxon plantea si un laboratorio podrá controlar sus futuros sistemas. En Mastodon, randomwizard describe otra preocupación: que la implantación de IA justifique reunir registros y conversaciones internas al alcance de los directivos. Es un testimonio laboral, no una medición general, pero identifica una decisión inmediata sobre acceso a información. La descripción de Muse que ofrece Dare Obasanjo —máquina virtual separada, filtro de acceso a Internet y confirmación de acciones sensibles— apunta a controles técnicos comprobables. Casey Newton añade el problema de credibilidad de quienes venden capacidades y advierten de sus peligros. El cruce no demuestra que un temor invalide al otro: muestra que contención técnica, permisos empresariales y límites al desarrollo requieren pruebas distintas.
La revisión importa tanto como la producción de resultados
Datos de entrenamientoNIHFinanciación de la IA
Mientras el análisis de preentrenamiento destaca el valor de los datos y Gimlet consigue capital sobre expectativas comerciales, Jenna Norton cuestiona que el NIH mantenga la discusión limitada al tercio superior de solicitudes. No hay evidencia de que una cosa financie o provoque la otra. Sí aparece una asimetría que merece atención: se celebra la capacidad de producir más, pero la selección y la evaluación requieren recursos propios. Discutir menos solicitudes no significa que las restantes carezcan de evaluación; la objeción de Norton se refiere a perder deliberación y comentarios más matizados.
Hay una lectura que pondría primero el parcheo
MicrosoftCentros de datosAnthropic
He abierto con la retirada de exenciones porque cambia condiciones económicas reales de la infraestructura, no solo expectativas sobre la IA. Hay una lectura que pondría primero Microsoft: para quien administra sistemas afectados, ordenar y probar el despliegue de parches puede ser la decisión más urgente del día. Su fuerza está en la acción inmediata; su límite, en que el recuento global no mide la exposición de cada organización. La dimisión en Anthropic tiene más resonancia en la conversación, pero menos consecuencias operativas demostradas. No la pondría por encima de esos dos hechos solo porque encaje mejor en un relato de crisis.
En tus timelines
Mastodon lleva el debate de la IA hacia incentivos y permisos; en Bluesky aparecen la credibilidad de los laboratorios y la calidad de la revisión científica.
Advertir del peligro no resuelve el conflicto de intereses
Dare Obasanjo ironiza sobre la convivencia entre el temor a los efectos de la IA y los incentivos financieros dentro de Anthropic. Casey Newton plantea que los laboratorios pueden ser malos portavoces sobre seguridad y, aun así, merecer atención. Ambos matizan la cobertura de la dimisión: la credibilidad del mensajero importa, pero ni una burla refuta el riesgo ni trabajar en un laboratorio convierte una predicción en evidencia.
La pregunta práctica es a qué puede acceder el agente
randomwizard describe su percepción de que la eficiencia sirve de argumento para sustituir trabajo y ampliar el acceso directivo a información interna. Obasanjo, que declara trabajar en Meta, destaca el aislamiento y las confirmaciones de Muse. El segundo comentario no constituye una auditoría independiente; el primero tampoco prueba una práctica universal. Juntos desplazan el debate desde la inteligencia del agente hacia los datos que puede leer y las acciones que tiene permitido ejecutar.
Menos discusión no significa ausencia de revisión
Jenna Norton enlaza un aviso del NIH y señala que continuará discutiéndose únicamente el tercio superior de las solicitudes. Su crítica es que menos proyectos recibirán el beneficio de esa deliberación y que los solicitantes obtendrán comentarios menos matizados. Conviene conservar la distinción: habla de la discusión de propuestas, no de que el resto deje de someterse a revisión ni de una cuota de financiación.
Ruido descartado
La repetición de una reseña no añade otra noticia
La reseña del iPhone Air y el iPhone 17 Pro circula por varias cuentas. Esa duplicación no aporta por sí misma un cambio de privacidad, reparabilidad o condiciones de uso que justifique darle prioridad.
Predecir intentos de suicidio exige algo más que un titular
El comunicado de Harvard promete anticipación, pero sin examinar la metodología, los falsos positivos y la población estudiada no corresponde convertirlo en una herramienta clínica validada. La gravedad del problema exige más cautela, no un titular más rotundo.