Radar del 20 de octubre de 2026
La demanda eléctrica de los centros de datos reactiva la construcción fósil en EEUU mientras Meta opera un superclúster de gigavatio en Ohio. En paralelo, los modelos migran al hardware local y el código de inferencia se abre: la infraestructura de IA se descentraliza, pero la energía que la sostiene no.
Figure AI afirma que el F.03 supera los 560 km en cinta de marcha continua — el test sigue en curso
HERRAMIENTAS — Brett Adcock (CEO de Figure AI) publicó el 19 de octubre que el F.03 llevaba nueve días en cinta: 348 millas (560 km) y 1,2 millones de pasos. El tuit concluye «let's see how long it can go», confirmando que el test seguía en marcha cuando se hizo el anuncio. El robot iba conectado a un cable externo de alimentación.
Vida útil y fiabilidad demostrada bajo carga real, no en demos controladas: el indicador que NUFF exige a cualquier herramienta antes de considerar su adopción.
Fuente: x.com
Un conector OBD-II de 99 dólares rastrea el coche y promete no vender tus datos de conducción
HERRAMIENTAS — Miles Labs (fundada por veteranos de Ring y Blink) lanza el Miles Plug, un dispositivo de 99 dólares que se conecta al puerto OBD-II y ofrece localización en tiempo real, monitoreo de salud del vehículo y detección automática de accidentes. Requiere suscripción desde 11 $/mes (pagada por adelantado; el plan trienal incluye el dispositivo). Su política de privacidad publicada en septiembre de 2026 declara explícitamente que los datos de vehículo, ubicación y viajes «nunca se venden ni se comparten con socios publicitarios», aunque la web corporativa sí usa trackers de marketing.
Gadget de propósito claro con precio proporcionado; el doble ángulo NUFF: ¿es necesario?, ¿el modelo de privacidad aguanta escrutinio o es marketing?
Fuente: globenewswire.com
Meta afirma superar el 85% de goodput en Prometheus, su superclúster de gigavatio con cientos de miles de GPUs en Ohio
HERRAMIENTAS — El superclúster Prometheus de Meta en New Albany (Ohio) opera a escala de gigavatio con cientos de miles de GPUs y, según Meta, supera el 85% de goodput (rendimiento efectivo de entrenamiento) en preentrenamiento y el 90% en aprendizaje por refuerzo. La arquitectura está diseñada para aislar fallos punto a punto: un solo host degradado puede ralentizar una pasada de entrenamiento entera.
La escala energética real de los grandes modelos se vuelve concreta: un gigavatio es lo que consume una ciudad mediana. La pregunta de coste proporcional ya tiene denominador.
Fuente: engineering.fb.com
Una startup logra la primera generación eléctrica neta en un volcán submarino, con miras a abastecer islas del Pacífico
HABITAR — La startup Endurance Energy completó el 27 de septiembre una prueba en el volcán submarino Axial Seamount, a 480 km de la costa de Oregón: su prototipo Adélie generó electricidad neta durante 8,7 segundos, con una mediana de 2 kW y un pico de 16,5 kW. La prueba fue sobre un equipo de test, no una planta comercial; el primer proyecto real apunta a Tonga (2027), nación del Pacífico que hoy depende del diésel importado.
Autonomía energética local frente a la dependencia de combustibles importados: la pregunta de proporción entre recurso disponible y tecnología de extracción.
Fuente: prnewswire.com
La demanda eléctrica de la IA reactiva la construcción de infraestructura fósil en EEUU
HERRAMIENTAS — La participación de combustibles fósiles en la nueva capacidad eléctrica planificada en EEUU pasó del 5% en 2024 al 30% en el segundo trimestre de 2026, según el informe 'An Inflection Point for the U.S. Power Sector' (EDF y Atlas Public Policy, 13 oct 2026). El salto lo impulsan centros de datos, fábricas y vehículos eléctricos; se proyectan unos 68 GW de nueva capacidad fósil —casi todo gas natural— para 2026-2030. Las renovables no cubren la diferencia: la eólica planificada cayó un 33,9% desde diciembre de 2025.
¿Cuánta energía añade realmente la IA al sistema? La pregunta de proporcionalidad que NUFF lleva meses haciendo tiene ahora una respuesta incómoda en cifras.
Fuente: edf.org
Meta lanza Muse Glimmer: 30.000 millones de parámetros diseñados para correr sin nube en GPUs de consumo de gama alta
HERRAMIENTAS — Meta ha publicado el informe técnico de Muse Glimmer, modelo open-weight de 30B parámetros (Apache 2.0) orientado a flujos de trabajo agénticos locales. Con cuantización a 4-bit ocupa menos de 20 GB y corre en GPUs de 24–32 GB como la RTX 5090 o MacBooks M4/M5-Max. Según los propios benchmarks de Meta, supera a Gemma4-31B y Qwen3.6-27B en uso de herramientas, planificación multistep y compleción de tareas agénticas.
¿Qué cabe ya en el hardware que tenemos? Si un modelo de 30B lidera en tool use sin nube, la pregunta de autonomía frente a dependencia de plataformas propietarias se vuelve muy concreta.
Fuente: ai.meta.com
Spotify dice haber retirado 50 millones de pistas de AI-spam de sus recomendaciones
HERRAMIENTAS — Spotify afirma haber retirado más de 50 millones de pistas catalogadas como 'slop' o spam de su sistema de recomendaciones en lo que va de 2026; las canciones siguen disponibles en la plataforma pero no se sugieren algorítmica ni editorialmente. La compañía dice haber eliminado por completo 75 millones de pistas adicionales por infracciones graves, y que los tracks con alta probabilidad de ser generados por IA tienen 10 veces más posibilidades de caer por debajo del umbral de recomendación.
Cuando la abundancia generada por IA degrada la plataforma que la acoge: ¿cómo distingue un sistema lo valioso de lo producido en masa? El caso Spotify prefigura el problema de filtrado en cualquier plataforma con contenido abierto.
Fuente: newsroom.spotify.com
DeepSeek abre su motor de inferencia: otra pieza del stack de IA fuera de las nubes propietarias
HERRAMIENTAS — DeepSeek ha publicado con licencia Apache 2.0 DeepInfer, el motor de inferencia que alimenta sus servicios de producción a gran escala. La publicación soporta DeepSeek-V4.1-Flash y funciona tanto en GPUs NVIDIA SM100 como en NPUs Huawei Ascend 950. El hilo principal en Hacker News acumula 1.278 puntos.
Cada pieza del stack que se abre —pesos, motor de inferencia, herramientas de cuantización— reduce la dependencia de un puñado de proveedores cloud. La pregunta es qué queda aún cerrado y cuánto importa para quien quiere autonomía real.
Fuente: github.com