La línea del día recorre la apertura general de un modelo insignia, el paso de un laboratorio de investigación hacia los mercados públicos, la vía que un producto de conversación abre hacia el descubrimiento comercial, un modelo de robótica puesto a prueba en una línea de fábrica y un nuevo conjunto de pesos abiertos de un modelo de imagen: Google, el 10 de noviembre, puso Gemini 4 Carbon, su modelo más potente hasta la fecha, a disposición de desarrolladores, empresas, investigadores y usuarios. Anthropic lanzó el mismo día el roadshow de su propuesta de oferta pública inicial, fijó una horquilla de precio prevista de 70,00 a 78,00 dólares por acción y solicitó cotizar sus acciones ordinarias de clase A en el Nasdaq Global Select Market con el símbolo «ANT». OpenAI introdujo Businesses in ChatGPT en beta, lo que permite a las empresas reclamar un perfil, ver perspectivas agregadas y, en el caso de los negocios elegibles de comercio electrónico y servicios en línea de Estados Unidos, lanzar un Business Agent. Google DeepMind también presentó Gemini Robotics 2.5, su modelo de visión-lenguaje-acción más capaz, y comunicó una tasa de éxito del 96% en una prueba de concepto en una línea de producción de Mercedes-Benz. MiniMax publicó H3-Image con pesos abiertos, un modelo de generación y edición de imágenes construido sobre H3, y dijo que puede producir una imagen 4K en menos de 10 segundos.

1. Google abre de forma general Gemini 4 Carbon, su modelo más potente hasta la fecha

El 10 de noviembre de 2026, Koray Kavukcuoglu, vicepresidente sénior de Google DeepMind y arquitecto jefe de inteligencia artificial de Google, escribió en el blog de la compañía que Gemini 4 Carbon ya está disponible para desarrolladores, empresas, científicos y usuarios. Google llamó a Carbon su modelo más potente, con un rendimiento de vanguardia en ciberseguridad y en flujos de trabajo agénticos de largo horizonte en trabajo de conocimiento complejo, ingeniería de software y razonamiento científico.

Dos semanas antes, Google había abierto Carbon a un conjunto de defensores de la ciberseguridad a través de su programa Fairwind. La compañía escribió que, tras el reciente lanzamiento de Gemini 4 Argon, Carbon empuja más allá la frontera. Argon sigue siendo la opción preferida para la mayor parte de la ingeniería de software y el trabajo de conocimiento, mientras que Carbon está pensado para tareas que ponen a prueba los límites de la inteligencia de un modelo, como la programación y la depuración complejas de varios pasos y la investigación y el descubrimiento científicos abiertos, y usa más tokens que Argon para explorar a fondo, razonar en profundidad y recorrer bucles de verificación más extensos.

En bancos independientes diseñados para probar el rendimiento en flujos de trabajo reales, Google dijo que Carbon ocupa el primer puesto en CursorBench 4.0, WANDR de Perplexity y AutomationBench de Zapier, con un coste por tarea más de dos veces inferior al del siguiente mejor modelo externo. La compañía también se asoció con Artificial Analysis para lanzar un banco de pruebas de agentes de conocimiento multimodal (MKA), argumentando que las pruebas existentes no capturan de forma adecuada cómo los agentes razonan de manera nativa sobre archivos densos que contienen gráficos, imágenes, planos, esquemas y tablas; Carbon ocupa el segundo puesto en ese banco, al tiempo que cuesta, en promedio, más de seis veces menos por tarea que el modelo de mejor desempeño. En evaluaciones previas al lanzamiento, Google dijo que Carbon igualó al mejor modelo probado en la evaluación financiera agéntica de extremo a extremo de Hebbia y ocupó el primer puesto entre 23 configuraciones de modelos de vanguardia en el banco General Financial Intelligence de Balyasny Asset Management.

Para poner Carbon a trabajar en proyectos más grandes y complejos, Google previsualiza /swarm en Google Antigravity, convirtiendo una sola indicación en un equipo coordinado de agentes que puede seguirse en tiempo real. Los desarrolladores pueden asignar Carbon a funciones que exigen el razonamiento más profundo, como el diseño de arquitectura, la coordinación y la auditoría, y emparejarlo con modelos más rápidos y ligeros en espacios de trabajo aislados en paralelo y con verificadores adversarios que prueban cada cambio. En una publicación del mismo día, el equipo de Antigravity escribió que /swarm entrega una indicación a una familia de agentes: un coordinador pone en marcha trabajadores paralelos especializados en worktrees de git aislados para que las ediciones no choquen, y los verificadores adversarios ejecutan pruebas y cuestionan las diferencias; los agentes colaboran en un tablero de mensajes compartido de solo añadido y permanecen en espera a coste cero de tokens cuando están inactivos.

En cuanto a la disponibilidad, Gemini 4 Carbon se ofrece a través de la API de Gemini en Google AI Studio y de Gemini for Business a todos los desarrolladores de pago y clientes empresariales, al mismo precio de introducción que Gemini 4 Argon: 2 dólares por millón de tokens de entrada y 10 dólares por millón de tokens de salida. El precio de introducción rige hasta el 30 de noviembre de 2026, tras lo cual la tarifa pasa a 4 dólares por millón de tokens de entrada y 20 dólares por millón de tokens de salida, y se aplica solo al modelo Carbon destinado al acceso público. Cuando Google anunció el modelo por primera vez el 28 de octubre, también dijo que los tokens de entrada en caché se tarificarían con un descuento del 95% respecto a la tarifa de entrada. Carbon también se está desplegando entre todos los suscriptores de Google AI Ultra en Google Antigravity, la aplicación Gemini y el AI Mode de la Búsqueda. La ficha del modelo indica que Carbon se basa en Gemini 4 Argon, que las entradas pueden incluir texto, imágenes, audio y vídeo, que la ventana de contexto combinada de entrada y salida llega hasta unos 1 millón de tokens y que la salida es texto.

En ciberseguridad, Gemini 4 Carbon for cyber, accesible a través del programa Fairwind, se describe como la capacidad de ciberseguridad más potente de Google hasta la fecha, capaz de inspeccionar software, rastrear cómo las fallas pueden encadenarse entre sistemas y generar parches verificados de causa raíz. Google dijo que el modelo lidera en bancos clave para encontrar (SEC-bench Pro), explotar (ExploitGym) y parchear (CWE-bench v1) vulnerabilidades; las puntuaciones que la compañía publicó el 28 de octubre fueron 88,2% en SEC-bench Pro, 54,8% en ExploitGym y 71,0% en CWE-bench. Entre las pruebas internas y externas tempranas citadas por la compañía figuran: en un banco interno de Project Fortify, el sistema autónomo de Google para escaneo, clasificación y remediación, Carbon alcanzó un 100% de recall en el escaneo y un 95% de precisión en la clasificación, y en pruebas sobre repositorios de código abierto mejoró en más de un 25% el ya elevado recall de Argon; el equipo de investigación de vulnerabilidades de Google Cloud usó Carbon para demostrar que dos errores en un paquete popular de código abierto eran de hecho explotables, comparables en gravedad al reciente exploit PHP2Shell, y, al construir una prueba de concepto, ayudó a los mantenedores a reclasificar los problemas como críticos y a emitir un parche, con detalles que se conocerán tras la divulgación responsable; y en el programa Scan for Good de Wiz, el modelo se usó para escanear a dos grandes proveedores de software como servicio, descubriendo vulnerabilidades de día cero en menos de dos horas, tras lo cual el equipo trabajó con las organizaciones afectadas en la remediación.

En ciencia y matemáticas, Google dijo que los investigadores construyeron un marco agéntico de verificación formal llamado AlphaProof Code, usaron Carbon junto con otros modelos para traducir objetivos de seguridad en el código subyacente del protocolo criptográfico Signal en teoremas matemáticos, y hicieron que los agentes generaran millones de líneas de código Lean, lo que ayudó a demostrar propiedades de seguridad clave en semanas, un trabajo que, según la compañía, históricamente ha llevado años a equipos de expertos. En la predicción de estructuras de proteínas, los investigadores usaron un esquema multiagente para que Carbon buscara homólogos remotos en archivos de secuencias no anotadas a escala de petabases, catálogos de secuencias ambientales y virales, y bases de datos de estructuras tridimensionales; en siete familias de proteínas de baja homología del conjunto de prueba ciega CASP17, Carbon aumentó el número de homólogos recuperados en unas 40 veces de promedio, sin reentrenar los modelos de predicción de estructura. Cuatro semanas antes, Google había abierto solicitudes para dar a 10.000 científicos seis meses de acceso gratuito a Argon en Antigravity; la compañía dijo que ya se han sumado miles y que ahora extiende Carbon a los participantes actuales y futuros, con las solicitudes aún abiertas y una incorporación que continúa de forma rotativa semanal.

En seguridad, Google dijo que, en entornos simulados de ciberataque sembrados con ExploitBench y CyScenarioBench, Carbon bloqueó el 99% de las trayectorias de ataque de un agente adaptativo de equipo rojo, lo que redujo la tasa de brecha por intento al 0,8%, frente al 3,1% de Argon; en las pruebas de Gray Swan, la tasa de éxito de las consultas automatizadas de ciberataque cayó al 2,17%, frente al 9,86% de Argon; y las pruebas externas de Trajectory Labs no hallaron nuevos jailbreaks universales en 132 horas y más de 13.000 solicitudes. En un banco de honestidad agéntica de 375 tareas, Carbon superó el 92% de las tareas, frente al 70% de Argon, se negó a rellenar datos experimentales faltantes el 98% de las veces y señaló fallos metodológicos el 68% de las veces. La compañía había dicho dos semanas antes que Carbon alcanzó una tasa de éxito de ataque del 0% en el banco Gray Swan IPI de inyección indirecta de indicaciones, al tiempo que señaló que, en algunas distribuciones, el modelo todavía tiene margen de mejora frente a ataques más sofisticados.

Clave: Google está pasando Carbon de una previsualización limitada de ciberseguridad a la API de pago y a los suscriptores Ultra, pero sigue dejando el trabajo cotidiano a Argon y gasta los tokens de razonamiento adicionales en bucles de verificación más largos; los costes por tarea más bajos y las cifras de seguridad más sólidas buscan mostrar que esto no es solo una carrera por las puntuaciones máximas en los bancos de prueba.

2. Anthropic lanza el roadshow de su IPO, con una horquilla de 70 a 78 dólares por acción

El 10 de noviembre de 2026, Anthropic, PBC anunció el inicio del roadshow de su propuesta de oferta pública inicial. La compañía dijo que prevé ofrecer 825 millones de acciones ordinarias de clase A, de las cuales 801.351.354 las emite Anthropic y 23.648.646 las venden algunos accionistas existentes; la compañía no obtendrá ningún ingreso de las acciones de los accionistas vendedores. Anthropic también prevé conceder a los aseguradores una opción de 30 días para comprar hasta 123.750.000 acciones ordinarias de clase A adicionales. Se espera que el precio de emisión sea de 70,00 a 78,00 dólares por acción. La compañía ha solicitado cotizar sus acciones ordinarias de clase A en el Nasdaq Global Select Market con el símbolo «ANT», y subrayó que la declaración de registro pertinente aún no ha surtido efecto y que el anuncio de hoy no constituye una oferta de venta ni una solicitud de oferta de compra de los valores.

Con esa horquilla de precios, los 825 millones de acciones implican un tamaño de oferta de unos 57.750 millones a 64.350 millones de dólares. TechCrunch informó de que, en el extremo alto de la horquilla y sobre una base plenamente diluida, la compañía quedaría valorada en unos 1,404 billones de dólares, por encima de la valoración de 965.000 millones alcanzada en una ronda de financiación de mayo, pero por debajo de un objetivo de unos 2 billones del que se informó antes. CNBC situó la cifra plenamente diluida en hasta unos 1,405 billones de dólares y, citando a personas familiarizadas con el asunto, dijo que la compañía planea fijar el precio el 18 de noviembre y comenzar a cotizar el 19 de noviembre, con una asignación minorista de alrededor del 20%.

Ambos medios, citando la presentación actualizada, informaron también de que Anthropic ha acordado vender 26.000 millones de dólares en acciones de clase N sin voto en una colocación privada al precio de la IPO a AMD, Broadcom, Google, Micron, Microsoft, Nvidia y TSMC; TechCrunch dijo que Google y Nvidia invierten 10.000 millones cada una, y que Anthropic estima unos ingresos netos de unos 84.600 millones a 93.700 millones de dólares, la cifra alta incluida la opción de los aseguradores. La presentación, según lo publicado, situó los ingresos en tasa anualizada en unos 81.000 millones de dólares a finales de octubre, unos 10.000 millones más que a finales de septiembre. CNBC dijo que los ingresos de los nueve meses cerrados el 30 de septiembre fueron de 33.240 millones de dólares, con una pérdida neta de 104.000 millones en el mismo periodo, la mayor parte procedente de cambios en el valor razonable de pagarés convertibles y pasivos derivados. TechCrunch también señaló que, como corporación de beneficio público, los fundadores poseen una acción de clase F con el 50,1% del poder de voto y que el Long-Term Benefit Trust elegirá una mayoría del consejo, lo que limita la influencia de los compradores de la clase A.

Clave: La horquilla de precios acerca al laboratorio a los últimos pasos antes de una cotización pública, pero la valoración implícita ya ha bajado desde los informes anteriores de unos 2 billones de dólares hasta alrededor de 1,40 billones; la negociación sigue dependiendo de que la declaración de registro surta efecto, y el roadshow ofrece una horquilla, no un precio final.

3. OpenAI presenta Businesses in ChatGPT y Business Agents en beta

El 10 de noviembre de 2026, OpenAI dijo que introducía Businesses in ChatGPT en beta, y lo describió como una nueva vía para que las empresas conecten con los 1.200 millones de personas que usan ChatGPT cada semana. A través de Business Hub, las empresas pueden reclamar su organización, gestionar su información y ver cómo la gente interactúa con ellas en ChatGPT. La compañía también añade Business Agents, empezando por los negocios elegibles de comercio electrónico y servicios en línea en Estados Unidos.

En Business Hub, las empresas verificadas pueden actualizar datos clave y añadir feeds de productos de autoservicio con precios y disponibilidad. OpenAI dijo que cualquier negocio elegible en un lugar donde ChatGPT esté disponible puede reclamar su perfil a través de Business Hub; los clientes existentes de OpenAI Enterprise y los anunciantes pueden tramitarlo con su representante; y los comercios de Shopify pueden conectar una tienda desde Business Hub o el administrador de Shopify para agilizar la verificación, con productos elegibles de Shopify ya integrados en ChatGPT a través de Shopify Catalog.

En cuanto a las perspectivas, Business Hub ofrece cifras agregadas como menciones y clics en el sitio web, además de temas de descubrimiento, es decir, motivos comunes en las conversaciones en las que se cita el sitio de una empresa. OpenAI escribió que no comparte con las empresas las conversaciones de los usuarios ni los chats de Business Agent, y que las perspectivas solo están disponibles de forma agregada y una vez que superan determinados umbrales.

Tras reclamar un perfil, las organizaciones elegibles pueden construir, probar y lanzar un Business Agent. Cuando un negocio aparece en una respuesta del modelo, las personas pueden abrir su perfil de ChatGPT; si hay un Business Agent disponible, un cliente puede iniciar una conversación aparte para comparar ofertas o hacer preguntas de seguimiento, anclada en la información que ha proporcionado la empresa. Esa conversación se etiqueta con claridad, se mantiene separada del hilo original de ChatGPT y se distingue de las respuestas independientes de ChatGPT. Las empresas también pueden patrocinar su Business Agent y usarlo como destino de ChatGPT Ads; las ubicaciones patrocinadas se etiquetan con claridad y se mantienen separadas de las respuestas de ChatGPT. The Verge informó del lanzamiento en beta el mismo día.

Clave: OpenAI abre un camino desde su audiencia semanal de 1.200 millones de usuarios hacia las empresas, pero solo detrás de la verificación, las perspectivas agregadas y las conversaciones separadas y claramente etiquetadas; el primer paso es un perfil reclamado y un agente de marca, no una apertura general a todos los sectores y todos los mercados.

4. Google presenta Gemini Robotics 2.5, con una tasa de éxito del 96% en una prueba en línea de Mercedes-Benz

El 10 de noviembre de 2026, Google DeepMind, en una publicación de Carolina Parada, presentó Gemini Robotics 2.5 y lo llamó el modelo de visión-lenguaje-acción (VLA) más capaz de la compañía hasta la fecha. El modelo busca ampliar la gama de habilidades que un robot puede aprender y la velocidad a la que puede adquirirlas, y mejorar la destreza, la fiabilidad y la seguridad para que los robots salgan del laboratorio y entren en entornos reales más desestructurados. La compañía dijo que a principios de este año había llevado inteligencia de cuerpo entero a robots de muchos tipos, incluidos los humanoides, y que el avance más reciente se debía en gran parte a la capacidad de Gemini 4 Argon para acelerar la investigación en robótica. Gemini Robotics 2.5 se está abriendo a los socios de robótica de Google.

Google dijo que evaluó la amplitud de tareas, el rendimiento y la complejidad del modelo en más de 200 tareas distintas, como servir comida con pinzas, atar un lazo en una caja de regalo y pipetear líquido, combinando el uso de herramientas, la manipulación de objetos deformables y el manejo cuidadoso de artículos delicados. En comparación con las baselines anteriores, Gemini Robotics 2.5 logró una tasa de éxito entre un 30% y un 100% más alta según el tipo de tarea, y completó las tareas entre un 20% y un 30% más rápido. El modelo funciona de forma nativa con varios tipos de robot, incluido el humanoide Apollo 2 de Apptronik, que usa la mano SharpaWave de cinco dedos y 22 grados de libertad, y la plataforma Franka Duo con pinzas paralelas de dos dedos.

Para poner a prueba la fiabilidad, Google se asoció con Apptronik y Mercedes-Benz para desplegar Apollo 2 en líneas de producción automotriz en funcionamiento en Kecskemét, Hungría, y Sindelfingen, Alemania. En la prueba de concepto, el robot usó el modelo de razonamiento corporizado Gemini Robotics ER para seguir el flujo de trabajo y el modelo de acción Gemini Robotics 2.5 para controlar brazos y manos, tomar soportes metálicos de automóvil de contenedores de suministro, colocarlos en recipientes de secuenciación y corregir holguras, con una tasa de éxito del 96%. Jeff Cardenas, cofundador y consejero delegado de Apptronik, dijo que los modelos mejoraron de forma sustancial en unas pocas semanas de posentrenamiento y se trasladaron a las líneas de Mercedes-Benz con muy poca merma.

En seguridad, Gemini Robotics 2.5 usa una guía de razonamiento en el momento de la inferencia para esquivar peligros físicos en tiempo real. Google dijo que esa capacidad elevó la finalización segura de tareas un 33% en torno a obstáculos y un 43% en torno a personas cercanas. Para probar jailbreaks adversarios dirigidos a robots, la compañía también publica ASIMOV-Jailbreak, un banco de código abierto con cientos de indicaciones que disfrazan peticiones inseguras en decenas de escenas; dijo que Gemini 4 Argon alcanzó una resistencia a jailbreaks del 99,5%, frente al 82% de la baseline anterior, Gemini Robotics ER 2.

Clave: Esto no es solo otra demostración de laboratorio de cómo atar un lazo: Google sitúa una tasa de éxito del 96% en líneas de producción de Mercedes-Benz que siguen en marcha, y publica junto a ella un nuevo banco de jailbreaks y resultados de dirigibilidad, tratando la fiabilidad y la seguridad como condiciones para entrar en una fábrica.

5. MiniMax publica H3-Image con pesos abiertos y dice que puede generar imágenes 4K en menos de 10 segundos

El 11 de noviembre de 2026, MiniMax publicó MiniMax H3-Image, un modelo de generación de imágenes de pesos abiertos construido sobre H3, con apoyo para generación de texto a imagen, generación a partir de referencias y edición de imágenes. La compañía dijo que el modelo puede generar una imagen 4K (4096×4096) en menos de 10 segundos, con más detalle y una adhesión más firme a la indicación, que puede entender y usar hasta 16 imágenes de referencia, y que su velocidad de generación 4K llega a ser hasta unas cinco veces la de las alternativas generalizadas. Los pesos se han publicado en Hugging Face como MiniMaxAI/MiniMax-H3-Image, y el modelo también está disponible a través de la API de MiniMax, MiniMax Code y Hailuo AI.

MiniMax dijo que el modo Standard es unas 1,5 a 2 veces más rápido que las alternativas generalizadas, mientras que el modo Highspeed alcanza de 3 a 4 veces; los precios equivalen a alrededor del 50% al 70% de las ofertas generalizadas comparables, y en la semana de lanzamiento la compañía ofrece un 50% de descuento en las solicitudes de generación de imágenes en resolución 4K y superior. El modelo se publica bajo el MiniMax-H3-Image Community License Agreement, con fecha del 10 de noviembre de 2026. El acuerdo establece que el territorio aplicable es mundial, con exclusión de la Unión Europea, el Reino Unido, la República de Corea y los Estados Unidos de América.

Clave: MiniMax pone en el mercado tanto la velocidad de generación 4K como los pesos abiertos, y baja la barrera para obtener y ejecutar el modelo; la licencia comunitaria, no obstante, deja fuera de forma expresa mercados como la Unión Europea, Gran Bretaña, Corea del Sur y Estados Unidos, de modo que los pesos abiertos no equivalen a un uso comercial irrestricto en todas partes.

---

En una frase: Google abrió de forma general Gemini 4 Carbon, su modelo más potente hasta la fecha, al precio de introducción de Argon, y previsualizó /swarm en Antigravity; Anthropic lanzó el roadshow de su IPO con una horquilla de 70 a 78 dólares y solicitó cotizar como ANT; OpenAI presentó Businesses in ChatGPT y Business Agents en beta; Google DeepMind presentó Gemini Robotics 2.5 y comunicó una tasa de éxito del 96% en una prueba en línea de Mercedes-Benz; y MiniMax publicó H3-Image con pesos abiertos, diciendo que puede generar imágenes 4K en menos de 10 segundos.