El panorama global de la inteligencia artificial avanza con importantes anuncios y desafíos en julio de 2026, destacando el continuo retraso del Gemini 3.5 Pro de Google. En el mismo período, China implementa nuevas leyes estrictas para los servicios complementarios de IA, lo que obliga a gigantes como ByteDance y Alibaba a desactivar funciones para millones de usuarios. Al mismo tiempo, Tesla amplía su servicio Robotaxi a Miami, operando sin monitores de seguridad y generando debates sobre la autonomía del vehículo. Mientras tanto, la Casa Blanca está preparando estándares voluntarios para los modelos de IA en un esfuerzo por guiar el rápido avance tecnológico.
Retrasos en Gemini 3.5 Pro y creciente competitividad en el sector
Gemini 3.5 Pro, el modelo de inteligencia artificial de Google, entra en su segunda semana de julio de 2026, todavía en fase de vista previa para empresas, sin fecha confirmada para su lanzamiento general. El modelo ya ha incumplido dos fechas de entrega, inicialmente prometidas para junio y con fecha límite el 30 de junio para disponibilidad general. El motivo del último aplazamiento apunta a la necesidad de optimizar la eficiencia de los tokens en tareas complejas y mejorar el rendimiento en el razonamiento a largo plazo, basándose en los comentarios de los primeros evaluadores.
Este escenario se da en medio de un ambiente de intensa competencia. Recientemente, Anthropic lanzó Claude Sonnet 5 y restauró Claude Fable 5, mientras que OpenAI presentó una vista previa de GPT-5.6 para socios gubernamentales. La urgencia de Google por entregar un modelo con desempeño claramente diferenciado, especialmente en recuperación de contexto y razonamiento complejo, es vital para justificar los aplazamientos y revertir la percepción negativa que acompañó al mes de junio de la compañía. Las pruebas iniciales revelaron que el modelo consumía más tokens de lo esperado, lo que encarecía su funcionamiento a gran escala, y mostraba lagunas en el rendimiento de la codificación y en las tareas de razonamiento de varios pasos.
La legislación china afecta a los agentes de IA: Doubao y Qwen se adaptan
China se está preparando para implementar el 15 de julio sus “Medidas Provisionales para la Administración de Servicios Interactivos de IA Antropomórfica”, una legislación que requiere que los servicios de IA con personalidad humana incorporen sistemas anti-adicción, notificaciones de uso obligatorias y mecanismos de salida instantánea. Esta nueva regulación impacta directamente a plataformas como Doubao, de ByteDance, y Qwen, de Alibaba, que están desactivando sus funcionalidades humanoides y de agentes creados por el usuario.
Doubao, la aplicación de inteligencia artificial más utilizada en China con 345 millones de usuarios activos mensuales, permitirá el acceso de solo visualización a la configuración y al historial de chat hasta el 15 de octubre, cuando los datos serán permanentemente inaccesibles. Los usuarios deben exportar su contenido importante antes de la fecha límite. La situación de Qwen es aún más crítica ya que Alibaba no ha anunciado ninguna ruta de migración para los usuarios con configuraciones de agente existentes, lo que aumenta el riesgo de pérdida de datos inmediata y permanente. La decisión de ambas empresas de desactivar las funciones en lugar de adaptarlas refleja la incompatibilidad fundamental entre las normas antiadicción de la ley y el funcionamiento de los agentes de memoria persistente.
La agresiva expansión de Tesla con Robotaxi y los riesgos de la autonomía no supervisada
Tesla ha ampliado su servicio Robotaxi a Miami, Florida, convirtiéndose en la quinta ciudad estadounidense en recibir la tecnología, operando sin monitores de seguridad a bordo del vehículo. Esta es la primera vez que la empresa inicia una operación autónoma sin ningún período de supervisión previa, siguiendo las regulaciones del estado de Florida. El objetivo de Tesla es expandirse a una docena de estados de EE. UU. para fines de 2026, y el director ejecutivo, Elon Musk, sostiene que la tecnología de conducción autónoma total (FSD) ha superado el umbral de seguridad para el despliegue comercial.
Por el contrario, Waymo, el operador líder de robotaxi en EE. UU., mantiene monitores de seguridad en nuevos mercados y adopta una cadencia de expansión más cautelosa basada en un mapeo detallado y fases de implementación supervisadas. El enfoque de Tesla, aunque promete ciclos rápidos de mejora debido a su amplia flota, suscita la preocupación de los reguladores y defensores de los consumidores, que advierten de la ausencia de “errores humanos” en caso de que el sistema autónomo se encuentre con situaciones imprevistas. Este modelo de despliegue de Tesla está considerado uno de los más agresivos de la historia de la inteligencia artificial autónoma sin supervisión humana en contextos de consumo público.
Nuevos referentes y el futuro de la inteligencia artificial en áreas especializadas
El desarrollo de puntos de referencia más sofisticados está revelando tanto los avances como las limitaciones de los modelos de IA. Meta lanzó SWE-Together, una herramienta de evaluación de agentes de codificación de turnos múltiples con 109 tareas. Este punto de referencia, que simula sesiones reales de ingeniería de software, evalúa la capacidad de los modelos para mantener el contexto, adaptarse a la retroalimentación y corregir el rumbo en múltiples interacciones. Claude Opus 4.8 de Anthropic demostró la menor necesidad de intervención humana, con un 63% de finalización correcta en el primer intento.
Por otro lado, OpenAI presentó GeneBench-Pro, un punto de referencia de biología computacional de 129 problemas que cubre análisis genómico, plegamiento de proteínas y diseño experimental. El hallazgo más significativo es que GPT-5.6 Sol Pro, la versión más avanzada de los modelos de OpenAI, solo logró un 31,5% de precisión. Claude Opus 4.8 obtuvo un 16%. Estos resultados subrayan el desafío que enfrenta la inteligencia artificial a la hora de dominar el conocimiento científico especializado a nivel de doctorado, que aún no está completamente capturado por los canales de capacitación de los modelos de vanguardia actuales.
El panorama global de la IA: estándares, modelos chinos e infraestructura estratégica
El panorama de la inteligencia artificial no se trata solo de nuevos modelos y regulaciones, sino también de la evolución de los estándares globales y la infraestructura que los respalda. Se espera que la Casa Blanca anuncie esta semana un marco de estándares voluntarios para modelos de IA de vanguardia, estableciendo criterios para una revisión gubernamental de 30 días antes de su publicación pública. Este movimiento, que incluye la participación de Google en las negociaciones, pretende crear un precedente de coordinación entre el gobierno y las empresas tecnológicas.
Mientras tanto, los modelos chinos de IA están acaparando una parte importante del tráfico en plataformas como OpenRouter, representando alrededor del 45% del total, en comparación con menos del 2% hace un año. El éxito no se debe sólo a los puntos de referencia de rendimiento, sino a una combinación de precios competitivos, 1 millón de ventanas contextuales de tokens y acceso gratuito. Este “arbitraje de costos” está transformando el panorama para los desarrolladores y las empresas. Sin embargo, el uso de estos modelos requiere la evaluación de tres brechas importantes:
- Restricciones de contenido:Los modelos chinos a menudo rechazan temas políticamente delicados como Taiwán, la Plaza de Tiananmen y Xinjiang.
- Jurisdicción de datos:Las llamadas API pueden enrutar datos a través de servidores en China, lo que podría violar los requisitos de residencia de datos para industrias reguladas.
- Rigidez del esquema de llamada de herramientas:Hay casos de JSON no estándar en llamadas a herramientas, que requieren un manejo adicional en los marcos de agentes.
A nivel corporativo, Alibaba reestructuró toda su operación de IA en lo que llama “Alibaba Token Hub”, consolidando cinco unidades bajo la supervisión directa del CEO Eddie Wu. La reestructuración refleja el reconocimiento estratégico de que la creación de valor de Alibaba en IA se deriva de la tokenización a escala, con el objetivo de competir por el mercado interno chino y la adopción internacional de los desarrolladores.
La construcción de centros de datos en Estados Unidos también se considera una política de cadena de suministro que va más allá de una mera inversión en capacidad de IA. Las inversiones masivas de empresas como Microsoft y Alphabet se están enmarcando como anclas de la demanda que pueden estructurar las cadenas de fabricación nacionales de semiconductores, sistemas de energía, infraestructura de refrigeración y redes de fibra óptica. Este enfoque vincula directamente la política industrial con el desarrollo de infraestructura de IA, buscando dirigir el gasto hacia equipos fabricados en Estados Unidos.
