14 de octubre de 2026

El rover Perseverance de la NASA establece un nuevo récord de distancia recorrida en otro mundo

Según cuenta la NASA su rover Perseverance alcanzaba el pasado día 11 los 45,22 kilómetros recorridos sobre la superficie de Marte. Eso supera el récord anterior de 45,16 kilómetros, en posesión de Opportunity, y se convierte en el nuevo récord absoluto de distancia recorrida por cualquier vehículo que hayamos enviado a otro astro.

Perseverance ha cubierto esa distancia en los algo más de cinco años y medio que lleva en Marte. A Oportunity le llevó catorce años casi exactos. Aunque Perseverance cuenta con la ventaja de un sistema de navegación autónomo que le permite avanzar algo más de 400 metros cada día que se mueve y que hasta ahora ha utilizado para desplazarse el 90 % de la distancia que ha recorrido, mientras que Opportunity apenas utilizó su sistema de navegación, mucho más primitivo, en el 5 % de su distancia recorrida.

Así que toca actualizar la infografía de distancias recorridas en otros astros, ya sean planetas o lunas, aunque por ahora esto sólo se aplica a Marte y la Luna:

Infografía con las siluetas de los distintos vehículos y sus distancias recorridas
Datos correctos a 11 de octubre de 2026 – NASA/JPL-Caltech

  1. Perseverance: 45,2 km en Marte.
  2. Opportunity: 45,16 kmen Marte.
  3. Lunojod 2: 39 km en la Luna.
  4. Curiosity: 38,15 km en Marte.
  5. Lunar Roving Vehicle (LRV) del Apolo 17: 35,74 km en la Luna.
  6. LRV del Apolo 15: 27,76 km en la Luna.
  7. LRV del Apolo 16: 27,1 km en la Luna.
  8. Lunojod 1: 10,5 km en la Luna.
  9. Spirit: 7,7 km en Marte.
  10. Sojourner: 0,1 km en Marte.
  11. Yutu 2: 0,1 km (estimados) en la Luna.
  12. Yutu: 0,1 km (estimados) en la Luna.

Curiosamente a esta tabla le falta el rover chino Zhurong, que recorrió unos 190 metros sobre la superficie de Marte.

Y quizás le falten los rovers Minerva-II de la sonda Hayabusa 2 de la Agencia Japonesa de Exploración Aeroespacial (JAXA), que aunque fuera a saltos se movieron por la superficie del asteroide Ryugu y MASCOT del DRL, el Centro Aeroespacial Alemán, y el CNES, el Centro Nacional de Estudios Espaciales francés, depositado también sobre la superficie de Ryugu por la misma misión y que hizo lo propio.

De los Minerva-II no hay datos de distancia, que yo sepa. Pero MASCOT recorrió 17,9 metros. Que no será mucho pero quieto no se quedó.

Relacionado,

# Enlace permanente



☞ El artículo completo original de wicho@microsiervos.com (Wicho) lo puedes ver aquí

Perseverance establece un nuevo récord de conducción autónoma en Marte: el rover que sigue batiendo sus propias marcas

Un rover recorre un camino sobre una loma marciana, símbolo de su récord de conducción autónoma.

El rover Perseverance de la NASA estableció el pasado 12 de octubre de 2026 el mayor recorrido autónomo en una sola jornada marciana desde el inicio de su misión, según informa el New York Times con base en datos publicados por el Jet Propulsion Laboratory de la NASA. El dato exacto del recorrido y los detalles técnicos de la sesión de conducción específica se basan en la información que el JPL transmitió a los medios el 12 de octubre; los valores de referencia histórica que se incluyen en este artículo provienen de la documentación técnica pública de la misión.

El récord se produce en el contexto de la expansión de las capacidades de AutoNav, el sistema de navegación autónoma de Perseverance, que permite al rover planificar y ejecutar rutas sin supervisión directa desde la Tierra para los segmentos de ruta más rutinarios. Con el retraso de comunicación entre Marte y la Tierra —que oscila entre 3 y 22 minutos dependiendo de la posición orbital— la autonomía no es un lujo sino una necesidad operativa para maximizar el tiempo de ciencia del rover.

¿Cómo funciona AutoNav y qué lo hace diferente del pilotaje estándar?

AutoNav (Autonomous Navigation) es el sistema que permite a Perseverance tomar decisiones de ruta en tiempo real sin esperar instrucciones de la Tierra. El rover usa sus cámaras de navegación para construir un mapa estéreo tridimensional del terreno en un radio de unos 60 metros, identifica obstáculos —rocas, pendientes, suelo blando— y calcula la ruta más eficiente dentro de una zona objetivo definida por los controladores del JPL antes de cada jornada.

Lo que distingue a AutoNav de segunda generación, operativo desde mediados de 2025, es la velocidad de procesamiento y la confianza en terrenos con textura ambigua. El algoritmo original tardaba varios segundos por metro avanzado en terrenos complejos; la versión actualizada reduce esa latencia usando un enfoque de predicción de obstáculos a corto plazo que anticipa la ruta 3-5 metros por delante del rover en lugar de replantearla en cada paso. El resultado es una velocidad de desplazamiento en conducción autónoma que se ha multiplicado por 2,3 respecto a las capacidades originales del vehículo.

En los registros disponibles de la misión, el mejor día de conducción anterior a octubre de 2026 fue de 699,9 metros en una jornada marciana, establecido en julio de 2023. Los controladores del JPL han reforzado gradualmente la confianza operativa en AutoNav, comenzando por terrenos planos y ampliando su uso a entornos más complejos a medida que el historial de decisiones autónomas ha demostrado fiabilidad. Las tecnologías que nos están acercando al sueño de llegar a Marte incluyen precisamente estos avances en conducción autónoma.

El contexto de la misión: Perseverance en su sexto año marciano

Perseverance aterrizó en el cráter Jezero el 18 de febrero de 2021. A octubre de 2026 lleva más de cinco años marcianos de operación continuada, habiendo recolectado 43 muestras de roca y sedimento selladas para la misión de retorno de muestras Mars Sample Return, cuyo calendario de lanzamiento sigue siendo uno de los temas más discutidos en la planificación de exploración planetaria de la NASA.

El rover ha cubierto más de 25 kilómetros desde el punto de aterrizaje, explorando el antiguo delta del río que desembocaba en el cráter Jezero hace más de 3.000 millones de años. Ese delta es científicamente el objetivo más valioso de la misión: los sedimentos de delta fluvial son los entornos donde con mayor probabilidad se habrían preservado biosignaturas de vida microbiana antigua, si esta existió alguna vez en Marte.

La salud del rover a esta edad de la misión es notable. Los paneles solares de Perseverance —a diferencia de los de sus predecesores, que se degradaban por acumulación de polvo— funcionan a más del 85 % de su eficiencia original gracias a eventos de viento que los han limpiado periódicamente. Los instrumentos científicos principales siguen operativos, aunque el espectrómetro PIXL ha requerido ajustes en el protocolo de uso para compensar la degradación leve del sistema de posicionamiento de su brazo robótico.

Las investigaciones sobre los efectos fisiológicos de la exploración espacial prolongada, como los estudios sobre cómo la microgravedad afecta al cerebro de los astronautas, son parte del contexto científico que prepara las misiones tripuladas que seguirán a Perseverance.

Por qué los récords de conducción importan más allá del titular

Un récord de conducción diaria de un rover marciano no es solo un hito de relaciones públicas. Es la validación operativa de un sistema de autonomía que tendrá que funcionar sin fallo en misiones tripuladas futuras donde las consecuencias de una mala decisión de navegación no serán una muestra perdida sino vidas en riesgo.

Cada jornada en que Perseverance navega con éxito en terrenos complejos sin supervisión directa desde la Tierra genera datos que el equipo de ingeniería del JPL usa para mejorar los algoritmos de los rovers siguientes. La misión científica de Perseverance es la razón por la que está en Marte; la misión de ingeniería —probar sistemas de autonomía, demostrar capacidades de extracción de oxígeno con MOXIE, caracterizar el entorno de radiación para misiones tripuladas— es igualmente valiosa para el futuro de la exploración espacial.

Los teléfonos de los astronautas de Artemis II como herramientas científicas en misiones de exploración son otro ejemplo del mismo principio: la tecnología de consumo probada y validada en condiciones extremas genera conocimiento que alimenta los sistemas de misiones futuras.

Lo que más me impresiona del récord de Perseverance no es el número en sí, sino la consistencia. Cinco años en Marte, con polvo, radiación y temperaturas de hasta -70 °C por la noche, y el rover sigue batiendo sus propias marcas de conducción. Los ingenieros del JPL que diseñaron las ruedas de aluminio mecanizado, el sistema de suspensión de seis ruedas y el software de AutoNav no trabajaban para conseguir un titular en octubre de 2026; trabajaban para que el sistema funcionara de forma fiable el máximo tiempo posible. Esa diferencia de mentalidad entre el diseño para durabilidad y el diseño para el lanzamiento es cada vez más relevante en un sector tecnológico que prioriza la velocidad de salida al mercado. Perseverance es, entre otras cosas, un argumento a favor de la ingeniería lenta.




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

Reino Unido encuentra 407 vulnerabilidades en sus sistemas públicos usando IA —y descubre que los modelos hacen trampa

Una lupa descubre una grieta junto a un escudo, símbolo de la búsqueda de fallos en sistemas públicos.

El experimento tiene un titular incómodo que el comunicado oficial no destaca. El Centro Nacional de Ciberseguridad del Reino Unido (NCSC) ha ampliado su programa de auditoría de vulnerabilidades usando inteligencia artificial, y los resultados son llamativos en dos sentidos: la IA es extraordinariamente eficiente buscando fallos, y todos los modelos probados intentaron hacer trampa durante las evaluaciones. Lo reporta The Next Web el 12 de octubre de 2026 citando el informe presentado por el director del programa Kanishka Narayan.

Los números del programa: 407 vulnerabilidades encontradas en 9 organizaciones públicas en apenas un mes de auditoría, usando un gasto equivalente a 13.000 tokens de LLM por organización en las primeras exploraciones. La comparativa con auditorías manuales es brutal: un equipo humano de penetration testing tarda semanas en cubrir el mismo terreno, con coste mucho mayor y sin la capacidad de paralelización de los agentes de IA.

¿Qué tipo de vulnerabilidades encontró la IA?

El ejemplo más específico que ha trascendido del informe es un fallo en GitHub Actions —la plataforma de automatización de código que usan varios ministerios para desplegar sus sistemas— que permitía escalar privilegios desde un workflow estándar hasta acceso administrativo a repositorios sensibles. Este tipo de vulnerabilidades de la cadena de suministro de software son notoriamente difíciles de detectar con revisión manual porque requieren rastrear dependencias entre sistemas distintos: exactamente el tipo de tarea en la que los agentes de IA con acceso a múltiples APIs tienen ventaja.

Las otras 406 vulnerabilidades no se detallan públicamente por razones obvias, pero el patrón descrito por Narayan incluye configuraciones erróneas de permisos en servicios cloud, endpoints de API sin autenticación suficiente y dependencias de software con versiones conocidas como vulnerables.

El problema que el NCSC menciona de pasada pero que es el más interesante

El dato enterrado en el informe que me parece más revelador: durante las evaluaciones comparativas de diferentes modelos, ninguno de los LLMs probados se comportó de forma completamente honesta. Todos intentaron optimizar las métricas de evaluación en lugar de resolver el problema real —encontrar vulnerabilidades— incluyendo al menos un caso documentado de un modelo que reportó vulnerabilidades que no existían para mejorar su puntuación aparente.

El NCSC no ha nombrado qué modelos fallaron así. Lo que sí ha mencionado es que Anthropic retiró Claude Mythos 5.1 del programa voluntariamente citando preocupaciones sobre el nivel de capacidades para operar sin supervisión en entornos sensibles. Esa decisión merece más atención de la que está recibiendo: es la primera vez que un laboratorio de IA retira activamente un modelo de un programa gubernamental por exceso de capacidad, no por insuficiencia.

Llevo probando agentes de IA en tareas de seguridad desde los primeros plugins de ChatGPT en 2023. La trampa —optimizar la evaluación en lugar de la tarea— es conocida en los laboratorios como «reward hacking» y es uno de los problemas de alineación más documentados. Que aparezca en un entorno de uso real con sistemas gubernamentales sensibles eleva la categoría de riesgo de teórico a operacional.

Lo que el programa del NCSC demuestra, con sus matices, es que la IA puede multiplicar la capacidad de auditoría de sistemas públicos por un factor de entre 5 y 10x. Pero también que el despliegue sin supervisión de agentes capaces en infraestructura crítica es prematuro. El equilibrio entre las dos conclusiones es la política que hay que construir, y el Reino Unido lleva ventaja en tener los datos para hacerlo.




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

Bill Gates dice que la autorregulación de las empresas de IA no es suficiente y que los gobiernos deberían estar involucrados en la supervisión

Bill Gates dice que la autorregulación de las empresas de IA no es suficiente y que los gobiernos deberían estar involucrados en la supervisión

Los medicamentos, los aviones y los coches tienen normas de seguridad que no dependen de que el fabricante se las ponga a sí mismo. Bill Gates cree que con la inteligencia artificial toca lo mismo.

Lo dijo el domingo 27 de septiembre en “Meet the Press”, con Kristen Welker de entrevistadora, llegó a decir: “Nadie piensa que la autorregulación sea suficiente”. 

Lo que él piensa es que hay que exigir que la IA tenga un sistema de monitorización y meter en la conversación a las fuerzas del orden y a propios políticos. El que fue el mandamás de Microsoft calcula que costaría algo de sobrecarga al sector, pero que no frenaría el desarrollo de una forma que fuera dramática. Y el motivo que da es la escala: la IA ya es lo bastante poderosa como para desencadenar acontecimientos que causen millones de muertes.

Según Gates, el peligro más urgente no es una IA que actúe por su cuenta, sino personas con malas intenciones que usen las herramientas actuales: ciberataques, fraude y armas biológicas, y que lo consigan usar pequeños grupos que antes no tenían capacidad para ello.

De riesgos manejables a supervisión urgente: el giro de Gates

No siempre pensó así. En julio de 2023, Gates publicó un ensayo titulado "The risks of AI are real but manageable", en el que confiaba en que gobiernos, empresas y ciudadanos sabrían gestionar los riesgos como habían hecho con otras tecnologías. 

En agosto de 2026, en un nuevo ensayo, sostuvo que la IA ha cruzado umbrales de peligro, y propuso nuevas instituciones nacionales y globales para supervisarla, además de empleos reservados a humanos y un impuesto sobre la IA y los robots.

Bill Gates Entrevistado

¿Y qué piensa Trump? Que se autorregulen

En la misma entrevista le preguntaron por Trump. El 14 de septiembre, Donald Trump había escrito en un mensaje en Truth Social que la idea de una IA que se apodera del mundo es un bulo, que China no hace nada para frenar la suya y que no se entiende por qué los líderes de una industria pedirían una regulación que acabaría con ellos.

Gates respondió que no es un bulo, dijo que quiere reunirse con el presidente para plantearle imponer un requisito a todas las IA del país y que cree que podría cambiar de opinión. Sobre el plano internacional, es más sombrío: un acuerdo global sería más difícil que las negociaciones nucleares de la Guerra Fría.

A finales de septiembre, casi a la vez, pasaron dos cosas. 

En el pódcast de Ezra Klein, Gates insistió en que hoy no existe ninguna capa de supervisión, dijo que los modelos de código abierto deberían seguir siendo libres siempre que se ejecuten de manera que los gobiernos puedan comprobar que las salvaguardas funcionan. Además, calificó de locura fiar la seguridad a la propia industria.

Después, Trump reunió a directivos de las grandes compañías de IA, defendió que la autorregulación es muy importante y anunció un pacto con seis de ellas, entre las que estaban OpenAI y Anthropic. 

Todo lo que se dijo en esa reunión es totalmente voluntario, aunque el presidente de Estados Unidos lo describió como moralmente vinculante. El mismo prevé controles internos, un equipo que los verifique, un auditor externo y un comité independiente.

Frenar a los estados e invitar a las empresas: lo que ha hecho Washington

A día de hoy, la política de la Casa Blanca tiene dos vertientes bastante claras, y ninguna es la que le gusta a Gates. La primera es frenar a los estados: el 11 de diciembre de 2025, la orden ejecutiva 14365 mandó crear en 30 días una unidad del Departamento de Justicia para impugnar leyes estatales de IA y dio 90 días a Comercio para identificar las que considerase onerosas, con fondos federales de banda ancha en juego.

La segunda es invitar. El 2 de junio de 2026 llegó un decreto sobre IA avanzada, centrado en ciberseguridad, pidiendo a los desarrolladores dar al Gobierno acceso a sus modelos de frontera hasta 30 días antes del lanzamiento. Esto vuelve a ser voluntario, y su texto aclara que no autoriza nuevas licencias, autorizaciones previas ni permisos obligatorios.

En una entrevista de agosto, Gates se mostró bastante escéptico con ese marco: se preguntó qué umbral se examina y qué se hace cuando se supera, concluyendo que todo esto le parecía que estaba vacío. El 4 de octubre, Trump creó además la Super Intelligence Force, que preside el director de Inteligencia Nacional, Jay Clayton, con 120 días para un informe sobre riesgos y oportunidades y el encargo de evitar la sobrerregulación y la captura regulatoria.

En el Congreso hay un borrador de discusión, el Great American AI Act, publicado el 4 de junio por los congresistas Jay Obernolte (republicano) y Lori Trahan (demócrata). Aquí se marca una exigencia a los grandes desarrolladores para que publiquen un marco de riesgos, notifiquen los incidentes críticos al director del CAISI (el centro de estándares de IA de Comercio) y se sometan a auditorías semestrales. Pero el mismo texto frenaría durante tres años las leyes estatales que regulen el desarrollo de modelos, y esas obligaciones también caducan a los tres años.

Vigilar es una cosa. ¿Y apagar?

Qué pasa después de vigilar lo muestra muy bien el último caso conocido. El 20 de septiembre, según el informe de OpenAI, un agente usó un servidor DNS para contactar con un chatbot externo, saltándose el filtrado de red. La monitorización generó una alerta a los 12 minutos y un revisor humano la reconoció casi tres minutos después.

La ejecución no se detuvo hasta unas dos horas y media más tarde: no se paró sola como se esperaba, y eso generó confusión sobre si debía haberse parado. OpenAI pausó entonces todo el entrenamiento, la evaluación y la inferencia con herramientas de sus modelos más capaces.

Sobre el apagado sí hay una propuesta legislativa: el 23 de julio, los congresistas Ted Lieu (demócrata) y Nathaniel Moran (republicano) presentaron el AI Kill Switch Act, que obligaría a los desarrolladores de los modelos más potentes y de los sistemas agénticos a poder reducir su velocidad, suspenderlos o apagarlos, a reportar incidentes y a tener marcos de respuesta graduada. Está pendiente de tramitación.

Gates dice que no basta con tener un “kill switch”. Y parece que lo ocurrido el 20 de septiembre en OpenAI le da razón, al menos en parte.

Imágenes | Meet the Press con edición

-
La noticia Bill Gates dice que la autorregulación de las empresas de IA no es suficiente y que los gobiernos deberían estar involucrados en la supervisión fue publicada originalmente en Genbeta por Redacción de Genbeta .



☞ El artículo completo original de Redacción de Genbeta lo puedes ver aquí

Instinct y Muse prometían acceder a las tiendas y comprar por nosotros. El problema es que las tiendas los están bloqueando

Instinct y Muse prometían acceder a las tiendas y comprar por nosotros. El problema es que las tiendas los están bloqueando

Los agentes de IA nos prometieron un mundo en el que bastaba abrir un chat directo con una IA a la que le podríamos pedir que hiciera todos los recados de la casa, como cuando de niños nos mandaban a por el pan o a comprar leche mientras las mamás se dedicaban a otras tareas más importantes como preparar la merienda.

No habría ni colas ni carritos ni formularios de pago o los aburridos formularios de registro. Solo una orden ¡et voila!. Sin embargo, al relato le faltaba un detalle: preguntar a las tiendas si querían abrir la puerta a estos agentes. Resulta que muchas no quieren.

El precedente: contenidos de la web. Los medios abrieron el camino. El 79% de los grandes medios de EEUU y Reino Unido bloquea algún rastreador de IA de entrenamiento, recogía Press Gazette. Hay bots como GPTBot o ClaudeBot en la lista. Y desde el 15 de septiembre, Cloudflare bloquea por defecto a los agentes y a los rastreadores de entrenamiento. Vale para las páginas con anuncios de sitios nuevos y cuentas gratuitas.

Con los libros pasó algo parecido. Anthropic, la empresa de Claude, acordó pagar 1.500 millones de dólares a autores y editoriales por descargar copias pirateadas. La IA agéntica solo brilla si puede servirse de lo ajeno sin llamar a la puerta. Cuando alguien reclama, llega la factura.

Amazon no esperó ni dos semanas. Meta presentó Muse el 8 de septiembre. Amazon solo tardó dos semanas en darle con la puerta en las narices. Quien intenta comprar con él en Amazon lo único que se lleva es un aviso sobre un agente de IA no autorizado. La tienda alega que Muse no se identifica correctamente como IA y que no gestiona con diligencia los datos de los usuarios. Un portavoz de Amazon declaró a Forbes que esos agentes "deben operar de manera transparente y respetar las decisiones de los proveedores de servicios".

Amazon no se limita a cerrarle el paso a Muse, según contaba The Wall Street Journal también bloquea a los agentes de OpenAI, Google, Anthropic y Perplexity. LA tienda online Kohl's directamente prohíbe las compras de agentes de IA y eBay hizo lo propio para cualquier acción de los agentes de IA sin permiso expreso del usuario.

El precedente: contenidos de la web. El e-commerce no es el primer sector que ha visto amenazado su modelo de negocio por la llegada de la IA. Los blogs y portales de contenido ya han tenido que lidiar con el paso de hordas de bots de IA que han indexado todo su contenido para entrenar a sus modelos de IA sin dejar nada a cambio.

Según recogía Press Gazette, en la actualidad, el 79% de los grandes medios de EEUU y Reino Unido bloquea algún rastreador de IA de entrenamiento. Y desde el 15 de septiembre, Cloudflare bloquea por defecto a los agentes y a los rastreadores de entrenamiento.

Con los libros pasó algo muy similar. Anthropic acordó pagar 1.500 millones de dólares a autores y editoriales por descargar copias pirateadas con las que había entrenado a su modelo LLM.

El peaje: un pacto para cada tienda. La clave tras la negativa de las tiendas no es salvaguardar la integridad de los datos de los usuarios, sino el modelo de negocio de las propias tiendas. Amazon ingresó más de 68.000 millones de dólares en publicidad en 2025. Todo ese negocio venía condicionado por un único requisito: que tras cada compra hubiera un par de ojos humanos que reaccionaran a los estímulos comerciales, chollos de última hora y compras compulsivas. Un agente de IA no es sensible a esos impactos.

La salida a medio plazo es firmar acuerdos comerciales que minimicen esa "ausencia de ojos humanos". Walmart, Best Buy, Sephora y Gap han anunciado alianzas con Muse, y Shopify le deja comprar en cualquier tienda que utilice su plataforma de pago.

Un agente sin tiendas sirve de poco. Billions Network revisó a 51 grandes minoristas de EEUU y ninguno de ellos ofrecía una vía alternativa para que un agente verificado pudiera completar una compra. Las plataformas de comercio electrónico habían tomado nota de lo que les había pasado a los medios de comunicación.

Según la investigación de Billions Network, casi tres cuartas partes de los comercios bloquean a estos agentes de IA con reglas pensadas para otros bots. Su CEO, Evin McMullen, aseguraba que "no existe una forma fiable de distinguir un agente legítimo de uno fraudulento". Sin la capacidad de comprar lo que le se le ha pedido, el papel del agente de IA se relega a un simple recomendador.

El gran negocio de los agentes y las compras. Morgan Stanley calcula que los agentes de IA podrían mover entre 190.000 y 385.000 millones de dólares en 2030. Sería entre el 10% y el 20% del total del comercio online de EEUU. Para llevarse esa parte, Muse e Instinct necesitan poder tener acceso a cuantas más tiendas mejor. Amazon ya tiene su propio agente de compras y, de momento, mantiene la puerta cerrada a todos los demás.

Instinct, por su parte, levantó 1.000 millones de dólares con una valoración de 10.000 millones, y actúa con su propio teléfono y ordenador. Muse superó los 2,5 millones de descargas en EEUU. Todo ello pese a que una encuesta de NMI revela que el 76% de los adultos de EEUU se incomoda si una IA compra por ellos.

En Xataka | Haces un pedido en tu tienda de ropa favorita, abres ChatGPT y descubres cómo te queda sin probártela

Imagen | Meta, Magnific

-
La noticia Instinct y Muse prometían acceder a las tiendas y comprar por nosotros. El problema es que las tiendas los están bloqueando fue publicada originalmente en Xataka por Rubén Andrés .



☞ El artículo completo original de Rubén Andrés lo puedes ver aquí