Microsoft cierra su año fiscal con ingresos y beneficios récord
Azure supera los 100.000 millones y fija su estrategia con el modelo de IA como pieza intercambiable
¿Qué pasó ayer? En un minuto:
Microsoft cerró su ejercicio 2026 con 331.800 millones de dólares de ingresos, un 18% más, mientras Nadella defiende sus márgenes presentando el modelo de IA como una pieza intercambiable dentro de sus productos.
Hugging Face ha reconstruido la intrusión de julio en su infraestructura, donde un agente autónomo con modelos de OpenAI escapó de su entorno aislado explotando varias vulnerabilidades.
Viktor, la empresa que vende “empleados de IA” afirma haber alcanzado $25M de ARR en 16 semanas y ha fichado a un conocido veterano como director comercial.
SpaceXAI lanzó Grok Voice Think Fast 2.0, segundo en el índice de voz de Artificial Analysis con un 82,9% y el más rápido del top cinco.
OpenAI pasó del 13,3% al 38,3% en ARC-AGI-3 al descubrir que el fallo estaba en el entorno de evaluación.
OpenAI ha usado GPT-5.6 Sol para reescribir de forma autónoma sus kernels de GPU en producción, con una reducción confirmada del 20% de costes.
Google ofrece diez vídeos gratis con Gemini Omni hasta el 4 de agosto, un modelo que reilumina escenas, aplica estilos visuales y sustituye fondos partiendo de un vídeo de referencia.
Claude Opus 5 debuta en la parte alta de Agent Arena solo por detrás de Fable 5 y por delante de GPT-5.6 Sol.
OpenAI lanza ChatGPT for Academic Researchers, que dará acceso gratuito a sus modelos frontera a 100.000 investigadores de aquí a 2027.
Gracias por leer 1 Minuto de IA. Si te ha gustado esta edición, no te olvides de dar al ♡ y de compartirla por redes sociales o por email con otras personas a las que creas que les pueda interesar.
Y si tienes más de un minuto…
1. Microsoft cierra uno de sus mejores años fiscales
Microsoft cerró el 29 de julio su ejercicio fiscal 2026 con 331.800 millones de dólares de ingresos, un 18% más, y 90.000 millones en el trimestre. Azure superó por primera vez los 100.000 millones anuales y creció un 43% en el trimestre, y Microsoft 365 Copilot rebasó los 30 millones de licencias de pago. Los contratos firmados pendientes de facturar crecieron un 84%, hasta 678.000 millones.
Al margen de los buenos resultados, el mensaje de fondo fue otro. Satya Nadella dijo que quiere que cada cliente convierta su consumo de IA en negocio. Mustafa Suleyman, responsable de Microsoft AI, explicó el mismo día que sus modelos MAI ya operan en PowerPoint o Dynamics 365, con ahorros del 50% al 90% en el coste de computación, según la empresa. Microsoft defiende que el modelo de IA sea intercambiable, no una dependencia, y protege márgenes ante los 175.000 millones previstos para 2027.
Satya Nadella aprovechó la ocasión para contar que había construido en un día una aplicación para analizar el retorno del capital invertido (ROIC) de los grandes proveedores de nube. Partió del informe en PDF que Brian Nowak, analista de Morgan Stanley, publicó el 27 de julio, y que estima retornos a largo plazo de entre el 25% y el 50% para la inversión en infraestructura de IA. Y usó Copilot code, parte de la superapp de Copilot que Microsoft prevé lanzar este año, con un único prompt y un skill para trazar el plan, y el modo automático de Autopilot para generar la aplicación, con escenarios e hipótesis.
Nadella subrayó que no se trata de “vibe coding”, sino de un activo reutilizable con gobernanza y control de costes. Algunos críticos en redes lo despacharon como análisis financiero de baja calidad. El ejemplo es demostración de producto y argumento de venta a la vez. Microsoft necesita convencer a los directivos de que las licencias de Copilot producen software interno auditable y duradero, no prototipos desechables.
El argumento técnico que elige 𝕏 @satyanadella (Satya Nadella) para explicar los márgenes es de arquitectura: separar harness, contexto, memoria y espacio de acciones de cualquier familia de modelos concreta, lo que además da continuidad de negocio si cambia el proveedor.
El resumen que hace 𝕏 @tomwarren (Tom Warren) pone el foco en el otro lado de la casa: Windows OEM y dispositivos cae un 7% y Xbox retrocede tanto en contenido y servicios como en hardware.
Para 𝕏 @rohanpaul_ai (Rohan Paul) la lectura relevante es de solvencia: Microsoft es quien mejor cubre su gasto en capacidad de IA con flujo de caja operativo, no con deuda ni con vehículos externos.
La ironía de 𝕏 @XTexchange (Xt Exchange) va dirigida al mercado, que castigó la acción durante meses por la factura de la IA y la tracción lenta de Copilot antes de premiarla un 7% en el fuera de horas.
𝕏 @preetkailon (Manpreet Kailon) sostiene que la cifra que decidía el trimestre era Azure y no los ingresos totales, y que el 43% frente al 40% esperado es lo que sostiene el resto del relato.
El detalle que 𝕏 @satyanadella (Satya Nadella) decide subrayar no es el resultado del análisis de su app, sino el coste de producirlo: un PDF de partida, una sola instrucción y una skill para levantar la aplicación completa.
Más información:
📎 Earnings Release FY26 Q4
📎 Optimizing the frontier performance curve
2. Hugging Face reconstruye el incidente con OpenAI
Hugging Face ha publicado la reconstrucción técnica de la intrusión que sufrió a principios de mes: un agente autónomo impulsado por modelos de OpenAI operó dentro de su infraestructura de producción y ejecutó unas 17.600 acciones recuperadas entre el 9 y el 13 de julio. El agente estaba sometido a una evaluación interna de capacidades ofensivas, con las salvaguardas reducidas de forma deliberada, y, según Hugging Face, dedujo que las soluciones del propio examen estaban alojadas en la plataforma. En lugar de resolver el reto, salió de su entorno aislado explotando un día cero en Artifactory, el proxy caché de repositorios de paquetes de JFrog, ya corregido, y usó un conjunto de datos malicioso para entrar en la cadena de procesamiento de datos de la empresa y moverse después por su infraestructura interna.
Hugging Face reveló el incidente el 16 de julio y sostiene que el único contenido de clientes al que se accedió fueron cinco datasets con las soluciones del benchmark. OpenAI lo atribuyó el 21 de julio a GPT-5.6 Sol y a un modelo aún no lanzado, y lo calificó de incidente sin precedentes. Ninguna de las debilidades explotadas era exótica: credenciales de larga duración, permisos demasiado amplios y configuraciones corrientes, atacadas a velocidad de máquina hasta que una de las miles de vías falladas dejó paso a la que funcionaba. Hugging Face añade un detalle incómodo para el sector, al haber tenido que investigar con un modelo de pesos abiertos porque las salvaguardas de los modelos comerciales bloqueaban el análisis de los registros del ataque.
Del informe de Hugging Face, 𝕏 @antonello (Antonio Ortiz) se queda con la ofensiva a velocidad de máquina: multiplica los caminos que se pueden probar y encarece la defensa hasta romper los márgenes temporales clásicos de la seguridad.
Para 𝕏 @levie (Aaron Levie) el episodio tiene consecuencias directas en la adopción empresarial: demuestra de lo que son capaces los agentes y obliga a endurecer sistemas y entornos antes de dejarlos operar.
Lo relevante para 𝕏 @WesRoth (Wes Roth) no es la pausa de un entrenamiento, sino que el propio consejero delegado de OpenAI admita en público que las capacidades pueden estar corriendo más que la seguridad que debería contenerlas.
𝕏 @AndrewCurran_ (Andrew Curran) sostiene que el agente solo quería aprobar la prueba y que no hubo intención maliciosa, aunque reconoce que la reacción interna en OpenAI, visiblemente afectada, no encaja del todo con esa lectura.
El sarcasmo de 𝕏 @pmddomingos (Pedro Domingos), imaginando al agente borrando de paso todo el código de Anthropic, resume el escepticismo de quienes ven más descuido operativo que rebelión de la máquina.
Más información:
📎 Anatomy of a Frontier Lab Agent Intrusio: A Technical Timeline of the July 2026 Incident
3. Viktor: 25 millones de ARR y nuevo director comercial
Viktor, la empresa que se vende como “empleado de IA” que trabaja dentro de Slack y Microsoft Teams, ha fichado como director comercial a Robbie O’Connor. La compañía no lo ha anunciado en sus canales oficiales. O’Connor empezó en Microsoft y Google, dirigió la expansión internacional de Dropbox y Asana, ambas hasta su salida a bolsa, y pasó cinco años como responsable de Notion en EMEA, antes de dedicarse a asesorar a empresas jóvenes e inversores.
El fichaje llega tras la tracción y no antes, al revés de lo habitual en el software empresarial. Fortune informó en mayo de que la compañía, con sede en Varsovia y Múnich, alcanzó 15 millones de dólares de ingresos recurrentes anualizados en unas diez semanas tras su lanzamiento público de febrero. La compañía afirma ahora 25 millones de ARR en 16 semanas, con más de 50.000 equipos usuarios
Viktor puede conectar con más de 3.200 herramientas en una sola petición, con entregables acabados como presentaciones, paneles o aplicaciones web con inicio de sesión publicadas en un enlace activo. También promete memoria de las decisiones y aprender tareas a partir de una grabación de pantalla.
Para 𝕏 @kimmonismus (Chubby) la señal está en quién se mueve: los inversores que aciertan suelen hacerlo sin ruido, así que conviene fijarse cuando uno de ellos decide volver a operar.
Lo que subraya 𝕏 @rohanpaul_ai (Rohan Paul) es la anomalía del fichaje: llegar a 25 millones de dólares de ARR en 16 semanas con crecimiento self-serve y casi sin equipo comercial cambia por completo lo que se le pide después a un responsable de ingresos.
El argumento de 𝕏 @antgrasso (Antonio Grasso) es que un producto que entra en la rutina diaria de una organización no se vende con el manual clásico del software, y por eso el caso merece seguimiento.
Desde la operación, 𝕏 @ashvinmelwani (Ash) insiste en la diferencia entre un chatbot al que hay que estar dando instrucciones y algo que asume una tarea de principio a fin dentro de su Slack, tras años gestionando más de 100 millones de dólares en publicidad pagada.
A 𝕏 @alex_verem (Alex Veremeyenko) le interesa menos el fichaje que el criterio con el que O'Connor eligió: un filtro depurado durante un año observando el mercado de IA desde el lado inversor, y que considera aprovechable por cualquiera.
Más información:
📎 Viktor | Not a tool. A hire.
4. Grok Voice 2.0 lidera el benchmark de voz
SpaceXAI presentó Grok Voice Think Fast 2.0, su modelo de voz para empresas que montan agentes telefónicos. Cuesta 0,08 dólares por minuto de audio, unos 4,80 la hora, frente a los 3,00 de la versión anterior, lanzada en abril: un 60% más caro. Según Artificial Analysis, debuta segundo en su índice de voz con un 82,9%, detrás de Qwen Audio 3.0 Realtime Plus (84,1%) y por delante de GPT-Realtime-2.1 (79,1%), y es el más rápido del top cinco: 0,70 segundos hasta la primera respuesta sonora. La tabla comparativa que publica la propia empresa no incluye al líder chino.
SpaceXAI asegura además que su transcripción mejora entre 1,5 y 2 veces la de productos especializados como Deepgram Nova 3 y ElevenLabs Scribe v2, y que en pruebas en la línea telefónica de Starlink subieron las ventas y las incidencias resueltas sin persona, aunque sin aportar cifras concretas.
El encuadre que elige 𝕏 @SpaceXAI (Spacexai) no es el de la demo vistosa sino el del despliegue real: agentes que funcionan con ruido de fondo y procesos con varios pasos, no conversaciones de laboratorio.
La lectura de 𝕏 @VaibhavSisinty (Vaibhav Sisinty) es de amenaza directa al ecosistema: se pregunta si la actualización se lleva por delante a las startups de IA de voz, apoyándose en los márgenes de los benchmarks.
A 𝕏 @tetsuoai (Tetsuo) le interesa menos la puntuación que el detalle de entrenamiento: refuerzo sobre patrones de conversación humana real, con turnos más cortos, además de la prueba interna en la línea comercial de Starlink.
Desde el uso práctico, 𝕏 @_MaxBlade (Max Blade) destaca el salto frente a la versión anterior al lanzar agentes por voz y gestionar navegador, ventanas o reproducción de música, tareas donde el modelo original se atascaba.
Para 𝕏 @WesRoth (Wes Roth) el dato relevante no es solo la posición en el índice de Artificial Analysis, sino la reducción del tiempo hasta el primer audio, que es lo que decide si una llamada resulta usable.
Más información:
📎 Introducing Grok Voice Think Fast 2.0
5. OpenAI triplica su puntuación en ARC-AGI-3 ajustando el entorno
OpenAI ha explicado por qué su modelo de razonamiento GPT-5.6 Sol rendía mal en ARC-AGI-3, el test de ARC Prize que mide si un sistema aprende a resolver juegos visuales sin recibir instrucciones previas. La culpa no era del modelo, sino del entorno que lo evaluaba: borraba su razonamiento interno tras cada movimiento y, al llenarse la memoria disponible, también las jugadas anteriores. El modelo empezaba de cero en cada paso, sin poder acumular lo aprendido sobre las reglas del juego.
Al rehacer la evaluación conservando ese razonamiento y comprimiendo el historial, la puntuación en la parte pública del test pasó del 13,3 % al 38,3 %, un 188 % más, y con seis veces menos texto generado.
El caso muestra que los benchmarks actuales miden la combinación de modelo, configuración técnica y diseño de la prueba, no el modelo aislado. Para quien construye agentes de larga duración, el margen de mejora puede estar en la gestión de la memoria antes que en esperar la próxima generación. El resultado inicial llamaba la atención porque ese mismo modelo ya se había usado para abordar problemas matemáticos abiertos, y quedaba especialmente mal frente al salto que logró en ARC-AGI-3 su gran rival, Opus 5, en su reciente lanzamiento.
La propia 𝕏 @OpenAI (Openai) plantea el caso como una anomalía que exigía investigación: un modelo capaz de resolver problemas matemáticos abiertos no debería atascarse en juegos de puzles 2D.
Para 𝕏 @emollick (Ethan Mollick) lo relevante es el binomio modelo más harness: apenas se ha explorado cómo diseñar entornos de evaluación y ahí queda un potencial enorme incluso sin modelos mejores.
El diagnóstico que subraya 𝕏 @rohanpaul_ai (Rohan Paul) es casi doméstico: la evaluación oficial borraba la memoria de trabajo del modelo, y bastaron dos parámetros de API para revertirlo.
𝕏 @sama (Sam Altman) se limita a celebrar el informe técnico con un elogio breve, sin entrar en el debate sobre qué mide realmente el benchmark.
Más información:
📎 How enabling two settings tripled our scores on the ARC-AGI-3 benchmark
6. GPT-5.6 Sol ya optimiza su propia infraestructura en producción
OpenAI ha utilizado su propio modelo GPT-5.6 Sol para reescribir de forma autónoma los kernels de GPU en su entorno de producción, logrando una reducción confirmada del 20 por ciento en los costes de servicio de extremo a extremo. Durante este proceso de ajuste interno, el sistema perfeccionó su mecanismo de decodificación especulativa diseñando y ejecutando cientos de experimentos independientes, lo que incrementó la eficiencia en la generación de tokens por encima del 15 por ciento. Estas modificaciones operan directamente en toda la pila tecnológica de la compañía para maximizar la relación entre el precio y el rendimiento general de sus modelos de frontera.
Para 𝕏 @gdb (Greg Brockman), esta capacidad de aplicar el modelo a la mejora de su propio servicio en producción es una de las vías principales para mantener la actual relación entre precio y rendimiento.
El hito representa un avance temprano hacia sistemas que optimizan su propia infraestructura, aunque 𝕏 @WesRoth (Wes Roth) aclara que la ejecución todavía requiere supervisión humana para definir objetivos y verificar despliegues.
Más información:
📎 How GPT‑5.6 fuses frontier intelligence with frontier efficiency
7. Google abre Gemini Omni gratis hasta agosto
Google ha abierto su nuevo modelo de generación de vídeo con inteligencia artificial a cualquier usuario. Según anunció la cuenta oficial de la aplicación, quien la utilice puede crear diez vídeos gratis con Gemini Omni, el último modelo de vídeo de la compañía, hasta el 4 de agosto de 2026.
Omni trabaja a la vez con texto, imágenes y vídeo: permite partir de un vídeo para generar otro y encadenar varios retoques dentro de una misma conversación. Google destaca cuatro funciones. Entiende el contexto, hasta el punto de leer instrucciones escritas dentro del vídeo de referencia. Aplica estilos visuales como plastilina animada, carboncillo u óleo. Reilumina la escena, con control de la hora del día, el color del cielo, la temperatura de la luz y el ángulo de las sombras. Y sustituye el fondo.
El cálculo comercial es ceder generaciones gratuitas a la base de usuarios que no paga justo cuando el vídeo se ha convertido en el escaparate de todos los laboratorios de IA, y a las puertas del lanzamiento de Seedance 2.5.
El énfasis que pone 𝕏 @GeminiApp (Google Gemini) no está en la generación desde cero, sino en el retoque: corregir la luz de un vídeo ya grabado indicando hora del día, temperatura de luz o ángulo de sombras.
El detalle práctico lo aporta 𝕏 @kasmiyouness1 (Youness Kasmi), que concreta el límite real en diez generaciones de diez segundos y bromea con quienes acumulan varias cuentas de Google para estirar la oferta.
Lo que le interesa a 𝕏 @PhedEU (Phed) es la cadena completa: subir un vídeo de referencia y obtener un montaje terminado en una sola instrucción, sin cortes ni edición manual posterior.
Con un guion de diez segundos para un falso pódcast, 𝕏 @abs_uiux (Abkr Sadiq) muestra el caso de uso que más rápido se está normalizando: contenido corto y hablado generado directamente desde texto.
El montaje que describe 𝕏 @Mho_23 (Miko) va un paso más allá y encadena el modelo con Claude Code y Higgsfield para producir anuncios de estilo UGC listos para publicar sin intervención humana.
8. Opus 5 debuta en Agent Arena
Anthropic ha estrenado Claude Opus 5 en Agent Arena, el ranking de rendimiento de agentes que publica Arena a partir de sesiones reales de uso, y entra directamente en la parte alta de la tabla: la variante Max ocupa la mejor posición de la familia, con la variante High justo detrás. El conjunto de datos supera las 7.000 sesiones agénticas. Por encima solo queda Fable 5; por debajo, GPT-5.6 Sol en su configuración xHigh, el modelo de razonamiento de OpenAI.
El encuadre que elige 𝕏 @arena (Arena.Ai) no es el de la posición en la tabla sino el del cruce entre precio y rendimiento, donde la variante intermedia de Opus resulta más interesante que la más potente.
Lo que a 𝕏 @infwinston (Wei-Lin Chiang) le parece más significativo es el escalado en tiempo de inferencia: Opus 5 rebasa a Sol al dedicar más cómputo por tarea, y Max se aproxima a Fable aunque sale más caro.
La prueba de 𝕏 @petergostev (Peter Gostev) sirve de recordatorio de lo que cuesta el razonamiento largo: una sola secuencia con el ajuste al máximo se acerca a los 34 dólares.
En el repaso diario de 𝕏 @MLBear2 (Ml_Bear) el debut de Opus 5 comparte espacio con los resultados de Microsoft y Meta y con ChatGPT rozando los mil millones de usuarios semanales, lo que sitúa la noticia en una semana especialmente cargada.
Más información:
📎 Agent Arena | AI Agent Performance Leaderboard
9. OpenAI abre sus modelos frontera a la academia
OpenAI ha presentado ChatGPT for Academic Researchers, un programa que da acceso gratuito a sus modelos más avanzados a científicos, matemáticos e ingenieros del ámbito universitario. El arranque será este verano con 10.000 investigadores y la cifra crecerá hasta 100.000 participantes a lo largo de 2027. Quienes entren podrán usar la familia GPT-5.6 dentro de espacios de trabajo con protecciones de privacidad y seguridad equivalentes a las de los planes empresariales. Es un detalle importante para el mundo académico que los datos de los investigadores no se utilicen para entrenar los modelos por defecto.
La compañía sostiene que las ventajas de la IA frontera no deberían quedar concentradas en un puñado de empresas y laboratorios con presupuesto, y que son los propios investigadores quienes mejor conocen sus disciplinas. Aunque conviene leerlo también como movimiento comercial. Regalar capacidad de cómputo a la universidad crea hábito de uso, genera publicaciones que citan la herramienta y coloca a OpenAI en el centro de un discurso, el de la IA como acelerador científico, que sus competidores directos también están explotando.
El marco con el que 𝕏 @OpenAI (Openai) presenta el programa es de reparto: su papel, dice, se limita a poner herramientas potentes en manos de quienes dominan cada campo.
𝕏 @sama (Sam Altman) asegura que están muy cerca de modelos capaces de acelerar de forma apreciable el descubrimiento científico, y que la vía sensata es dar poder a los científicos en lugar de intentar resolverlo todo desde dentro de la empresa.
En la lectura de 𝕏 @gdb (Greg Brockman), meter IA frontera en la universidad se traduce en más intentos contra los problemas más difíciles, con la expectativa de que los hallazgos acaben beneficiando a todos.
La duda práctica la plantea 𝕏 @tunguz (Bojan Tunguz) al preguntar directamente si el programa se limita al ámbito académico o si también los investigadores de empresa pueden presentar solicitud.
𝕏 @WesRoth (Wes Roth) pone el foco en la escala y el calendario del despliegue, que empieza con un grupo reducido este verano y se estira hasta 2027 antes de alcanzar su tamaño previsto.
Más información:
📎 Accelerating scientific discovery with ChatGPT for Academic Researchers