A qué servicios de Microsoft llegan ahora las prohibiciones de ingeniería inversa y scraping, qué prohíben y qué dice la ley. Esquema de decodigo.com con datos de los términos de Microsoft y de SAMexpert; no es asesoría legal.
Microsoft cambió las reglas de uso de todos sus servicios en línea, de Azure a Microsoft 365. Sus términos ahora prohíben de forma general hacer ingeniería inversa de cualquiera de ellos, extraer datos con scraping, sacar los pesos de sus modelos de IA y saltarse los límites de sus API. Según el análisis de la consultora SAMexpert, hasta mediados de junio esas prohibiciones solo valían para sus servicios de IA generativa. El cambio llega cuando los agentes de IA convierten la ingeniería inversa, antes un trabajo de especialistas, en algo que casi cualquiera puede intentar.
La ingeniería inversa es el arte de desarmar un programa para entender cómo funciona sin tener su código fuente. Siempre fue lenta y cara: había que leer código máquina, adivinar qué hace cada función y documentarlo a mano. En los últimos meses eso cambió. Herramientas como REA ponen a agentes de IA a analizar programas completos, y proyectos como ArtCraft rehicieron aplicaciones de Adobe y de Office con ayuda de modelos como Claude. Las empresas de software empezaron a responder por la vía que tienen más a mano: sus contratos.
Claves del cambio de Microsoft
Qué prohíbe ahora. Según la política de uso aceptable de sus términos de producto, nadie puede usar un servicio en línea de Microsoft para hacerle ingeniería inversa, sacar los pesos de un modelo de IA o descubrir sus componentes, algoritmos o sistemas internos; para extraer datos con scraping u otros métodos; ni para intentar saltarse los límites que Microsoft fija a sus API.
Qué cambió. SAMexpert explica que en la actualización del 15 de junio esas prohibiciones pasaron de la sección de IA generativa a las reglas generales que cubren todos los servicios en línea. La prohibición de saltarse los límites de las API es nueva. Microsoft lo resumió en su registro de cambios como una actualización «para mayor claridad».
Copiar funciones, también. Desde el 1 de mayo, los términos prohíben usar un servicio en línea «para replicar funciones del producto». No definen qué es replicar, lo que deja el límite a la interpretación de Microsoft.
Las consecuencias. Incumplir la política de uso aceptable puede llevar a que Microsoft suspenda el servicio. SAMexpert advierte que la prohibición del scraping no tiene una excepción explícita para los datos del propio cliente: las herramientas de exportación que Microsoft documenta siguen permitidas, pero las de migración, respaldo o carga de datos que extraigan información por caminos no soportados conviene revisarlas.
Lo que dice la ley, más allá del contrato
Un contrato no siempre tiene la última palabra. En la Unión Europea, la directiva sobre la protección jurídica del software, la 2009/24/CE, permite observar, estudiar y probar el funcionamiento de un programa que se usa legalmente, y descompilarlo bajo condiciones estrictas cuando hace falta para que otro programa sea compatible con él; las cláusulas de una licencia que lo prohíban son nulas. La directiva de secretos comerciales también considera lícito estudiar un producto obtenido legalmente, aunque ahí sí cuenta lo que diga el contrato. En Estados Unidos, el caso Sega contra Accolade, de 1992, aceptó desensamblar un programa para lograr compatibilidad, y la ley de derechos de autor digitales tiene una excepción de interoperabilidad, pero tribunales como el del caso Bowers contra Baystate han dado validez a las licencias que prohíben la ingeniería inversa.
Hay un matiz importante: los términos de Microsoft hablan de sus servicios en línea, que corren en sus servidores, no de un programa instalado en tu computadora. Desarmar un servicio en la nube suele exigir atacarlo o abusar de su API, algo que las leyes protegen mucho menos que estudiar un archivo que compraste. Por eso el cambio pesa sobre todo en quien construye herramientas automáticas encima de esos servicios: agentes, extractores de datos o productos que imitan sus funciones.
Qué significa para desarrolladores y empresas
La ingeniería inversa con IA sigue siendo legítima en muchos usos: auditar la seguridad de un programa propio, recuperar software abandonado, estudiar malware o lograr que dos sistemas se entiendan. Pero el terreno se está moviendo. Si tu empresa usa Azure, Microsoft 365 u otro servicio en la nube, conviene revisar qué herramientas automatizadas extraen datos o tocan las API y si lo hacen por las vías documentadas. Y si desarrollas con agentes de IA que analizan software ajeno, conviene leer la licencia antes de empezar: lo que la IA vuelve barato técnicamente puede seguir saliendo caro en un contrato.
Los commits de la ventana de integración de Linux 7.4 frente a las versiones anteriores, y a quién afecta el parche sobre KGDB: solo a x86. Esquema de decodigo.com con datos de Phoronix y del parche.
El kernel Linux 7.4 rompió una marca antes de salir: en su ventana de integración, el periodo en el que Linus Torvalds acepta funciones nuevas, recibió 19,671 commits, la cifra más alta en los registros de Phoronix, que empiezan en 2011. Es un recuento provisional, hecho antes de la primera versión de prueba. Phoronix atribuye el aumento sobre todo a reportes de fallos y parches generados con IA. Aparte, el desarrollador Peter Zijlstra envió un parche para quitar el soporte de KGDB, el depurador del kernel, en la arquitectura x86, la de los procesadores de Intel y AMD; no en las demás.
Cada versión de Linux sigue el mismo ritmo: tras publicarse una versión estable, se abre una ventana de integración, normalmente de dos semanas, en la que los responsables de cada área envían a Torvalds los cambios que prepararon durante meses. Al cerrarla sale la primera versión de prueba, la rc1, y siguen unas siete u ocho semanas dedicadas a corregir errores. Linux 7.3 salió el 18 de octubre, y la ventana de la 7.4 coincidió con unas vacaciones de Torvalds. Hasta este domingo 1 de noviembre, la 7.4-rc1 todavía no aparecía en el repositorio del kernel.
Claves de la ventana récord
Casi 20,000 commits. Phoronix contó 19,671 desde la versión 7.3. En sus datos, que van de Linux 3.1, en 2011, a hoy, las ventanas solían quedarse en unos 13,000 o 14,000, y ninguna había pasado de unos 16,300. La cifra puede crecer un poco hasta que salga la rc1.
Un código fuente más grande. Comparando el tamaño del árbol del kernel en dos momentos, la versión 7.3 publicada y la 7.4 justo antes de la rc1, pasó de unos 41.0 a 41.6 millones de líneas; sin comentarios ni líneas en blanco, unas 456,000 líneas de código más. Phoronix calcula que superará los 42 millones con la versión 7.5.
La IA, según Phoronix. El sitio interpreta que buena parte del aumento son correcciones que nacen de reportes y parches generados con modelos de IA, y describe a los mantenedores, las personas que revisan y aceptan cada cambio, como «completamente desbordados». Es su lectura del fenómeno, no un dato medido commit por commit. El ciclo anterior, de la 7.2 a la 7.3, ya había sido el primero en superar los 20,000 commits.
Mejoras concretas. Entre lo integrado hay un sistema de archivos FAT32 hasta 265 veces más rápido en algunas operaciones, soporte para el almacenamiento NVMe de los chips M4 de Apple y la eliminación de __get_user() y __put_user(), dos funciones antiguas para copiar datos entre el kernel y los programas que no hacían todas las comprobaciones de seguridad de sus versiones sin guiones bajos.
Commits en la ventana de integración de Linux 7.0 a 7.4. La cifra de la 7.4 es provisional. Gráfica: decodigo.com con datos de Phoronix.
KGDB en x86, en duda
El 28 de octubre, Peter Zijlstra, veterano desarrollador del kernel en Intel, envió a la lista de correo del kernel un parche titulado «x86: Drop KGDB support», es decir, quitar el soporte de KGDB en x86. KGDB permite detener un kernel en marcha y revisarlo paso a paso desde otra computadora conectada por un cable serie o por red, como se hace con cualquier programa en un depurador. El parche no elimina KGDB de todo el kernel: las demás arquitecturas, como ARM o RISC-V, lo conservarían.
Zijlstra sostiene que KGDB «hace cosas horribles» en x86: se queda atascado en un modo especial de interrupciones, puede desajustar el reloj interno del kernel y causa problemas con los puntos de ruptura. En su opinión, no hay razón para usarlo en lugar del servidor de depuración de QEMU, el emulador más usado, cuando el kernel corre en una máquina virtual. Para fallos que solo aparecen en hardware real propone pasar el dispositivo a la máquina virtual, emularlo o depurar con mensajes de printk(). Esas son sus alternativas; no está claro que cubran todos los casos en los que hoy se usa KGDB con hardware real. Él mismo admite que lo usó «una vez, hace unos 20 años».
No hay decisión todavía. El hilo recibió respuestas de otros desarrolladores, y una propuesta intermedia es desactivarlo primero en la configuración del kernel y retirarlo unas versiones después, para dar tiempo a quienes aún dependen de él. KGDB está en el kernel desde la versión 2.6.26, de 2008.
Qué cambia para quien trabaja con el kernel
Son dos noticias distintas. La ventana récord muestra cuánto trabajo llega hoy a los mantenedores, y Phoronix lo relaciona con la IA. La propuesta sobre KGDB responde a problemas técnicos del propio depurador en x86; nada en el parche indica que la motive el aumento de commits, aunque ambas cosas apuntan a mantenedores que buscan quitarse de encima código difícil de sostener. Para quien desarrolla controladores o depura el kernel en x86, el mensaje práctico es seguir el hilo y, si depende de KGDB, contarlo en la discusión o preparar la transición a la depuración con QEMU. Para el resto, la 7.4 debería llegar a principios de 2027.
El «universo» de átomos fríos: la región iluminada se expande y se contrae, y el tiempo entrópico, construido con la entropía de esa región, solo avanza mientras esta cambia. Esquema ilustrativo de decodigo.com.
¿Se puede ordenar lo que pasa en un sistema sin usar un reloj externo como referencia? En la Universidad de Birmingham, el físico Giovanni Barontini usó unos 24,000 átomos enfriados casi al cero absoluto, bien aislados del entorno, como un universo en miniatura, y construyó dentro de él un «tiempo entrópico»: una variable que avanza cuando cambia la entropía de una región del sistema y que se detiene cuando esta no cambia. Es una medida interna del tiempo en un modelo cuántico, no una respuesta a de dónde sale el tiempo del universo.
El experimento ataca uno de los grandes problemas de la física teórica. Cuando se intenta unir la relatividad general con la mecánica cuántica, aparece la ecuación de Wheeler-DeWitt, que describe el universo entero como un estado cuántico que no cambia y en el que el tiempo, sencillamente, no aparece. Si fuera así, ¿de dónde sale el paso del tiempo que vivimos? Una idea es que el tiempo puede definirse de forma relacional, a partir de los cambios dentro del propio sistema. Barontini quiso ponerla a prueba en el laboratorio. El artículo se publicó el 11 de junio de 2026 en Physical Review Research; la Universidad de Birmingham lo difundió a finales de octubre.
Claves del experimento
Un universo en una caja. Los átomos, a pocas milmillonésimas de grado del cero absoluto, quedan bien aislados del entorno: durante el experimento, la pérdida de energía hacia afuera es despreciable. Dos rayos láser de frecuencias distintas forman una barrera delgada que separa una región «iluminada», la que se observa, de otra «oscura». Los átomos pueden pasar de una a la otra.
Expansión y contracción. La región iluminada crece y luego se encoge una y otra vez, una versión muy simplificada de un universo que nace en un Big Bang y termina en un Big Crunch.
El reloj interno. El laboratorio mide el sistema, pero no usa el tiempo externo para ordenar lo que pasa dentro. En su lugar, el reloj se construye con una medida de entropía definida para la región iluminada, que depende de cómo se reparten en ella los átomos; no se trata de contar cada movimiento. Cuando esa entropía cambia, el reloj avanza; cuando no, se detiene. La variable construida ordena los sucesos en una sola dirección, incluso durante los ciclos de expansión y contracción, y puede avanzar más rápido o más despacio.
Sirve para hacer física. Con ese tiempo interno puede escribirse una versión de la ecuación de Schrödinger, la que describe cómo evoluciona un sistema cuántico, y hacer predicciones.
Lo que muestra y lo que no
Según Barontini, es la primera evidencia experimental controlada de que el tiempo puede definirse a partir de los cambios dentro de un sistema. Pero conviene no exagerar: el resultado muestra una forma de definir y medir un tiempo interno en un sistema cuántico controlado, no que el tiempo de nuestro universo surja de la entropía. Tampoco demuestra que el tiempo sea una ilusión ni que el universo carezca de un tiempo fundamental. Es un modelo cuántico muy simplificado y no reproduce ningún suceso cósmico real. Que el reloj entrópico «se detenga» tampoco quiere decir que el tiempo se haya parado en el laboratorio: solo que, en ese sistema, no hay nada que lo marque.
El valor del trabajo es convertir una pregunta casi filosófica en algo que se puede medir. El siguiente paso, según el autor, es probar la idea en sistemas más complejos e incluso en modelos de agujeros negros. Si te gustan las simulaciones de física, también puedes jugar con nuestro simulador de lente gravitacional.
Cómo funciona el imán que probó Startorus: el solenoide central sube su campo y, mientras cambia, induce corriente en el plasma. Esquema de decodigo.com con cifras que reporta Startorus Fusion.
La empresa china de fusión nuclear Startorus Fusion probó a -253 °C un imán de prueba del solenoide central de su futuro reactor CTRFR-1, hecho con superconductores de alta temperatura. Según la empresa, su campo llegó a 10 teslas y cambió a un ritmo de 63 teslas por segundo, lo que Startorus presenta como un récord mundial entre los imanes superconductores para fusión que se conocen.
Startorus nació en 2021 en Xi’an y hoy tiene su base principal en Shanghai. Apuesta por los tokamaks esféricos, una versión compacta del clásico reactor en forma de dona en la que el plasma se ve casi como una manzana con un hueco muy estrecho en el centro. Ese hueco es el problema: ahí tiene que caber el solenoide central, el imán que funciona como el primario de un transformador. Mientras su campo cambia, induce una corriente eléctrica en el plasma, y esa corriente ayuda a calentarlo y a confinarlo; no lo hace solo, porque el calentamiento y el confinamiento dependen también de otros sistemas, como las bobinas que rodean el reactor y el calentamiento externo. Como hay poco espacio, el solenoide tiene que concentrar mucha corriente y ser capaz de cambiar su campo muy rápido.
Lo que se probó no es el solenoide definitivo. Startorus lo llama «modelo» del solenoide central y lo describe como un prototipo de verificación de ingeniería: una bobina de prueba que sirve para comprobar el diseño, la fabricación y el funcionamiento en frío antes de construir el imán del reactor. La empresa no detalla si tiene el tamaño del imán final.
Claves de la prueba
Las cifras que reporta la empresa. La bobina de prueba trabajó a 20 kelvin con 6,350 amperes. Alcanzó un campo máximo de 10 teslas, del orden de 200,000 veces el campo magnético de la Tierra, que en la superficie va de unas 25 a 65 millonésimas de tesla según el lugar. La corriente subió a 40,000 amperes por segundo, con picos de 2,850 volts.
Por qué importa la rapidez. En un tokamak, la corriente del plasma se induce mientras el campo del solenoide cambia. Un imán que cambia rápido da más margen para arrancar esa corriente y controlarla en un espacio reducido, algo especialmente útil en los diseños esféricos.
Superconductores de alta temperatura. El imán trabaja a 20 kelvin, no a los 4 kelvin del helio líquido que necesitan los superconductores clásicos. Enfriar a 20 kelvin suele exigir menos al sistema de refrigeración, aunque eso no basta para decir que el conjunto sea más barato: dependerá de la potencia de refrigeración, los materiales y el diseño. Estos superconductores también permiten campos más intensos en menos espacio.
Un récord según la empresa. Los 10 teslas y los 63 teslas por segundo son mediciones que reporta Startorus. Que sea un récord mundial es su propia comparación: no explica con qué imanes se comparó ni con qué criterio, y no hay todavía una revisión independiente. Startorus planea pruebas por encima de 12 teslas, descargas rápidas repetidas y medir las pérdidas de energía al cambiar el campo.
Una carrera china hacia la fusión comercial
La prueba forma parte de un calendario ambicioso, que es el de la propia empresa. Según su página de avances, la fabricación en serie de los imanes del reactor CTRFR-1 empezará en Shanghai en 2027. Según Nuclear Engineering International, Startorus quiere terminar el CTRFR-1 en 2028 con el objetivo de producir más energía de la que consume y tener en 2032 una planta piloto que entregue electricidad a la red. La misma publicación informa que la empresa levantó en enero una ronda de 1,000 millones de yuanes, unos $143 millones de USD, encabezada por fondos de capital estatal, y que suma más de 1,500 millones de yuanes de más de 50 inversionistas.
Son plazos que pocos proyectos de fusión han cumplido, y un imán récord es solo una pieza: falta confinar el plasma, calentarlo y extraer la energía de forma estable. Pero la prueba muestra que en China se empuja por varios frentes a la vez, desde los grandes reactores públicos hasta empresas privadas como esta, en la misma carrera en la que compiten estadounidenses como General Fusion o Helion.
Los humanoides en China: cuántos se fabrican, a qué ritmo sale una línea de montaje y qué cubren sus primeras normas. Esquema de decodigo.com con datos del Ministerio de Industria de China, Gasgoo y la SAMR.
China ya tiene sus primeras normas nacionales para robots humanoides. Son seis, entrarán en vigor el 1 de abril de 2027 y llegan en el año en que su gobierno prevé fabricar más de 100,000 humanoides. Para darse una idea del salto: en 2025 se enviaron en todo el mundo entre 13,000 y 16,000, según las estimaciones que recoge la prensa especializada china.
Los robots con forma humana dejaron de ser solo demostraciones de baile o de kung fu. Pekín los considera una industria estratégica, junto con la llamada IA corpórea, la que aprende moviéndose en el mundo físico. En febrero, el Ministerio de Industria y Tecnologías de la Información presentó un marco para ordenar sus normas, y en julio uno de sus funcionarios, Gan Xiaobin, dijo que la producción del país superaría las 100,000 unidades este año. Ahora la Administración Estatal de Regulación del Mercado, la SAMR, publicó las seis primeras normas en su anuncio número 43 de 2026.
Claves del auge de los humanoides en China
Qué regulan las normas. Cubren las reglas generales, la percepción del entorno, la toma de decisiones y la planeación, el control del movimiento, la ejecución de tareas y las plataformas para probarlos en simulación. Según la prensa especializada, son recomendadas y no obligatorias, y una norma de seguridad que sí lo sería sigue en preparación. En su redacción participaron fabricantes como Unitree, UBTech y Xiaomi.
Quién fabrica. En 2025, Unitree entregó más de 5,500 humanoides; AgiBot, más de 5,000, y UBTech, 1,079 de tamaño completo. AgiBot sacó su robot número 10,000 en marzo y el 15,000 a finales de junio, que fue a parar a una fábrica de electrónica.
Líneas de montaje de verdad. La línea de Dongfang Precision y Leju Robotics, la primera del país capaz de hacer más de 10,000 al año, arma un humanoide cada 30 minutos. La de Engine AI en Shenzhen, inaugurada en mayo, uno cada 15.
Un pronóstico, no una cifra cerrada. Los 100,000 son una previsión del gobierno, sin datos independientes de ventas. Para cumplirla, la producción tendría que multiplicarse por más de seis respecto a lo que se envió en todo el mundo el año pasado.
Por qué importan unas normas para robots
Las normas son la parte poco vistosa de una industria, pero deciden mucho. Si cada fabricante mide a su manera qué tan bien ve, se mueve o completa una tarea su robot, comparar modelos es imposible y venderlos a una fábrica, más difícil. Fijar esas reglas primero le da a China una ventaja: las empresas que las escribieron, como Unitree o UBTech, ya trabajan con ellas, y quien quiera venderle robots a su enorme mercado tendrá que cumplirlas.
Queda la gran pregunta de para qué se usarán tantos robots. Fabricar 100,000 no es lo mismo que tenerlos trabajando: buena parte de los humanoides de hoy van a laboratorios, escuelas, exhibiciones y pruebas piloto, y pocos hacen todavía tareas productivas a jornada completa. Las líneas de montaje y las normas apuntan a que China quiere estar lista cuando eso cambie, como ya intentan fábricas como la de Schaeffler en Taicang o robots como el H2-X de Unitree.
Cómo una luna de Venus pudo acabar despedazada: el planeta se frena, el radio sincrónico rebasa la órbita y la luna cae en espiral. Simulación ilustrativa de decodigo.com basada en el estudio de Kane y otros.
¿Por qué la Tierra tiene una luna y Venus, su vecina casi gemela, ninguna? Un estudio de la Universidad de California en Riverside propone una respuesta sin catástrofes: Venus pudo tener una luna, pero su giro cada vez más lento la habría hecho caer en espiral hasta despedazarla. Según las simulaciones, una luna como la nuestra habría durado entre 30 y 1,700 millones de años, según su tamaño.
Venus y Mercurio son los únicos planetas del Sistema Solar sin lunas. En el caso de Mercurio, tan pegado al Sol, se entiende; en el de Venus, que es casi del tamaño de la Tierra, siempre ha sido un misterio. Las explicaciones más citadas eran que nunca se formó una luna o que un gran impacto la arrancó después. El astrofísico Stephen Kane y tres colegas probaron una tercera vía: simularon qué le pasaría a una luna hipotética de Venus bajo las mareas, las mismas que hacen que nuestra Luna se aleje unos 4 centímetros cada año. El trabajo salió a mediados de septiembre y se publicó en The Astrophysical Journal.
Claves del estudio
Todo depende de qué tan rápido gire el planeta. La Tierra gira en 24 horas, más rápido de lo que la Luna le da la vuelta, así que el abultamiento de las mareas va un poco adelantado y la empuja hacia afuera. Venus hoy tarda 243 días en dar una vuelta, y además gira al revés que casi todos los planetas. Con un giro tan lento, ese empujón se invierte y la luna cae.
La carrera entre la luna y el radio sincrónico. El radio sincrónico es la distancia a la que una luna tardaría en dar la vuelta lo mismo que dura un día del planeta. Si Venus nació girando rápido, su luna empezó alejándose. Pero las mareas del Sol y de la propia luna fueron frenando al planeta, y ese radio creció. Cuando rebasa la órbita, la luna deja de alejarse y empieza a caer.
El final: el límite de Roche. Muy cerca del planeta, su gravedad tira más fuerte del lado cercano de la luna que del lejano, y la parte. Los restos caerían a Venus.
Cuestión de masa y de giro. Los autores probaron giros iniciales de 5 a 100 horas y lunas de hasta 10 veces la masa de la nuestra. Si Venus giraba en 15 horas o más, o si la luna tenía más de dos masas lunares, la destrucción llegaba en algún momento entre 30 y 1,700 millones de años. Una luna de media masa lunar habría aguantado unos 1,700 millones de años; una del doble, apenas unos 30 millones.
No prueba que existió. El estudio muestra que la desaparición es posible sin un choque, no que Venus haya tenido luna. Y las pistas son difíciles de encontrar: cerca del 80 % de su superficie tiene una edad parecida, porque un repavimentado volcánico de hace unos mil millones de años borró las huellas anteriores.
Lo que dice sobre las lunas de otros mundos
«Mi estudio muestra que Venus no necesitó una catástrofe para llegar a lo que vemos hoy», dijo Kane. El resultado tiene una lectura más amplia: no basta con que un planeta forme una luna, también tiene que poder conservarla. Las simulaciones de los grandes choques que crean lunas sugieren que Venus quedó girando en unas 12 horas o más, justo en la frontera en la que una luna como la nuestra sobrevive o se pierde, así que el destino de Venus pudo decidirse por muy poco. Lo mismo valdría para los planetas parecidos a la Tierra que giran despacio alrededor de otras estrellas, que podrían perder sus lunas. Kane cree que tener una luna ayuda, pero que «no es un requisito para la habitabilidad».
Si Venus tuvo una luna, su choque final le habría transferido energía y giro, con efectos en su geología y quizá en su clima. Comprobarlo exigirá buscar rastros en su interior, como los que los sismólogos creen haber encontrado en el manto de la Tierra del choque que formó nuestra Luna. Mientras tanto, la idea cambia la pregunta: quizá Venus no es el planeta raro por no tener luna, y la Tierra es la afortunada por haber conservado la suya.
Apple y Nvidia, antes y después del viernes 30 de octubre: las dos cayeron, pero Nvidia más, y se invirtió el orden. Esquema de decodigo.com con datos de Bloomberg y companiesmarketcap.
Apple volvió a ser la empresa más valiosa del mundo. Al cierre del viernes 30 de octubre, todas sus acciones juntas valían unos $5.03 billones de USD (millones de millones), frente a unos $4.94 billones de Nvidia. Las dos bajaron ese día, pero no igual: Apple perdió 1.2 % y Nvidia 4.2 %, en plena desconfianza de los inversionistas sobre el gasto en inteligencia artificial. Es la primera vez que Apple la rebasa desde finales de julio.
Nvidia ocupa el primer lugar casi sin interrupción desde junio de 2025, cuando pasó a Microsoft gracias a la demanda de sus chips para entrenar y ejecutar modelos de IA. Apple ya le había quitado el puesto unos días a finales de julio: el 27 de ese mes cerró con $4.95 billones frente a $4.77 de Nvidia, según CNBC. A principios de octubre Apple cruzó por primera vez los $5 billones y Nvidia volvió a adelantarse, hasta que la caída del viernes invirtió otra vez el orden.
Claves del cambio de lugar
Los números del viernes. La acción de Apple cerró en $344.63 y la de Nvidia en $204.64. La diferencia entre las dos empresas quedó en unos $90,000 millones de USD, menos del 2 % de su valor, así que el orden puede volver a cambiar con cualquier sesión movida.
El miedo al gasto en IA. Los inversionistas empiezan a dudar de que los miles de millones que se invierten en centros de datos vayan a recuperarse pronto. Alphabet gastó $51,400 millones de USD en un solo trimestre y su flujo de caja libre, el dinero que le queda después de invertir, quedó en negativo. El de Amazon en los últimos 12 meses pasó de +$14,800 millones a -$42,400 millones.
Un mal mes para los chips. El viernes, Intel se desplomó un 29 % tras sus previsiones y arrastró al resto del sector. En octubre, el índice Nasdaq 100 cayó 6.7 %, su peor mes desde marzo de 2025, y empresas de infraestructura para IA como CoreWeave y Nebius perdieron más de 30 %.
Apple como refugio. Apple casi no compite en la carrera de los centros de datos, así que gasta mucho menos. Según Bloomberg, su flujo de caja libre crecería 38 % hasta unos $142,000 millones en el año fiscal que cerró en septiembre, y sus acciones suben 27 % en 2026, casi el triple que las de Nvidia (9.7 %).
Lo que el cambio dice sobre la fiebre de la IA
Que Apple pase a Nvidia no significa que a Nvidia le vaya mal: sigue vendiendo todos los chips que puede fabricar y vale casi cinco billones de dólares. Lo que cambió es el humor del mercado. Durante dos años, los inversionistas premiaron a quien más gastaba en IA y a quien le vendía las palas de esa fiebre del oro, que es justamente Nvidia. Ahora miran con más cuidado cuánto dinero sale de las grandes tecnológicas y cuándo regresa, y prefieren a las empresas que generan efectivo sin depender de esa apuesta. Las propias empresas, además, intentan fabricar sus propios chips de IA para depender menos de Nvidia.
El primer lugar entre las dos ha cambiado de manos varias veces este año y la distancia es mínima, así que lo más probable es que siga moviéndose. Lo que conviene vigilar no es tanto quién va primero, sino si el gasto en IA empieza a traducirse en ganancias: de eso dependerá hacia dónde se inclina la balanza en los próximos trimestres.
Cómo funciona WireClaw: la IA solo interviene al crear la regla; después, el ESP32 la cumple por su cuenta. Esquema de decodigo.com con datos de la documentación del proyecto.
WireClaw es un firmware de código abierto que convierte un ESP32, una placa que su autor calcula en unos $5 USD, en un pequeño agente de IA. Le escribes por Telegram algo como «si la temperatura pasa de 28 °C, prende el ventilador», y la placa configura sus pines y crea una regla que después cumple sola, sin IA y sin internet. El proyecto nació en febrero y en octubre llegó a Adafruit y a Electronics For You, que lo presentaron como «OpenClaw para el ESP32».
El ESP32 es un microcontrolador de Espressif con WiFi integrado, muy usado en proyectos caseros de domótica. A diferencia de una Raspberry Pi, no tiene sistema operativo ni memoria suficiente para correr un modelo de lenguaje: el chip tiene 320 KB de RAM. Por eso WireClaw no mete la IA en la placa, sino que la usa como intérprete. El ESP32 manda tu mensaje a un modelo en la nube por OpenRouter, o a uno que corra en tu propia red con Ollama, y el modelo le responde con instrucciones concretas, como «crear una regla sobre el sensor de temperatura con umbral de 28». Su autor, que publica en GitHub como M64GitHub, lo resume así: «la IA crea las reglas; las reglas funcionan sin la IA».
Claves de WireClaw
Dos momentos distintos. Mientras conversas, cada mensaje pasa por el modelo de IA, que puede encadenar hasta cinco llamadas a herramientas. Una vez creada la regla, la placa revisa el sensor cada 5 segundos y actúa por su cuenta: prende o apaga un pin, cambia el color del LED, manda un aviso por Telegram o publica un mensaje en la red. Las reglas se guardan en la memoria flash y sobreviven a un apagón.
Se instala desde el navegador. Funciona con el ESP32-C6, el S3 y el C3, siempre que tengan 4 MB de flash. Se graba desde wireclaw.io con Chrome o Edge, sin instalar nada. La primera vez, la placa crea una red WiFi llamada «WireClaw-Setup» para que le pongas desde el celular tu red, la clave del modelo de IA y el token de Telegram.
Veinte herramientas. La IA puede leer sensores, mover pines, crear reglas encadenadas con esperas («avísame, espera 5 segundos y prende el LED en verde»), programarlas a una hora gracias al reloj de internet y guardar notas en una memoria que conserva tus preferencias tras reiniciar. También puede hablar por el puerto serie con un Arduino, un GPS o un sensor de CO2.
Un modelo rápido marca la diferencia. En las pruebas del autor, Gemini 2.5 Flash responde en unos 4 segundos, Claude Sonnet 4.5 en unos 10 y DeepSeek V3.2 en unos 44, los tres con buenos resultados. Un modelo pequeño como Qwen 2.5 7B falló: se saltaba pasos y confundía las esperas. Para usarlo sin la nube recomienda gpt-oss de 20B, que ocupa 13 GB y necesita una computadora aparte.
Pensado para conectarse. Por NATS, un sistema de mensajería ligero, puede recibir datos de Home Assistant, de un script de Python o de otras placas WireClaw, y otro agente como OpenClaw puede usar sus herramientas directamente, sin pasar por el modelo de la placa. Todo el firmware ocupa 196 KB de RAM y 1.3 MB de flash, y tiene licencia MIT.
Lo bueno de separar a la IA de la regla, y lo que hay que cuidar
La idea resuelve uno de los problemas de poner un modelo de lenguaje a controlar cosas físicas: la IA es lenta, cuesta dinero en cada consulta y a veces se equivoca, pero aquí solo interviene una vez. Lo que se queda funcionando es una regla sencilla y predecible, que no depende de que haya internet ni de que el modelo esté de buenas. Es el mismo enfoque que siguen muchas empresas con los agentes de IA: dejar que el modelo traduzca lo que quieres, y que lo ejecute algo más simple y revisable.
Pero es un proyecto experimental, y conviene tratarlo así. Según su documentación, el control por NATS no pide contraseña, y el portal web, desde el que se pueden cambiar la configuración y las instrucciones de la IA, tampoco menciona ninguna: cualquiera que esté en tu misma red podría usarlos. La placa guarda además la clave de tu WiFi, la del modelo de IA y el token de Telegram, así que vale la pena usar una clave de API con límite de gasto. Tampoco es un controlador de tiempo real, y la propia reseña de Electronics For You recomienda no usarlo para nada crítico: un relé con un ventilador de 5 V está bien; una cerradura, un calentador o un aparato conectado a la corriente, no. Y un último aviso: a mediados de octubre aparecieron copias del repositorio en cuentas ajenas al autor que ofrecían supuestas «versiones» para descargar, un truco que se usa para repartir malware. Ya no existen, pero el proyecto original nunca publicó versiones: se instala desde wireclaw.io o compilando su código.
Con todo, WireClaw es un buen ejemplo de hacia dónde va la electrónica casera: menos código escrito a mano y más instrucciones en lenguaje normal, con la IA como traductora y no como piloto. Para aprender, para un prototipo o para recibir en Telegram la temperatura de tu cuarto, es difícil encontrar una forma más barata de probarlo.
La gravedad no solo atrae planetas y manzanas: también dobla la luz. Cuando una galaxia enorme queda justo entre nosotros y otra mucho más lejana, hace de lupa: la de fondo se ve deformada, repetida o convertida en un anillo de luz, el anillo de Einstein. Es una lente gravitacional, y hoy es una de las herramientas favoritas de los astrónomos para pesar galaxias y cartografiar la materia oscura. Aquí te contamos cómo funciona y puedes formar tus propios anillos arrastrando una galaxia por detrás de otra.
De un eclipse a un espejismo cósmico
La idea de que la gravedad pueda desviar la luz es antigua: en 1801, el astrónomo alemán Johann Georg von Soldner calculó con la física de Newton cuánto se desviaría la luz de una estrella al pasar rozando el Sol. En 1915, la relatividad general de Albert Einstein dio una respuesta distinta: la masa curva el espacio y el tiempo, y la luz sigue esa curvatura, así que el desvío debía ser el doble, unos 1.75 segundos de arco.
Para comprobarlo hacía falta ver estrellas junto al Sol, y eso solo es posible durante un eclipse total. El 29 de mayo de 1919, dos expediciones británicas organizadas por el astrónomo real Frank Dyson lo fotografiaron desde la isla de Príncipe, frente a África, con Arthur Eddington, y desde Sobral, en Brasil. Los resultados, presentados el 6 de noviembre de 1919, le dieron la razón a Einstein y lo convirtieron en una celebridad mundial.
Que una estrella pudiera hacer de lente para otra lo describió Orest Chwolson en 1924, y Einstein lo calculó en 1936 en un artículo breve de la revista Science, animado por un ingeniero aficionado, Rudi Mandl, que fue a visitarlo para convencerlo. Einstein concluyó que no había esperanza de observarlo directamente con estrellas. Un año después, Fritz Zwicky propuso que las galaxias, mucho más masivas, sí serían lentes visibles. Tenía razón: en 1979, Dennis Walsh, Robert Carswell y Ray Weymann encontraron el cuásar doble Q0957+561, dos imágenes idénticas separadas por 6 segundos de arco que en realidad eran el mismo cuásar, desdoblado por una galaxia que tiene delante. En 1988 llegó el primer anillo, MG1131+0456, observado con radiotelescopios, y en 1998 el Hubble fotografió el primero completo.
La Herradura Cósmica: una galaxia roja muy masiva deforma la luz de una galaxia azul que está mucho más lejos, justo detrás, hasta convertirla en un anillo casi completo. Foto: ESA/Hubble y NASA, dominio público, recortada.
La ecuación de la lente
Todo se resume en una ecuación sorprendentemente corta. Llamemos θ (theta) a la dirección en la que vemos un punto de luz en el cielo y β (beta) a la dirección en la que está de verdad la galaxia de fondo. La lente desvía la luz un ángulo α (alfa), que depende de por dónde pase el rayo:
β = θ – α(θ)
Dicho con palabras: lo que vemos en la dirección θ viene en realidad de la dirección β. Si para una misma β hay varias θ que cumplen la ecuación, vemos la galaxia de fondo varias veces. Cuanto más cerca del centro de la lente pasa la luz, más se desvía, y por eso los rayos que pasan por encima y por debajo de la lente pueden acabar llegando al mismo sitio: a nosotros.
Vista de lado, muy exagerada. Cada rayo llega a la Tierra desde una dirección distinta, y en cada una vemos una copia de la galaxia de fondo. Esquema: decodigo.com.
Cada lente tiene un tamaño característico, el radio de Einstein: el radio del anillo que se forma cuando la fuente queda exactamente detrás. Crece con la masa de la lente y depende de las distancias entre nosotros, la lente y la fuente. En el simulador usamos tres modelos sencillos:
Estrella (masa puntual): toda la masa en un punto, como una estrella o un agujero negro. El desvío disminuye con la distancia al centro: α = θE² / θ.
Galaxia (esfera isoterma): la masa repartida como en una galaxia real, en la que las estrellas se mueven a la misma velocidad a cualquier distancia del centro. Aquí el desvío es el mismo en todas partes, α = θE, y solo cambia su dirección.
Galaxia achatada: la anterior más una pequeña deformación (en inglés, shear), que imita una galaxia ovalada o el tirón de otras galaxias cercanas. Es la que produce las cruces de cuatro imágenes.
Pruébalo
Arrastra con el ratón o con el dedo sobre el lienzo para mover la galaxia azul de fondo (la cruz blanca marca dónde está de verdad). Pulsa «Alinear» para ponerla justo detrás y ver el anillo, o «Pasar por detrás» para que cruce sola. Cambia la masa con el control del radio de Einstein, y activa «Curva crítica y cáustica» para ver las líneas que explican cuántas imágenes aparecen. En el modo «Débil», lo que arrastras es la masa.
Lente:
Masa:
curva crítica
cáustica (en el plano de la fuente)
+ dónde está de verdad la fuente
Prueba esto: con la «Estrella», aparta la fuente un poco del centro y verás dos imágenes, una por fuera del anillo y otra más débil pegada a la lente. Con la «Galaxia achatada», activa la cáustica: es un pequeño rombo con puntas. Si llevas la cruz blanca dentro del rombo aparecen cuatro imágenes alrededor de la lente, como en la famosa cruz de Einstein, el cuásar Q2237+0305, descubierto en 1985 por John Huchra y su equipo; si la sacas, quedan dos. Y fíjate en el brillo total: con la fuente alineada, la lente la hace unas 24 veces más brillante. No crea luz: estira la imagen y la hace más grande, y por eso llega más luz en total.
Lo que ves en el simulador, de forma simplificada. Con una galaxia como lente, si la fuente se aparta del centro, el anillo se rompe en un arco grande por fuera y una imagen pequeña por dentro, al otro lado. Esquemas: decodigo.com.Un anillo de Einstein casi perfecto alrededor de la galaxia NGC 6505, fotografiado por el telescopio espacial Euclid y presentado por la ESA en febrero de 2025. Foto: ESA/Euclid/Euclid Consortium/NASA, procesado de J.-C. Cuillandre, G. Anselmi y T. Li, CC BY-SA 3.0 IGO.
Cómo está hecho el simulador
La animación usa una técnica que se llama trazado de rayos hacia atrás (backward ray tracing). En vez de seguir la luz desde la galaxia de fondo, que se dispersa en todas direcciones, recorre los píxeles del lienzo: para cada píxel θ calcula con la ecuación de la lente de qué punto β viene su luz, y lo pinta con el brillo que tiene la galaxia de fondo en ese punto. Así salen solos los arcos, los anillos y las imágenes repetidas, sin programarlos uno por uno. Mientras arrastras, el cálculo se hace a la mitad de resolución para que vaya fluido, y al soltar se repinta completo.
La galaxia de fondo es un disco ovalado cuyo brillo cae de forma exponencial desde el centro, con dos nudos más brillantes, como las zonas donde nacen estrellas. Las líneas naranja y celeste se calculan aparte: la curva crítica son los puntos del cielo donde la lente amplificaría sin límite una fuente diminuta, y la cáustica es esa misma curva llevada al plano de la galaxia de fondo. Cada vez que la fuente cruza una cáustica, aparecen o desaparecen dos imágenes.
Para saber de qué tamaño son estos efectos en el cielo real, este programa en Python calcula el desvío de la luz al rozar el Sol, el anillo de una estrella que pasa por delante de otra en nuestra galaxia y el de una galaxia completa:
# Cuánto se desvía la luz y qué tamaño tiene el anillo de Einstein en tres casos reales.
import math
G = 6.674e-11 # constante de gravitación (m³ kg⁻¹ s⁻²)
c = 2.998e8 # velocidad de la luz (m/s)
M_SOL = 1.989e30 # masa del Sol (kg)
R_SOL = 6.957e8 # radio del Sol (m)
KPC = 3.086e19 # un kiloparsec (m), unos 3,260 años luz
ARCSEG = math.degrees(1) * 3600 # segundos de arco por radián
# 1. La luz de una estrella que roza el borde del Sol: α = 4GM / (c² b)
alfa = 4 * G * M_SOL / (c**2 * R_SOL)
print(f"Desvío al rozar el Sol: {alfa * ARCSEG:.2f} segundos de arco (Newton daba la mitad: {alfa * ARCSEG / 2:.2f})")
# 2. Una estrella de media masa solar a 4 kpc pasa por delante de otra a 8 kpc, en el centro de la Vía Láctea
# (microlente, uno de los estudios del telescopio Roman): θE = √(4GM/c² · Dls / (Dl · Ds))
M, Dl, Ds = 0.5 * M_SOL, 4 * KPC, 8 * KPC
tE = math.sqrt(4 * G * M / c**2 * (Ds - Dl) / (Dl * Ds))
print(f"Anillo de una estrella (microlente): {tE * ARCSEG * 1000:.2f} milésimas de segundo de arco")
# 3. Una galaxia elíptica cuyas estrellas se mueven a 250 km/s, a mitad de camino de la fuente
# (esfera isoterma): θE = 4π (σ/c)² · Dls/Ds
sigma, cociente = 250e3, 0.5
tE = 4 * math.pi * (sigma / c)**2 * cociente
print(f"Anillo de una galaxia: {tE * ARCSEG:.2f} segundos de arco de radio")
print(f"La Luna llena mide unos 1,800 segundos de arco: {1800 / (2 * tE * ARCSEG):,.0f} veces el diámetro del anillo")
salidaDesvío al rozar el Sol: 1.75 segundos de arco (Newton daba la mitad: 0.88)
Anillo de una estrella (microlente): 0.71 milésimas de segundo de arco
Anillo de una galaxia: 0.90 segundos de arco de radio
La Luna llena mide unos 1,800 segundos de arco: 999 veces el diámetro del anillo
Los anillos de galaxias miden alrededor de un segundo de arco, unas mil veces menos que la Luna llena: hace falta un telescopio espacial o una óptica muy buena para verlos. Los de estrellas son mil veces más pequeños todavía y no se ven como anillos, pero sí se nota que la estrella de fondo se vuelve más brillante durante unos días o semanas, mientras la otra pasa por delante. Eso es una microlente, y si la estrella que hace de lente tiene un planeta, el planeta deja su propia marca en la curva de brillo.
Hemos comprobado que el simulador hace bien las cuentas. Su núcleo, escrito en JavaScript, da exactamente las mismas imágenes, píxel a píxel, que una versión independiente en Python con NumPy en 60 escenas al azar con los tres modelos y los dos modos. Y con una fuente muy pequeña, la magnificación que mide coincide al 0.1 % con las fórmulas exactas de la masa puntual y de la esfera isoterma.
La lente débil y el telescopio Roman
Los anillos y los arcos son la lente fuerte, y son raros: hace falta una alineación casi perfecta. Mucho más común es la lente débil: toda la materia que hay entre nosotros y las galaxias lejanas, incluida la materia oscura que no emite luz, deforma un poquito su forma. Es una deformación del orden del 0.1 al 1 %, imposible de ver en una galaxia sola, porque cada una tiene su propia forma ovalada. Pero si se miden millones, las deformaciones se suman: las galaxias tienden a alinearse alrededor de las zonas con más masa, y de ahí se reconstruye un mapa de la materia oscura. Este efecto en todo el cielo, la cizalla cósmica (cosmic shear), lo detectaron por primera vez cuatro equipos independientes en el año 2000.
En la realidad, lejos de la masa la deformación es de un uno por ciento o menos; aquí está exagerada para que se vea. Esquema: decodigo.com.
Es justo lo que hará el telescopio espacial Nancy Grace Roman, que la NASA acaba de enfocar: su gran estudio del cielo medirá la posición, la forma y el tamaño de cientos de millones de galaxias débiles para ver cómo las deforma la masa que tienen delante, y con ello medir cómo ha crecido la estructura del universo y estudiar la energía oscura. Por eso importa tanto que su óptica salga más nítida de lo previsto: la señal está en deformaciones de un uno por ciento. Roman también buscará planetas con microlentes, vigilando millones de estrellas hacia el centro de nuestra galaxia.
El cúmulo de galaxias Abell 2218 visto por el Hubble. Las galaxias amarillas pertenecen al cúmulo; los arcos finos que las rodean son galaxias mucho más lejanas, estiradas por su masa. Foto: NASA, ESA, A. Fruchter y el equipo ERO (STScI, ST-ECF), dominio público.
En el modo «Débil» del simulador puedes verlo: con poca masa, activa y desactiva «Ver sin la lente» y fíjate en las galaxias lejos del centro, que apenas cambian; súbela y, cerca del cúmulo, aparecen arcos como los de Abell 2218.
Si usas Cursor en Windows o en Mac y tienes instalada la extensión de Claude Code, conviene que hagas una comprobación de un minuto. Durante unas 11 horas del 29 de octubre, la tienda de extensiones de Cursor sirvió dos versiones manipuladas de esa extensión, la 2.1.312 y la 2.1.313, que no había hecho Anthropic. Al instalarse intentaban dejar en el equipo una llave SSH del atacante, abrir un túnel para entrar a distancia y mandarle datos de la máquina. Cursor calcula que afectó como mucho a 5,000 usuarios.
Cursor es un editor de código basado en VS Code, muy popular entre quienes programan con ayuda de la IA, y tiene su propia tienda de extensiones. Una de las más instaladas es la de Claude Code, el asistente de programación de Anthropic. Según Anthropic, «un actor malicioso usó el acceso a la tienda de Cursor para publicar una extensión manipulada dirigida a los usuarios de Cursor»; sus propios sistemas no se vieron comprometidos y sus canales oficiales no se vieron afectados. Cursor no ha explicado todavía cómo consiguió el atacante ese acceso.
Claves del ataque a la extensión
Once horas en la tienda. Las versiones manipuladas estuvieron disponibles de las 2:27 a las 13:35, hora del Pacífico (de 3:27 a 14:35 en el centro de México), solo para Windows y macOS y solo en la tienda de Cursor. La 2.1.313 nunca llegó a Open VSX ni al Marketplace de Microsoft, y la 2.1.312 de Open VSX es la legítima.
Se ejecutaba sola. No hacía falta usar Claude: el código malicioso arrancaba en cuanto el editor cargaba la extensión.
Qué intentaba. Mandaba al atacante el nombre del equipo y del usuario, el sistema, la IP pública, el correo configurado en Git y los nombres de las variables de entorno. Además añadía su llave SSH, con el comentario svc-telemetry, a la lista de llaves autorizadas, intentaba activar el acceso por SSH y abrir un túnel inverso, y dejaba tareas que reintentaban la conexión cada minuto, también al reiniciar.
Un fallo que salvó a muchos. Activar el servicio SSH exige permisos de administrador que la extensión casi nunca tiene, así que en la mayoría de los equipos ese paso falló y el atacante no pudo entrar por el túnel. Pero la llave, las tareas y el envío de datos sí se quedaron hechos. El servidor del atacante ya está apagado.
La respuesta de Cursor. Retiró las versiones, apagó toda la tienda, revisó que ninguna otra extensión estuviera alterada, cambió sus llaves y la volvió a abrir. Anthropic publicó una versión limpia, la 2.1.314.
Cómo saber si te afectó y qué hacer
La prueba más rápida es buscar la llave del atacante. En Mac, abre la Terminal y escribe grep svc-telemetry ~/.ssh/authorized_keys: si no sale nada, tu equipo no quedó comprometido. En Windows, busca el texto svc-telemetry en el archivo .ssh\authorized_keys de tu carpeta de usuario y en C:\ProgramData\ssh\administrators_authorized_keys. Si aparece, desinstalar la extensión no basta, porque las tareas que reintentan la conexión siguen ahí. Cursor ofrece en su aviso dos scripts de limpieza: el de Mac se ejecuta con tu usuario, no como root, y el de Windows, en PowerShell como administrador. Los dos terminan con error si queda algún rastro. Después, desde otro equipo de confianza, cambia las contraseñas, tokens y llaves a los que se podía llegar desde esa máquina: GitHub, la nube, los servicios de integración continua y tus propias llaves SSH. Y si trabajas en una empresa, avisa al equipo de seguridad, que puede decidir reinstalar el equipo.
El caso es un recordatorio de que el punto débil de la cadena de suministro no siempre está en el autor del software, sino en la tienda que lo distribuye. Una extensión del editor corre con los mismos permisos que tú y ve tu código, tus llaves y tus variables de entorno, así que una tienda comprometida es un atajo directo al equipo de miles de desarrolladores. Por eso conviene revisar qué extensiones tienes instaladas, quitar las que no usas y, en equipos de trabajo, no abrir el editor con permisos de administrador.
