NVIDIA Vera, Gemini Omni y Karpathy en Anthropic: 20 mayo

Tres noticias del 20 de mayo convergen en un mismo mensaje: la infraestructura, los modelos y el talento se están alineando alrededor de los agentes de IA como eje central de la industria, y las decisiones que se toman esta semana definen quién tiene ventaja en los próximos 18 meses.

NVIDIA Vera: el primer CPU diseñado exclusivamente para agentes

El vicepresidente de NVIDIA Ian Buck entregó personalmente los primeros procesadores Vera a tres laboratorios: Anthropic, OpenAI y SpaceXAI, con Oracle Cloud Infrastructure como cuarto receptor inmediato. El detalle del gesto —una entrega en mano, no un anuncio de disponibilidad general— no es ceremonial: es una señal de a quién NVIDIA considera sus socios estratégicos de primera línea.

Vera es relevante porque rompe con el paradigma habitual. Hasta ahora, NVIDIA dominaba el mercado de GPUs para entrenamiento e inferencia, pero el lado CPU de los sistemas de IA quedaba en manos de Intel o AMD (vía arquitecturas x86) o de los propios diseños ARM de los hyperscalers. Un CPU propio diseñado específicamente para cargas de trabajo agénticas —con sus patrones de memoria, latencia y orquestación distintos a los del entrenamiento masivo— es una apuesta arquitectónica seria.

La implicación práctica para equipos de infraestructura: si los tres laboratorios más activos en desarrollo de agentes autónomos ya tienen acceso preferente a Vera, los benchmarks que definirán el rendimiento estándar de agentes en 2026-2027 se medirán sobre esta arquitectura. Las empresas que construyan sobre Oracle Cloud Infrastructure tienen acceso próximo; el resto deberá esperar disponibilidad general sin fecha confirmada.

Para quienes estén evaluando infraestructura para despliegues agénticos, vale la pena seguir de cerca los resultados que publiquen Anthropic y OpenAI sobre Vera en los próximos meses. Puedes explorar opciones de implementación en el directorio de agencias de automatización con IA.

Gemini Omni y los agentes de información de Google: dos movimientos distintos

Google ha hecho dos movimientos simultáneos que conviene separar para analizarlos bien. Por un lado, Gemini Omni: un modelo multimodal avanzado que Google presenta como su nueva apuesta de frontera. Los detalles técnicos publicados hasta ahora son escasos —no hay benchmarks comparativos públicos contra GPT-4o o Claude 3.7 a la fecha de este artículo—, lo que hace difícil evaluar si supone un salto real o un reposicionamiento de marca.

Más interesante desde el punto de vista de producto son los agentes de información que Google está desplegando dentro de su ecosistema de búsqueda. La lógica es directa: en lugar de que el usuario ejecute búsquedas manuales recurrentes sobre un tema, el agente monitoriza ese tema en segundo plano y lanza alertas proactivas cuando detecta cambios relevantes. Es Google Alerts con razonamiento contextual encima.

Esto funciona porque ataca un comportamiento real: los equipos de inteligencia competitiva, los analistas de mercado y los product leads ya usan herramientas como Perplexity o incluso scripts propios para hacer este monitoreo. Google tiene la ventaja del índice más completo del mundo y la distribución masiva; el riesgo es que la personalización sea demasiado genérica comparada con soluciones verticales. A diferencia de un agente construido con LangGraph o AutoGen sobre fuentes específicas, el agente de Google opera sobre el índice general, lo que puede generar ruido en dominios técnicos o regulatorios muy especializados.

Las empresas con equipos de producto deberían probarlo para casos de monitoreo de competidores o seguimiento regulatorio, pero sin desmantelar todavía sus pipelines propios hasta ver la calidad real de las alertas. Si buscas implementar soluciones más personalizadas, las agencias de agentes autónomos ofrecen alternativas con mayor control sobre las fuentes.

Karpathy elige Anthropic: qué dice esta decisión sobre el estado del campo

Andrej Karpathy —exdirector de IA en Tesla, uno de los autores originales de la arquitectura Transformer y figura con suficiente credibilidad técnica como para que su opinión mueva mercados— ha decidido unirse a Anthropic para trabajar en investigación de LLMs de frontera. La noticia tiene varias capas.

La más obvia: no vuelve a OpenAI. Karpathy trabajó allí antes de Tesla y tiene relación personal con parte del equipo fundador. Que elija Anthropic sobre su exemployer no es neutralidad; es una declaración. Su declaración pública de que considera los próximos años "especialmente decisivos" en la evolución de los LLMs encaja con la posición técnica de Anthropic, que ha apostado más abiertamente por investigabilidad, interpretabilidad y control de modelos que por velocidad de lanzamiento.

El movimiento coincide además con que Anthropic acaba de recibir los primeros procesadores Vera de NVIDIA, lo que sugiere que el laboratorio tiene tanto el talento como la infraestructura para competir en el siguiente ciclo. Para OpenAI, perder a Karpathy como señal de destino preferido para investigadores de élite es más costoso a largo plazo que cualquier competidor inmediato: el talento de frontera atrae más talento de frontera.

Desde una perspectiva empresarial, este movimiento refuerza la tesis de que Claude merece atención seria como alternativa a GPT para aplicaciones donde la fiabilidad y el comportamiento predecible del modelo son más importantes que el acceso a las últimas capacidades multimodales. Las agencias de consultoría de IA que asesoran sobre selección de modelos deberían actualizar sus matrices de evaluación incorporando el factor de dirección de investigación, no solo benchmarks estáticos.

Puedes leer más sobre el movimiento de Karpathy en The Decoder y los detalles del procesador Vera en el blog oficial de NVIDIA.

El cibercrimen se industrializa: implicaciones para equipos que despliegan IA

El informe In the Wild de HPE Threat Labs, recogido por MIT Technology Review, documenta un cambio estructural en cómo operan los grupos de cibercrimen durante 2025: mayor automatización, mayor velocidad de explotación de vulnerabilidades conocidas y estructuras organizativas más sofisticadas. No es un problema nuevo, pero la escala sí lo es.

Esto tiene una lectura directa para equipos de IA: el incidente de CISA —credenciales SSH y contraseñas en texto plano expuestas en un repositorio público de GitHub desde noviembre de 2025— demuestra que ni siquiera los organismos especializados en ciberseguridad están inmunes a los errores básicos de gestión de secretos. Si la agencia encargada de proteger infraestructura crítica en EE.UU. tiene este tipo de exposición durante meses, los equipos de desarrollo que despliegan agentes con acceso a APIs, bases de datos o sistemas internos deberían auditar sus repositorios ahora.

Las herramientas de detección de secretos como GitLeaks o Trufflehog tienen coste marginal cercano a cero integradas en CI/CD. No implementarlas en 2026 es negligencia operativa, no falta de recursos. El incidente de Railway bloqueado por Google Cloud —aunque con menos detalles públicos— también apunta a que las dependencias de infraestructura cloud pueden interrumpirse sin previo aviso, lo que refuerza la necesidad de estrategias multi-cloud o al menos de planes de contingencia documentados para cualquier despliegue agéntico en producción.

Conclusión

Tres ideas accionables para esta semana: primero, si tienes agentes en producción o en hoja de ruta, la arquitectura Vera de NVIDIA define el benchmark de referencia para 2027; empieza a seguir los resultados técnicos que publiquen OpenAI y Anthropic sobre ella antes de comprometerte con infraestructura. Segundo, el movimiento de Karpathy a Anthropic es una señal de que Claude va a recibir inversión técnica de primer nivel en los próximos 12-18 meses; si no tienes Claude en tu matriz de evaluación de modelos, es el momento de incluirlo. Tercero, audita tus repositorios de código por secretos expuestos esta semana, no el mes que viene: el patrón documentado por HPE muestra que el tiempo entre exposición y explotación se está comprimiendo, y el caso CISA demuestra que la cultura organizacional no protege contra errores técnicos básicos.

Temas relacionados en agentes.ai

Si quieres aplicar lo que lees en tu empresa, estos son puntos de partida útiles dentro de agentes.ai:

• Directorio de agencias de automatización con ia
• Agencias de IA en Madrid y en Sevilla
• Explora el directorio completo de agencias de IA
• Sigue las últimas noticias de IA en tiempo real