OpenAI y NVIDIA aseguran 8 GW-IT en Ohio, Cursor lanza Origin, GitHub acelera su búsqueda de código

El 17 de agosto de 2026, OpenAI y NVIDIA aseguran conjuntamente un inmenso sitio de infraestructura de IA en Ohio, mientras Cursor lanza en beta su propia plataforma de alojamiento de código, Origin. En torno a estos dos anuncios principales, DeepSeek V4 Pro continúa su despliegue multi-proveedor, GitHub detalla sus lienzos agénticos y una optimización espectacular de su búsqueda de código, y Google lanza Sheets canvas para transformar hojas de cálculo en miniaplicaciones.

OpenAI y NVIDIA aseguran un sitio de IA de 8 GW-IT en Ohio

17 de agosto — OpenAI, NVIDIA y SB Energy anuncian el mismo día, desde dos ángulos complementarios, un acuerdo conjunto para asegurar un inmenso sitio de infraestructura de IA en el campus tecnológico PORTS-Pike, en el condado de Pike (Ohio) — un antiguo sitio de difusión gaseosa de Portsmouth. NVIDIA y SB Energy aseguran las capacidades de terreno, energía y edificio (land, power and shell) sobre un despliegue inicial de 4,25 gigavatios, ampliable en 3,75 gigavatios adicionales, en un acuerdo de 20 años escalonado entre 2028 y 2030. OpenAI, arrendatario operador, apunta a unos 8 gigavatios-IT en total con el apoyo del Departamento de Energía de Estados Unidos (DOE).

El proyecto debe crear 35.000 empleos de construcción durante seis años, y luego 2.500 empleos de operación a largo plazo. La refrigeración se hará en circuito cerrado y por aire, con recirculación del agua. OpenAI invierte 40 millones de dólares en un fondo comunitario local (además de los 40 millones ya comprometidos por SB Energy), y pone a disposición hasta 84 millones de dólares en créditos Codex para unos 844.000 estudiantes elegibles de Ohio durante el año académico 2026-2027. Por parte de NVIDIA, cada generación de GPU desplegada en el sitio podría representar alrededor de 1,5 millones de chips, es decir, entre 150 y 200 mil millones de dólares de ingresos — en el marco de un compromiso de cómputo OpenAI/NVIDIA para 2030 estimado entre 12 y 16 gigavatios (unos 600 mil millones de dólares).

Métrica	Valor
Capacidad objetivo (OpenAI)	~8 GW-IT
Capacidad inicial (NVIDIA/SB Energy)	4,25 GW (+3,75 GW ampliable)
Duración del acuerdo LPS	20 años, escalonado 2028-2030
Empleos de construcción	35.000 en 6 años
Créditos Codex para estudiantes de Ohio	hasta 84 M$ para ~844.000 estudiantes
Compromiso OpenAI/NVIDIA para 2030	12-16 GW (~600 mil M$)

“OpenAI has entered into an agreement to secure approximately 8 gigawatts-IT at the PORTS-Pike Technology Campus in Pike County, Ohio, working with SB Energy, NVIDIA, and the U.S. Department of Energy.”

🇪🇸 OpenAI ha concluido un acuerdo para asegurar unos 8 gigavatios-IT en el campus tecnológico PORTS-Pike, en el condado de Pike en Ohio, en colaboración con SB Energy, NVIDIA y el Departamento de Energía de Estados Unidos. — Comunicado oficial de OpenAI

🔗 NVIDIA — asegurar la infraestructura de inteligencia

Cursor lanza Origin, su plataforma de alojamiento de código

17 de agosto — Cursor despliega en beta Origin, una plataforma de alojamiento de repositorios integrada directamente en su editor, pensada para la escala de los agentes (agent scale) más que como un simple competidor de GitHub. El lanzamiento arranca para todos los suscriptores de los planes de pago, con opción de exclusión para las organizaciones empresariales.

Los repositorios creados en Origin son accesibles a través de URLs cursor.com/codebase/[nom], y sigue siendo posible sincronizar en paralelo repositorios GitHub existentes — en tiempo real, con GitHub como fuente de verdad para los pushs. En cuanto a las pull requests, Cursor propone una experiencia completa (timeline, commits, checks, diffs) con sincronización bidireccional: un comentario publicado en Cursor aparece en GitHub en unos segundos. Los agentes de IA pueden responder preguntas sobre el código, realizar cambios, actualizar pull requests y empujar ramas directamente desde la vista del repositorio.

Cursor cerró alianzas de integración antes del lanzamiento con Vercel (despliegues de vista previa), Depot y Buildkite (CI/CD compatible con los workflows GitHub Actions existentes), con otras integraciones anunciadas próximamente.

“Origin, our code hosting platform, is now live. It’s fast, easy to use, and deeply integrated with Cursor. Get started by syncing your repos from GitHub.”

🇪🇸 Origin, nuestra plataforma de alojamiento de código, ya está en línea. Es rápida, fácil de usar y está profundamente integrada en Cursor. Para empezar, sincroniza tus repositorios desde GitHub. — @cursor_ai en X

🔗 Changelog de Cursor — alojamiento de código Origin

Replit refuerza su seguridad con pen tests black-box

17 de agosto — Replit añade pen tests black-box (pruebas de intrusión de caja negra) a su oferta de seguridad, como complemento de los escaneos white-box ya disponibles. El escáner opera a través de la interfaz de red y del navegador de la aplicación, comportándose primero como un visitante no autenticado y luego como un usuario autenticado estándar, revelando funciones reales incluidas aquellas sin botón visible.

Según Replit, los resultados de ambos enfoques rara vez se solapan: el black-box detectó paneles de administración desprotegidos y puntos finales vulnerables a denegación de servicio que el white-box pasó por alto, mientras que el white-box identificó errores de lógica de autorización invisibles desde el exterior. En el Security Center de cada proyecto se proponen tres niveles: nivel 1 gratis (verificación de dependencias), nivel 2 (escaneo white-box) y nivel 3 (combinación de ambos). Una vez confirmada una vulnerabilidad, Replit Agent puede corregirla con un clic.

🔗 Anuncio de Replit — pen tests black-box

Modelos abiertos e inferencia: DeepSeek, Yutori, asignación de GPU

Tres publicaciones en torno al ecosistema Together AI y Hugging Face ilustran la batalla en curso sobre el coste y la eficiencia de la inferencia.

DeepSeek V4 Pro 0813: despliegue multi-proveedor y benchmark DeepSWE

16 de agosto — DeepSeek V4 Pro, cuyo lanzamiento en pesos abiertos ya había sido cubierto el 13 de agosto, continúa su despliegue bajo su revisión « 0813 »: Together AI y Novita confirman ambos su soporte, con la arquitectura 1,6T de parámetros en mezcla de expertos (Mixture of Experts), la ventana de contexto de 1M de tokens y tres modos de razonamiento (codificación, agentes, razonamiento complejo). En el benchmark de ingeniería de software DeepSWE, Together AI mide una puntuación de 88,5 % de pass@4 por un coste de 0,24 $ por tarea — 35 veces más barato que GPT-5.6 Sol y 90 veces más barato que Fable 5.

🔗 Together AI — DeepSeek V4 Pro 0813

Yutori despliega su modelo de agentes Navigator en Together AI

16 de agosto — Together AI destaca Navigator, el modelo de agentes de navegación web (browser-use) de la startup Yutori. Estos agentes funcionan en bucles cerrados — captura de pantalla, acción, repetición, a veces decenas de veces por tarea — lo que hace que el coste de inferencia sea especialmente sensible. Según Together AI, Navigator supera el rendimiento de los modelos de referencia y, al mismo tiempo, es dos veces más rápido en inferencia y de 4 a 5 veces menos costoso.

🔗 Together AI — Yutori Navigator

Un asignador de GPU bajo restricción recupera hasta 33 puntos de utilización de clúster

17 de agosto — El equipo Dharma-AI publica en Hugging Face la segunda parte de su estudio sobre la gestión de clústeres GPU. Su «asignador de GPU bajo restricción» sustituye la planificación FIFO por una optimización sobre un horizonte de 24 horas, respetando la contigüidad de las GPU y las curvas de demanda en tiempo real. En siete escenarios probados, las ganancias de utilización van del 51,6 % al 72,4 % en régimen mixto, hasta del 53,6 % al 87,0 % en cargas de entrenamiento. Una prueba con prioridad uniforme confirma una ganancia del 23,1 % independiente de la señal de prioridad, y un clúster de 64 GPU mantiene una ganancia de valor del 15,9 % con una latencia de asignación de 15 ms.

🔗 Hugging Face — asignador de GPU Dharma-AI

Gemini: Sheets canvas transforma las hojas de cálculo en miniaplicaciones

17 de agosto — Google lanza Sheets canvas, que se apoya en Gemini 3.7 Flash para transformar una hoja de cálculo Google Sheets clásica en una miniaplicación interactiva, sin escribir código. A diferencia de las herramientas de prototipado habituales que generan una interfaz fija a partir de una exportación estática, Sheets canvas analiza nativamente el esquema de la hoja (columnas, tipos de datos, relaciones) para construir componentes de interfaz funcionales — por ejemplo, una tabla de simulación de «qué pasaría si» se convierte en un conjunto de deslizadores que ajustan proyecciones financieras en directo.

La particularidad destacada es la sincronización bidireccional: las interacciones en la miniaplicación se reflejan en tiempo real en la hoja subyacente, y viceversa. A continuación, el usuario puede afinar la aplicación mediante una simple conversación, con Gemini conservando el contexto para iterar sin empezar de cero. Sheets canvas está disponible desde ahora para los suscriptores de Google AI Pro y Ultra, y su despliegue está anunciado para cuentas Google Workspace business y educación en ciertas ofertas.

🔗 Google AI — anuncio de Sheets canvas

GitHub Copilot: lienzos, búsqueda de código y revisiones configurables

GitHub publica tres anuncios técnicos y de producto entre el 16 y el 17 de agosto, en torno a la conducción de los workflows agénticos y al rendimiento de su motor de búsqueda.

Los lienzos hacen visibles y pilotables los workflows agénticos

17 de agosto — GitHub detalla los «lienzos», una superficie de trabajo persistente y compartida en la app Copilot para seguir workflows agénticos complejos sin perderlos en el desplazamiento del chat. El enfoque se basa en cuatro principios: definir el estado del workflow, hacer aflorar los puntos de decisión, persistir inmediatamente los avances y conservar puntos de aprobación humana explícitos. Dos lienzos concretos ilustran el enfoque — un «Java Modernization Studio» que organiza una migración por fases (evaluación, remediación, validación, entrega), y un «Site Studio» que gestiona la creación de contenido con secciones editables y seguimiento de revisión — ambos públicos en el repositorio awesome-copilot. El autor menciona un coste de aproximadamente 2.000 a 3.000 créditos de IA por lienzo.

🔗 GitHub — cómo los lienzos hacen pilotables los workflows agénticos

Búsqueda de código: el case-folding alcanza más de 45 GiB/s en un solo núcleo

16 de agosto — GitHub publica una retrospectiva sobre la optimización del case-folding (normalización de mayúsculas/minúsculas para la comparación insensible a mayúsculas) en su motor de búsqueda Blackbird, que indexa más de 180 millones de repositorios y 480 TB de código. La optimización más significativa es contraintuitiva: retirar una rama de salida anticipada en lugar de añadir una, lo que permite a LLVM vectorizar por completo el bucle mediante instrucciones NEON.

Versión	Rendimiento
Naïve (con salida anticipada)	3,1 GiB/s
Bucle completamente sin ramas	más de 45 GiB/s
Peor caso (folding integral, no ASCII)	869 MiB/s

El equipo publica el resultado en forma de crate Rust de código abierto llamada casefold.

“GitHub case-folds every byte of code search at over 45 GiB/s on one core. The biggest win came from removing an early-exit branch, not adding one.”

🇪🇸 GitHub aplica el case-folding a cada byte de su búsqueda de código a más de 45 GiB/s en un solo núcleo. La mayor mejora vino de retirar una rama de salida anticipada, no de añadirla. — @github en X

🔗 GitHub — case-folding del código fuente a velocidad de memoria

Copilot code review: la profundidad Balanced pasa a disponibilidad general

16 de agosto — GitHub Copilot permite ahora elegir la profundidad de las revisiones automáticas de código sobre las pull requests: «Balanced» (análisis más profundo, cambios complejos) pasa a disponibilidad general, junto a «Lite» (cambios simples y rápidos de validar). El ajuste puede definirse por defecto a nivel de organización o repositorio, o elegirse puntualmente al solicitar la revisión de una PR concreta.

🔗 GitHub — profundidad Balanced en disponibilidad general

OpenAI: ciberseguridad defensiva y ganancias de eficiencia de GPT-5.6 Sol

The Defender’s Window — la estrategia de ciberseguridad defensiva de OpenAI

17 de agosto — Greg Brockman, presidente de OpenAI, vuelve sobre el incidente de seguridad OpenAI-Hugging Face, presentado como un punto de inflexión: un colectivo agéntico encadenó vulnerabilidades para penetrar en la infraestructura de investigación de OpenAI y en la infraestructura de producción de otra empresa. OpenAI recuerda haber restringido la difusión de sus capacidades ciber a los únicos «defensores de confianza», pero señala que otros laboratorios publican modelos con pesos abiertos y capacidades ofensivas cercanas a la frontera — el último ejemplo citado, GLM-5.3 de Z.ai, previsto para finales de agosto. OpenAI entrena ahora sus modelos para producir código «superhumanamente seguro» y apuesta por sus capacidades de demostración matemática para verificar formalmente la seguridad del software.

Anécdota concreta: tras el incidente, Brockman pidió a ChatGPT Work (GPT-5.6 Sol) que auditara la seguridad de su propio sitio. En unos 15 minutos, la herramienta detectó 13 problemas — DNS mal configurado que permitía la suplantación de correos electrónicos, jQuery obsoleto, tráfico Cloudflare→AWS no cifrado — y luego los corrigió en aproximadamente una hora, sin intervención humana intensa.

🔗 OpenAI — The Defender’s Window

GPT-5.6 Sol — ganancias de eficiencia medidas en clientes y en ARC-AGI-3

17 de agosto — Gracias al razonamiento retenido (retained reasoning) y a la compresión, la puntuación de GPT-5.6 Sol en ARC-AGI-3 pasó del 13,3 % al 38,3 %, consumiendo al mismo tiempo unas 6 veces menos tokens de salida. Dos casos concretos de clientes: la startup inmobiliaria hypha_ai conservó el 98 % de la precisión de GPT-5.5 mientras dividía el coste por 18 al pasar a GPT-5.6 Luna, y RogoAI (investigación financiera) utilizó la llamada programática de herramientas para igualar la calidad de sus evaluaciones con un 21 % menos de tokens de entrada.

🔗 OpenAI Devs — ganancias de eficiencia GPT-5.6 Sol

Generación de medios: ElevenLabs en Claude, Seedance 2.5 en Pika y Luma

ElevenLabs lanza su servidor MCP, disponible directamente en Claude

17 de agosto — ElevenLabs ofrece un servidor MCP (Model Context Protocol) oficial para gestionar sus agentes de voz y chat directamente desde Claude, sin salir de su entorno de trabajo: consultar el rendimiento reciente, crear nuevos agentes, actualizar configuraciones, estimar el coste en tokens LLM antes de validar un cambio. La autenticación se realiza mediante OAuth, sin servidor que alojar ni claves API que gestionar, con el control dejado al equipo sobre lo que los agentes pueden consultar o modificar realmente.

🔗 ElevenLabs — anuncio del servidor MCP

Seedance 2.5 en 1080p llega a Pika API Club y Luma con upscale 4K

17 de agosto — Tras su acceso anticipado en Runway el 15 de agosto, Seedance 2.5 en resolución 1080p continúa su despliegue entre los socios de terceros. Pika Labs lo abre a través de su Pika API Club, adelantando una tarifa hasta un 60 % más barata que la competencia. Luma Labs anuncia el mismo día la disponibilidad de Seedance 2.5 en 1080p, con una funcionalidad complementaria: el upscale a 4K directamente en su plataforma.

🔗 Pika Labs — Seedance 2.5 en Pika API Club

Breves

ABC Legal despliega más de 50 agentes con Claude Managed Agents — 1 100 empleados, hasta un 50 % de reducción de costos en ciertas tareas legales, bucle de feedback semanal a través de Slack y pull requests. 🔗 Claude
El equipo Diffusers de Hugging Face integra cuatro nuevos modelos abiertos en una semana — MiniMax H3 (video/audio), LTX2.5 (video/audio), Wan Animate 2 y MiniMax Music 3. 🔗 Tweet
datatrove 0.10.0 ejecuta pipelines en Hugging Face Jobs sin cluster Slurm — nuevo JobsPipelineExecutor y soporte para los buckets de almacenamiento de Hugging Face como DataFolder. 🔗 Tweet
Together AI aloja los modelos de generación de código de Relace AI — entrenados en clusters GPU dedicados al programa Y Combinator. 🔗 Tweet
En ICML, Tri Dao subraya que los modelos abiertos se acercan a los laboratorios cerrados — ahora apenas con unos meses de retraso, impulsados por los avances de la pila de servicio (núcleos, motores de inferencia, decodificación especulativa). 🔗 Tweet
Google, Gemini y Pixel oficializan una alianza con cinco clubes de fútbol europeos — Arsenal, FC Barcelona, Bayern Múnich, Liverpool y PSG, con un compromiso de visibilidad equivalente para el fútbol femenino. 🔗 Google
OpenClaw: teaser de GitHub en X — la cuenta de GitHub menciona un proyecto llamado OpenClaw sin detalles adicionales disponibles. 🔗 Tweet
MiniMax-H3 reivindica una ganancia de 4,44x en RTX 4090 — nuevo núcleo CuTe DSL dedicado a SM89 para el mecanismo de atención Sol-Attn. 🔗 Tweet
Alibaba organiza una sesión en vivo con los creadores de Wan3.0 el 19 de agosto — con los socios Magnific, fal, OpenArt y KoyalAI, a las 15h UTC. 🔗 Tweet
Kling presenta el efecto «Hitchcock Zoom» — nuevo efecto de generación de video inspirado en el zoom-travelling inverso popularizado por Alfred Hitchcock. 🔗 Tweet
MiniMax H3 al -50 % en la generación 2K vía Magnific hasta el 1 de septiembre — reducción anunciada durante un evento en San Francisco. 🔗 Tweet
GPT-5.6 Sol a mitad de precio en AI Gateway (Vercel) y OpenRouter — promociones temporales del 50 % hasta el 18 de septiembre de 2026, aplicadas automáticamente al uso. 🔗 Tweet
OpenAI financia 14 proyectos de investigación en políticas públicas para la era de la IA — 1 millón de dólares de financiamiento y hasta 1 millón de dólares en créditos API, distribuidos en 5 países/regiones. 🔗 OpenAI
Codex destacado a través de testimonios de uso — un creador de contenido (más de 1,5 millones de suscriptores) dirige su actividad con Codex, y un empleado de OpenAI lo utiliza como asistente interno de edición de video. 🔗 Tweet

Qué significa esto

La escala de la infraestructura de IA cruza un nuevo umbral físico y financiero. El sitio de Ohio combina por sí solo 8 gigavatios-IT previstos, 35 000 empleos de construcción y un compromiso de cómputo OpenAI/NVIDIA estimado en 600 mil millones de dólares a horizonte 2030 — una obra que ahora se compara con proyectos industriales o energéticos nacionales más que con un simple data center. La mecánica de financiación revelada por NVIDIA (apoyo parcial de los pagos de alquiler y energía en lugar de financiación total) muestra también que incluso los laboratorios de IA más grandes deben apoyarse en montajes financieros específicos para absorber este nivel de gasto.

El alojamiento de código se convierte a su vez en un terreno de batalla agentica. Cursor lanza Origin para dejar de depender de GitHub en la infraestructura que hace funcionar sus agentes, GitHub responde con canvases para que los workflows agenticos sean controlables en lugar de perderse en el chat, y Replit añade pen tests black-box para que su propio Agent pueda corregir lo que detecta con un clic. En los tres casos, el objetivo converge: dar a los agentes un acceso directo y seguro al ciclo de vida del código, no solo a su generación.

El costo de la inferencia sigue bajando más rápido de lo que aumentan las capacidades. DeepSeek V4 Pro procesa DeepSWE 35 veces más barato que GPT-5.6 Sol, Yutori Navigator funciona de 4 a 5 veces más barato que los modelos de referencia, y el propio GPT-5.6 Sol avanza del 13,3 % al 38,3 % en ARC-AGI-3 consumiendo 6 veces menos tokens — la misma semana en que Tri Dao subraya en ICML que los modelos abiertos están cerrando la brecha de calidad en pocos meses. El asignador GPU bajo restricción de Dharma-AI añade una dimensión complementaria: parte de esas ganancias ya no proviene del modelo sino de la programación de los propios clusters.

Por último, el rigor técnico vuelve a ser un argumento de comunicación en sí mismo. GitHub multiplica por 15 el caudal de su búsqueda de código retirando código en lugar de añadirlo, y OpenAI detalla cómo una auditoría de seguridad con GPT-5.6 Sol corrigió 13 fallos reales en una hora — dos maneras distintas de mostrar, con cifras en mano, que la ingeniería detallada sigue siendo lo que distingue un anuncio de producto de una demostración de competencia.