Dos de los modelos chinos más comentados de octubre, Kimi K3.1 Pro, de Moonshot AI, y la actualización de DeepSeek V4.1-Flash, se habrían entrenado con ayuda de respuestas de GPT-6 Astra, el modelo más avanzado de OpenAI. Lo publicó el 28 de octubre el medio estadounidense The Information, citando a personas con conocimiento directo, y lo recogió la agencia Reuters. Ninguna de las empresas lo ha confirmado: Moonshot declinó comentar, DeepSeek no respondió y OpenAI se limitó a decir que se toma el problema «muy en serio».
La práctica de la que se habla se llama destilación: un laboratorio hace millones de preguntas a un modelo más capaz, guarda sus respuestas y las usa para entrenar el suyo, que así aprende más rápido y más barato. Es una técnica legítima y muy extendida cuando se aplica a modelos propios, pero las condiciones de uso de OpenAI y de Anthropic prohíben usar sus respuestas para crear modelos que compitan con ellos. En los últimos meses se ha convertido en uno de los frentes de la competencia entre Estados Unidos y China en IA.
Lo que se sabe y lo que no
Los modelos señalados. Kimi K3.1 Pro, que Moonshot lanzó la semana pasada y del que ya hablamos, y DeepSeek V4.1-Flash en su versión del 17 de octubre, que también reseñamos.
Una sola fuente. Todo sale de The Information y de fuentes anónimas. Reuters no dice haberlo verificado por su cuenta, y no se sabe cuántas respuestas de Astra se habrían usado ni cómo se obtuvieron.
El razonamiento oculto. Según el medio especializado The Decoder, este tipo de destilación solo funciona si se consigue que el modelo revele los pasos de razonamiento que normalmente esconde, algo que OpenAI y Anthropic prohíben y tratan de impedir.
Un antecedente con Moonshot. El 30 de septiembre, OpenAI ya había vinculado a personas relacionadas con Moonshot el núcleo de una campaña de destilación contra sus modelos que empezó en julio, y cerró las cuentas implicadas.
Antes fue Claude. En febrero, Anthropic acusó a DeepSeek, Moonshot y MiniMax de usar unas 24,000 cuentas falsas para mantener más de 16 millones de conversaciones con Claude. Este mes aseguró que sus nuevas defensas reducen entre un 90 % y un 99 % los datos que se pueden extraer así, y The Decoder sostiene que por eso los laboratorios chinos se habrían pasado a Astra.
Por qué la destilación se volvió un asunto de Estado
Entrenar un modelo de primera línea cuesta miles de millones de dólares en chips y electricidad; aprender de las respuestas de otro cuesta una fracción. Para los laboratorios estadounidenses, eso significa que sus rivales pueden alcanzarlos sin pagar la parte más cara, y en Washington ya hay propuestas para sancionar a quien lo haga. Los laboratorios chinos, por su parte, nunca han admitido estas acusaciones, y sus modelos abiertos se han ganado a muchos desarrolladores por su calidad y su precio, sea cual sea el origen de sus datos.
Para quien usa estos modelos, la acusación no cambia lo que hacen hoy, pero sí añade una duda legal y de reputación, sobre todo en empresas que necesitan saber de dónde vienen los datos de entrenamiento. Moonshot ha prometido publicar los pesos abiertos de Kimi K3.1 Pro el 4 de noviembre, y será la primera ocasión para ver si la polémica cambia sus planes. Mientras ninguna de las partes presente pruebas, lo prudente es tratarla como lo que es: una acusación seria, pero sin confirmar.
GitHub celebra estos días su conferencia anual, Universe, y llega con dos mensajes. El primero es un producto: Copilot Fusion, que decide por ti qué modelo de IA usar en cada tarea y combina varios cuando hace falta. El segundo, un dato de su informe anual Octoverse: en septiembre, más del 40 % de las pull requests de GitHub empezó con un borrador escrito por un agente de IA. En marzo era el 17 %.
Hasta ahora, quien usaba Copilot tenía que elegir modelo en una lista que no deja de crecer, y GitHub ve que sus usuarios ya mezclan: según Octoverse, el 61 % de los usuarios de Copilot usó más de un modelo en septiembre, y ningún modelo concentra más del 25 % de las peticiones. «Todo el software que hemos escrito hasta hoy será menos del 1 % del que escribiremos en los próximos cinco años», dijo Jay Parikh, el directivo de Microsoft que dirige CoreAI, la división a la que pertenece GitHub.
Lo que se anunció
Copilot Fusion, disponible para todos. Se elige en el selector como si fuera un modelo más. Para cada petición usa un solo modelo, hace que uno barato escriba un borrador y otro lo revise y lo escale si no es suficiente, o pone a varios a criticar la respuesta de uno. Está en VS Code, la app de Copilot, la CLI y los IDE de JetBrains.
Niveles de esfuerzo. El nivel Standard está en todos los planes, incluido el gratuito; High y Max, solo en Pro+, Max, Business y Enterprise. En Standard puede usar modelos que corren en tu equipo, como MAI Code 1.1 Flash o Qwen3.8 Flash Next.
Precio por modelo usado. Fusion no cuesta aparte: se paga cada modelo que usa a su tarifa normal, con un 30 % de descuento en los planes de pago hasta el 30 de noviembre. GitHub asegura que en su nivel Max saca 60 puntos en el índice de agentes de programación de Artificial Analysis, a dos de Claude Code con Opus 5.5, con la mitad de coste por tarea y un 40 % menos de tiempo, cifras que no ha detallado.
Revisión de código Max. Un tercer nivel, en vista previa, que pone a varios modelos de razonamiento a revisar las pull requests más delicadas. Cada revisión cuesta de media unos $10 USD en créditos, frente a $1.50 USD del nivel normal.
Copilot dentro de GitHub Enterprise. Las empresas pueden incluirlo en todas sus licencias pagando solo lo que consumen, sin créditos mensuales por persona.
Octoverse 2026. Más de 225 millones de desarrolladores, 17,900 millones de pushes en un año (más que en 2024 y 2025 juntos), TypeScript sigue primero por delante de Python y JavaScript, y Rust duplicó sus colaboradores.
Qué cambia para quien programa
El dato del 40 % hay que leerlo con su letra pequeña: GitHub cuenta una pull request como «iniciada por un agente» cuando el primer borrador sale de un agente que puede detectar, y avisa de que es un mínimo, porque no detecta todos. Aun así, 110 millones de pull requests en un solo mes, seis veces más que en marzo, describen un cambio de oficio: cada vez más trabajo empieza con una instrucción a un agente y se decide en la revisión. Por eso GitHub insiste en revisar mejor, con niveles más caros y exhaustivos, y en verificar lo que entregan los agentes.
Fusion, por su parte, apunta a un problema práctico: elegir modelo se ha vuelto una tarea en sí misma, y el modelo más potente no siempre es el que conviene pagar. La contrapartida es perder control sobre qué modelo procesa tu código, algo que las empresas pueden limitar, porque Fusion solo usa los modelos que sus políticas permiten. Habrá que ver si el ahorro que promete GitHub se nota en la factura una vez acabe el descuento.
Google ha presentado Gemini 4 Carbon, que describe como su modelo más potente, solo dos semanas después de abrir Gemini 4 Argon a todo el mundo. Encabeza el índice de inteligencia de Artificial Analysis con 59 puntos, pero su especialidad es la ciberseguridad: encontrar vulnerabilidades en software real, demostrar que se pueden explotar y escribir el parche. Precisamente por eso, de momento no estará disponible para el público: esta semana lo reciben solo algunos equipos de ciberdefensa.
El anuncio lo firma Koray Kavukcuoglu, vicepresidente de Google DeepMind y arquitecto jefe de IA de Google. Carbon sigue el mismo camino que Gemini 4 Argon, que Google presentó el 30 de septiembre solo para defensores de su programa Fairwind y abrió a desarrolladores y usuarios el 13 de octubre. El programa reúne, según Google, a más de 650 organizaciones, con prioridad para gobiernos, operadores de infraestructura crítica y grandes plataformas, que pasan verificaciones y no pueden usar el modelo para tareas maliciosas como crear malware.
Claves de Gemini 4 Carbon
Encontrar fallos. Resuelve el 88.2 % de SEC-bench Pro, una prueba que pide descubrir vulnerabilidades reales en software como Firefox, el motor V8 o el kernel de Linux.
Explotarlos y repararlos. Logra el 54.8 % en ExploitGym, que mide si es capaz de explotar una vulnerabilidad, y el 71 % en CWE-bench, que pide auditar proyectos de código abierto y escribir un parche que funcione. En esa tabla supera a GPT-6 Astra, Gemini 4 Argon y Grok 4.7 (68 %) y a Claude Opus 5.5 (67 %).
Sin frenos en las pruebas. Google aclara que esas cifras se midieron con el modelo sin sus salvaguardas, que es como lo usarán los defensores.
Pruebas en casa. El equipo de Chrome asegura que generó parches de calidad más de diez veces mejor que «el gran modelo de otro laboratorio», sin decir cuál, y la empresa de seguridad Wiz, propiedad de Google, lo sitúa en cabeza en sus pruebas de pentesting web.
Más largo y más obediente. Además de la ciberseguridad, Google destaca tareas de programación largas y menos «trampas» y afirmaciones inventadas en sus evaluaciones internas. Artificial Analysis, sin embargo, midió que se equivoca con más seguridad que Argon cuando no sabe algo: su tasa de alucinaciones pasó del 4 % al 11 %, aunque acierta más.
El mismo precio que Argon. Cuando llegue a la API costará $2 USD por millón de tokens de entrada y $10 USD por millón de salida durante el periodo de lanzamiento, y después $4 y $20 USD. No hay fecha.
El dilema de un modelo que sabe atacar
Un modelo capaz de encontrar y explotar fallos es la herramienta soñada de un equipo de defensa, que puede revisar su propio código antes que los atacantes, y también la de un atacante. Por eso los tres grandes laboratorios han acabado haciendo lo mismo este otoño: OpenAI reserva las capacidades de ciberseguridad avanzadas de GPT-6 Astra a su programa de acceso de confianza, Anthropic amplió en octubre su programa de verificación para equipos de seguridad y Google repite con Carbon el despliegue escalonado de Argon. Google dice además que participa en el proceso voluntario de pruebas previas del Gobierno de EE. UU., aunque no ha publicado ni una ficha técnica ni un informe de seguridad propios de Carbon: el que enlaza en el anuncio es el de Argon.
Para la mayoría, la noticia es lo que viene: la experiencia con Argon sugiere que Carbon llegará a desarrolladores y usuarios en cuestión de semanas, aunque Google solo dice «lo antes posible». Mientras tanto, conviene leer las cifras como lo que son, resultados medidos por la propia empresa o en tablas recién actualizadas, y esperar a que equipos independientes lo prueben con las salvaguardas puestas.
En las últimas semanas han aparecido varias herramientas que prometen lo mismo para la ingeniería inversa de piezas: darle a una IA el escaneo 3D de una pieza y recibir a cambio un modelo CAD editable, con su árbol de operaciones, listo para fabricar o modificar. ScanRuler, de CNC Kitchen, y Oscar, de OriginShape, se presentaron en octubre; Backflip lleva desde agosto en el mercado, y QUICKSURFACE enseñará su versión con IA en Formnext, a mediados de noviembre. Para los talleres que fabrican y reparan herramentales, como moldes, troqueles o dispositivos de sujeción, es una promesa difícil de ignorar.
La ingeniería inversa de un herramental empieza casi siempre igual: un molde o un troquel que llegó sin planos, o cuyos planos ya no se parecen a la pieza real tras años de ajustes, soldaduras y pulidos. Se escanea, se obtiene una malla de millones de triángulos y alguien la convierte a mano en un modelo CAD. Un caso publicado por la revista MoldMaking Technology lo muestra bien: el moldeador estadounidense Accudyn recibió un molde desgastado sin ningún archivo de diseño y con dos semanas de plazo. Escanear las cavidades le llevó unas horas, frente a varios días midiendo con una máquina de coordenadas de palpador, pero el rediseño a partir del escaneo siguió en manos de un diseñador de moldes. Ese último paso es el que estas herramientas quieren automatizar.
Quién está haciendo qué
ScanRuler (CNC Kitchen). Gratuita y en el navegador: un agente como Claude Code o Codex, conectado por MCP, reconstruye el escaneo como un sólido paramétrico a la vista del usuario, y el escaneo no sale del equipo. La parte de medición es código abierto. Lo contamos con detalle en esta nota.
Oscar (OriginShape). Presentado el 26 de octubre. Sus agentes leen el escaneo, identifican operaciones y medidas, y entregan STEP, IGES o código CadQuery junto con las pruebas de cada cota importante. Lo que no tiene claro lo marca para que lo apruebe un ingeniero. Por ahora se conecta con FreeCAD; Fusion, SolidWorks y Onshape vendrán después. No ha publicado precios.
Backflip. Lanzado en agosto como complemento de Autodesk Fusion y como aplicación web, con un modelo de IA entrenado para geometría 3D. Tiene un modo rápido, de un par de minutos, y otro más lento para piezas complejas. La empresa reconoce que funciona mejor en piezas fresadas en tres ejes o torneadas, y calcula unos $10 USD por pieza frente a los $1,500 USD o más de una ingeniería inversa tradicional, cifras propias sin verificación externa.
QUICKSURFACE. Este programa de scan-to-CAD, que trabaja con datos de escáneres como los de Shining 3D, Revopoint o Creality, presentará en Formnext (Fráncfort, del 17 al 20 de noviembre) su versión 2027 con QUICKSURFACE AI, que promete pasar una pieza mecánica adecuada a CAD paramétrico «con un clic».
Plantas enteras. Prevu3D, que digitaliza fábricas, asegura que unos agentes de IA reconstruyeron en CAD una escena industrial completa en unas 24 horas, sin entrenamiento previo. No ha dicho qué escena era ni cómo comprobó el resultado.
Lo que cambia para un taller de moldes y troqueles
Un herramental es el caso difícil de la ingeniería inversa. Las piezas prismáticas, con planos, agujeros y redondeos, son justo lo que estas IA reconstruyen mejor, y en un molde abundan: placas, guías, botadores, insertos. Pero las cavidades tienen superficies libres, ángulos de desmoldeo y la contracción del material incorporada, y un molde gastado ya no tiene la forma que tuvo: la herramienta tiene que saber si debe copiar el desgaste o recuperar la medida original. Las más serias resuelven esto dejando decidir a la persona: ScanRuler admite notas sobre superficies concretas, Oscar pide aprobación de lo dudoso y todas dejan el árbol de operaciones editable.
Lo que no cambia es que el resultado depende del escaneo. Las superficies de acero pulido reflejan la luz del escáner y suelen necesitar un revelador en polvo; los radios pequeños y las zonas profundas de una cavidad quedan con huecos, y una malla con ruido da cotas dudosas. Prevu3D lo resume en su propia nota: una malla entregada sola a un modelo de IA «da resultados irregulares». Para un taller, la ganancia realista hoy está en el tiempo de modelado de las piezas sencillas y en tener un primer CAD editable en minutos en lugar de días; la responsabilidad de que el inserto encaje en el molde sigue siendo de quien lo revisa.
Stefan Hermann, el ingeniero detrás del canal de YouTube CNC Kitchen, ha convertido su herramienta gratuita de medición de escaneos 3D en algo más ambicioso. ScanRuler tiene ahora un espacio de ingeniería inversa que puede manejar un agente de IA: «dile a tu agente que se conecte al MCP de ScanRuler, dale un STL y pídele que haga la ingeniería inversa», escribió el 21 de octubre al anunciarlo. El agente reconstruye la pieza como un modelo CAD paramétrico, operación por operación, a la vista en el navegador.
Un escáner 3D no entrega un modelo de CAD, sino una malla: cientos de miles o millones de triángulos que copian la superficie de la pieza, con su ruido y su desgaste. Para fabricar un repuesto o modificar el diseño hay que volver a dibujarla en CAD con medidas limpias, y ese paso, el scan-to-CAD, suele hacerse a mano con programas profesionales caros. ScanRuler nació en agosto como una alternativa gratuita para la primera mitad del trabajo, la de medir el escaneo, y en dos meses ha publicado más de veinte versiones.
Claves de ScanRuler
Medir como un laboratorio de metrología. Ajusta esferas, cilindros, conos, toros, planos y círculos a la malla, mide distancias y ángulos entre ellos al estilo de GOM Inspect o PC-DMIS, y comprueba tolerancias geométricas (GD&T) como planitud, paralelismo o coaxialidad.
Comparar con el diseño. Coloca el escaneo sobre el modelo original en STEP y pinta la desviación en colores, encuentra zonas con material de más o de menos y mapea el espesor de pared. También mide piezas planas desde un escáner de documentos y exporta el contorno en SVG o DXF.
Ingeniería inversa. Corta secciones del escaneo, convierte el perfil en líneas y arcos con cotas, y construye un sólido con extrusiones, revoluciones, redondeos, chaflanes, vaciados, agujeros, roscas, ángulos de desmoldeo, simetrías, patrones, lofts y barridos. Las formas libres se modelan con superficies ajustadas al escaneo. El resultado sale en STEP, listo para abrir en cualquier programa de CAD, y se puede comparar contra el escaneo para ver dónde se aleja.
Un agente al mando. Un pequeño servidor MCP, scanruler-mcp, conecta la pestaña abierta con Claude Code, Codex, Claude Desktop, Cursor o cualquier cliente compatible. El agente trabaja a la vista, cada paso se puede deshacer y el árbol de operaciones queda editable: en la captura del anuncio, un soporte de GoPro reconstruido en 64 operaciones.
Todo en tu equipo. El escaneo no se sube a ningún servidor: se procesa en el navegador y el servidor MCP solo escucha en la propia máquina. Lo que sí sale es lo que lee el agente, las cifras y las imágenes, que van a su proveedor de IA como cualquier otra conversación.
Gratis, pero no todo abierto. La parte de medición es código abierto con licencia AGPL-3.0 y licencias comerciales para quien quiera integrarla en software cerrado. Los espacios de ingeniería inversa y de edición de mallas son gratuitos en scanruler.com, pero su código no se ha publicado.
Por qué un ingeniero de impresión 3D lo cuenta como un salto
El cuello de botella del escaneo 3D nunca fue capturar la pieza, sino lo que viene después: horas de modelado para convertir la malla en algo que un taller pueda fabricar o un diseñador pueda modificar. Si un agente se encarga de la parte repetitiva, como ajustar planos, encontrar los ejes de los agujeros o redondear las cotas a valores razonables, el escaneo se vuelve útil para mucha más gente: talleres pequeños que fabrican repuestos sin planos, aficionados a la impresión 3D o ingenieros que necesitan rehacer un soporte descatalogado. Y como el modelo queda paramétrico, quien revisa el resultado puede corregir una medida sin empezar de cero.
Conviene ajustar las expectativas. La propia documentación avisa de que el servidor ofrece más de cien herramientas, unos 50,000 tokens de descripciones, algo que los modelos grandes asumen sin problema pero que satura a un modelo local en pocas rondas; para esos casos hay un modo reducido. El registro de cambios muestra cómo se ha ido puliendo a base de ejecuciones reales de agentes sobre carcasas de mandos, una bomba de agua o la hebilla de un soporte de cámara, y Hermann ha prometido un vídeo detallado y una skill propia para guiar al agente. Para empezar basta Node.js 22 o posterior, Chrome, Edge o Firefox y una línea como claude mcp add --scope user scanruler -- npx -y scanruler-mcp@latest.
REA, la herramienta de código abierto que pone a los agentes de IA a hacer ingeniería inversa, publicó el 25 de octubre la versión 6.8.0. Es una versión enorme: 1,740 commits y casi 500 contribuciones aceptadas desde la anterior, publicada una semana antes. Su novedad principal es que puede crear, a partir de lo que se observa en una aplicación, un entorno local donde un agente practica sin tocar la app real. Además suma una larga lista de formatos que ya sabe abrir, de los ejecutables de GameCube y Wii a los juegos hechos con Godot y Unity.
REA le da a un agente como Claude Code, Codex o Cursor las herramientas para abrir programas de los que no hay código fuente y explicar, con pruebas, cómo funcionan. Lo contamos en la noticia de su lanzamiento, y la versión anterior, la 6.7, en esta nota. El proyecto supera ya las 406,000 estrellas en GitHub, unas 50,000 más que hace ocho días.
Claves de REA 6.8
Entornos para agentes. REA toma capturas del tráfico de red de una aplicación, recorridos grabados en el navegador o simplemente una instrucción, y monta con ellos un entorno local que imita a la app: responde a las lecturas y solo acepta las escrituras cuyo efecto quedó registrado en las pruebas. Sirve para que un agente aprenda a usar un servicio sin riesgo, y después se puede comparar el entorno con capturas nuevas de la app real para ver si sigue siendo fiel.
Juegos y motores. Abre ejecutables DOL de GameCube y Wii con Ghidra, extrae los paquetes PCK de Godot y lee los metadatos de los juegos de Unity compilados con IL2CPP: nombres de clases y métodos, y su relación con el código nativo.
Programas empaquetados. Inspecciona y extrae aplicaciones de Python empaquetadas con PyInstaller, ejecutables únicos de Node.js y el bytecode de Python y de BEAM, la máquina virtual de Erlang y Elixir.
GPU, IA y firmware. Lee código compilado para tarjetas gráficas (CUDA y HIP), las declaraciones de modelos de IA en formato GGUF y safetensors, árboles de dispositivos (devicetree) y regiones de periféricos en el firmware.
Más detalle en Windows, Linux y Apple. Certificados Authenticode y callbacks TLS en ejecutables de Windows, metadatos de módulos del kernel de Linux, programas de 32 bits para x86, ARM y MIPS, e informes de fallos de iPhone y Mac (IPS).
Investigaciones más largas. Por defecto, el análisis de una función devuelve ahora un resumen y guarda el detalle completo aparte, para no llenar la memoria de trabajo del agente. Se pueden comparar funciones entre dos versiones de un programa y exportar el pseudocódigo por partes.
Lo que hay que revisar al actualizar
La 6.8.0 trae cambios incompatibles, y el más visible está antes de instalarla: pide Node.js 22.23.4, 24.22.1 o 26.12.1 como mínimo, y deja de funcionar con las versiones 23 y 25. El instalador no actualiza Node.js por ti. Quien use REA desde sus propios scripts debe revisar tres cosas más: analyze_function devuelve un resumen salvo que se pida detail: "complete", la salida --format jsonl añade un registro de metadatos al final, y los selectores antiguos de idioma de los APK, como es-r419, pasan a escribirse es-419.
Repetimos en un contenedor todas las pruebas de nuestra guía práctica de REA con la 6.8.0 y la hemos puesto al día. La instalación tardó 11 segundos, rea --help lista ahora 177 órdenes (155 en la 6.7.0) y el análisis de la app de ejemplo da los mismos resultados. Encontramos dos cambios: rea doctor muestra el informe completo aunque se le pida filtrarlo, y rea uninstall presenta su resultado con otro formato. Para actualizar, si lo instalaste con npm basta rea update, y después conviene repetir rea setup y reiniciar el agente.
Notas de la versión 6.8.0 en GitHub y pruebas propias en un contenedor de Debian 13 con Node.js 24.22.2. Portada: captura de REA analizando un binario en Hopper, del repositorio del proyecto (licencia MIT).
Betelgeuse, la gigante roja del hombro de Orión, ya ha superado casi por completo su famoso apagón de 2019. Y su pequeña compañera, Siwarha, no solo existe: deja su marca en ella. Nuevas imágenes de radio del VLA y de ALMA muestran que la atmósfera de la estrella se estira cuando Siwarha se ve más separada de ella y se vuelve más redonda cuando pasa por delante o por detrás. «Esta compañera orbita tan cerca de la estrella que en realidad atraviesa su atmósfera extendida», explica Lynn Matthews, del Observatorio Haystack del MIT, autora principal del estudio.
Betelgeuse es una supergigante roja casi 800 veces más grande que el Sol, a unos 600 o 700 años luz de la Tierra. A finales de 2019 su brillo cayó como nunca se había visto, y se habló de una supernova inminente. El telescopio Hubble mostró después la causa: la estrella expulsó un trozo enorme de su superficie, que se enfrió, formó una nube de polvo y la tapó parcialmente. Además, Betelgeuse tiene un ciclo de brillo de unos 2,100 días que hacía sospechar desde hace tiempo de una compañera. En 2025, el telescopio Gemini Norte captó por primera vez una señal débil de ella, a la que se bautizó como Siwarha («su brazalete»), y este año el VLT de ESO obtuvo una imagen directa.
El nuevo trabajo, aceptado en The Astronomical Journal, junta observaciones de radio de 2021 a 2026 en siete frecuencias. Las ondas de radio dejan ver capas de la atmósfera que la luz visible no muestra, y los dos observatorios tienen resolución suficiente para ver el disco de la estrella, no solo un punto.
Lo que muestran las nuevas imágenes
La recuperación. En las frecuencias del VLA, la temperatura de la atmósfera, que tocó mínimos históricos justo antes del Gran Oscurecimiento, ha vuelto a sus valores normales. Los autores hablan de una recuperación «en gran parte», y no descartan que haya quedado algún enfriamiento persistente.
La estrella se estira. La forma del disco en radio cambia con la posición de Siwarha. En octubre de 2024, con la compañera cerca de su máxima separación aparente, uno de los ejes del disco era un 10 % más corto que el otro. En abril de 2026, con Siwarha pasando por detrás, era casi redondo: la diferencia bajó al 1.6 %.
Una compañera dentro de la atmósfera. Siwarha orbita a solo unas dos veces el radio de Betelgeuse de su superficie, dentro de la atmósfera extendida de la gigante. Un estudio del Centro de Astrofísica Harvard-Smithsonian ya había detectado con Hubble la estela que deja a su paso.
Una atmósfera fría. Las imágenes confirman una capa más fría entre la superficie visible y la cromosfera, de unos 2,200 kelvin, más de 1,200 por debajo de la superficie, y un máximo de unos 3,500 kelvin más afuera.
Invisible en radio. Siwarha es demasiado débil para verla directamente en estas frecuencias: entre decenas y cientos de veces por debajo de lo que se puede detectar. Su presencia se deduce por el efecto que tiene en la estrella.
El estudio llega dos meses después de otro trabajo con ALMA, liderado por William Dent, de ESO, que encontró en la superficie de Betelgeuse dos regiones más calientes, a unos 2,300 kelvin de media. La más brillante ha permanecido casi en el mismo sitio durante al menos siete años, mucho más de lo que predicen los modelos de convección. ESO mencionó un posible vínculo con la compañera.
Lo que una vecina pequeña cambia para entender a la gigante
Saber que Betelgeuse tiene una compañera que atraviesa su atmósfera cambia cómo se interpreta casi todo lo que se ve en ella: los cambios de brillo, las nubes de polvo y la forma irregular de su superficie. Parte de lo que se atribuía solo a las burbujas de gas de la estrella podría ser el efecto de Siwarha removiendo el material a su paso. Eso importa porque Betelgeuse es la supergigante roja más cercana y más estudiada, el modelo con el que se entiende cómo terminan las estrellas grandes. Algún día estallará como supernova, pero nada de lo observado indica que vaya a ocurrir pronto.
Los autores piden más observaciones para confirmar la relación entre la forma de la estrella y la órbita de la compañera. La próxima oportunidad llegará en 2027, cuando Siwarha vuelva a su máxima separación aparente. «Fue la combinación de los datos increíbles del VLA y de ALMA lo que nos dio un resultado convincente», resume Matthews.
Rassvet («amanecer»), la constelación con la que Rusia quiere tener su propio Starlink, ha perdido otro satélite antes de dar servicio. Según el catálogo de objetos en órbita de CelesTrak, el Rassvet-3 n.º 23 reentró en la atmósfera el 24 de octubre, y su compañero de lanzamiento, el n.º 17, volaba anoche a solo 175-179 km de altura, donde el roce con el aire lo hará caer en cuestión de horas. La empresa que construye la red, Bureau 1440, no ha dicho nada.
Ambos satélites subieron el 19 de julio en un cohete Soyuz-2.1b desde el cosmódromo de Plesetsk, en el segundo lanzamiento de serie de la constelación, con 16 satélites. A diferencia del resto, nunca elevaron su órbita: desde agosto, los astrónomos que siguen el proyecto, como Jonathan McDowell, advertían que iban perdiendo altura. El 13 de octubre, el servicio ruso de seguimiento SONIKS calculó que caerían hacia el 29 de octubre y el 1 de noviembre; el n.º 23 se adelantó. No es la primera baja: el n.º 4, del primer lanzamiento de marzo, ya había reentrado el 6 de junio.
Rassvet empezó a probarse en 2023 con tres satélites experimentales y sumó otros tres en 2024 con enlaces láser entre ellos. Este año llegaron los primeros de serie: 16 en marzo y 16 en julio. El 7 de octubre la empresa hizo una videollamada de cinco minutos entre la república de Adiguesia y Moscú a través de la red, que por ahora solo funciona por sesiones, mientras los satélites pasan por encima.
Cómo está la constelación hoy
32 satélites de serie lanzados, 30 todavía en el catálogo y 29 en cuanto caiga el n.º 17. Las cifras de altura que siguen las calculamos con los últimos datos orbitales públicos, del 28 de octubre.
26 están en su órbita de trabajo, entre 507 y 512 km, 13 de cada lanzamiento.
Tres siguen a medio camino: el n.º 11 a unos 478 km y los n.º 14 y 26 a entre 340 y 370 km.
Una órbita más baja de lo prometido. Bureau 1440 sigue hablando de unos 800 km, pero los satélites se estabilizan en torno a 510 km. Medios rusos especializados han publicado que la altura de trabajo se habría rebajado.
Mucho camino por delante. La empresa quiere unos 290 satélites para empezar el servicio comercial en 2027 y cerca de 900 en 2035. Starlink tiene hoy más de 11,000 en órbita, según el recuento de McDowell.
Sin explicación oficial. Ni la empresa ni Roscosmos han dicho por qué estos satélites no subieron. Los fallos en la propulsión son solo una hipótesis de la prensa.
Por qué Kyiv y Washington miran estos satélites
Rassvet no es solo un proyecto comercial. Rusia no puede contar con Starlink, que Ucrania usa a diario en el frente, y una red propia en órbita baja le daría comunicaciones rápidas para sus tropas y para controlar drones a distancia. Por eso Ucrania ha pedido a Estados Unidos que sancione a los proveedores de componentes del proyecto, y el presidente Volodímir Zelenski aseguró al Financial Times que China está ayudando a Rusia a construirlo, algo de lo que no hay pruebas públicas. Según Zelenski, Rassvet podría funcionar a finales de 2026 o a principios de 2027; la inteligencia ucraniana dice que hoy solo opera de forma fragmentaria.
Perder dos o tres satélites de 32 no hunde una constelación, y SpaceX también perdió decenas de Starlink en sus primeros años. Lo que sí muestran estas bajas es el ritmo: al ritmo de este año, dos lanzamientos de 16 satélites, Rusia necesitaría casi una década para llegar a los 290 que quiere tener en 2027. El próximo dato a vigilar será el tercer lanzamiento, y si Bureau 1440 logra que todos los satélites lleguen a su órbita.
China ya tiene su hoja de ruta digital para el resto de la década. El plan de informatización nacional del 15.º Plan Quinquenal, publicado el 23 de octubre, fija lo que el país quiere tener en 2030: una red nacional de blockchain básicamente construida, una red de comunicaciones que cubra «tierra, mar, aire y espacio», y el arranque comercial del 6G. Con un matiz que muchos titulares se han saltado: el 6G empezará «en el momento oportuno», no en una fecha fija.
El documento lo emite la Comisión Central de Ciberseguridad e Informatización, el órgano del Partido Comunista que dirige la política digital, y lo redactó su oficina, la Administración del Ciberespacio de China (CAC), que también coordinará su aplicación. Es el sucesor del plan de 2021-2025, que según la propia CAC se cumplió por completo; es una autoevaluación oficial, sin auditoría independiente. El nuevo plan reúne 25 tareas en diez áreas y fija 12 indicadores para 2030, todos orientativos y no obligatorios.
Lo que China quiere tener en 2030
Una red nacional de blockchain. El plan pide acelerar la construcción de una red troncal central, conectar los nodos regionales y ofrecer servicios comunes como la identidad digital distribuida, es decir, credenciales que se pueden comprobar sin consultar a un único servidor. Sus primeros usos serán el comercio de transporte aéreo y de carga, la descarbonización, la administración pública y los impuestos.
Blockchain por regiones. El delta del Yangtsé la usará en comercio y finanzas; Chengdu-Chongqing, a gran escala en comercio, manufactura y agricultura; la Gran Área de la Bahía (Cantón, Hong Kong y Macao) acelerará sus aplicaciones, y Pekín-Tianjin-Hebei la aplicará a la logística de puertos y aeropuertos.
6G, sin fecha. La frase exacta es «启动第六代移动通信（6G）商用» precedida de 适时, «en el momento oportuno». Hasta entonces, el plan pide acelerar la investigación, los estándares y las pruebas de uso del 6G.
Red «tierra-mar-aire-espacio». Internet por satélite, conexión directa del móvil al satélite, redes para drones y el espacio aéreo de baja altitud, cables submarinos y el sistema de navegación Beidou, todo integrado.
Cómputo e IA. Una red nacional de centros de cómputo coordinada con la red eléctrica, chips de IA propios, RISC-V, computación cuántica con criptografía poscuántica, interfaces cerebro-ordenador y hasta una línea para «explorar el cómputo en el espacio».
Agentes de IA para casi todos. Una de las metas es que el uso de terminales inteligentes de nueva generación y agentes de IA pase del 40 % en 2025 a más del 90 % en 2030. El plan pide también registrar y evaluar a los agentes y a los modelos que funcionan dentro del propio dispositivo.
Otras metas numéricas: internet para el 85 % de la población (80.1 % en 2025), 50 estaciones base 5G por cada 10,000 habitantes (34 hoy), el 42 % del tráfico por IPv6 (33.79 %), centros de datos nuevos con un PUE por debajo de 1.2 y la economía digital núcleo en el 12.5 % del PIB (10.5 % en 2024).
El yuan digital. La única moneda que aparece en el plan es el yuan digital del banco central, que se desarrollará «de forma estable».
Blockchain sin criptomonedas
Que el Estado chino construya una red de blockchain no significa que abra la puerta a las criptomonedas. Pekín las declaró ilegales en 2021 y en febrero de este año endureció la prohibición: las actividades con monedas virtuales están «prohibidas sin excepción» en el país. Lo que China quiere es la otra mitad de la tecnología, un registro compartido que nadie puede alterar a escondidas, para certificar documentos, rastrear mercancías o verificar identidades. Es la idea que el plan llama «internet del valor». La red nacional ya figuraba en el plan quinquenal general aprobado en marzo; lo nuevo es el plazo de 2030 y el detalle de cómo se construirá. El texto no aclara si se apoyará en las redes que el Estado ya promueve, como BSN o Xinghuo, o si será una nueva.
Con el 6G, la prudencia del texto encaja con el calendario mundial. El 3GPP, el organismo que escribe los estándares de telefonía móvil, prevé cerrar la primera norma 6G a finales de 2028, y los fabricantes esperan los primeros sistemas comerciales hacia 2030. China ya tiene pruebas en marcha y en mayo asignó la banda de 6 GHz para ensayos de 6G, pero sus expertos admiten que el país está todavía en la «fase de reserva tecnológica». «La palabra “oportuno” refleja realismo: no adelantarse a la industria», explicó el economista Zhu Keli al diario 21st Century Business Herald. Primero toca exprimir el 5G-Advanced.
Lo que el plan dibuja es un Estado que quiere tener toda la cadena bajo su control: la red, los satélites, el cómputo, los modelos de IA y la capa de confianza de blockchain, con normas propias para cada pieza. Para el resto del mundo, la parte que más se notará probablemente no será el 6G sino la de los estándares: el plan encarga normas propias de blockchain, de identidad digital y de comunicación entre agentes de IA, y quien fija pronto las normas suele marcar el mercado. La CAC ha anunciado que publicará informes periódicos sobre el avance del plan, así que habrá datos para comprobar en 2030 cuánto de esto se cumplió.
La Raspberry Pi sigue siendo la placa más conocida para aprender a programar, montar un servidor en casa o controlar sensores, pero lleva años rodeada de competidoras. Orange Pi, Radxa, Banana Pi, Hardkernel, NVIDIA, BeagleBoard, Libre Computer y Arduino venden placas que ofrecen más núcleos, aceleradores de IA, discos NVMe, procesadores Intel o RISC-V. Comparamos doce, con fotos de las placas reales y una tabla, en un año en el que la escasez de memoria ha disparado los precios de casi todas.
La primera Raspberry Pi salió a la venta en 2012 por $35 USD. La creó una fundación británica para que los estudiantes volvieran a programar, y acabó en manos de aficionados, escuelas y fábricas: la empresa, que cotiza en la bolsa de Londres desde 2024, vendió 7.6 millones de unidades en 2025, un 9 % más que el año anterior. Su gran ventaja no es la potencia, sino el ecosistema: sistema operativo propio, documentación cuidada, años de soporte y miles de accesorios y tutoriales, incluidos los nuestros sobre pantallas OLED o motores de pasos.
Las competidoras juegan en otra liga de hardware, casi siempre con procesadores chinos como el Rockchip RK3588, y por lo general con un software menos pulido. En 2026, además, el mercado ha cambiado: la demanda de memoria para los centros de datos de IA ha encarecido la DRAM, y con ella las placas. Según una comparación de CNX Software, entre 2024 y abril de 2026 los precios subieron entre un 0 % y casi un 300 %. La Raspberry Pi 5 de 8 GB pasó de $80 a $175 USD, y la de 16 GB cuesta ya $305 USD; los modelos de 1 y 2 GB, que usan memoria más barata, apenas se han movido.
Las placas, una por una
Raspberry Pi 5
La referencia: cuatro núcleos Cortex-A76 a 2.4 GHz, de 1 a 16 GB de memoria, dos salidas 4K, Wi-Fi y Gigabit Ethernet, y una conexión PCIe para añadir un SSD con un adaptador. Su punto fuerte es que casi todo funciona a la primera.
Raspberry Pi Zero 2 W
Del tamaño de un chicle, con cuatro núcleos a 1 GHz, 512 MB y Wi-Fi, por $15 USD. Sirve para proyectos pequeños: un sensor, una cámara o un mando a distancia. Ninguna competidora se le acerca en precio: la Banana Pi BPI-M4 Zero, su rival directa, cuesta ya más de $90 USD.
Orange Pi 5 Ultra
Una de las alternativas más recomendadas, con el Rockchip RK3588: ocho núcleos, acelerador de IA de 6 TOPS, hasta 16 GB de LPDDR5, ranura M.2 con PCIe 3.0 de cuatro carriles, red de 2.5 Gbps y salida HDMI 8K. Rinde bastante más que la Pi 5 en tareas que usan muchos núcleos, a cambio de un software menos maduro.
Radxa ROCK 5B+
El mismo RK3588, con dos ranuras M.2, hasta 32 GB de memoria, red de 2.5 Gbps, Wi-Fi 6 y hasta una entrada HDMI para capturar vídeo. Es de las mejor documentadas de su familia, aunque en abril de 2026 estaba agotada.
Banana Pi BPI-M7
Otra RK3588, más compacta, de 92 × 62 mm, con dos puertos de red de 2.5 Gbps, SSD M.2 y hasta 32 GB. Es una buena base para un router o un servidor pequeño.
Hardkernel ODROID-M2
Con la variante RK3588S2, memoria LPDDR5, 64 GB de eMMC soldados y ranura NVMe. La coreana Hardkernel lleva más de una década haciendo placas, y su soporte es de los más serios fuera de Raspberry Pi.
Radxa X4
Una placa del tamaño de la Pi con un Intel N100: es un PC x86 completo, que ejecuta Windows o cualquier Linux sin adaptaciones. Tiene SSD M.2 con PCIe 3.0 de cuatro carriles, red de 2.5 Gbps y, para los pines de 40, un microcontrolador RP2040, el mismo de la Raspberry Pi Pico. Es la que más se ha encarecido: de $79.96 a $265.99 USD.
NVIDIA Jetson Orin Nano Super
La opción para IA: seis núcleos Arm, una GPU Ampere con 1,024 núcleos CUDA y 67 TOPS, más de diez veces el acelerador de las RK3588. Con 8 GB, ejecuta modelos de visión y lenguaje pequeños con las mismas herramientas que los servidores de NVIDIA. No ha subido de precio, pero está agotada en muchas tiendas.
BeagleY-AI
De BeagleBoard.org, con el formato de la Raspberry Pi y un chip de Texas Instruments que suma cuatro núcleos, un procesador de tiempo real y un acelerador de IA de 4 TOPS. Es hardware abierto, con esquemas públicos, y está pensada para robótica y control.
Libre Computer Le Potato
Una placa sencilla con el formato y los orificios de la Raspberry Pi 3, cuatro núcleos Cortex-A53 y 1 o 2 GB. Su Ethernet es de 100 Mbps y sus USB, 2.0, pero tiene buen soporte en el Linux oficial y sirve para centros multimedia o tareas ligeras.
Arduino UNO Q
Una mezcla: un procesador Qualcomm de cuatro núcleos que ejecuta Linux y, en la misma placa, un microcontrolador STM32 para el tiempo real, con el formato del clásico Arduino UNO. Permite combinar una aplicación con IA y el control de motores o sensores sin dos placas.
Orange Pi RV2
La puerta a RISC-V, la arquitectura abierta que compite con Arm: ocho núcleos, acelerador de IA de 2 TOPS, dos puertos Gigabit y dos ranuras M.2. Es barata, pero su núcleo de Linux todavía no está en la versión oficial, así que es más para experimentar que para producción.
Tabla resumen de características
PlacaProcesadorMemoriaLo que la distinguePrecio (USD)
Raspberry Pi 5Broadcom BCM2712, 4× Cortex-A76 a 2.4 GHz1 a 16 GB LPDDR4XEcosistema, documentación y soporte; PCIe para SSD$45 (1 GB) a $305 (16 GB)
Raspberry Pi Zero 2 WRP3A0, 4× Cortex-A53 a 1 GHz512 MBTamaño mínimo, Wi-Fi y precio$15
Orange Pi 5 UltraRockchip RK3588, 8 núcleos, IA de 6 TOPS4, 8 o 16 GB LPDDR5M.2 PCIe 3.0 x4, red 2.5 Gbps, HDMI 8K$125 al salir; $309 en 2026 (16 GB)
Radxa ROCK 5B+Rockchip RK3588, 8 núcleos, IA de 6 TOPSHasta 32 GB LPDDR5Dos M.2, red 2.5 Gbps, Wi-Fi 6, entrada HDMI$90 al salir; $129.99 en 2026 (8 GB)
Banana Pi BPI-M7Rockchip RK3588, 8 núcleos, IA de 6 TOPS8 a 32 GB LPDDR4X y eMMCDos puertos 2.5 Gbps, M.2, solo 92 × 62 mm$165 al salir (8 GB)
ODROID-M2Rockchip RK3588S2, 8 núcleos, IA de 6 TOPS8 o 16 GB LPDDR5 y 64 GB eMMCSoporte de Hardkernel, NVMe$195 (kit de 8 GB); $300 (16 GB)
Radxa X4Intel N100, 4 núcleos x86 a 3.4 GHzLPDDR5Windows o Linux para PC, M.2 PCIe 3.0 x4, RP2040$79.96 al salir; $265.99 en 2026 (8 GB)
Jetson Orin Nano Super6× Cortex-A78AE y GPU Ampere de 1,024 núcleos CUDA8 GB LPDDR5IA de 67 TOPS, CUDA$249
BeagleY-AITI AM67A, 4× Cortex-A53, tiempo real y DSP, IA de 4 TOPS4 GB LPDDR4Hardware abierto, formato de la Piunos $70
Le PotatoAmlogic S905X, 4× Cortex-A531 o 2 GB DDR3Barata, formato de la Pi 3, Linux oficial$50 a $70 de lista
Arduino UNO QQualcomm QRB2210, 4× Cortex-A53, y microcontrolador STM322 o 4 GB y eMMCLinux y tiempo real en el formato UNO$59 (2 GB) y $79 (4 GB)
Orange Pi RV2Ky X1, 8 núcleos RISC-V, IA de 2 TOPS2, 4 u 8 GB LPDDR4XRISC-V, dos Gigabit, dos M.2$42 a $64 al salir
Características de las páginas oficiales de cada fabricante. Precios de lista sin impuestos ni envío: los de 2026 son de la comparación de CNX Software de abril y de las tiendas oficiales; «al salir» indica el precio de lanzamiento, que en muchas placas con más memoria ya no se respeta, y algunos revendedores piden hasta tres veces más.
Fuera de la tabla quedan otras placas que conviene conocer. La Raspberry Pi Pico 2, de unos $5 USD, no es un ordenador sino un microcontrolador, como los ESP32: no ejecuta Linux, pero basta para leer sensores o mover motores, y gasta muy poco. La Raspberry Pi 500+ mete una Pi 5 de 16 GB dentro de un teclado, por $410 USD. La Orange Pi 6 Plus, con el chip CIX P1, admite hasta 64 GB de memoria; la NanoPi Zero2 de FriendlyELEC sigue en $18 USD; y la LattePanda IOTA es otra placa con procesador Intel. Y está por llegar el Rockchip RK3688, el sucesor del RK3588, anunciado en 2025 pero todavía sin placas.
Cuál elegir en 2026
Para aprender, para un primer proyecto o cuando se quiere que todo funcione sin pelear con el sistema, la Raspberry Pi sigue siendo la opción más segura, y los modelos de 2 a 4 GB son los que mejor han aguantado la subida. Si hace falta potencia en paralelo, varios discos o red rápida, las placas con RK3588, como la Orange Pi 5 Ultra, la ROCK 5B+ o la ODROID-M2, dan mucho más por placa, a cambio de depender más de la comunidad para el software. Para IA de verdad, la Jetson no tiene rival en este tamaño, y para robótica con tiempo real, la BeagleY-AI y la Arduino UNO Q ofrecen lo que a la Pi le falta.
La escasez de memoria ha cambiado además una cuenta que antes era fácil. Con placas de 16 GB por encima de los $300 USD, un mini PC con Intel N100 puede salir más barato que una Raspberry Pi 5 de 16 GB, y las placas x86 como la Radxa X4 ganan terreno para servidores caseros. Los analistas no esperan alivio antes de 2027, así que la recomendación práctica es comprar solo la memoria que se necesita y comparar precios entre tiendas: la misma placa puede costar el doble según dónde se compre.
