Siri ya pone Spotify sin que digas «en Spotify» en iOS 27, pero no en la Unión Europea

Publicado el

por Natalia Polo

Con iOS 27, los usuarios de Spotify ya pueden pedirle música a Siri sin añadir «en Spotify» al final de cada orden: si la usas siempre con Spotify, Siri aprende que es tu aplicación preferida y le envía las peticiones de forma automática. Lo anunció Spotify el 13 de octubre de 2026, según TechCrunch. La mala noticia para el lector español: no funciona en la Unión Europea.

Tampoco funciona en cualquier iPhone ni en cualquier idioma. Los requisitos, recogidos en la página de ayuda de Spotify sobre Siri, dejan fuera a mucha gente.

¿Qué cambia exactamente?

Desaparece la coletilla. Hasta ahora, para que Siri no abriera otro servicio había que terminar la orden con «on Spotify» (o «en Spotify», según el idioma). Con la nueva integración basta con pedir la canción o el artista, siempre que Siri haya aprendido tu preferencia; por ahora, solo en inglés.

Según TechCrunch, la integración cubre canciones, álbumes, pódcast y audiolibros concretos, y también peticiones abiertas como «pon música para entrenar». Funcionan las funciones propias de Spotify, como «pon mi DJ», las recomendaciones personalizadas, retomar un pódcast, buscar en tu biblioteca o crear una Prompted Playlist, las listas generadas con IA.

La página de ayuda añade otras órdenes: guardar con «me gusta» en tu biblioteca, saltar canciones, pausar y cambiar el volumen. Además de en el iPhone, la integración funciona con AirPods, Apple Watch y CarPlay.

¿Qué necesito para usarlo?

Tres cosas, y ninguna es menor. Necesitas un iPhone 15 Pro o posterior con iOS 27, tener Apple Intelligence activado en Ajustes y usar Siri en inglés, que según la página de ayuda de Spotify es el único idioma compatible por ahora.

Cuando no se cumplen, sigue funcionando el método de siempre: Siri estándar, en cualquier idioma, en iPhone, iPad o iPod touch con iOS 14 o superior, añadiendo «en Spotify» a la orden. Es decir, nadie pierde nada; simplemente, la versión cómoda está reservada a los iPhone compatibles con Apple Intelligence.

¿Cómo aprende Siri? Spotify lo explica de forma muy escueta: cuanto más uses Spotify con Siri, más aprende tu preferencia. Si Siri se equivoca y abre otra aplicación, el consejo es volver a añadir «en Spotify» a la orden. El medio especializado RouteNote apunta además que la integración no cambia la configuración de música de todo el sistema y que, en algunas peticiones, puede seguir abriéndose Apple Music.

Por qué no llega a España

TechCrunch se limita a decir que la función está disponible en todo el mundo salvo en la UE, sin dar el motivo, y Spotify tampoco lo explica en su ayuda. Pero el contexto encaja con lo que Apple anunció en junio.

El 8 de junio de 2026, Apple comunicó en su sala de prensa que no podrá lanzar la nueva Siri con IA en la Unión Europea con iOS 27 e iPadOS 27. La compañía lo atribuye a la Ley de Mercados Digitales (DMA): según Apple, los reguladores le exigen dar a cualquier asistente acceso amplio a datos privados y control de otras aplicaciones sin las salvaguardas que considera necesarias, y rechazaron su propuesta de un intermediario llamado «Trusted System Agent».

«Nos decepciona profundamente que nuestros usuarios de la UE no tengan Siri con IA en el iPhone ni en el iPad», dijo Craig Federighi. Apple no tiene calendario para su llegada. Como la integración de Spotify exige Apple Intelligence en Siri, la conexión parece directa, aunque ninguna de las dos empresas la ha confirmado de forma explícita para esta función.

Conviene recordar que esa es la versión de Apple de un conflicto regulatorio con Bruselas. Mientras se resuelve, los usuarios europeos se quedan en medio.

Un problema que viene de iOS 14.5

La idea no es nueva. En 2021, con iOS 14.5, Apple ya introdujo que Siri «aprendiera» qué aplicación de audio preferías, como explicaba TechRadar. No era un ajuste para elegir aplicación por defecto: Siri preguntaba la primera vez y luego intentaba recordar la elección.

En la práctica funcionaba regular. En las pruebas de TechRadar con Spotify, Siri volvía a Apple Music tras unas cuantas peticiones, y había que insistir para fijar la preferencia.

Lo que cambia ahora es que Spotify lo presenta como integración oficial con la nueva Siri y con sus funciones exclusivas, como el DJ o las listas con IA. Si te interesa cómo funcionan esas recomendaciones, explicamos cómo los algoritmos de Spotify y Apple Music seleccionan tu música.

Mi lectura es que, para Spotify, esta es una victoria de las pequeñas pero significativas. Que el asistente de voz del iPhone deje de tirar por inercia hacia Apple Music es una mejora real para quien paga Spotify, aunque llega por la vía del aprendizaje de Siri, no por un ajuste que el usuario pueda fijar. Esa diferencia importa: depende de que Siri acierte, y la experiencia de 2021 invita a la prudencia hasta ver cómo se comporta en el día a día.

Lo paradójico es el mapa. La DMA nació para abrir las plataformas a terceros, y la UE es precisamente donde Spotify no podrá estrenar esta integración. Para quien esté en España, la única recomendación útil es la de siempre: seguir diciendo «en Spotify». Y si te preocupa qué oye exactamente el asistente cuando le hablas, repasamos cuánto saben Alexa, Google y Siri de lo que dices y cómo limitarlo.

Perseverance bate el récord de distancia total recorrida en otro mundo: 45,22 km en Marte

Publicado el

por Natalia Polo

El rover Perseverance de la NASA es ya el vehículo que más distancia ha recorrido sobre la superficie de otro mundo. El 11 de octubre de 2026, en su sol (día marciano) 2.006, alcanzó los 45,22 kilómetros acumulados y dejó atrás los 45,16 km de Opportunity, el anterior plusmarquista.

Lo anunció el Jet Propulsion Laboratory de la NASA el 12 de octubre en su nota sobre el récord de distancia total de Perseverance. Conviene precisarlo: es un récord de distancia total a lo largo de la misión, no de la distancia recorrida en un solo día.

Y lo más llamativo no es la cifra, sino cómo la ha conseguido: conduciendo casi siempre solo.

¿Qué récord ha batido exactamente Perseverance?

El de distancia total recorrida por un vehículo fuera de la Tierra. Perseverance ha sumado 45,22 km desde que aterrizó en el cráter Jezero el 18 de febrero de 2021, frente a los 45,16 km que Opportunity acumuló en casi 15 años de misión. Perseverance lo ha hecho en unos cinco años y medio.

La NASA aprovecha para repasar la tabla de los grandes conductores fuera de la Tierra:

  • Perseverance (Marte): 45,22 km.
  • Opportunity (Marte, 2004-2018): 45,16 km.
  • Lunojod 2 (Luna, Unión Soviética, 1973): 39 km.
  • Curiosity (Marte, en activo): más de 38,07 km.
  • Vehículo lunar del Apolo 17 (1972), conducido por Gene Cernan y Harrison Schmitt: 35,7 km.
  • Spirit (Marte): 7,7 km.

El día del récord, el rover hizo un trayecto de 91,31 metros. No fue una jornada espectacular, solo la que le bastó para cruzar la línea.

¿Cómo ha conducido tanto en tan poco tiempo?

Gracias a la autonomía. Perseverance ha recorrido más del 90 % de su distancia total con AutoNav, el sistema que le permite cartografiar los obstáculos mientras avanza y trazar su propio camino entre los puntos de paso que fijan los planificadores desde la Tierra. La primera versión de AutoNav, la de Spirit y Opportunity, solo se usó en torno al 5 % de sus trayectos.

La diferencia está en el cálculo. Según el JPL, Perseverance evalúa 600.000 puntos de medida cada vez que analiza el terreno; Sojourner, el primer rover marciano, usaba 20. Eso le permite recorrer hasta 412 metros en un solo sol a su velocidad máxima, que en suelo llano y firme no llega a los 152 metros por hora, según la ficha técnica de los componentes del rover.

«La misión original no pedía más de 12,4 millas de conducción», recuerda Steven Lee, jefe de proyecto de Curiosity y Perseverance en el JPL. Esas 12,4 millas son unos 20 km: Perseverance ya ha recorrido más del doble. Mark Maimone, subjefe del equipo de operaciones robóticas del rover, lo resume así: «Con autonomía para simplemente avanzar, Perseverance conduce mejor que el que aterrizó».

¿Qué hay detrás de tanto kilómetro?

La distancia no es un fin en sí misma: sirve para llegar a las rocas que interesan. Perseverance ha recogido 29 muestras de roca y regolito en el fondo del cráter, en un antiguo abanico deltaico y en el borde de Jezero, dentro de su objetivo de buscar señales de vida microbiana antigua.

Ahora se dirige a una zona llamada Idubi, en la región de Lac de Charmes, junto al borde occidental del cráter, donde el equipo espera encontrar restos de antiguos sistemas hidrotermales. La NASA ha aprobado la primera extensión de la misión, que empezó en octubre y llega aproximadamente hasta finales de 2028, con un objetivo posterior hacia el sur: Rainbow Falls, un bloque de corteza antigua de unos 100 metros de ancho.

Un detalle técnico que explica por qué puede seguir en marcha: Perseverance no depende de paneles solares, sino de un generador termoeléctrico de radioisótopos (MMRTG) que convierte en electricidad el calor de la desintegración del plutonio-238, con una vida operativa prevista de 14 años. Es una de las tecnologías que nos están acercando al sueño de llegar a Marte. Mientras tanto, su veterano compañero sigue haciendo ciencia en otro cráter, como cuando Curiosity encontró un campo de texturas en panal en Marte.

Mi lectura es que el titular del récord se queda corto. Lo relevante no es que un robot haya superado a otro por 60 metros, sino que en más del 90 % de esos 45 km ha sido el propio rover el que ha evaluado el terreno y trazado su camino. Esa autonomía es la que hará viable explorar más terreno sin que cada metro dependa de una orden enviada desde la Tierra.

La siguiente pregunta es cuánto puede durar. Con la extensión aprobada hasta 2028 y un generador pensado para 14 años, Perseverance tiene margen para dejar el listón muy alto para la próxima generación de rovers.

El Reino Unido usa IA frontera contra sus propias vulnerabilidades: 407 fallos en un mes por 13.000 libras

Publicado el

por Natalia Polo

El Gobierno británico ya ha usado modelos de IA frontera para auditar su propio código y la factura cabe en una hoja de cálculo: 407 hallazgos en nueve organizaciones públicas, en un mes y con 13.000 libras en tokens. Ese piloto, documentado por el GC3 en un caso de estudio publicado en GOV.UK, es ahora la base del paquete de ciberseguridad que el ministro de Inteligencia Artificial, Kanishka Narayan, presentó el 12 de octubre de 2026.

La cifra llamativa no es la de vulnerabilidades. Es lo barato que ha salido encontrarlas y lo que el propio informe admite sobre el cuello de botella real, que no está en la máquina sino en las personas que tienen que revisar lo que la máquina encuentra.

¿Qué hizo exactamente el GC3 con los modelos de IA?

Organizó una serie de hackatones semanales y presenciales en los que equipos con acceso a modelos frontera escanearon repositorios de código público de la administración. El Government Cyber Coordination Centre (GC3) es una colaboración entre el National Cyber Security Centre (NCSC) y el Departamento de Ciencia, Innovación y Tecnología, y trabajó con especialistas del AI Security Institute (AISI).

En lugar de imponer un método, el GC3 dio acceso a los modelos y dejó que cada equipo construyera sus herramientas. Salieron tres enfoques distintos:

  • Una cadena de agentes en seis etapas (triaje, validación, auditoría, rastreo, juez y resumen), con escalado manual a una persona del equipo.
  • Escáneres clásicos como Gitleaks, Trivy, Semgrep y Hadolint alimentando a los modelos, que después encadenaban rutas de ataque y filtraban resultados.
  • Cinco Claude Skills especializadas, construidas a partir de una auditoría de cientos de servicios.

Es un detalle relevante: ninguno de los tres equipos se limitó a pegar código en un chat. Todos montaron una arquitectura alrededor del modelo.

¿Qué encontraron y qué tan grave era?

Los 407 hallazgos incluyen debilidades críticas que permitían saltarse la autenticación, exponer datos o ejecutar código en remoto. Según el caso de estudio, todas las críticas se han corregido y no hay indicios de que nadie las explotara antes.

Algunas ya estaban mitigadas por otros controles; otras eran desconocidas. El ejemplo más grave que detalla el GC3 es un fallo en GitHub Actions: cualquier usuario externo podía publicar un comentario con una estructura concreta en una pull request abierta y disparar la ejecución de código arbitrario en el runner. Desde ahí, los secretos y tokens quedaban al alcance, con riesgo de un compromiso más amplio del repositorio.

El informe destaca además algo que los escáneres tradicionales no hacían: los modelos fueron capaces de seguir una vulnerabilidad a través de los límites entre servicios, que es justo donde suelen esconderse los fallos que nadie revisa porque cada equipo cree que es responsabilidad del otro.

El coste total fue de 13.000 libras en tokens, unos 17.467 dólares según el cálculo de Infosecurity Magazine (≈ 15.200 euros al tipo orientativo de octubre). Repartido entre nueve organizaciones y un mes de trabajo, sale a menos de 1.500 libras por organización en consumo de modelo, sin contar las horas de los especialistas, que el informe no cuantifica.

Lo que el informe reconoce y la nota de prensa no subraya

La parte más útil del caso de estudio son sus lecciones, y no todas son triunfalistas. La primera: la arquitectura importa más que el modelo. Los mejores resultados llegaron con modelos frontera usados como componentes muy acotados dentro de un flujo estructurado, con revisión humana en el escalado.

La segunda es todavía más interesante para quien esté comprando herramientas: con la arquitectura adecuada, muchos modelos frontera y casi frontera rindieron de forma parecida. El GC3 menciona como ejemplos recientes Claude Mythos y GPT-5.5, y el AISI advierte de que las puntuaciones en benchmarks no reflejan necesariamente la capacidad de encontrar y arreglar vulnerabilidades reales.

La tercera es el aviso que debería leer cualquier responsable de seguridad: los agentes generan candidatos a vulnerabilidad más rápido de lo que las personas pueden validarlos. El propio documento lo resume con una frase que podría colgarse en cualquier oficina de un CISO: encontrar no es lo mismo que arreglar. Priorizar, revisar y generar parches tiene que encajar en procesos humanos que ya están saturados.

Si la IA multiplica los hallazgos pero el equipo que los corrige sigue siendo el mismo, el resultado puede ser una cola más larga, no un sistema más seguro.

¿Qué anunció Narayan el 12 de octubre?

Un paquete de medidas que convierte el piloto en política. En un discurso en el Imperial College de Londres, Narayan dijo que quiere que Gran Bretaña sea «uno de los países más difíciles del mundo de atacar usando inteligencia artificial».

Los puntos concretos del discurso:

  • Dos pilotos del Gobierno han ayudado a identificar y corregir más de mil vulnerabilidades con IA frontera.
  • Un servicio central de monitorización ha reducido el tiempo para corregir debilidades de 50 días a 8.
  • Narayan, el ministro de ciberseguridad del DCMS y el ministro de Seguridad liderarán el uso «urgente» de IA frontera para buscar fallos en sistemas del Estado.
  • El Gobierno trabajará con el Parlamento para reforzar la Cyber Security and Resilience Bill frente a amenazas impulsadas por IA y riesgos de pérdida de control, incluida la notificación de incidentes graves y de casi-incidentes.
  • El DCMS, el NCSC y el AISI desarrollarán formas de contener incidentes con IA agéntica.
  • La IA será un eje de la presidencia británica del G20 el año que viene.

Hay un matiz que conviene no perder. The Next Web señala que el Gobierno habla de más de mil vulnerabilidades en dos pilotos, pero el caso de estudio publicado solo documenta uno, el de los 407 hallazgos. El resto de la cifra, de momento, hay que creérsela.

Narayan también tuvo un mensaje para los laboratorios: escuchad a vuestros científicos cuando avisen de peligros graves y, «si no podéis controlar adecuadamente los riesgos, no lancéis el sistema». Es una frase fácil de aplaudir y difícil de hacer cumplir desde un país que no aloja a los principales desarrolladores de modelos frontera.

¿Por qué importa fuera del Reino Unido?

Porque aquí un gobierno publica coste, método y límites de usar IA en ciberdefensa real, no en una demo. El debate sobre si estos modelos ayudan más a atacar o a defender suele moverse entre anuncios de empresa, como el agente Aardvark de OpenAI para detectar y corregir vulnerabilidades, e informes de amenazas que describen el lado contrario, como el que alertaba de que la carrera de los agentes de IA ha creado un caldo de cultivo para el cibercrimen.

El caso del GC3 aporta datos donde había sobre todo promesas. Y el siguiente paso ya está fijado: una segunda fase con más departamentos y más modelos que pasará del código público a los sistemas cerrados de la administración, un terreno que el caso de estudio todavía no ha medido.

Mi lectura es que el Reino Unido ha acertado en el orden: primero medir con su propio código, luego legislar. Lo discutible es la cifra redonda de «más de mil» sin un segundo informe que la respalde, y la tentación de vender la IA como acelerador cuando el propio GC3 dice que el freno está en la capacidad humana de revisar.

Si la segunda fase llega a sistemas cerrados con el mismo nivel de transparencia sobre costes y límites, este documento puede acabar siendo la plantilla que otros gobiernos copien. Si se queda en titulares de miles de vulnerabilidades, será otro anuncio más.

Meta Muse Wonder y Wonder Full: Meta vuelve a la élite de la IA, pero ya no abre sus mejores modelos

Publicado el

por Natalia Polo

Meta ya tiene un modelo en la parte alta de las clasificaciones independientes, pero no lo vas a poder descargar. Muse Wonder y Muse Wonder Full, presentados el 12 de octubre de 2026, son modelos cerrados: el primero se usa por API y el segundo solo dentro de la suscripción Muse Code. El único modelo de la familia Muse con pesos abiertos sigue siendo Muse Glimmer.

Lo cuenta Meta en el anuncio oficial de Muse Wonder en su blog de investigación, donde los define como sus modelos más capaces para tareas agénticas personales y profesionales. La noticia tiene dos lecturas: Meta vuelve a competir arriba y, a la vez, se aleja un poco más del discurso abierto que construyó con Llama.

¿Dónde queda Muse Wonder frente a sus rivales?

En el Artificial Analysis Intelligence Index, una de las referencias independientes más seguidas, Muse Wonder Full marca 56 puntos y ocupa el cuarto puesto. Muse Wonder se queda en 52, en el décimo puesto y empatado con otros tres modelos.

Por encima de Wonder Full solo está Claude Opus 5.5, que lidera con 58; Claude Sonnet 5.5 empata con él a 56. Por debajo quedan Claude Fable 5.1 y GPT-6 Astra, ambos con 53 en su configuración máxima, según la clasificación de modelos de Artificial Analysis.

Hay un matiz importante. Para llegar a esos 56 puntos, Wonder Full consumió unos 140 millones de tokens de salida, frente a una mediana de 88 millones. Dicho de otra forma: piensa mucho y en voz alta, y eso se paga en tiempo y en dinero cuando lo usas de verdad.

En cuanto a los benchmarks propios, Meta habla de resultados punteros en pruebas de agentes, memoria y programación, como el benchmark legal de Harvey (LAB), FocusBench o SWE-Marathon, pero su post no incluye cifras en el texto. TechCrunch recoge que, según Meta, Wonder supera a Fable, Opus y Astra en MemoryBench. Son datos de la propia empresa y Meta reconoce que el informe de seguridad completo llegará «pronto».

Qué son Active Memory y Active Focus

Meta vende Wonder por dos funciones con nombre propio. Active Memory conserva contexto importante sobre el usuario entre conversaciones y recupera los detalles relevantes para la tarea en curso. La investigadora Kavya Kopparapu lo resumió en el vídeo de lanzamiento: el equipo se esforzó para que el modelo «recuerde lo que es importante para ti».

Active Focus es otra cosa y conviene describirlo bien. Según Meta, define cómo el modelo sigue trabajando hacia un objetivo difícil: prueba enfoques alternativos, sortea bloqueos y se adapta a información nueva. También pide aclaraciones cuando las necesita y consulta antes de dar pasos importantes. No es un modo de concentración para el usuario, sino una forma de persistencia del agente con frenos incorporados.

Las dos piezas apuntan al mismo sitio: el asistente que Meta quiere desplegar en Muse, su producto de consumo, donde Wonder llegará primero a los suscriptores. La empresa lo presenta como «un gran salto hacia la superinteligencia personal».

¿Cuánto cuesta usar Wonder y Wonder Full?

Por API, Muse Wonder cuesta 4 dólares por millón de tokens de entrada (≈ 3,48 euros) y 20 dólares por millón de salida (≈ 17,40 euros), con la entrada en caché a 0,20 dólares (≈ 0,17 euros). Es la misma tarifa que Claude Opus 5.5. Artificial Analysis calcula un coste medio de 4,52 dólares por tarea de su índice (≈ 3,93 euros).

Wonder Full no tiene API. Solo se usa dentro de Muse Code, que tiene cuatro planes según la página de ayuda de Muse Code:

  • Everyday Usage: 5 dólares al mes (≈ 4,35 euros).
  • High Usage: 15 dólares al mes (≈ 13,05 euros).
  • Power Usage: 50 dólares al mes (≈ 43,50 euros), el primero que incluye Wonder Full.
  • Maximum Usage: 200 dólares al mes (≈ 174 euros).

Las conversiones son orientativas; Meta indica que los beneficios y la disponibilidad varían por región y se muestran antes de suscribirse.

El detalle que más importa: el modo Contributor

Las suscripciones de Muse Code llegan con el modo Contributor activado por defecto. A cambio de más uso, Meta puede entrenar sus modelos con tus prompts, tu código, tus archivos, el contexto y las respuestas que recibes.

Se puede desactivar en cualquier momento y, según Meta, desde entonces «tu contenido futuro» no se usa para entrenar. La documentación no aclara qué ocurre con lo enviado antes de desactivarlo. Las cuentas con retención cero de datos no pueden usar este modo. En la API de Wonder, el contenido estándar no se usa para entrenar.

Para un desarrollador que trabaja con código de cliente, esto no es un detalle de letra pequeña: es la primera decisión que tiene que tomar al darse de alta. Y el diseño de la oferta, con más uso si cedes datos, empuja en una dirección muy concreta.

¿Por qué Meta ya no abre sus mejores modelos?

Porque su estrategia ha cambiado desde Llama. Glimmer, analizado por Artificial Analysis el 10 de agosto de 2026, es un modelo de 30.000 millones de parámetros bajo licencia Apache 2.0, el primero de Meta con esa licencia, según Artificial Analysis. Lo más capaz se queda en casa.

No es un giro que llegue de la nada. Zuckerberg ya reconoció en septiembre que Meta calculó mal con Llama 4 y que los laboratorios que retienen modelos le parecen «bastante peligrosos», una frase que hoy suena distinta. Y el viejo debate sobre si Llama era realmente código abierto queda casi resuelto por la vía práctica: la frontera de Meta ya ni siquiera aspira a ser abierta.

Los modelos se entrenaron en Prometheus, el centro de datos de Meta en Ohio, y son el primer lanzamiento frontera desde que Alexandr Wang reorganizó la IA de la compañía en agosto de 2025.

Mi lectura: Wonder es un regreso creíble a la élite, con un cuarto puesto en una clasificación independiente. Pero el producto que lo acompaña dice más que el benchmark. Wonder Full solo en suscripción, datos de entrenamiento activados por defecto y pesos cerrados describen una empresa que ha decidido competir como OpenAI y Anthropic, no como alternativa a ellas.

La pregunta que queda abierta es si los desarrolladores que llegaron a Meta por Llama aceptarán ese cambio de trato. Con un precio idéntico al de Opus 5.5 y un rendimiento algo inferior en el índice, Wonder tendrá que ganarse a los usuarios con memoria y agentes, no con apertura.

WhatsApp prueba los mensajes programados en Android: hasta dos semanas y aunque el móvil esté sin conexión

Publicado el

por Natalia Polo

WhatsApp ha empezado a probar los mensajes programados en su beta para Android. La función, detectada por WABetaInfo en la versión 2.26.40.7, permite dejar preparado un texto, un enlace, una foto o un vídeo para que se envíe solo, entre 10 minutos y dos semanas después, incluso si el móvil está sin conexión en ese momento.

De momento solo llega a una parte de los probadores de la beta, y WABetaInfo espera que se amplíe en las próximas semanas. Es una de esas funciones que otras aplicaciones de mensajería tienen desde hace años, y por eso lo interesante no es tanto que llegue como la forma en que WhatsApp ha decidido resolverla.

¿Cómo se programa un mensaje en WhatsApp?

Se escribe el mensaje y se mantiene pulsado el botón de enviar. Aparece una hoja inferior en la que eliges el día y la hora de entrega, y a partir de ahí WhatsApp se encarga del envío.

Con fotos y vídeos el gesto es el mismo: eliges el archivo en la galería y mantienes pulsado enviar. Hay un límite claro: un solo elemento multimedia por mensaje programado. También funciona desde el editor de dibujo, así que puedes retocar una imagen o añadirle un pie de foto antes de dejarla en cola.

Los márgenes son estos:

  • Mínimo: 10 minutos desde la hora actual.
  • Máximo: dos semanas por delante.
  • Contenido: texto, enlaces, fotos y vídeos.
  • Chats: individuales y de grupo.

¿Qué pasa si tengo el móvil apagado a la hora del envío?

Según WABetaInfo, el mensaje se entrega a la hora elegida aunque la aplicación esté cerrada o el dispositivo esté sin conexión. Business Today, que cita a WABetaInfo, va más allá y dice que también funciona con el teléfono apagado, algo que el texto de WABetaInfo no menciona.

Ese es el detalle técnico más relevante de toda la función, y también el que queda menos explicado. WABetaInfo asegura que los mensajes programados son compatibles con el cifrado de extremo a extremo, pero no detalla dónde espera el mensaje hasta su hora ni cómo se gestiona esa cola. Para una aplicación que basa su marca en la privacidad, es la pregunta que Meta tendrá que contestar cuando la función salga de la beta.

Las reglas que WABetaInfo ya ha aclarado

Buena parte de las dudas habituales sobre esta función ya tienen respuesta en la información publicada:

  • Dónde se gestionan: en una sección propia dentro de la pantalla de información del chat, donde puedes ver los mensajes pendientes, gestionarlos y borrarlos antes de que se envíen.
  • Qué ve el destinatario: nada especial. No sabe que el mensaje estaba programado y no recibe ningún aviso si lo borras antes de tiempo.
  • Grupos: el mensaje solo llega a quienes eran miembros cuando lo programaste. Si alguien entra después, no lo recibe.
  • Compatibilidad: el destinatario no necesita tener la función para recibir un mensaje programado.

La regla de los grupos es la más fina. Evita que un mensaje pensado para un grupo concreto acabe en manos de alguien que se unió más tarde, algo especialmente útil en grupos de trabajo o de comunidades con altas y bajas frecuentes.

¿Por qué ha tardado tanto?

No hay explicación oficial, pero el calendario de la beta muestra un desarrollo largo. Y no es una función nueva en el sector: Telegram la estrenó en septiembre de 2019, con el mismo gesto de mantener pulsado el botón de enviar.

En WhatsApp el proceso ha sido largo. WABetaInfo vio el primer rastro en la beta 2.26.8.11, en febrero de 2026, cuando todavía no estaba disponible para probar y la versión de iOS también estaba en desarrollo. Casi ocho meses después llega a los primeros probadores de Android.

No es la primera vez que WhatsApp se acerca a la idea de «mensajes con hora». En 2025 ya probó los recordatorios personalizados para mensajes ya leídos en la beta de Android, una función que avisa solo a quien la configura. La programación de envíos es el paso lógico siguiente: pasar de recordarte que contestes a contestar por ti a la hora que elijas.

La escala ayuda a entender la prudencia, aunque esto es interpretación y no algo que Meta haya dicho. Mark Zuckerberg anunció en mayo de 2025 que WhatsApp tiene más de 3.000 millones de usuarios al mes. Con esa base, cualquier función que mueva mensajes sin que el usuario esté delante tiene que funcionar a la primera.

Mi lectura es que la función está bien resuelta en lo que se ve: el gesto es el estándar del sector, los límites son razonables y la regla de los grupos demuestra que alguien pensó en los casos incómodos. Lo que no se ve, cómo y dónde espera un mensaje cifrado mientras el teléfono está sin conexión, es justo lo que más interesa en una aplicación de mensajería cifrada.

Si WhatsApp acompaña el lanzamiento general con una explicación técnica de ese punto, esta será una mejora sin letra pequeña. Si no, quedará como otra función cómoda cuyo funcionamiento hay que dar por bueno.

Ciberataque a la refrigeración de supermercados franceses: desescarche forzado y 50 °C en controladores Danfoss expuestos

Publicado el

por Natalia Polo

El ataque que dejó sin frío a cientos de supermercados franceses no necesitó malware sofisticado: bastó con entrar en los controladores de refrigeración que estaban accesibles desde internet y ordenar a las vitrinas que se pusieran en desescarche, con temperaturas de hasta 50 °C. El ministro de Finanzas, Roland Lescure, cifró los afectados en unos 700 de los 10.000 supermercados del país.

La agencia francesa de ciberseguridad lo confirmó en la alerta CERTFR-2026-ALE-012, publicada el 12 de octubre de 2026, sobre compromisos de controladores remotos de refrigeración de Danfoss, Copeland y Dixell. Lo inquietante no es lo complejo del ataque, sino lo poco que hizo falta.

¿Qué pasó exactamente en los supermercados?

En la noche del 11 de octubre, alguien tomó el control remoto de los sistemas que gestionan neveras y congeladores en cientos de tiendas y los calentó. Según BFM TV, citada por Al Jazeera y AP, los atacantes forzaron el ciclo de desescarche y las temperaturas subieron hasta 50 °C.

El desescarche es una función que estos controladores tienen programada por franjas, hasta el punto de que el CERT-FR pide revisar expresamente los «rangos de desescarche». Forzada de forma continua, convierte un congelador en un horno. En algunos equipos, según SecurityWeek, la temperatura subió durante seis horas antes de que el personal lo notara.

Las consecuencias fueron alimentos tirados y varios incendios. La fiscalía de París abrió una investigación por un ataque «a gran escala» y el primer ministro, Sébastien Lecornu, encargó a la ANSSI que investigara.

¿Qué cadenas se vieron afectadas?

Las cifras varían según la fuente y el momento, así que conviene leerlas con cuidado:

  • Intermarché y Netto (Les Mousquetaires): al menos 300 tiendas según AFP; unas 150 según Reuters.
  • Coopérative U: 80 de sus 2.000 tiendas, según su consejero delegado, Dominique Schelcher.
  • Carrefour: 80 supermercados.
  • Monoprix: alrededor del 5 % de sus tiendas.
  • E.Leclerc: «varias tiendas».

Intermarché obligó a sus tiendas afectadas a tirar todo el producto fresco y congelado, y su consejero delegado habló de pérdidas de «decenas de millones de euros» en un solo día. Schelcher calificó el ataque de «sin precedentes, extremadamente grave e inaceptable».

Francia no fue el único país. Un analista de Sekoia dijo a Reuters que también hubo afectados en España, Portugal, Polonia, Alemania y Bélgica, aunque sin detalles.

¿Cómo pudieron entrar?

Por la puerta que muchos dejaron abierta. Los controladores que gestionan el frío de una tienda se conectan a internet para que las empresas de mantenimiento los ajusten a distancia, y el CERT-FR recuerda que exponer sus interfaces de gestión va contra las buenas prácticas.

Según The Hacker News, el foco está en estos controladores de Danfoss:

  • AK-SM 800: fuera de soporte desde mayo de 2021.
  • AK-SC 355: retirado en 2016.
  • AK-SM 800A: modelo actual, con algunas unidades afectadas que, según los informes, tenían firmware antiguo.

Danfoss dijo que la mayoría de equipos atacados eran productos antiguos que ya no reciben actualizaciones. Copeland, por su parte, habló de una vulnerabilidad en una generación de controladores descatalogada.

A 13 de octubre, ni el autor ni el método de entrada estaban confirmados, y el CERT-FR no había publicado vulnerabilidad concreta ni indicadores de compromiso. Según el investigador Christopher Whyte, citado por AP, tampoco parece haber habido petición de rescate ni robo de datos, algo que hace el caso más raro.

¿Qué tiene que ver el informe de Claroty?

Es el antecedente obligado, aunque no está demostrado que se usara en el ataque. El 9 de agosto, Claroty Team82 publicó el informe «Freeze the Controller, Defrost the Food» con tres vulnerabilidades en el Danfoss AK-SM 800A:

  • CVE-2025-41450 (CVSS 8,2): un mecanismo oculto de «código del día» cuya contraseña se deriva de la fecha del dispositivo, lo que permite saltarse el inicio de sesión.
  • CVE-2025-41451 (CVSS 7,6): inyección de comandos que lleva a ejecución remota de código, con sesión iniciada.
  • CVE-2025-41452 (CVSS 5,4): manipulación de la configuración web que puede tumbar el servicio.

Claroty encontró 2.765 dispositivos AK-SM 800A expuestos en un escaneo con Censys y recomendó actualizar al firmware R4.3.1. Su trabajo fue de laboratorio y sobre el modelo nuevo; no describía ataques ni mencionaba los modelos antiguos que, según Danfoss, fueron los más afectados.

El patrón tampoco es inédito. La newsletter de Danfoss de octubre de 2025, citada por The Hacker News, recogía ataques previos contra AK-SM 800: en 2022, contra 16 supermercados rusos, y contra 40 tiendas israelíes sin cortafuegos ni VPN adecuados.

Qué recomienda la ANSSI

La alerta del CERT-FR es directa: retirar de internet las unidades afectadas, revisar toda la configuración, «en particular los rangos de desescarche», y restablecer el acceso solo a través de VPN o red protegida. Si el equipo está comprometido, hay que restaurarlo a valores de fábrica y reconfigurarlo antes de volver a ponerlo en marcha.

Añade una advertencia que debería leer cualquier responsable de mantenimiento: las campañas probablemente siguen activas, y un simple reinicio de fábrica no basta si el equipo sigue expuesto y sin parches. El director de la ANSSI, Vincent Strubel, pidió sacar estas series de internet o filtrar el acceso de forma muy estricta.

Es la misma lógica que se aplica en casa cuando se habla de proteger el router, la puerta de entrada que todos dejan abierta: contraseñas por defecto, firmware sin actualizar e interfaces de administración visibles desde fuera.

Mi lectura es que este caso es menos una historia de hackers brillantes que de mantenimiento barato. Equipos sin soporte desde hace años, conectados a internet para ahorrarse desplazamientos de técnicos, gestionando la cadena de frío de cientos de tiendas. Había ataques documentados desde 2022 y la investigación de Claroty se publicó dos meses antes.

Lo discutible es repartir la culpa. Danfoss avisó de que sus equipos antiguos no recibirían más servicios; los supermercados y sus mantenedores los dejaron expuestos. Mientras nadie sea responsable de retirar un controlador obsoleto, la próxima vitrina caliente será solo cuestión de tiempo.

Fitbit Edge: Google estrena su primera pulsera con batería reemplazable por 179,99 euros

Publicado el

por Natalia Polo

Google ha presentado la Fitbit Edge, una pulsera de actividad de 179,99 dólares que llega a las tiendas el 27 de octubre y que trae una novedad poco habitual en esta categoría: batería reemplazable. Es, según la propia Google, su primer monitor de actividad reparable.

Lo anunciaron el 12 de octubre de 2026 Ryan Krems y Noah Presler, responsables de producto de wearables de Google, en el post oficial de presentación de la Fitbit Edge. El titular es la batería, pero el modelo de negocio que la acompaña dice tanto como el hardware.

¿Qué significa que la batería sea reemplazable?

Significa que, cuando la batería se degrade, la pulsera no tiene por qué ir a la basura. Google la define como «nuestro primer monitor de actividad reparable» con «una batería reemplazable». Según Android Authority, es la única pieza reparable: la pantalla no lo es.

El cambio es relevante por lo que había antes. Según el análisis de Android Authority sobre la reparación de la Fitbit Edge, Google rechazaba hasta ahora las peticiones de reparación de Fitbit y se limitaba a las reclamaciones de garantía, que normalmente acababan con un dispositivo nuevo. En los Pixel Watch, desde el Pixel Watch 4, ya se pueden cambiar batería y pantalla.

Lo que todavía no se sabe es lo importante para el usuario: quién hace el cambio, cuánto cuesta y si habrá kits o guías de autorreparación. Ni el post de Google ni Android Authority ni Engadget lo detallan. Una batería reemplazable que solo puede cambiar un servicio técnico oficial a un precio cercano al de una pulsera nueva sería una mejora mucho más modesta de lo que suena.

Para quien quiera hacerse una idea de qué reparaciones son razonables en casa y cuáles no, sirve esta guía sobre reparar electrónica en casa y cuándo acudir a un técnico.

Qué ofrece la Fitbit Edge

Sobre el papel, es la Fitbit más completa de Google en formato pulsera. Estos son los datos que da la compañía:

  • Autonomía: hasta siete días por carga; cinco minutos de carga rápida magnética dan para un día.
  • Pantalla: OLED híbrida, la más grande y brillante de sus pulseras, con un 46 % más de área visible que las Fitbit anteriores.
  • Grosor: 11,5 mm.
  • GPS integrado: hasta un 40 % más preciso que generaciones anteriores, sin depender del móvil.
  • Sensores: frecuencia cardíaca continua, temperatura de la piel, variabilidad de la frecuencia cardíaca, fases del sueño y altímetro.
  • ECG en la muñeca, solo en algunos países y no indicado para menores de 22 años.
  • Resistencia al agua: hasta 50 metros, aunque Google aclara que no es impermeable ni a prueba de polvo.
  • Deporte: más de 50 modos de ejercicio y reconocimiento automático de hasta 100 entrenamientos.

Funciona con Android 11 o superior e iOS 16.4 o superior, y llega en cuatro colores: Obsidian, Fog, Olive y Canyon. Hay además una edición especial con Stephen Curry por 219,99 dólares.

Google también presume de que su caja es un 45 % más ligera que la del Apple Watch Series 12. Es una comparación de la propia empresa y entre productos de categorías distintas, así que conviene tomarla como marketing.

¿Cuánto costará en España y qué incluye?

Según Xataka Móvil, el precio en España es de 179,99 euros, con reserva ya abierta y venta desde el 27 de octubre. Al cambio, los 179,99 dólares de Estados Unidos serían unos 157 euros, así que en España se paga la misma cifra en otra moneda.

La compra incluye tres meses de Google Health Premium. Esa suscripción es la que desbloquea Google Health Coach, el entrenador basado en Gemini que, según Engadget, crea rutinas semanales y planes de ejercicio. Pasado ese periodo, Xataka Móvil sitúa el precio en 8,99 euros al mes.

Aparte está Health Guardian, que sigue en segundo plano tendencias de presión arterial y resistencia a la insulina, además de avisar de frecuencias cardíacas muy altas o muy bajas. Google no aclara si requiere Premium e insiste en que son herramientas de bienestar general, no de diagnóstico, y que su disponibilidad varía por región. Es un buen momento para recordar qué miden realmente las apps y los wearables de salud y qué solo estiman.

¿Merece la pena frente a otras pulseras?

Depende de lo que valores. La referencia barata sigue siendo la Samsung Galaxy Fit 3, que se lanzó en Estados Unidos por 59,99 dólares (≈ 52 euros). La Fitbit Edge cuesta el triple, y Google intenta justificar esa diferencia con GPS integrado, ECG y su capa de servicios con IA.

Dentro de la propia Google, la Edge se sitúa entre la Fitbit Air, una pulsera sin pantalla de 100 dólares según The Next Web, y el Pixel Watch 5.

Mi lectura es que la batería reemplazable es la mejor noticia de la presentación y, a la vez, la menos concretada. Google ha puesto el titular sin poner el precio ni el procedimiento, y sin esos dos datos es imposible saber si la Edge durará de verdad más años que sus predecesoras.

Lo que sí está claro es la apuesta comercial: hardware a 179,99 euros y la función más llamativa, el entrenador con IA, detrás de una suscripción mensual. Una pulsera pensada para durar más años encaja muy bien con un servicio que se cobra cada mes. Que eso sea bueno para el usuario dependerá de cuánto cueste cambiar esa batería cuando llegue el momento.

La NHTSA estudia si investiga a Tesla por robotaxis que superarían el límite en zonas escolares

Publicado el

por Natalia Polo

La NHTSA, el regulador de seguridad vial de Estados Unidos, ha abierto una petición de defecto para decidir si investiga a Tesla porque sus robotaxis superarían el límite de velocidad en zonas escolares activas. Todavía no es una investigación formal. Es el paso previo: la agencia evalúa si las pruebas justifican abrirla.

El expediente se llama DP26010 y se abrió el 9 de octubre de 2026, según el documento de apertura de la Oficina de Investigación de Defectos de la NHTSA. Lo contaron el 12 de octubre Electrek y The Next Web. Detrás hay un problema que va más allá de una multa: en un robotaxi no hay conductor al que culpar del exceso de velocidad.

¿Qué dice exactamente la petición contra Tesla?

La petición sostiene que los vehículos de Tesla superan el límite señalizado en zonas escolares activas con el sistema de conducción automatizada (ADS) conectado. La NHTSA recibió la solicitud el 23 de septiembre de 2026 y el documento oficial no identifica a quien la presentó.

Los vehículos afectados son los robotaxis del año modelo 2026, en sus dos versiones: Model Y y Cybercab. La agencia estima una población de unos 1.000 vehículos, sin desglose por modelo. Electrek subraya que es la primera cifra federal sobre el tamaño de esa flota, porque Tesla no la publica.

Las pruebas son escasas. El peticionario aportó tres enlaces a vídeos y la tabla de la NHTSA recoge cuatro incidentes en total. El documento no registra ningún choque, herido ni fallecido.

Tampoco hay cifras de velocidad: ni Electrek ni la NHTSA detallan a cuántos kilómetros por hora circulaban los coches ni cuál era el límite en cada caso.

¿Qué pasa ahora y cuánto puede tardar?

La NHTSA tiene que aceptar o rechazar la petición, y el reglamento le da 120 días desde que la recibe. Así lo fija la sección 552.8 del Código de Regulaciones Federales. Electrek calcula que el plazo vence hacia el 21 de enero de 2027. The Next Web, en cambio, escribe que la agencia no ha fijado fecha.

Si la acepta, se abre una investigación de defecto formal, que puede acabar en una llamada a revisión. Si la rechaza, no se abre esa investigación.

Mi lectura: con tres vídeos y ningún accidente, la petición no parece fuerte por sí sola. Pero llega en mal momento para Tesla. Según Electrek, es la tercera actuación federal en unas cinco semanas sobre la flota sin conductor. Antes hubo una consulta de auditoría y una orden especial que obligaba a Tesla a demostrar bajo juramento que el Cybercab, sin pedales ni volante, cumple las normas federales. Las respuestas tenían que entregarse el 30 de septiembre y no se han publicado.

Por qué el exceso de velocidad pesa más en un robotaxi

Con el FSD (Supervised), el propietario elige el perfil de conducción y responde de lo que hace el coche. En un robotaxi no hay propietario al volante, así que la velocidad la decide Tesla. Electrek plantea así la diferencia, y creo que es el centro del caso.

El historial no ayuda. En octubre de 2025, la NHTSA abrió una investigación sobre el FSD por infracciones de tráfico, como saltarse semáforos en rojo o invadir el carril contrario. Una semana después, Tesla lanzó el perfil «Mad Max», que ignora los límites de velocidad. Ya en el lanzamiento en Austin, en junio de 2025, circularon vídeos de robotaxis por encima del límite.

Que un coche autónomo corra en una zona escolar preocupa además porque detectar niños sigue siendo difícil para las máquinas. Un estudio del King’s College London de 2023 revisó ocho sistemas de detección de peatones con más de 8.000 imágenes. La precisión media era casi un 20 % mayor con adultos que con niños, y la brecha empeoraba con poca luz, según recogió The Next Web en agosto de 2023. Ese estudio no analizó el sistema de Tesla. Sí ilustra por qué la velocidad importa: a más velocidad, menos margen para corregir un fallo de detección.

Tesla tampoco está sola en esto. El distrito escolar de Austin informó a finales de 2025 que vehículos de Waymo adelantaron autobuses escolares detenidos unas 20 veces, y Waymo lanzó una revisión voluntaria de software en diciembre. Waymo sigue creciendo mientras tanto, y en septiembre abrió Las Vegas como su cuarta ciudad nueva en dos semanas.

¿Afecta esto a la llegada del FSD a Europa?

No directamente, porque en Europa se discute el FSD supervisado y no los taxis sin conductor. Pero el problema de fondo es el mismo: la velocidad. The Next Web señala que es justo lo que frena la homologación europea.

Según Reuters, recogido por TimesLive el 8 de octubre, Alemania ha pactado con Tesla que el sistema pueda superar el límite en un 10 % como máximo y defenderá ese criterio en Bruselas. La versión que aprobaron los Países Bajos permite subir la velocidad hasta un 50 % por encima del límite detectado. Francia y Suecia también han expresado dudas sobre la velocidad.

La votación de la UE prevista para octubre se ha aplazado y diciembre es ahora la fecha más temprana posible. Tesla, además, ha ofrecido cambiar el nombre del sistema a «Tesla Assisted Driving», porque los críticos dicen que el actual induce a error.

La coincidencia de fechas no es menor. Un regulador estadounidense estudia si los coches de Tesla corren donde hay niños mientras los europeos negocian cuánto pueden pasarse del límite. Es la misma discusión a los dos lados del Atlántico.

Mi posición: aunque la NHTSA rechace la petición, Tesla tiene un problema de diseño, no de imagen. Si un robotaxi supera el límite, alguien en Tesla ha decidido que puede hacerlo, y esa decisión ya no se puede trasladar al cliente como en el FSD supervisado. Lo más útil sería que la NHTSA publicara las respuestas sobre el Cybercab antes de que la flota crezca. Y conviene recordar que Tesla lleva años vendiendo los robotaxis como el futuro que justifica su valoración. Si quiere sostener ese relato, el primer paso es que sus coches respeten el límite de una zona escolar sin que un regulador tenga que pedirlo.

Maia 300: el tercer chip de IA de Microsoft apuesta por la memoria HBM4 y racks de 96 aceleradores

Publicado el

por Natalia Polo

Microsoft ha presentado Maia 300, la tercera generación de su acelerador propio para inferencia de IA, y quiere desplegarlo a escala de varios gigavatios a partir de 2027. El chip combina un diseño de chiplets fabricado en el proceso N2P de TSMC con ocho pilas de memoria HBM4, y se monta en racks de 96 aceleradores.

El anuncio llegó el 12 de octubre de 2026 con una entrada en el blog oficial de Microsoft sobre el despliegue multigigavatio de Maia y un análisis técnico en el blog de Azure firmado por Rani Borkar y Saurabh Dighe. Lo interesante no son solo los números del chip. Lo es que Microsoft lo señale como el sistema principal de inferencia para sus propios productos.

¿Qué es Maia 300 y qué cambia frente a Maia 200?

Maia 300 es un acelerador diseñado para ejecutar modelos ya entrenados, no para entrenarlos. Frente a Maia 200, pasa de un chip monolítico a un diseño de varios chiplets y multiplica sobre todo el ancho de banda de memoria.

Según la documentación de Azure, cada acelerador lleva 8 pilas HBM4 con 288 GB de capacidad y 18 TB/s de ancho de banda. Microsoft lo resume así: 2,5 veces más ancho de banda, un 33 % más de capacidad y aproximadamente el doble de ancho de banda HBM por vatio que la generación anterior.

Como referencia, Maia 200 se presentó en enero con proceso de 3 nm de TSMC, memoria HBM3e de 216 GB y unos 7 TB/s. StorageReview precisa que eran seis pilas.

La computación crece mucho menos que la memoria. Azure habla de un 36 % más de FLOPs y de un 14 % más de ancho de banda de interconexión. Las cifras de pico que publica StorageReview van en la misma línea: 13,8 POPS en FP4 frente a 10,1, con un TDP de 950 vatios frente a 750.

Mi lectura: es un chip pensado para el cuello de botella real de la inferencia actual, que es mover datos y no calcular. Los modelos con contextos largos y los agentes que encadenan pasos viven de la memoria, y ahí es donde Microsoft ha apostado.

¿Cómo es el rack de 96 aceleradores?

El rack de Maia 300 duplica la densidad del anterior: 96 aceleradores en 167 kW, repartidos en 24 bandejas de cuatro. Con Maia 200 eran 48 por rack.

La refrigeración líquida retira más del 80 % de la carga térmica del rack, según Azure. El superpod escala hasta 12.288 aceleradores en un máximo de 128 racks.

Con esa configuración completa, Microsoft promete hasta 7 veces más rendimiento en tokens por rack que Maia 200 y más de 2,5 veces el rendimiento por vatio. The Next Platform desglosa el 7x: el aumento de computación por chip y el doble de aceleradores por rack no bastan para explicarlo, así que atribuye el resto a la arquitectura.

Para situar la escala: 167 kW por rack y despliegues de varios gigavatios entran de lleno en el debate sobre los centros de datos hiperescalados para IA y su factura energética. Microsoft vende Maia 300 precisamente como una forma de sacar más tokens de cada vatio.

Hay que leerlo con cuidado. Un rack que pasa de 48 a 96 chips no compara peras con peras con uno de la generación anterior. El dato por vatio es más honesto que el de rendimiento bruto.

¿Qué significa para la dependencia de Nvidia?

Microsoft no dice que vaya a dejar de comprar GPU. Redmond Magazine resume el mensaje como una opción más junto a las GPU tradicionales, no como un sustituto. Pero el lenguaje ha cambiado: según Microsoft, Maia 300 será el principal sistema de inferencia para sus productos y servicios.

La cifra comercial más llamativa es un 40 % más de tokens por megavatio que los «principales sistemas basados en GPU». The Register y StorageReview señalan el problema: Microsoft no dice qué GPU, qué modelo ni qué configuración usa en la comparación, y nadie de fuera puede comprobarlo.

La generación anterior ya está en producción. Según Redmond Magazine, Maia 200 ejecuta cargas de Copilot y del desarrollo interno de modelos, y GitHub Copilot y Microsoft Foundry deberían empezar a usarlo antes de que acabe 2026. En wwwhatsnew ya contamos que, con Maia 200, Microsoft mantenía su apuesta por Nvidia y AMD mientras estrenaba chip propio.

The Register añade un matiz incómodo. En 2024, Microsoft se quejó ante los reguladores europeos de que la integración vertical de Google le daba ventaja, y dijo: «Todos los demás deben depender de alianzas para innovar y competir». Dos años después, Microsoft construye su propia pila vertical, del chip al servicio.

Mi posición: Maia 300 no amenaza a Nvidia a corto plazo, pero cambia quién negocia el precio. Un hiperescalador con un chip propio que sirve la mayor parte de su inferencia compra GPU con otra fuerza. El argumento del 40 % sigue sin baseline, y hasta que Microsoft lo concrete es marketing, no un dato. Lo que sí es verificable, la memoria, la densidad del rack y la eficiencia por vatio frente a Maia 200, apunta a que el coste por token de Copilot va a depender cada vez menos de Nvidia. El próximo examen es Ignite, en noviembre, donde Microsoft ha prometido más detalles.

NASA y el Departamento de Energía firman un acuerdo nuclear: un reactor rumbo a Marte en 2028 y otro para la Luna

Publicado el

por Natalia Polo

La NASA y el Departamento de Energía de Estados Unidos (DOE) han firmado un acuerdo para trabajar juntos en todo el ciclo de la energía nuclear espacial, desde el combustible hasta la operación en vuelo. Lo firmaron el 8 de octubre de 2026 el administrador de la NASA, Jared Isaacman, y el secretario de Energía, Chris Wright.

El memorando se titula «Accelerating American Leadership in Space Nuclear Power and Propulsion» y entra en vigor el 1 de noviembre, según la nota oficial de la NASA. Los dos proyectos que le dan sentido tienen nombre propio: SR-1 Freedom, una nave de propulsión nuclear eléctrica con destino a Marte, y Lunar Reactor-1, un reactor para la futura base lunar.

¿Qué cubre exactamente el acuerdo?

Es un marco de colaboración «de extremo a extremo» para el desarrollo nuclear espacial. Incluye investigación, producción de combustible, pruebas, integración en el lanzador y operaciones.

Se firmó en la cumbre Science: A Golden Age, en Washington, organizada por la Oficina de Política Científica y Tecnológica de la Casa Blanca, cuyo director, Michael Kratsios, asistió sin firmar. La NASA dice que el memorando refuerza la colaboración que ya existía en sistemas de fisión y radioisótopos.

El contexto político es claro. La orden ejecutiva de diciembre de 2025 sobre la superioridad espacial estadounidense encarga a la NASA un reactor de superficie lunar listo para lanzar en 2030. La agencia asegura que avanza hacia ese objetivo junto al DOE. No es la primera vez que se plantea: en 2025 ya analizamos si llevar un reactor nuclear a la Luna era una idea descabellada.

«La energía nuclear nos permitirá ir más lejos y operar durante más tiempo», dijo Isaacman, que según World Nuclear News habla de una nueva era «Nuclear-NASA».

SR-1 Freedom: un reactor que empuja hacia Marte

SR-1 Freedom (Space Reactor-1) es lo que la NASA llama «la primera nave interplanetaria impulsada por fisión». Usa propulsión nuclear eléctrica: el reactor no expulsa gases calientes como un cohete nuclear térmico, sino que genera electricidad para alimentar propulsores eléctricos.

Según World Nuclear News, la nave irá a Marte dentro de la misión SkyFall, con lanzamiento previsto a finales de 2028. El reactor se encenderá 48 horas después del despegue, una vez que la nave haya escapado de la gravedad terrestre. Llevará tres helicópteros de la clase Ingenuity, con cámaras y radar de penetración terrestre, para estudiar posibles zonas de aterrizaje y buscar agua bajo la superficie.

Scientific American da la potencia del reactor: 20 kilovatios. Y aporta el contexto que la nota oficial omite. Estados Unidos solo ha puesto en órbita un reactor nuclear, el SNAP-10A, en 1965. Y DARPA canceló en 2025 el programa DRACO de cohete nuclear térmico.

No todos lo ven claro. Andrew Higgins, ingeniero aeroespacial de la Universidad McGill, sostiene en esa misma revista que la propulsión nuclear eléctrica tiene más sentido para destinos lejanos que para Marte. Un antiguo alto cargo de la NASA califica 2028 de «ajustado», aunque no imposible.

Lunar Reactor-1 y el resto del paquete nuclear

Lunar Reactor-1 es un sistema de energía de fisión en superficie para mantener la base lunar durante las noches lunares y en zonas de sombra. Alimentaría hábitats, comunicaciones, instrumentos, vehículos y el uso de recursos locales. La nota de la NASA no da su potencia ni una fecha concreta más allá del objetivo de 2030.

World Nuclear News añade que SR-1 servirá de base para LR-1. Tiene lógica: volar un reactor en el espacio profundo antes de instalar otro en la Luna reduce incertidumbre.

El acuerdo cubre también los sistemas de radioisótopos, que la NASA usa desde 1961. Dragonfly, el helicóptero que despegará rumbo a Titán en 2028, llevará un generador termoeléctrico de radioisótopos y 24 unidades calefactoras ligeras. NASA y DOE suministrarán otras 24 al rover Rosalind Franklin de la ESA.

Para entender por qué todo el mundo vuelve a la fisión, basta con mirar los límites de la energía solar lejos del Sol o en la sombra. Es uno de los motivos que repasamos al hablar de las tecnologías que nos acercan al sueño de llegar a Marte.

Mi lectura: el memorando es papel, pero papel útil. El cuello de botella de la energía nuclear espacial nunca ha sido la física. Han sido la coordinación entre agencias, el combustible y los permisos de lanzamiento, y eso es lo que este acuerdo pretende ordenar. Lo que no resuelve es el calendario. Un reactor de 20 kW que aún no se ha construido, en una nave que debe despegar a finales de 2028, es una apuesta muy ajustada, y la historia reciente, con DRACO cancelado, invita a la prudencia. Si SR-1 Freedom llega a encenderse, el reactor lunar de 2030 dejará de sonar a promesa política. Si se retrasa, arrastrará también al reactor lunar.