Stripe compra OpenRouter por más de $7.000 millones, un gerente de IA construido sobre Claude despide a su primer empleado humano en San Francisco, Dario Amodei atribuye el rechazo a la IA a una crisis de confianza, la Universidad de León estrena un modelo que predice incendios de copa con 16 días de antelación y Qwen3.8-27B, de pesos abiertos, supera a Claude Opus 4.6 Max en una prueba de código.
Stripe acordó comprar OpenRouter, la plataforma que enruta solicitudes hacia más de 400 modelos de inteligencia artificial de proveedores como OpenAI, Anthropic, Google, Meta y DeepSeek, por más de $7.000 millones, según reportó Bloomberg el domingo 16 de agosto, que citó a personas con conocimiento directo de la negociación. TechCrunch y Dataconomy confirmaron el monto ese mismo fin de semana, aunque ni Stripe ni OpenRouter emitieron un comunicado oficial que precise la cifra exacta ni la fecha de cierre al cierre de esta edición, de acuerdo con Seeking Alpha. La cifra representa cerca de cinco veces la valoración de $1.300 millones que OpenRouter alcanzó en mayo, cuando levantó una ronda Serie B de $113 millones, según recogió Bloomberg. OpenRouter dice tener 8 millones de desarrolladores que usan su servicio para elegir entre modelos según costo y tarea, la misma infraestructura sobre la que corren buena parte de los agentes autónomos que hoy ejecutan tareas de programación o soporte con poca supervisión humana constante. Para Stripe, una empresa de pagos, la compra representa su apuesta más grande hasta ahora por convertirse en un proveedor de infraestructura de IA y no solo en un procesador de transacciones. Ni Stripe ni OpenRouter han dicho cuándo cerraría formalmente la transacción ni si habrá cambios en los precios que cobra OpenRouter a los desarrolladores. Costa Rica no tiene oficinas de ninguna de las dos empresas, pero desarrolladores ticos que cobran suscripciones con la pasarela de Stripe o que usan OpenRouter para abaratar el costo de inferencia de sus productos de IA quedarían, si la compra se confirma, bajo la misma casa matriz sin que eso cambie de inmediato las tarifas que pagan hoy.
Andon Labs reveló que Luna, el sistema que administra su tienda Andon Market en la calle Union 2102, en el barrio Cow Hollow de San Francisco, recomendó despedir a un empleado humano después de que este faltara a 17 de sus 23 turnos programados, según reportó Time el 14 de agosto y confirmaron American Bazaar y TheNextWeb el fin de semana siguiente. Andon Labs le dio a Luna, construida sobre Claude Sonnet 4.6, un presupuesto de $100.000, una tarjeta corporativa y acceso a internet, con instrucciones de abrir una tienda y hacerla rentable; el sistema eligió el inventario, contrató contratistas, publicó vacantes en Indeed y entrevistó y contrató personal, de acuerdo con la misma cobertura. La decisión no fue del todo autónoma: según los registros de conversación que Andon Labs publicó en su propio sitio, Luna había creado una política de asistencia meses atrás pero perdió el rastro de ella, por lo que las llegadas tarde del empleado continuaron sin acción disciplinaria durante semanas pese a advertencias repetidas. Solo cuando el equipo de Andon Labs le pidió a Luna que revisara su propia memoria y evaluara si el trabajador seguía siendo apto, el sistema recomendó «separar caminos», y personas de la empresa revisaron esa recomendación antes de ejecutar el despido, según TheNextWeb. El caso llega diez días después de que Anthropic activara por defecto el modo automático de Claude Code, que deja de pedir aprobación humana en cada paso salvo que la acción se juzgue irreversible o destructiva —la misma lógica de autonomía con supervisión mínima que ahora se extiende, en Andon Labs, a decisiones sobre personas. Andon Labs no ha dicho si planea dar a Luna autoridad para despedir sin revisión humana previa ni si replicará el experimento en otras tiendas. Costa Rica exige, por Código de Trabajo, causa justificada y un proceso documentado para todo despido, y el Ministerio de Trabajo no tiene lineamientos sobre decisiones de personal supervisadas por un sistema de IA; el proyecto de ley 23.771, que crearía una Agencia Reguladora de Inteligencia Artificial, tampoco contempla ese escenario y sigue sin dictamen en la Asamblea Legislativa.
Dario Amodei, director ejecutivo de Anthropic, calificó el rechazo público creciente hacia la industria de la IA como «fundamentalmente una crisis de confianza» en una serie de publicaciones en X el sábado 15 de agosto, según reportó TechCrunch el domingo 16 y confirmaron Fortune y MediaPost. Amodei escribió que «la gente común no confía en las empresas, los gobiernos ni la industria tecnológica, y siempre sospecha que estamos tramando alguna nueva forma de perjudicarla», y que la crítica más certera contra empresas de IA como la suya es que «todavía no hemos cumplido nuestras grandes promesas de beneficiar al mundo», de acuerdo con la misma cobertura. Las publicaciones respondieron a Gavin Baker, inversionista que argumentó públicamente que las propias advertencias de Amodei sobre los riesgos catastróficos de la IA ayudaron a encender la oposición ciudadana contra la construcción de centros de datos en Estados Unidos, según recogió CryptoBriefing. Amodei rechazó que el problema sea de comunicación —insistió en que no se trata de «vender mejor» la IA— pero, al admitir que Anthropic aún no entrega los beneficios prometidos, le dio parcialmente la razón a Baker sobre el fondo del reclamo. El intercambio llega dos días después de que el informe de riesgo de agosto de Anthropic revelara que 133 millones de intercambios de contratistas corrieron casi un año sin los filtros de bioseguridad diseñados para bloquearlos, el tipo de hallazgo que alimenta exactamente la desconfianza que Amodei dice que su empresa necesita revertir. Amodei no propuso una medida concreta para cerrar esa brecha de confianza más allá de prometer resultados futuros. Costa Rica no cuenta con encuestas propias sobre confianza pública en la inteligencia artificial, y la ausencia de una autoridad reguladora —el proyecto de ley 23.771 sigue sin dictamen de comisión— deja al país sin un mecanismo institucional para exigirle a Anthropic o a cualquier otra empresa las pruebas que, según el propio Amodei, todavía faltan.
It's fundamentally a crisis of trust... ordinary people don't trust companies, governments, or the tech industry, and always suspect that we're cooking up some new way to screw them over.
Investigadores de la Universidad de León presentaron CROWNFIRE-AI, una plataforma que calcula con hasta 16 días de antelación el riesgo de que un incendio forestal se convierta en incendio de copa —el tipo más peligroso, por su velocidad de propagación e intensidad—, según reportaron Infobae, Libertad Digital y El Debate el lunes 17 de agosto. El proyecto, liderado por José Manuel Fernández Guisuraga, investigador del Instituto de Medio Ambiente y Cambio Global de esa universidad, se desarrolló junto con la Universidad de Valladolid y la empresa leonesa Vexiza SL, de acuerdo con la misma cobertura. La plataforma procesa imágenes satelitales, pronósticos meteorológicos y datos forestales para generar mapas de riesgo, y ya se usa para calcular a diario la probabilidad de comportamiento de copa en Castilla y León, según recogió ileon.eldiario.es. El sistema está alojado en servidores de la propia Universidad de León y puede usarse de forma gratuita mediante registro, lo que lo distingue de herramientas comerciales cerradas y facilita que otras regiones con riesgo de incendio adapten el modelo a sus propios datos. Los investigadores no han dicho si planean adaptar CROWNFIRE-AI a otras regiones fuera de Castilla y León ni si buscarán financiamiento internacional para ampliarlo. Costa Rica concentra su temporada de incendios forestales entre febrero y abril, fuera de la ventana de lluvias de agosto en la que se publica esta edición, y el Sistema Nacional de Áreas de Conservación no cuenta con una herramienta pública de pronóstico de incendios basada en IA equivalente a esta; el impacto directo sobre el país es, por ahora, marginal, pero el modelo español queda como referencia para cuando el SINAC o la Comisión Nacional de Emergencias evalúen herramientas similares antes de la próxima temporada seca.
— CROWNFIRE-AI, de la Universidad de León, la Universidad de Valladolid y la empresa Vexiza, cruza datos satelitales y meteorológicos para calcular a diario el riesgo de incendios de copa.
El modelo de pesos abiertos de Alibaba anotó 61,7 puntos en SWE-Bench Pro, por encima de los 53,4 del modelo insignia de Anthropic, aunque queda detrás en otras cuatro pruebas de referencia.
Alibaba liberó el 14 de agosto los pesos oficiales de Qwen3.8-27B, un modelo multimodal de 27.780 millones de parámetros bajo licencia Apache 2.0 y con ventana de contexto nativa de 262.144 tokens, según su ficha técnica publicada en Hugging Face. Durante el fin de semana del 15 y 16 de agosto, sitios especializados como CryptoBriefing y Mer.vin destacaron que, en la comparación de referencia publicada por la propia Alibaba, Qwen3.8-27B anotó 61,7 puntos en SWE-Bench Pro —una prueba que mide la capacidad de un modelo para actuar como agente dentro de un repositorio real, no solo responder preguntas— frente a los 53,4 puntos que registró Claude Opus 4.6 Max de Anthropic en la misma prueba. La cifra no proviene de una evaluación independiente sino de la propia tabla comparativa de Alibaba, sin verificación cruzada al cierre de esta edición, y Studio Global AI señaló que Qwen3.8-27B queda por debajo de Opus 4.6 Max en las otras cuatro pruebas de ese mismo cuadro comparativo, principalmente en tareas de razonamiento abstracto. Aun con esa salvedad, que un modelo de 27.000 millones de parámetros —lo bastante liviano para correr en una estación de trabajo potente en lugar de un centro de datos— supere en una sola prueba práctica a un modelo cerrado de frontera es una señal de que la brecha entre modelos abiertos y cerrados en tareas de programación se está cerrando. Alibaba no ha dicho si ampliará esta familia de modelos livianos ni publicó el costo de entrenamiento de Qwen3.8-27B. Costa Rica no tiene fabricantes de chips ni laboratorios de modelos propios, pero el abaratamiento que representan modelos de pesos abiertos como este es, para desarrolladores ticos que pagan en dólares por cada token que consumen, una alternativa concreta frente al aumento de hasta 1.100% que DeepSeek aplicó esta semana a su propia API.