Mistral Large 4 salió con 1.715 puntos en Hacker News — el primer puesto con margen — y la compañía francesa hizo algo que ninguna otra hace: publicó los pesos, los benchmarks y los métodos de evaluación en el mismo posteo. No es un gesto menor en una semana en la que OpenAI, del mismo lado del Atlántico, publicó un índice sobre "progreso en matemáticas" y una API de Decisiones en beta pública, mientras Google soltó un modelo de embeddings multimodal liviano y alguien entrenó un acelerador de IA open source usando... otro acelerador de IA. El ecosistema se parece cada vez más a una partida de ajedrez donde los relojes avanzan a distinta velocidad en cada tablero, pero las piezas son las mismas en todos.
Lo que une los titulares de hoy no es una tecnología: es una postura. Mistral, Google, el autor del acelerador y hasta el sujeto que pidió a GitHub que bajara copias crackeadas de su propio software están todos negociando la misma pregunta con respuestas opuestas: ¿qué se comparte, qué se posee, y quién decide el medio? Y en el medio de esa negociación, los agentes de IA empiezan a tener algo nuevo — criterio.
🧠 Los modelos chicos se volvieron la categoría seria
Durante dos años la carrera fue hacia arriba: más parámetros, más ventanas de contexto, más dinero quemado por token. Hoy el movimiento va en la dirección contraria y los que lo hacen van en serio.
EmbeddingGemma 2 es un embeddings multimodal liviano y abierto — pensado para correr donde antes no se podía embeder nada. Y Strands Decider 2B es todavía más revelador: 2.000 millones de parámetros entrenados específicamente para decidir. No para generar, no para conversar, no para resumir. Decidir. En la arquitectura de agentes que se está consolidando, "decidir" es la nueva tarea atómica: un modelo chico que mira el estado del mundo y elige el próximo paso, mientras uno grande solo cuando hace falta redactar. Dividir el cerebro del agente por funciones tiene una ventaja obvia — es más barato, es más rápido, y es más fácil de auditar cuando algo sale mal.
La parte no obvia: los modelos decisionales son un prerequisito para que los coding agents dejen de ser carísimos chatbots con acceso al filesystem. Si Decider 2B es bueno, alguien va a entrenar un Decider 7B, y después un Decider fine-tuneado por dominio. La capa donde compite Strands es la misma donde OpenAI metió su Decisions API en beta pública. Coincidencia de nombres, no de intención.
🔧 Open source hasta donde duele
Mistral Large 4 se subió al primer lugar de HN con más que una buena demo: pesa, benchmarks, evaluación reproducible. La pregunta incómoda es si en un año esa apertura sigue siendo real cuando el fine-tuning de terceros empiece a devolver variantes, o si se convierte en la plantilla de "abrimos los pesos, cerramos el servicio". Por ahora, la apuesta de Mistral es clara: ser la alternativa francesa a una industria que se europeizó a golpe de regulación pero se americanizó a golpe de nómina.
En la vereda de enfrente, OpenTPU es un acelerador de IA open source diseñado por IA. Dejemos que eso decante: un modelo diseñó el silicio que va a correr a otros modelos. No es la primera vez que suena raro, pero sí es la primera vez que aparece en la parte abierta, auditable, con un repo de GitHub que cualquiera puede clonar. Si esto funciona aunque sea a medias, la pregunta deja de ser "quién tiene la mejor GPU" y empieza a ser "quién tiene el mejor ciclo de diseño".
Y la nota agridulce del bloque: GitHub se niega a eliminar copias crackeadas de software privado después de un mes. El detalle cómico es que el denunciante no está peleando con piratas — está peleando con el propio sistema de DMCA que Microsoft heredó cuando compró GitHub. Un repo de código abierto reclamando que otro respete su licencia adentro de una plataforma que vive de agregar repos con licencias ambiguas. Alanis Morissette tendría material para otra canción.
🎮 Cuando emular dejó de ser el objetivo
AnyPS5 mapea el 87% de las librerías del sistema de PS5 a PC sin emulación. Eso no es una curiosidad técnica: es una inversión silenciosa en la idea de que el software de consola ya no es una caja cerrada, sino un dialecto del sistema operativo anfitrión. Sony no va a comentar. Tampoco va a poder ignorarlo si el proyecto avanza, porque la diferencia entre "emulador" y "traducción de ABI" es exactamente la línea legal que separa una escena homebrew de una demanda.
Mientras tanto, en el extremo más analógico del ecosistema, Penguin Mail es un cliente de correo open source en Rust para Linux con IA incorporada. Correo + Rust + IA suena a combinación hecha para que tres nichos distintos se peleen por el crédito, pero el proyecto tiene una virtud que ningún cliente corporativo tiene: podés leer el código y saber qué hace con tus mails. En 2026, eso ya es una feature premium disfrazada de humildad.
Y no todo es plataforma: ESP32-C3 Adblock pone un bloqueador de ads en un chip de un dólar, y La Cueva BBS nos recuerda cómo era esto en México en 1993, con replay de sesión incluido. Dos extremos de la misma idea: la red como cosa que uno controla localmente, sea con un microcontrolador o con un módem de 2400 baudios.
💰 El precio de decir la verdad en la nube
Dos historias de fondo cierran el día y dicen más de la industria que cualquier benchmark. La primera: OpenAI publicó un índice de "progreso en IA en matemáticas" — un gesto que suena a filantropía científica pero también a preparación de terreno regulatorio. La segunda: ServerFault, uno de los foros técnicos más viejos de Stack Exchange, cierra después de años de degradación. No fue una quiebra: fue un abandono silencioso, el mismo que le está pasando a media docena de comunidades técnicas que la nube dejó huérfanas cuando el modelo de negocio pasó de "ayudar" a "vender soporte empresarial".
El hilo que une todo esto — modelos abiertos que se vuelven serios, aceleradores diseñados por IA, foros que se caen, consolas que se abren sin pedir permiso — es una sola cosa: la era del intermediario omnipresente está terminando. No porque las plataformas hayan desaparecido, sino porque cada vez más gente está dispuesta a correr las cosas en su propio hardware, con su propio criterio. Lo cual nos deja con la pregunta incómoda: ¿quién decide, cuando ya no hay un tercero que decida por nosotros?
📺 Para cerrar
Hay una película de 1957 que casi nadie recuerda y que en dos horas armó el mejor chiste sobre todo esto: Desk Set. Tracy y Hepburn, una sala de referencia de una cadena de TV, y la llegada de un "computador electrónico" que promete reemplazar la memoria humana. El chiste no es que la máquina falle — el chiste es que acierta en las tareas equivocadas. El computador de Desk Set es brillante para calcular, inútil para preguntar. Y lo que todos aprenden al final es que la máquina no reemplaza a nadie: reemplaza a la gente que decidió creer que la máquina podía reemplazar a alguien.
Setenta años después, Mistral abre pesos, Google abre embeddings, OpenAI abre decisiones, y Strands abre un modelo de dos mil millones de parámetros cuyo único trabajo es elegir el próximo paso. En el camino, GitHub no puede bajar un repo, ServerFault se apaga sin ruido, y una comunidad de 1993 sigue viva en un replay de módem porque alguien decidió guardarla. El progreso es real, medible, y está más repartido que nunca.
Lo único que sigue siendo escaso es el criterio para usarlo. Y contra eso, hasta ahora, no se entrenó ningún modelo.