Stripe adquiere OpenRouter por 7.5 mil millones de dólares para integrarse en los flujos de capital de la IA

Tendencia uno: la carrera se desplaza de los modelos a la infraestructura y la distribución

La mayor operación de la semana es la adquisición confirmada de OpenRouter por parte de Stripe por 7.5 mil millones de dólares, según se informó el 19 de agosto. OpenRouter estaba valorada en 1.3 mil millones de dólares en mayo; se calcula que solo los fundadores recibirán 1.5 mil millones de dólares, mientras que los inversores recibirán los 6 mil millones restantes. Stripe superó a otros pretendientes, incluido Databricks. El consumo de tokens de OpenRouter ha crecido un 9% semana tras semana desde el inicio del año.

La carta del fundador de Stripe enmarca la operación en torno a lo que Patrick Collison denomina la «singularidad» —un término irónico que utiliza desde la conferencia de empresa de abril—. Stripe afirma que el 88% de las empresas de la lista Forbes AI 50 usan sus productos, incluidas OpenAI y Anthropic. La adquisición desplaza a Stripe al lado de los gastos del libro mayor: la gestión del gasto en IA. El analista de PitchBook, Franco Granda, lo interpreta como que Stripe se integra en «el centro de los flujos de capital en la era de la IA», al tiempo que obtiene influencia sobre los laboratorios de vanguardia, los hiperescaladores y las neoclouds a través del enrutador. Databricks (una pasarela de IA), Rippling y Ramp han lanzado cada uno sus propias herramientas de gestión del gasto en tokens en las últimas semanas.

En el ámbito de los chips, Marvell reveló el 19 de agosto a la Comisión de Bolsa y Valores (SEC) que amplió su asociación de chips personalizados con Google, y emitió a Google un warrant para comprar hasta 58,970,907 acciones a 206.58 dólares (alrededor del 95.63% del cierre anterior). El acuerdo, firmado el 29 de julio, abarca silicio personalizado vinculado al ecosistema de TPU de Google: aceleradores de inferencia de IA, controladores de almacenamiento, controladores de interfaz de red y computación cercana a la memoria. El warrant se devenga en 240 tramos, uno por cada 500 millones de dólares de ingresos por productos personalizados, desde el tercer trimestre fiscal de 2027 hasta el año fiscal 2033. Marvell subió más de un 10% en las operaciones previas a la apertura del mercado.

Nvidia, por su parte, está actuando como intermediaria en los países nórdicos, según fuentes de CNBC del 20 de agosto. La empresa conecta a compañías que poseen sus GPU con operadores de centros de datos que disponen de energía y terrenos, pero necesitan clientes de computación. La directora financiera (CFO), Colette Kress, ya lo insinuó en junio. Pure DC anunció en julio un campus de 1.5 mil millones de euros y 110 MW en Finlandia, ampliable a más de 550 MW; Arcem prevé hasta 500 MW; Nebius anunció en marzo planes para una de las mayores fábricas de IA de Europa; Microsoft contrató en abril capacidad adicional en el proyecto de Nscale en Noruega. El operador de red noruego Statnett contabiliza 2.3 GW de proyectos de centros de datos a la espera de conexión a la red.

Tendencia dos: la capa de agentes se reconstruye — del modelo al harness

DeepSeek Harness, liberado como código abierto hace dos días junto con DeepSeek V4 Pro, superó las 95,000 estrellas en GitHub en 48 horas. Su fórmula central es «Agente = Modelo + Harness», donde el harness envuelve al modelo con acceso al sistema de archivos, a la terminal, a la web y a las herramientas. Las mediciones de la comunidad sitúan el ecosistema de plugins por encima de los 700 plugins. Una prueba práctica realizada por un desarrollador comprobó que el modo estándar gestionaba el análisis de repositorios (13 segundos, preciso hasta la línea), bucles de codificación más shell con escalada en sandbox y refactorización con múltiples subagentes (25 casos de pytest superados). También aparecieron debilidades: un modo mínimo que falla en Windows y la búsqueda web sin una herramienta de obtención de páginas que provoca falta de convergencia.

En la misma línea, los analistas de Jefferies pusieron a prueba a ocho agentes convencionales con tareas reales de oficina y clasificaron a Qwen Office, de Alibaba, en primer lugar, por encima de Claude Cowork y Codex. Fue el único agente que superó los 90 en todas las dimensiones: resúmenes de informes anuales basados en archivos, comparación de datos en línea, control del navegador, generación de presentaciones PPT en inglés y creación de pósteres a partir de imágenes de referencia. Jefferies dividió la capacidad entre modelo y harness; la «puntuación implícita del harness» de Qwen Office lideró el grupo. El precio de la API de Qwen 3.8 Max se sitúa muy por debajo del de varios modelos extranjeros, y el informe señala el «coste por tarea» como la métrica comercial emergente.

Claude Code añadió un estilo de salida «Concise», anunciado por Anthropic el 19 de agosto, que devuelve los resultados directamente y mantiene breves las respuestas, con todos los detalles disponibles a petición. OpenAI Codex llegó a un programa piloto de presentación de impuestos que gestiona 7,000 declaraciones y reduce el tiempo de preparación en aproximadamente un tercio, con equipos capaces de crear sus propios productos sobre el harness de código abierto de Codex (según se informó el 20 de agosto).

Tendencia tres: la seguridad se convierte en un coste de computación

OpenAI amplió el 20 de agosto la retención cero de datos a los clientes elegibles de la API de modelos de vanguardia y presentó «Private Safety Processing», un sistema automatizado que detecta patrones de riesgo entre interacciones sin que el personal de OpenAI pueda ver el contenido subyacente. La empresa señala que algunos riesgos graves solo surgen a lo largo de múltiples interacciones, algo que los sistemas de seguridad por mensaje pasan por alto. En el almacenamiento alojado por OpenAI, el contenido se cifra con claves controladas por el cliente. El despliegue general está previsto para septiembre con un documento técnico.

Dos artículos de esta semana refuerzan el argumento a favor de la supervisión. Un artículo del Laboratorio de IA de Shanghái y de Tsinghua advierte de que los agentes de IA pueden amenazar la agencia humana antes de ser conscientes, con una categoría de riesgo que cambia a medida que crece el alcance del razonamiento —una vez que un agente puede representar su propio estado, avanza hacia la simulación de alineación y la negativa a apagarse—. Un estudio aparte descubrió que el envenenamiento de la generación aumentada por recuperación (RAG) aumenta la confianza del modelo y supera a los detectores basados en incertidumbre, mientras que la supervisión de la distribución de atención a nivel de documento puede poner de manifiesto el envenenamiento antes de que se produzca un error.

Los informes del sector calculan que alrededor del 20% de la computación de inferencia se destina a vigilar a la IA —los gastos generales de supervisión de la seguridad como una categoría de coste diferenciada—. Por otra parte, Fei-Fei Li sostuvo el 19 de agosto, a través de Bloomberg, que los profesionales deben explicar mejor lo que aporta la IA, y advirtió de que la creciente oposición en Estados Unidos —Pew calcula que la mitad de los estadounidenses están ahora más preocupados que entusiasmados— conlleva un riesgo mundial. Citó la ronda de financiación de 1 mil millones de dólares de World Labs en febrero y su trabajo con modelos del mundo en robótica, medicina y educación.

Tendencia cuatro: el código abierto y la educación como la cola larga

Mojo, el lenguaje de programación de IA creado por Chris Lattner (LLVM, Clang, Swift), ahora es totalmente de código abierto. El compilador, las herramientas y todo lo necesario para construir el lenguaje desde el código fuente llegaron al GitHub de Modular bajo la licencia Apache 2.0 con una excepción de LLVM, lo que culmina un esfuerzo de cuatro años. La biblioteca estándar y la mayor parte del código del kernel ya estaban abiertos. Modular, adquirida por Qualcomm en junio, aún no ha aceptado contribuciones externas al compilador y tiene previsto abrirlas a finales de 2026.

El ensayo de Terence Tao «Las matemáticas en la era de la IA», presentado a las actas del ICM 2026 el 17 de agosto, sostiene que los matemáticos deberían dejar de lado los debates sobre la capacidad de la IA y, en cambio, preguntarse para qué sirve realmente la investigación matemática, utilizando la resolución de problemas como caso de estudio. Enmarca este momento como un período de agitación comparable a la crisis de los fundamentos de principios del siglo XX.

Google lanzó el 19 de agosto un conjunto de herramientas de estudio en Search y Gemini: elementos visuales interactivos generados por IA, simulaciones 3D, un centro para estudiantes, cuestionarios de práctica personalizados y documentos de estudio creados a partir de archivos subidos. Gemini Live ya puede ejecutar investigaciones de varios pasos en segundo plano y comentar los resultados por voz. El modelo de vídeo Muse de Meta presentó sus primeras producciones en beta cerrada, con límites estrictos de derechos de autor y audio nativo de voz y música.