25 de agosto de 2026

Cómo evitar que Instagram use tus datos para entrenar su IA publicitaria

Interfaz de Instagram Reels mostrando la nueva experiencia de vídeos cortos optimizada para el mercado de India

Instagram lleva más de un año usando los datos de actividad de sus usuarios —fotos publicadas, interacciones, comportamiento de navegación— para entrenar los modelos de inteligencia artificial que mejoran su sistema de publicidad personalizada. Para los usuarios de la UE, la legislación obliga a Meta a ofrecer una opción de exclusión. Para los usuarios de EE.UU. y el resto del mundo, la opción existe pero está enterrada en los ajustes de privacidad y requiere saber exactamente dónde buscar.

Engadget publicó hoy una guía paso a paso para desactivar esta función. La reproducimos adaptada con el contexto que falta en muchas explicaciones similares: qué significa exactamente lo que estás desactivando, qué sí pueden seguir haciendo y qué no.

¿Qué hace exactamente Instagram con tus datos para IA?

Meta usa los datos de actividad en Instagram para dos propósitos relacionados pero distintos. El primero es la personalización del feed y la publicidad en tiempo real: el sistema que decide qué ves cuando abres la app. Este proceso no se puede desactivar si quieres usar Instagram.

El segundo, que sí se puede restringir, es el uso de tus datos para entrenar modelos de IA que después se usan en la plataforma. Esto incluye tus fotos, vídeos, subtítulos y otros contenidos que has hecho públicos, así como información sobre cómo interactúas con la app. Meta usa esos datos para mejorar sus modelos de reconocimiento visual, generación de contenido con IA, traducción automática y otras capacidades.

¿Cómo se desactiva este uso de datos?

En iOS y Android, el proceso es el siguiente:

  1. Abre Instagram y ve a tu perfil (icono de persona en la esquina inferior derecha).
  2. Pulsa el menú de hamburguer (tres líneas) en la esquina superior derecha.
  3. Entra en Configuración y actividad (o simplemente Configuración en versiones más antiguas).
  4. Selecciona Privacidad.
  5. Busca la sección Usos de datos o IA generativa (el nombre varía según la versión).
  6. Busca la opción Cómo Meta usa tu información o Datos para IA.
  7. Activa la opción de No usar mis datos para entrenar IA.

En la versión web (instagram.com), el proceso es similar pero accesible desde el menú de Configuración > Privacidad > Control de la IA.

La opción puede no estar disponible en todas las cuentas o en todos los mercados simultáneamente. Si no la encuentras, Meta puede estar en proceso de desplegarla en tu región.

¿Qué pasa después de desactivarlo?

Meta deja de usar tus datos para los procesos de entrenamiento futuros. No revierte el entrenamiento que ya ocurrió con datos pasados: los modelos que Meta ya tiene entrenados no se borran. Para los datos que ya se usaron, la única forma de revertir el efecto sería que Meta borrara y reentrenara sus modelos sin ellos, lo que la empresa no hace (ni tiene incentivos para hacer).

Hay algo más importante que hay que entender: desactivar esta opción no reduce la publicidad personalizada que ves en Instagram. Meta puede seguir mostrando anuncios basados en tu actividad en la plataforma porque eso usa los datos en tiempo real para personalización, no para entrenamiento. El entrenamiento de modelos y la personalización en vivo son dos usos distintos de los datos, aunque ambos dependen de información similar.

¿Debo preocuparme por esto?

El debate sobre el uso de datos personales para entrenamiento de IA es legítimo pero frecuentemente mal enmarcado. El riesgo principal no es que tu foto de vacaciones acabe en el modelo de IA de Meta: es que el conjunto agregado de millones de datos de comportamiento permite a Meta construir modelos de predicción de comportamiento extraordinariamente precisos que dan al sistema una capacidad de influencia sobre lo que ves y cómo te comportas que los usuarios no perciben directamente.

Si te incomoda contribuir activamente a ese proceso, la opción de exclusión es el mecanismo disponible. No elimina la asimetría de información entre Meta y el usuario, pero sí reduce (marginalmente) tu contribución a los modelos que la generan. La conexión entre la acusación de la UE a TikTok por protección de menores bajo el DSA muestra que el vínculo entre datos de comportamiento y modelos de IA publicitaria es estructural en todo el sector, no exclusivo de Meta. La eliminación del cifrado de extremo a extremo en Instagram por parte de Meta en 2026 —prometido en 2019, eliminado cuando la IA de Meta necesitaba acceso a los datos— forma el contexto inmediato en el que esta guía cobra relevancia: Meta necesita datos de usuarios y ha demostrado voluntad de revertir compromisos de privacidad cuando conviene a sus modelos. Y la protección básica de los datos personales que el caso que podría costar miles de millones a TikTok por datos de menores tiene su equivalente en la app de Instagram: saber qué te están quitando y elegir si quieres o no.

¿Qué datos recoge Instagram más allá de tus publicaciones?

El alcance de los datos que Meta recoge de Instagram va mucho más allá de las fotos y vídeos que publicas. La app registra cuánto tiempo pasas viendo cada tipo de contenido, con qué velocidad haces scroll cuando algo no te interesa, qué cuentas visitas sin seguir, qué anuncios ves durante cuánto tiempo, desde qué dispositivos y redes te conectas, y en algunos casos información de ubicación si tienes el permiso activado. Esos datos de comportamiento son los que alimentan tanto el algoritmo de recomendación como los modelos de IA publicitaria: cada pausa de medio segundo sobre un tipo de contenido es una señal que el sistema usa para inferir intereses, estados emocionales y probabilidades de compra. La opción de exclusión del entrenamiento de IA que cubre este artículo es específica para el entrenamiento de modelos: detiene el uso de tus datos para mejorar los modelos futuros de Meta. No detiene la recopilación de esos datos de comportamiento ni su uso para personalización en tiempo real. Para reducir lo que Instagram sabe de ti de forma más integral, las opciones disponibles incluyen: usar la app con los permisos de ubicación desactivados, desactivar las cookies de seguimiento en la app para publicidad de terceros (en los ajustes de privacidad > Seguimiento), y revisar periódicamente las apps de terceros que tienen acceso a tu cuenta de Instagram (Configuración > Seguridad > Apps y sitios web).


La noticia Cómo evitar que Instagram use tus datos para entrenar su IA publicitaria fue publicada originalmente en Wwwhatsnew.com por Natalia Polo.


☞ El artículo completo original de Natalia Polo lo puedes ver aquí

Europa tiene por fin un cohete fiable, Ariane 6. Su gran evolución ha quedado aparcada con un viejo problema de fondo: el coste

Europa tiene por fin un cohete fiable, Ariane 6. Su gran evolución ha quedado aparcada con un viejo problema de fondo: el coste

Ariane 6 empieza a encontrarse en una posición que Europa llevaba tiempo esperando: deja de ser aquel cohete nuevo del que había que preguntarse qué ocurriría en el siguiente lanzamiento y empieza a convertirse en una herramienta de acceso al espacio con una trayectoria cada vez más estable. Eso debería simplificar las cosas, pero eso no siempre ocurre. Superada buena parte de la incertidumbre técnica inicial, vuelve a primer plano una discusión mucho más antigua y difícil de resolver. Europa necesita su propio lanzador, sí, pero mantenerlo, producirlo y hacerlo evolucionar tiene un precio considerable.

La gran mejora queda aparcada. La Agencia Espacial Europea ha confirmado que ya no contempla desarrollar Block 3, una importante evolución prevista para Ariane 6 y uno de cuyos elementos clave era ICARUS, una etapa superior aligerada mediante estructuras de materiales compuestos. La decisión no significa que el lanzador haya dejado de evolucionar: otras mejoras siguen en marcha o previstas. 

Ocho vuelos, una tendencia clara. La base para hablar de fiabilidad está en los resultados: Ariane 6 encadena ocho inserciones orbitales consecutivas desde su debut. Aquel primer vuelo, en julio de 2024, no fue perfecto, porque una anomalía en la unidad auxiliar de potencia impidió el tercer encendido del motor Vinci durante la fase de demostración, aunque las cargas principales ya habían sido desplegadas correctamente. Desde entonces, el cohete ha seguido acumulando misiones exitosas. La siguiente está prevista para el 27 de agosto, con MTG-I2, otro paso hacia una cadencia cada vez más normalizada.


Qué aportaba realmente Block 3. El salto que proponía esta evolución estaba sobre todo en la parte superior del vehículo. ICARUS debía reducir su masa mediante un uso amplio de estructuras de materiales compuestos, una vía con la que la ESA buscaba aumentar las prestaciones disponibles para misiones más exigentes. No era una mejora puramente teórica: una propuesta europea para explorar Encélado, la luna helada de Saturno, había sido planteada contando con una Ariane 64 más capaz basada en Block 3. 

El dinero entra en escena. En la ministerial de noviembre de 2025, la ESA había solicitado 304,4 millones de euros para el apartado de adaptaciones de Ariane 6, pero los Estados miembros comprometieron 145,94 millones. Quedaron sin cubrir 158,46 millones, un déficit del 52%, en la misma reunión en la que Block 3 no recibió luz verde. Ahora bien, la agencia no ha especificado qué desarrollos quedaron dentro de la parte sin financiar ni ha vinculado oficialmente esa brecha con la decisión sobre esta evolución.

Más vuelos exigen más dinero. Tener demanda no resuelve por sí solo la ecuación económica. Europa ha destinado aproximadamente 3.600 millones de euros al desarrollo de Ariane 6 y sus instalaciones de lanzamiento, a lo que se suma un apoyo público recurrente de entre 290 y 340 millones de euros anuales que, con nueve misiones. Y cualquier salto de cadencia obliga a ampliar la producción de prácticamente todo el vehículo, porque sigue siendo desechable. Esa cadena industrial tiene además una conexión directa con España: como hemos podido ver de primera mano, Airbus fabrica aquí componentes de Ariane 6, dentro de una industria española que participa directamente en los grandes programas espaciales europeos.

El futuro aún no está cerrado. La ESA quiere saber hasta dónde puede llevar la producción del lanzador y estudia escenarios de 12, 15 y hasta 20 vuelos anuales, por encima del objetivo actual de unas 10 misiones. Para llegar ahí no basta con tener clientes: habría que ampliar capacidad industrial y asumir nuevas inversiones en un cohete que debe fabricarse de nuevo para cada lanzamiento. Esa será una de las decisiones que marcarán la siguiente etapa del programa. 

Imágenes | Ariane Group 

En Xataka | Una vida en 300 días: los astronautas han vuelto muy distintos del espacio después de un largo periodo fuera del planeta


-
La noticia Europa tiene por fin un cohete fiable, Ariane 6. Su gran evolución ha quedado aparcada con un viejo problema de fondo: el coste fue publicada originalmente en Xataka por Javier Marquez .



☞ El artículo completo original de Javier Marquez lo puedes ver aquí

A partir de los 50, salir a caminar no basta: la ciencia y los expertos avisan de que la clave está en cómo lo haces

A partir de los 50, salir a caminar no basta: la ciencia y los expertos avisan de que la clave está en cómo lo haces

Caminar se ha coronado en las últimas décadas como el ejercicio rey para mantener una buena salud a medida que envejecemos. Tiene muchos beneficios, puesto que es gratis, no requiere equipamiento y el riesgo de lesión es mínimo, pero tampoco hay que caer en el hecho de que dar un paseo muy tranquilo sea suficiente para mantener a nuestro corazón siempre preparado. Y es que aquí los expertos apuntan a que hay que prestar atención a la técnica, el ritmo y la constancia a la hora de hacer este ejercicio. 

El mito de los 10.000 pasos. Durante años hemos estado obsesionados con la cifra mágica de los 10.000 pasos diarios que ha llegado a nuestros relojes inteligentes o nuestros móviles. Pero la evidencia científica más reciente ha ajustado este umbral, ofreciendo un panorama mucho más realista y alcanzable.

Aquí un gran estudio publicado por The Lancet demostró que en personas mayores de 60 años, el riesgo de muerte disminuye progresivamente hasta alcanzar una meseta entre los 6.000 y los 8.000 pasos diarios. De hecho, se ha visto que cada incremento de 1.000 pasos al día ya se vincula a una reducción de aproximadamente un 23% en el riesgo de mortalidad por cualquier causa. 

La constancia. Aunque se puede pensar que hay que andar todos los días sin fallo para poder tener un buen resultado, la realidad es que alcanzar apenas 4.000 pasos en solo 1 o 2 días a la semana ya se asocia con un 26% menos de mortalidad general y un 27% menos de muerte cardiovascular. Y si esto se eleva a 3 días por semana, la mortalidad cae hasta un 40%, por lo que podemos concluir que caminar un poco siempre es infinitamente mejor que no hacer nada. 

La velocidad. Aquí es donde mucha gente falla, puesto que los estudios científicos advierten que el ritmo de la marcha predice el riesgo de enfermedad cardiovascular de una forma mucho más tajante que la cantidad de pasos que se den en el día a día. Si concretamos más, andar a unos 4,8 km/h se ha asociado en adultos a una reducción de casi el 50% del riesgo de sufrir una cardiopatía o ictus, en comparación con aquellos que caminan a un ritmo más lento. 

De esta manera, las recomendaciones actuales se centran en la necesidad de caminar "a paso vivo" durante unos 30 minutos al día, cinco días a la semana. 

La biomecánica. Además de mantener cierta constancia y una velocidad adecuada, también es importante tener en cuenta diferentes puntos, como por ejemplo tener el tronco erguido, puesto que caminar mirando al suelo fomenta una postura encorvada. Esto no solo genera tensión en las zonas cervical y lumbar, sino que reduce la expansión torácica, por lo que mejora la mecánica respiratoria, permitiéndonos oxigenar mejor y mantener un ritmo vivo sin ahogarnos. 

La elevación de las rodillas también es fundamental, puesto que cuando envejecemos tendemos de manera instintiva a arrastrar un poco los pies y dar pasos más cortos, lo que "apaga" la musculatura de la cadera. Es por ello que alargar conscientemente el paso y elevar ligeramente las rodillas activa fuertemente los glúteos y los cuádriceps, músculos fundamentales para prevenir caídas y ganar estabilidad. 

Imágenes |  Emma Simpson

En Xataka | Millones de adolescentes han convertido a la IA en su psicólogo de cabecera. Es un reto sin precedentes para la medicina

-
La noticia A partir de los 50, salir a caminar no basta: la ciencia y los expertos avisan de que la clave está en cómo lo haces fue publicada originalmente en Xataka por José A. Lizana .



☞ El artículo completo original de José A. Lizana lo puedes ver aquí

Plantamos árboles en las ciudades para limpiar el aire, pero algunos de los que elegimos hacen lo contrario

Plantamos árboles en las ciudades para limpiar el aire, pero algunos de los que elegimos hacen lo contrario

La idea de que plantar árboles en las ciudades mejora la calidad del aire es tan intuitiva que pocas veces se cuestiona. Los árboles fijan CO₂, producen oxígeno, crean sombra que reduce el efecto isla de calor y hacen que los parques y bulevares sean más agradables. Todo esto es correcto. El problema es que esa afirmación genérica ignora una variable crítica: qué especie se planta.

La ciencia lleva décadas acumulando evidencia de que algunas especies arbóreas —muchas de las cuales son populares en la arboricultura urbana precisamente porque crecen rápido, toleran la contaminación o tienen buena tolerancia a la sequía— emiten compuestos orgánicos volátiles biogénicos (COVs) que, bajo ciertas condiciones atmosféricas, reaccionan con los contaminantes del tráfico para formar ozono troposférico y aerosoles orgánicos secundarios. Ambos son perjudiciales para la salud respiratoria y contribuyen a la contaminación del aire en lugar de reducirla.

¿Qué árboles son problemáticos y por qué?

Los emisores de COVs más conocidos incluyen algunas especies de álamos (Populus spp.), robles (Quercus spp.) —especialmente los de hoja perenne—, varios eucaliptos y algunos tilos. El químico principalmente implicado es el isopreno, que las plantas sintetizan como mecanismo de protección ante el calor y el estrés oxidativo. El isopreno es inofensivo en un bosque mediterráneo alejado de contaminación vehicular. En el centro de una ciudad con alta concentración de óxidos de nitrógeno emitidos por el tráfico, el isopreno reacciona fotoquímicamente para producir ozono.

El efecto neto depende de la concentración de contaminantes preexistentes, la temperatura, la irradiación solar y la densidad de plantación. En ciudades con alta contaminación por tráfico y veranos calurosos —Madrid, Barcelona, Roma, Atenas— el problema es especialmente relevante. En ciudades más frías o con menor densidad de tráfico, el balance puede seguir siendo positivo incluso con especies de alta emisión de isopreno.

¿Significa esto que plantar árboles es malo?

No. Significa que plantar los árboles equivocados en el lugar equivocado puede ser peor que no plantar nada, y que el debate sobre arborización urbana necesita ser más específico. Las guías municipales de plantación que simplemente enumeran «cuántos árboles plantar» sin especificar qué especies y dónde están perdiendo una variable crucial.

Las especies de baja emisión de isopreno con buen rendimiento en entornos urbanos incluyen variedades de platanero (Platanus × acerifolia, el plátano de sombra que domina los bulevares europeos), el olivo, los frutales de bajo crecimiento y varios arces de hoja caducifolia. Estos árboles ofrecen los beneficios de sombra, absorción de polvo y reducción del ruido sin el coste de la química del ozono.

La situación se complica porque las ciudades no eligen solo por botánica: eligen también por coste, disponibilidad en viveros locales, expectativa de vida del árbol, resistencia a plagas, valor estético y presupuesto de mantenimiento. El chopo o el eucalipto que un ayuntamiento planta porque es barato y crece rápido puede estar haciendo más daño que bien a los pulmones de sus vecinos.

¿Qué está haciendo la investigación al respecto?

El campo de la arboricultura urbana sensible a la calidad del aire está produciendo herramientas prácticas para los gestores de ciudades. Proyectos como el sistema i-Tree de la Sociedad Internacional de Arboricultura permite calcular el balance de servicios ecosistémicos de diferentes especies en función de la ubicación geográfica, la densidad de tráfico y las condiciones climáticas locales. Las ciudades que están modernizando sus planes de arborización —Londres, Copenhague, Singapur— están incorporando métricas de emisión de COVs junto a las tradicionales de captura de CO₂.

El balance neto de los árboles urbanos sigue siendo positivo cuando se hace bien. Los beneficios de la sombra para reducir la demanda de climatización, la reducción de la velocidad del viento en invierno, la absorción de partículas PM10 y PM2,5 y el efecto sobre el bienestar psicológico de los habitantes superan en la mayoría de los casos el coste de las emisiones de COVs. Pero «se hace bien» no es equivalente a «se planta cualquier árbol en cualquier sitio». La inversión en formación de técnicos municipales de jardinería que entiendan esta química es tan importante como la inversión en árboles mismos. La misma lógica de las consecuencias no previstas aplica en múltiples frentes tecnológicos: el plan quinquenal de China para llevar robots humanoides a hogares y comercios asume beneficios sistémicos sin calcular los costes de fricción social, igual que las campañas de arborización asumen beneficios ambientales sin evaluar qué especie concreta emite qué compuesto en qué contexto. La energía solar que desplaza aves, los árboles que generan ozono. Las soluciones simples a problemas complejos suelen tener consecuencias no previstas. La fatiga ocular causada por horas de pantalla en entornos urbanos con aire de baja calidad tiene una dimensión de salud pública que conecta directamente con la calidad del aire exterior que respiramos al salir a la calle. Y la la IA aplicada a problemas reales en 2026 está acelerando exactamente el tipo de análisis de datos ambientales que permite identificar qué árbol planta qué compuesto volátil en qué condición climática: sensores en tiempo real, modelos de dispersión atmosférica y mapeo de VOCs por especie son aplicaciones concretas donde la IA ya produce resultados medibles.

¿Qué hacen bien las ciudades que aciertan con su arboricultura?

Las ciudades con programas de arboricultura urbana que incorporan criterios de calidad del aire junto a los tradicionales de cobertura de sombra y valor estético tienden a compartir algunas prácticas. Primero: usan listas de especies aprobadas basadas en estudios locales de emisión de COVs, no listas genéricas de «árboles adecuados para zonas urbanas». Segundo: mapean las áreas de alta contaminación por tráfico antes de decidir dónde plantar, para evitar introducir especies de alta emisión de isopreno precisamente donde el problema es mayor. Tercero: priorizan especies nativas de baja emisión que también ofrecen servicios ecológicos para la fauna local, en lugar de especies exóticas que pueden tener mejor comportamiento en ciertas métricas pero ser menos valiosas para el ecosistema urbano. Singapur, reconocida como la ciudad con el programa de naturalización urbana más avanzado del mundo, tiene una lista de 2.000 especies de árboles y arbustos con evaluación de múltiples parámetros incluyendo la química de emisiones volátiles. Ese nivel de granularidad es aspiracional para la mayoría de municipios españoles, que frecuentemente toman decisiones de plantación basadas en lo que está disponible en el vivero municipal más cercano. La brecha entre lo que la ciencia sabe sobre arboricultura óptima y lo que se practica en la mayoría de ciudades es significativa y redunda en costes de salud pública que no se contabilizan en los presupuestos de parques y jardines.




☞ El artículo completo original de Natalia Polo lo puedes ver aquí

Tenía Silicon Valley a sus pies. Prefirió volver a China y crear la IA que le hace sombra a EEUU

Tenía Silicon Valley a sus pies. Prefirió volver a China y crear la IA que le hace sombra a EEUU

Yang Zhilin es uno de los científicos expertos en inteligencia artificial (IA) más importantes de China. Ahora mismo es razonable incluso considerarlo el más relevante de esta nación asiática debido a que es el principal responsable de Kimi K3, la IA china que ha conseguido pelear de tú a tú con los modelos más avanzados de OpenAI o Anthropic. La historia de Zhilin está marcada por el éxito desde el principio, pero lo que a menudo se pasa por alto es que las grandes tecnológicas estadounidenses pelearon entre ellas para ficharlo.

Unos apuntes biográficos breves para meternos en harina. Yang Zhilin, de 34 años, nació en Shantou, provincia de Guangdong (China), y se formó en Ciencias de la Computación en la prestigiosa Universidad de Tsinghua, en Pekín, un centro de enseñanza e investigación considerado "el MIT chino". Cuando concluyó su licenciatura decidió complementar su formación en EEUU, así que consiguió que lo aceptasen en un programa de doctorado en la Universidad Carnegie Mellon, en Pittsburgh (Pensilvania).

Durante sus años de formación en China, Zhilin exploró varias áreas de la informática, como la teoría de grafos o el aprendizaje multimodal, pero no se volcó definitivamente en la IA hasta que sus mentores en Carnegie Mellon, Ruslan Salakhutdinov (excientífico jefe de IA en Apple) y William Cohen, le animaron a focalizar su esfuerzo en los modelos de lenguaje. Este es el momento en el que su historia se pone realmente interesante. Y es que Zhilin fue uno de los artífices de Transformer-XL y XLNet, las dos arquitecturas de procesamiento del lenguaje natural que han desencadenado la explosión de la IA que estamos viviendo.

De Transformer-XL a Kimi K3

Los transformers de los que con tanta frecuencia oímos hablar en el ámbito de la IA son una arquitectura diseñada para conseguir que una máquina pueda entender las relaciones que existen entre las palabras o las diferentes partes de una información. Su propósito es identificar cuáles son realmente importantes para interpretar el conjunto de los datos que están siendo procesados. Los transformers fueron desarrollados por varios investigadores de Google, entre los que se encuentran Ashish Vaswani, Noam Shazeer, Niki Parmar o Łukasz Kaiser, entre otros.

El corazón de los transformers es el mecanismo de atención, que, muy a grandes rasgos, permite a un modelo identificar qué palabras de una frase debe evaluar para comprender qué relaciones existen entre ellas y cuál es el significado de cada una de ellas, así como del conjunto. El problema de esta estrategia es que el contexto de los transformers estaba limitado a una ventana de tokens, por lo que cuando el modelo procesaba un nuevo fragmento de texto estaba restringido por la imposibilidad de acceder a la información que había quedado fuera de esa ventana.

El mecanismo de atención permite a un modelo identificar qué palabras de una frase debe evaluar para comprender qué relaciones existen entre ellas

Yang Zhilin y varios de sus colegas en Carnegie Mellon resolvieron esta limitación de un plumazo proponiendo una especie de memoria entre segmentos con Transformer-XL. Y poco después junto a otros colaboradores desarrolló XLNet, una arquitectura que permite a un modelo predecir palabras a partir de diferentes órdenes de permutación. Estos dos trabajos fueron fundamentales en el desarrollo de la IA tal y como la conocemos, por lo que Zhilin pudo hacer estancias para seguir investigando en Google Brain y Meta, y cuando acabó su doctorado las grandes tecnológicas estadounidenses se lo rifaron.

Pero Zhilin no tenía intención de quedarse en EEUU. Había viajado allí para completar su formación, y una vez que la dio por concluida decidió regresar a China con el propósito de fundar su propia empresa de IA. Fue exactamente lo que hizo. Nada más regresar a China participó en dos proyectos nacionales esenciales: PanGu, de Huawei, y WuDao, de la Academia de Inteligencia Artificial de Pekín. Y en marzo de 2023 cofundó Moonshot AI junto a dos de sus antiguos compañeros en la Universidad de Tsinghua.

El resto es historia. En julio de 2026 Moonshot AI lanzó Kimi K3, un modelo de IA de 2,8 billones de parámetros con pesos abiertos y capaz de competir con los principales modelos cerrados de EEUU, como Claude Opus 4.8 de Anthropic o GPT-5.5 de OpenAI, quedando solo por detrás de los más recientes Claude Fable 5 y GPT-5.6 Sol. Zhilin ha sido utilizado por algunos inversores estadounidenses como el símbolo del debate sobre la fuga de talento en EEUU propiciada por la política migratoria de la Administración Trump, que, según ellos, está empujando a los mejores cerebros de vuelta a China.

Imagen | Weibo (procesada con Gemini)

En Xataka | Los dos ajustes invisibles que deciden si tu IA acierta o desvaría

En Xataka | "Ya estamos en la singularidad de la IA": Sam Altman, CEO de OpenAI

-
La noticia Tenía Silicon Valley a sus pies. Prefirió volver a China y crear la IA que le hace sombra a EEUU fue publicada originalmente en Xataka por Laura López .



☞ El artículo completo original de Laura López lo puedes ver aquí