El actor y director estadounidense tomó por sorpresa las redes sociales al explicar conceptos técnicos de inteligencia artificial, desde redes neuronales hasta modelos de aprendizaje automático. Su experiencia con InterPositive, la empresa de tecnología cinematográfica que vendió a Netflix en 2026, refleja una discusión más profunda sobre cómo incorporar la IA a Hollywood sin desplazar el trabajo creativo. Ben Affleck lleva décadas acostumbrado a que el público analice sus películas, sus decisiones como director y su vida personal. Esta vez, sin embargo, la conversación gira alrededor de algo menos habitual para una estrella de Hollywood: su conocimiento de inteligencia artificial. Una serie de fragmentos de entrevistas recientes se viralizó después de que Affleck explicara, con soltura y vocabulario técnico, cómo funcionan las redes neuronales, los transformers, las unidades de procesamiento gráfico (GPU) y los tensores. En una conversación para la serie One More Question, de GQ, el actor contó que su interés por la informática comenzó cuando era joven y se intensificó con la transición del cine analógico al digital. Su explicación no se limitó a mencionar tecnologías de moda. Affleck describió cómo el aprendizaje automático lleva años integrado en los flujos de trabajo de efectos visuales, especialmente en tareas como identificar contornos, reconocer patrones y separar elementos de una imagen para sustituir fondos o componer escenas. Incluso reconoció que puede escribir algunos scripts en Python, aunque calificó modestamente sus habilidades de programación. El detalle que capturó la atención de las redes no fue solo que una celebridad conociera esos términos, sino que pudiera conectarlos con problemas concretos de producción cinematográfica. La reacción también cuestiona una idea persistente en la industria: que el conocimiento de la inteligencia artificial pertenece exclusivamente a ingenieros y especialistas informáticos. En el caso de Affleck, la tecnología no aparece como un interés separado de su oficio, sino como una extensión de su experiencia en el cine. El interés de Affleck por la inteligencia artificial no comenzó con estas entrevistas. En 2022 fundó InterPositive, una compañía dedicada a desarrollar herramientas de IA para la producción cinematográfica. La empresa buscaba abordar una de las tensiones centrales de la adopción de esta tecnología en Hollywood: cómo aprovechar la automatización y los modelos generativos sin perder el control sobre la imagen, la identidad y las decisiones artísticas de los creadores. En su explicación, Affleck defendió la creación de conjuntos de datos propios para entrenar modelos capaces de realizar tareas específicas. Para ello, dijo haber recaudado financiación y dedicado aproximadamente ocho meses a filmar con numerosas cámaras y equipos, con el propósito de construir un conjunto de datos que pudiera utilizarse en etapas avanzadas del entrenamiento de modelos abiertos. La lógica era desarrollar herramientas adaptadas a necesidades concretas de producción, en lugar de depender exclusivamente de sistemas genéricos. Ese enfoque también buscaba preservar relaciones de largo plazo entre los profesionales de la industria y sus representaciones visuales, un asunto especialmente sensible cuando la IA puede generar o modificar imágenes de actores. En 2026, Netflix adquirió InterPositive por una cifra reportada de US$587 millones. Affleck cuestionó ese monto y aclaró que no era correcto presentarlo como el valor que él recibió personalmente, pues no era propietario de toda la compañía. La operación sitúa su incursión tecnológica en un contexto empresarial más amplio: los estudios y las plataformas de entretenimiento no solo experimentan con herramientas de IA, también buscan capacidades propias para integrarlas en sus procesos de producción. Lea también: La IA acelera el descubrimiento de vulnerabilidades y cambia la carrera entre atacantes y defensores

La firma amplió globalmente el acceso a una herramienta capaz de identificar marcas de agua invisibles en imágenes, videos y audios creados o modificados con inteligencia artificial. La compañía asegura que ya ha marcado más de 180.000 millones de imágenes y videos y el equivalente a 240.000 años de contenido de audio. La batalla por distinguir qué es real y qué fue creado por una inteligencia artificial acaba de entrar en una nueva etapa. Google decidió abrir a cualquier persona el acceso a SynthID Detector, la herramienta de Google DeepMind diseñada para identificar contenido generado o alterado mediante IA. El anuncio llega en un momento en que producir imágenes, videos, voces y otros contenidos sintéticos es cada vez más sencillo, barato y convincente. El problema ya no consiste únicamente en crear contenido artificial. También está en saber cuándo una pieza que circula por internet fue creada por una persona, generada por una máquina o modificada mediante IA. Google plantea SynthID como una capa tecnológica para responder precisamente a esa incertidumbre. Desde su lanzamiento en 2023, la compañía ha incorporado marcas de agua digitales imperceptibles a contenidos generados por IA. Según Google, hasta ahora SynthID ha marcado más de 180.000 millones de imágenes y videos, además de 240.000 años de contenido de audio. La escala importa porque muestra cómo la verificación empieza a convertirse en parte de la infraestructura de la IA generativa, no simplemente en una función adicional de una aplicación. SynthID funciona insertando una marca de agua digital directamente en el contenido generado. En imágenes y videos, la señal es imperceptible y está diseñada para sobrevivir a modificaciones habituales como recortes, filtros, cambios en la velocidad de reproducción o compresión con pérdida. En audio ocurre algo similar. La marca es inaudible y está diseñada para resistir modificaciones como ruido, compresión MP3 o cambios de velocidad. Google también ha extendido SynthID al texto generado por Gemini, mediante ajustes en las probabilidades utilizadas por el modelo para seleccionar los siguientes tokens. El concepto es relevante porque no intenta poner una etiqueta visible sobre cada imagen o video. La información sobre su procedencia queda incrustada en el contenido y puede ser posteriormente detectada por herramientas compatibles. Eso cambia la lógica de la verificación. En lugar de preguntarse únicamente si una imagen "parece" creada por IA, el sistema puede buscar una señal tecnológica incorporada durante el proceso de generación. Google había presentado en 2025 una versión inicial de SynthID Detector destinada principalmente a profesionales de medios y otros especialistas que necesitaban verificar contenidos. Después de las pruebas con periodistas y profesionales de comunicación, la compañía decidió ampliar el acceso globalmente en inglés. La herramienta permite cargar una imagen, un video o un archivo de audio para comprobar si contiene una marca de agua SynthID. El detector puede identificar contenido generado mediante tecnologías de Google o por socios que participan en el ecosistema. Entre esos socios aparecen OpenAI, NVIDIA y Kakao, mientras que Google señala que Apple se incorporará próximamente. La lista es significativa. La procedencia de los contenidos sintéticos empieza a depender menos de quién publicó el archivo y más de si existen mecanismos técnicos capaces de acompañarlo durante su ciclo de vida. Google también ha integrado mecanismos de verificación en Search, Gemini y Chrome. Según la empresa, estas herramientas procesan regularmente más de un millón de solicitudes diarias relacionadas con verificación. SynthID llega además en un contexto en el que Google está combinando dos tecnologías diferentes para aumentar la transparencia sobre los contenidos digitales. Por un lado está SynthID, orientado a identificar contenidos generados por los modelos compatibles. Por otro están las Content Credentials de C2PA, un estándar que registra información sobre cómo un contenido fue creado y modificado, con o sin IA. Google ha incorporado C2PA en varios productos y señala que el Pixel 10 fue su primer teléfono en ofrecer Content Credentials para imágenes directamente desde la cámara nativa. La compañía también anunció su expansión al video en los Pixel 8, 9 y 10. La distinción es importante. Una marca de agua puede ayudar a determinar si un contenido fue generado por un sistema compatible con SynthID. Las credenciales de procedencia buscan contar una historia más amplia sobre el recorrido del archivo, desde su captura hasta sus modificaciones. En una internet cada vez más sintética, ambas aproximaciones apuntan al mismo problema: la confianza se está convirtiendo en una característica tecnológica que debe construirse, no en algo que pueda darse por sentado. La apertura de SynthID Detector convierte esa apuesta en una herramienta disponible para el público general. Y, con ello, Google está intentando trasladar una parte de la responsabilidad de verificar lo que vemos desde los laboratorios de IA hacia las propias personas que consumen y comparten contenido. El desafío, sin embargo, no desaparece. SynthID funciona cuando el contenido incorpora la marca correspondiente. No significa que cualquier imagen, audio o video creado con cualquier herramienta de IA pueda ser identificado automáticamente. Precisamente por eso la expansión de estándares y sistemas interoperables se vuelve cada vez más importante. Lea también: Microsoft presentó nuevos equipos Surface con Nvidia y un Windows 11 preparado para agentes

El nuevo plegable de Samsung integra herramientas para grabar desde diferentes perspectivas, trabajar con varias aplicaciones, aprovechar Gemini y automatizar tareas cotidianas desde el dispositivo. La evolución de los smartphones plegables apunta cada vez más hacia una combinación entre productividad, creación de contenido e inteligencia artificial. En este escenario, el Galaxy Z Fold8 incorpora un conjunto de funciones diseñadas para aprovechar su formato de pantalla expandible y facilitar tareas que van desde grabar videos hasta organizar información y ejecutar acciones con apoyo de IA. Para los usuarios en Panamá, donde el teléfono inteligente forma parte de actividades que van desde el trabajo y la comunicación hasta la creación de contenido, estas herramientas buscan convertir el dispositivo en algo más que una plataforma para consumir información. Entre sus funciones se encuentra My FanCam, una herramienta que permite mantener a una persona centrada dentro del encuadre mediante tecnología de seguimiento, incluso después de haber realizado la grabación. La función puede utilizarse tanto con nuevos videos como con material que ya se encuentre almacenado en la Galería. Esto permite, por ejemplo, seleccionar posteriormente a una persona dentro de una grabación de un viaje, concierto, entrenamiento o actividad familiar y generar un video centrado en ella. La recomendación es grabar con alta resolución y dejar espacio alrededor del sujeto para facilitar el recorte posterior. Otra de las herramientas está orientada a quienes necesitan mostrar simultáneamente lo que ocurre frente a la cámara y sus propias reacciones. Dual Recording o Grabación dual permite utilizar las cámaras frontal y trasera al mismo tiempo y combinar ambas perspectivas en un solo video. La función se activa desde la aplicación Cámara, seleccionando el modo de video y posteriormente la opción de grabación dual. El formato plegable también busca ampliar las posibilidades de trabajo desde el dispositivo. Con Multi Window, los usuarios pueden ejecutar aplicaciones compatibles de manera simultánea en la pantalla principal, dividir el espacio entre dos o tres aplicaciones y ajustar el tamaño de cada ventana. Así, es posible consultar un calendario mientras se responde un mensaje, revisar información en internet mientras se trabaja sobre una presentación o utilizar una calculadora mientras se consulta un presupuesto. La experiencia se complementa con Now Nudge, una función que reconoce el contexto de lo que el usuario está haciendo y puede sugerir acciones relacionadas. Por ejemplo, una conversación sobre una cena con un amigo puede generar una sugerencia para agregar el encuentro al calendario, manteniendo la conversación visible mientras se realiza la acción. En el apartado de inteligencia artificial, Gemini Intelligence busca reducir los pasos necesarios para completar determinadas tareas. El usuario puede describir lo que necesita o proporcionar contexto a partir de lo que aparece en pantalla o de una imagen. Según Samsung, la automatización puede funcionar con más de 40 aplicaciones y servicios compatibles, incluyendo acciones como buscar entradas o encontrar restaurantes cercanos y realizar una reserva. El Galaxy Z Fold8 también incorpora Gemini Notebook, que permite reunir notas, imágenes, grabaciones, archivos y documentos en un espacio de trabajo persistente. La función de arrastrar y soltar en vista dividida facilita incorporar diferentes contenidos para convertirlos posteriormente en materiales como resúmenes de audio, infografías, informes, documentos o resúmenes de reuniones. El hardware está diseñado para acompañar estas experiencias. El dispositivo cuenta con una pantalla de portada con relación de aspecto 10:16 y una pantalla principal de 4:3, mientras que el material de presentación destaca el tratamiento antirreflejos de la pantalla principal y un brillo de hasta 3.000 nits. En fotografía, Samsung señala cámaras frontales gran angular y ultra gran angular de 50 MP orientadas también a quienes producen y comparten contenido. Más allá de la cantidad de funciones, el enfoque del Galaxy Z Fold8 refleja una transformación en la forma en que los smartphones buscan integrarse a las actividades cotidianas. La apuesta ya no se limita a ofrecer más aplicaciones, sino a utilizar el contexto, la IA y una pantalla flexible para reducir pasos y adaptar el dispositivo a lo que el usuario está haciendo. Para los usuarios panameños que utilizan el smartphone como herramienta de trabajo, comunicación y creación de contenido, ese cambio puede ser uno de los principales atractivos de la nueva generación de plegables. Le puede interesar: Agrosostenible convierte finca en laboratorio de innovación para una agricultura más eficiente en Panamá

La diferencia entre los modelos estadounidenses y chinos cae a su nivel más bajo, mientras DeepSeek V4.1 Flash supera a los modelos de Anthropic en una de las pruebas con mayor impacto potencial sobre el negocio de la IA: agentes capaces de programar, ejecutar código, detectar errores y corregirlos de manera autónoma. Durante buena parte de 2026, la discusión sobre la competencia entre Estados Unidos y China en inteligencia artificial podía resumirse en una idea relativamente cómoda para Silicon Valley: China se acercaba, pero todavía estaba detrás en los modelos más avanzados. Esa lectura acaba de complicarse. El análisis citado por Tech Times sitúa la brecha de desempeño entre ambos países en apenas 3%, el nivel más bajo registrado hasta ahora. El dato coincide con otro cambio que resulta más relevante para las empresas: DeepSeek V4.1 Flash pasó a liderar el benchmark de programación agéntica de LiveBench. En la medición del 4 de octubre, DeepSeek V4.1 Flash Max Effort obtuvo 77,3 puntos, frente a 66,1 de Claude Fable 5.1 Max Effort, de Anthropic. En su propio informe técnico, DeepSeek también reporta un 74,2% en DeepSWE v1.1, frente a 74,0% de Anthropic Opus 5 y 73,0% de GPT-5.6 Sol de OpenAI. La fuente advierte, sin embargo, que estos resultados todavía no cuentan con una auditoría independiente realizada bajo las mismas condiciones. La importancia de este resultado está en qué mide exactamente ese benchmark. La programación agéntica no consiste simplemente en generar código a partir de una instrucción. Evalúa la capacidad de un modelo para planificar una tarea compleja, escribir el código, ejecutarlo en un entorno real, interpretar los errores y corregirlos repetidamente sin intervención humana en cada etapa. Es precisamente el tipo de comportamiento que las empresas están intentando convertir en productividad concreta. Un agente que pueda asumir una tarea de software completa tiene un valor económico potencialmente mayor que un chatbot que simplemente responde preguntas sobre programación. DeepSeek V4.1 Flash utiliza una arquitectura Mixture of Experts (MoE) con 748.000 millones de parámetros totales. De ellos, 552.000 millones corresponden al núcleo principal y 196.000 millones a Engram, un componente de memoria persistente introducido en esta generación. La arquitectura activa solamente una fracción de los parámetros durante cada inferencia, lo que permite reducir el costo computacional. Ese diseño también aparece en los precios. DeepSeek ofrece V4.1 Flash a US$0,30 por millón de tokens de entrada y US$1,20 por millón de tokens de salida durante las tarifas pico. En horario valle, los precios se reducen a la mitad. Pero el avance en benchmarks no elimina los problemas que una empresa debería considerar antes de poner código propietario o información sensible en manos del modelo. DeepSeek es una compañía china y está sujeta al marco legal de ese país. El artículo recuerda que el artículo 7 de la National Intelligence Law de 2017 establece que organizaciones y ciudadanos deben apoyar, asistir y cooperar con el trabajo de inteligencia nacional. A esto se suman la Cybersecurity Law de 2017 y la Data Security Law de 2021, que incorporan mecanismos adicionales de acceso gubernamental a datos y requisitos de localización. Para una empresa que utiliza la API, la cuestión deja de ser solamente qué tan bien programa el modelo. También importa dónde se procesa la información y bajo qué jurisdicción legal. DeepSeek V4.1 Flash es open-weight, por lo que las empresas pueden descargar sus pesos y ejecutarlo sobre infraestructura privada. Eso elimina la transmisión directa del código y otros datos hacia la API de DeepSeek, aunque no resuelve cuestiones relacionadas con el origen de los datos de entrenamiento o posibles reclamos de propiedad intelectual. La ventaja china tampoco significa que el tablero completo se haya dado vuelta. De los 15 modelos que integraban el nivel superior de LiveBench el 4 de octubre, solamente tres eran chinos. Los laboratorios estadounidenses y europeos siguen ocupando la mayoría de las posiciones superiores. También persiste una diferencia en infraestructura empresarial. El ecosistema de APIs, herramientas, documentación y soporte de DeepSeek todavía aparece menos maduro que el de Anthropic, OpenAI o Google. Esos costos de integración, soporte y compatibilidad no aparecen en los benchmarks. Hay además una dimensión económica. Bloomberg Intelligence estima que la industria china de IA, incluida DeepSeek, podría continuar siendo no rentable hasta 2030. El mercado chino cuenta con más de 1.100 grandes modelos de lenguaje compitiendo entre sí, mientras DeepSeek y los principales chatbots de Tencent continúan ofreciendo sus servicios gratuitamente a los usuarios finales. El contraste con Estados Unidos es especialmente llamativo en materia de inversión. El Stanford AI Index 2026 registró US$285.900 millones de inversión privada en IA en Estados Unidos durante 2025, frente a US$12.400 millones en China. Sin embargo, esa diferencia de capital no se tradujo en una ventaja equivalente en rendimiento de modelos. Incluso la guerra de chips queda bajo presión. La autosuficiencia china en chips de IA pasó de menos del 10% en 2020 al 41% en 2025, según Omdia. Al mismo tiempo, la participación de Nvidia en el mercado chino de aceleradores de IA cayó sustancialmente durante ese período. El dato que más incomoda a Washington es precisamente ese. Las restricciones a la exportación de semiconductores avanzados buscaban preservar una ventaja duradera para Estados Unidos. La evolución de DeepSeek sugiere que limitar el acceso al hardware más avanzado puede no ser suficiente para mantener una distancia equivalente en capacidad de modelos. La brecha del 3% no significa que Estados Unidos y China sean tecnológicamente intercambiables. Pero el liderazgo de DeepSeek en programación agéntica obliga a mirar el problema desde otro ángulo: en la economía de los agentes, el país que tenga el modelo más eficiente para ejecutar trabajo real puede tener una ventaja distinta de la que reflejan los rankings generales. Y esa carrera acaba de volverse bastante más estrecha. Le puede interesar: Claude ahora trabaja con Google Docs, Sheets y Slides

El IEEE Latin America & the Caribbean Semiconductor Summit 2026 reunió en el país a representantes de la industria, Gobierno, academia, investigación e inversión para analizar las oportunidades de la región en una de las tecnologías clave de la economía digital. La carrera global por desarrollar capacidades en semiconductores está abriendo nuevas oportunidades para América Latina y el Caribe. En este contexto, Panamá reunió a representantes de la industria, el Gobierno, la academia, centros de investigación y la comunidad de inversión durante el IEEE Latin America & the Caribbean Semiconductor Summit (LACSS) 2026, con una agenda enfocada en talento, innovación, diseño electrónico y desarrollo de capacidades productivas. Durante dos jornadas, especialistas de la región analizaron distintos componentes de la cadena de valor de los semiconductores, desde el diseño de chips y las herramientas de automatización del diseño electrónico hasta el ensamblaje, las pruebas y el empaquetado. También se abordaron temas relacionados con cadenas de suministro, inversión, políticas públicas, propiedad intelectual, emprendimiento tecnológico y cooperación internacional. La realización del encuentro en Panamá fue liderada por Iván Armuelles Voinov, docente e investigador de la Universidad de Panamá y presidente del comité organizador del IEEE LACSS 2026, quien coordinó la participación de instituciones académicas, gubernamentales e industriales para reunir a expertos alrededor del desarrollo del ecosistema regional de semiconductores. El encuentro también contó con la participación de la Universidad Tecnológica de Panamá (UTP) y del Centro de Tecnologías Avanzadas en Semiconductores (C-TASC), entidades vinculadas al desarrollo de formación especializada, investigación aplicada y capacidades tecnológicas relacionadas con la Estrategia Nacional de Microelectrónica y Semiconductores de Panamá. Uno de los puntos centrales de la agenda fue la formación de talento. Las experiencias de Panamá, México y Brasil permitieron analizar diferentes aproximaciones para desarrollar capacidades nacionales en una industria que demanda perfiles especializados en áreas como diseño electrónico, ingeniería, investigación y desarrollo tecnológico. Para Panamá, este componente representa una de las bases para avanzar desde la formación académica hacia proyectos de innovación y oportunidades empresariales. La conversación también puso sobre la mesa una posibilidad que va más allá de la manufactura tradicional. El desarrollo de la industria regional puede involucrar actividades como diseño de semiconductores, prototipado, creación de empresas de hardware, investigación aplicada, ensamblaje, pruebas y empaquetado, ampliando los espacios en los que países de la región pueden participar dentro de las cadenas globales de valor. Desde la perspectiva de la Secretaría Nacional de Ciencia, Tecnología e Innovación (Senacyt), la realización del LACSS 2026 contribuye a varios de los objetivos establecidos en la estrategia nacional, entre ellos el fortalecimiento del talento humano, la articulación entre academia, industria y Gobierno, la cooperación internacional y el impulso a la investigación, desarrollo e innovación. Otro de los componentes analizados fue la necesidad de construir condiciones que permitan atraer inversión y facilitar el crecimiento de nuevas iniciativas tecnológicas. Las discusiones sobre regulación, propiedad intelectual, políticas públicas y alianzas regionales buscaron identificar elementos que pueden favorecer el desarrollo de un ecosistema capaz de conectar capacidades científicas con oportunidades de negocio. El encuentro dejó además oportunidades para ampliar redes de cooperación técnica, fortalecer programas de formación especializada, facilitar el acceso a herramientas de diseño y prototipado y establecer nuevos vínculos para proyectos de investigación, innovación y desarrollo empresarial. Estos elementos pueden contribuir a construir una base nacional de capacidades científicas y tecnológicas alrededor de la microelectrónica. Para Panamá, el reto ahora será convertir estos espacios de intercambio en proyectos concretos que permitan desarrollar talento, investigación y capacidades empresariales. El IEEE LACSS 2026 colocó al país como punto de encuentro para discutir el futuro de los semiconductores en América Latina y el Caribe, mientras la siguiente etapa dependerá de la capacidad de conectar academia, industria, Gobierno e inversión para transformar conocimiento en capacidades productivas. Le puede interesar: Más de 1.500 estudiantes de Panamá reciben formación en ciberseguridad

Un nuevo encuentro del podcast que resume las noticias de un mundo que automatiza todo, menos la cordura. "Destilado" con la acidez justa de Maximiliano Poter. Maximiliano Poter conduce el Week Report, un desenfadado magazine de noticias del mundo IT que, cada viernes, brinda un resumen de los acontecimientos más destacados de los últimos siete días: todo lo importante, lo curioso y hasta lo más absurdo que ha sucedido en el ámbito de la tecnología y los negocios para que cierre su semana bien informado y con una buena dosis de mordacidad. Esta semana: La IA tiene millones de usuarios. Pagan cuatro gatos Anthropic amenaza al Papa porque Claude también quiere derechos Deepfakes, votos y democracia: ahora tampoco podemos creer lo que vemos Europa quiere IA soberana. Lástima que hable chino Tesla mete 57 robotaxis en la calle y Uber empieza a mirar por el retrovisor McDonald's usa IA para descubrir cuánto estás dispuesto a pagar por un Big Mac Trump cambia el nombre de la IA. Y Eslovenia cobra Amazon deja de esconder sus centros de datos. Los vecinos ya se habían enterado OpenAI presenta el futuro y descubre que alguien ya lo había inventado Tesla entrena robots para reemplazar trabajadores. Los trabajadores ya entendieron el plan Y muchas alucinaciones más... Le puede interesar: Week Report #104: tecnología para todos, negocios para pocos y decisiones que pueden salir muuuy caras

Está basado en Gemini 3.6 Flash. Con capacidad para trabajar con texto e imágenes, y generación de imágenes de hasta 4K, la compañía busca convertir la IA visual en una herramienta de producción más precisa, consistente e iterativa. La carrera por la generación de imágenes con inteligencia artificial está entrando en una nueva etapa. Ya no alcanza con producir una imagen atractiva a partir de un prompt. El desafío empieza cuando el usuario quiere modificarla, conservar determinados elementos, trabajar con varias referencias o generar una serie completa de piezas visualmente coherentes. Ese es el terreno en el que Google DeepMind quiere posicionar a Nano Banana 2.1, su nuevo modelo de generación y edición de imágenes, publicado el 6 de octubre. El sistema forma parte de la familia Gemini 3 y está basado en Gemini 3.6 Flash. Es multimodal, por lo que puede recibir texto e imágenes como entrada y producir imágenes o texto como resultado. Su ventana de contexto llega hasta 1 millón de tokens, mientras que puede generar imágenes de hasta 4K tokens y respuestas de texto de hasta 64K tokens. Google lo está integrando en Gemini, Google AI Studio, Gemini API, Google Search AI Mode, Google Ads, Google Flow y Google Stitch. No requiere hardware ni software específico para su utilización. Pero la principal apuesta de Nano Banana 2.1 no está solamente en generar imágenes desde cero. Google pone especial énfasis en la edición y en la capacidad del modelo para mantener la coherencia entre diferentes versiones de una misma creación. El sistema puede trabajar sobre imágenes existentes, modificar elementos específicos y combinar múltiples referencias. También está diseñado para mantener consistentes personajes, productos y escenarios a través de distintas iteraciones. Esa capacidad resulta particularmente relevante para usos profesionales. Una empresa que necesita producir una campaña, por ejemplo, no busca solamente una imagen aislada. Necesita que un producto mantenga su apariencia en diferentes escenas, que un personaje conserve sus características y que una identidad visual pueda trasladarse a múltiples piezas. Nano Banana 2.1 también puede trabajar con texto dentro de las imágenes, incluyendo posters, diagramas e infografías. Google destaca su capacidad para representar texto en distintos idiomas y para utilizar conocimiento del mundo real en la creación de contenidos visuales. La compañía también incorporó capacidades orientadas a la edición más precisa. El modelo puede trabajar con máscaras o dibujos para indicar qué parte de una imagen debe modificarse, además de permitir ediciones a partir de múltiples imágenes de referencia. El sistema incluye además un modo "Thinking", diseñado para dedicar más procesamiento al razonamiento antes de generar el resultado. La idea es mejorar la capacidad del modelo para interpretar instrucciones complejas y ejecutar tareas visuales que requieren varios pasos. La diferencia con los primeros generadores de imágenes de IA está justamente ahí. El usuario ya no tiene que aceptar una imagen como resultado final de una única instrucción. Puede utilizar el modelo como una herramienta de trabajo, avanzar mediante sucesivas modificaciones y mantener elementos específicos a lo largo del proceso. Google reconoce, sin embargo, que la tecnología todavía tiene límites. Nano Banana 2.1 puede producir alucinaciones, presentar problemas ocasionales de velocidad o tiempos de espera y mostrar dificultades con textos pequeños o párrafos extensos. La compañía también admite que la consistencia de personajes entre imágenes no es perfecta y que pueden aparecer errores al interpretar determinadas relaciones espaciales, como izquierda y derecha. También persisten limitaciones en tareas que requieren razonamiento tridimensional, conocimiento especializado del mundo real o un elevado nivel de factualidad. En materia de seguridad, Google señala que Nano Banana 2.1 fue sometido a pruebas de red teaming realizadas por equipos especializados externos al grupo de desarrollo. La compañía afirma además que el modelo alcanzó los umbrales establecidos para su lanzamiento en materia de seguridad infantil y que su desempeño general de seguridad es similar o superior al de Gemini 3 Flash. El cambio más importante que plantea Nano Banana 2.1, sin embargo, no es una cifra de rendimiento sino una evolución en la forma de utilizar estos sistemas. Google está intentando que el generador de imágenes deje de ser una máquina de producir resultados aislados y se convierta en una herramienta capaz de participar en un proceso creativo completo. Generar una imagen espectacular puede ser el comienzo. Mantener un personaje, un producto, una estética y una composición a través de decenas de modificaciones es el problema que aparece cuando la inteligencia artificial entra realmente en un flujo profesional. Nano Banana 2.1 está diseñado para ese segundo escenario. Y ahí es donde Google quiere que comience la próxima etapa de la IA visual. Le puede interesar: Claude ahora trabaja con Google Docs, Sheets y Slides

Un análisis de Google Threat Intelligence Group muestra que las vulnerabilidades divulgadas pasaron de 5.045 en enero a 10.740 en agosto de 2026. La explotación también aumentó, mientras los sistemas de IA empiezan a encontrar fallas de mayor riesgo y el ecosistema de agentes se convierte en un nuevo frente de seguridad. La inteligencia artificial está introduciendo una nueva velocidad en una carrera que la industria de la ciberseguridad conoce desde hace décadas: encontrar una vulnerabilidad antes que el adversario y corregirla antes de que pueda ser explotada. El problema es que ahora ambos lados tienen acceso a herramientas capaces de acelerar ese proceso. Un nuevo análisis del Google Threat Intelligence Group (GTIG), publicado el 30 de septiembre, concluye que la IA está modificando tanto la velocidad de descubrimiento y explotación de vulnerabilidades como el perfil de riesgo de las fallas que se encuentran. El estudio analiza datos desde el 1 de enero de 2025 hasta el 31 de agosto de 2026. Los números muestran la dimensión del cambio. Las vulnerabilidades divulgadas por mes pasaron de 5.045 en enero de 2026 a 10.477 en julio, antes de alcanzar un máximo de 10.740 en agosto. Es prácticamente el doble en ocho meses. Pero el volumen bruto requiere contexto. Google advierte que las políticas automatizadas de asignación de identificadores CVE pueden inflar las cifras. Solo las vulnerabilidades cuya descripción contiene “Linux Kernel” generaron aproximadamente 5.000 CVE entre enero y agosto de 2026, sin que GTIG observara explotación de zero-days de esas vulnerabilidades en el mundo real. El dato más interesante aparece cuando se observa qué ocurre después de la divulgación. Entre enero y agosto de 2026, GTIG registró 141 vulnerabilidades distintas que fueron divulgadas y posteriormente explotadas, una cifra superior a las 127 vulnerabilidades explotadas durante todo 2025. El promedio mensual de explotación pasó de 10,5 en 2025 a 18 en 2026. Eso no significa que todas las vulnerabilidades estén siendo explotadas. De hecho, solo 0,23% de las vulnerabilidades divulgadas en 2026, aproximadamente una de cada 431, fueron observadas en explotación activa. El crecimiento de la explotación también ha acompañado el aumento general de las divulgaciones: desde mayo, GTIG calcula un crecimiento indexado de 127% en explotación frente a 128% en divulgaciones. La fotografía cambia cuando se mira el riesgo. Las vulnerabilidades de alto riesgo divulgadas pasaron de 131 en enero a 350 en agosto, un crecimiento de 167%. Aun así, representaban solo el 3% de todas las vulnerabilidades divulgadas en agosto. Además, las vulnerabilidades de alto riesgo explotadas aumentaron de 28 durante 2025 a 75 entre enero y agosto de 2026. Para GTIG, el crecimiento de la explotación está relacionado principalmente con la rápida transformación de vulnerabilidades conocidas, o n-days, en exploits funcionales, más que con una explosión de nuevos zero-days. Los zero-days, de hecho, crecieron de forma mucho más moderada. El promedio pasó de 8 por mes en 2025 a 11 por mes en 2026. Sin embargo, agosto registró 22, y los zero-days representaron 62% de todas las vulnerabilidades explotadas observadas entre enero y agosto de 2026. La IA puede estar ayudando a cerrar el tiempo entre una vulnerabilidad conocida y su explotación. GTIG plantea que los atacantes pueden utilizar modelos de lenguaje para comparar versiones de productos, parches, avisos de seguridad y código de prueba de concepto, acelerando la conversión de una vulnerabilidad conocida en un arma operativa. Pero la historia tiene otra cara: la misma tecnología también está encontrando fallas. Google señala que los datos públicos probablemente subestiman el número de vulnerabilidades descubiertas con ayuda de IA. Los repositorios CVE todavía no cuentan con metadatos estandarizados para identificar este tipo de descubrimientos y, además, proveedores de nube y SaaS pueden corregir internamente una vulnerabilidad detectada por IA sin solicitar un identificador CVE. Entre las vulnerabilidades que GTIG pudo identificar como probablemente descubiertas por IA aparece una diferencia significativa respecto de las encontradas mediante métodos convencionales. Entre enero y agosto de 2026, 69% de las vulnerabilidades no descubiertas por IA fueron clasificadas como de bajo riesgo, frente a 39% entre las identificadas con ayuda de IA. Las de riesgo medio representaron 28% en el primer grupo y 58% en el segundo, mientras las de alto riesgo fueron 3% y 4%, respectivamente. Podría interesarle: Google presentó Gemini 4 Argon, un nuevo modelo de frontera enfocado en ciberseguridad

Es el primer modelo de su clase que incluye una configuración de esfuerzo ajustable. Esto permite a los usuarios calibrar el nivel de razonamiento para decidir si prefieren optimizar el costo o la inteligencia según cada necesidad. Anthropic presentó Claude Haiku 5.5, que describen como su modelo más económico, rápido y capaz hasta la fecha. Esta versión se encuentra disponible a un precio mucho menor que Haiku 4.5. En promedio, ahora cuesta alrededor de un 75% menos ejecutarlo De acuerdo con Anthropic, el modelo se diseñó para tareas de alto volumen y sensibles al costo. Gestiona de manera confiable cargas de trabajo rápidas y repetitivas (como resúmenes, compactaciones, consultas a bases de datos y solicitudes de clasificación). La comunicación señala que Haiku 5.5 se combina muy bien con Opus 5.5 y Sonnet 5.5 como subagente en tareas de programación. Además, dado que es el modelo más rápido hasta el momento, funciona especialmente bien en tareas que requieren alta velocidad, como atención al cliente en vivo y uso de navegadores web. Como gran novedad técnica, Haiku 5.5 es el primer modelo de la clase Haiku que incluye una configuración de esfuerzo ajustable. Esto permite a los usuarios calibrar el nivel de razonamiento para decidir si prefieren optimizar el costo o la inteligencia según cada necesidad. Dado que el modelo funciona especialmente bien en tareas que requieren respuesta inmediata, como la atención al cliente en vivo, el uso de navegadores web y el control de computadoras (browser and computer use). Empresas como Asana han reportado en pruebas iniciales una reducción de más del 30% en la latencia de sus tareas y procesamientos hasta 2.5 veces más rápidos por turno de agente. Estructura de precios La reducción de costos es especialmente notoria en prompts de hasta 100.000 tokens (que representan cerca del 90% de las solicitudes habituales de esta categoría): Tokens de entrada: US$0.10 por millón (para prompts de hasta 100k) / US$0.50 (más de 100k). Tokens de salida: US$0.50 por millón (hasta 100k) / US$2.50 (más de 100k). Lecturas de caché: US$0.01 por millón (hasta 100k) / US$0.05 (más de 100k). En el ámbito de la seguridad, Haiku 5.5 muestra avances significativos en sus evaluaciones de alineación frente a Haiku 4.5, reduciendo conductas no deseadas e incorporando salvaguardas cibernéticas y biológicas avanzadas. Junto a este lanzamiento, Anthropic anunció medidas adicionales de valor para sus usuarios. El primero, una rebaja en Sonnet 5.5 a la mitad el precio de las lecturas de caché en Claude Sonnet 5.5 (US$0.10 por millón de tokens), lo que abarata cerca de un 20% el costo de la mayoría de sus tareas agenticas. Además de créditos mensuales de API, en el que se otorgará un crédito mensual para usuarios de planes Max y Team (de US$100 a US$500 según la suscripción) destinado a la experimentación y desarrollo de nuevas aplicaciones dentro de la plataforma Claude. Le puede interesar: Google lanzó Nano Banana 2.1, un modelo de imágenes que apuesta por precisión, edición y contexto de hasta 1 millón de tokens

El administrador general de la AIG, Adolfo Fábrega, presentó la postulación del país para acoger en 2027 la reunión anual de la Red GEALC y destacó la necesidad de convertir la gobernanza de datos en acciones concretas dentro del Estado. La transformación digital de los gobiernos no depende únicamente de incorporar nuevas tecnologías. También requiere definir quién responde por los datos, cómo se protegen y qué mecanismos permiten generar confianza en su utilización. Ese fue uno de los principales puntos planteados por Panamá durante la IX Reunión Ministerial de Gobierno Digital de las Américas y la XX Reunión Anual de la Red Interamericana de Gobierno Digital (Red GEALC), que se desarrolla en Santo Domingo. Durante el encuentro, el administrador general de la Autoridad Nacional para la Innovación Gubernamental (AIG), Adolfo Fábrega, participó en el panel “Gobernanza de la Transformación Digital”, donde expuso la experiencia panameña y puso sobre la mesa uno de los desafíos que enfrentan las instituciones públicas: pasar de los principios de gobernanza digital a mecanismos que puedan ejecutarse y medirse dentro de las organizaciones. “Necesitamos encontrar la forma práctica de traducir gobernanza en algo verdaderamente ejecutable”, señaló Fábrega. Uno de los ejemplos planteados estuvo relacionado con la gestión de los datos. Para el administrador de la AIG, las instituciones necesitan mecanismos que permitan identificar formalmente a los responsables de determinados datos, de manera que exista claridad sobre quién debe garantizar aspectos como su cuidado, trazabilidad, integridad y protección. El planteamiento coloca la gobernanza de datos no solo como un marco conceptual, sino como una responsabilidad que debe incorporarse a la operación institucional. El intercambio regional también fue señalado como un elemento relevante para acelerar estos procesos. Fábrega destacó que la cooperación entre países debe permitir conocer no solo qué están haciendo otras administraciones, sino cómo lo están haciendo y qué aprendizajes han obtenido durante la implementación de sus estrategias digitales. “Primero, qué estamos haciendo; luego, cómo lo estamos haciendo. Tener las lecciones aprendidas nos permite no cometer los mismos errores”, explicó. Esta lógica de aprendizaje resulta especialmente relevante para países que están desarrollando sus capacidades digitales. La experiencia de quienes han avanzado en determinadas áreas puede servir como referencia, mientras que los procesos que todavía están en construcción también ofrecen información sobre obstáculos, decisiones y errores que otros gobiernos pueden evitar. Panamá busca ser sede de la Red GEALC en 2027 En el marco de la reunión, Fábrega presentó formalmente la postulación de Panamá para acoger en 2027 la Reunión Anual de la Red GEALC. La propuesta busca convertir al país en escenario del próximo encuentro regional de esta red, que reúne a autoridades y representantes de América Latina y el Caribe para intercambiar conocimientos y experiencias sobre gobierno digital. Para Panamá, la eventual realización del encuentro representaría una oportunidad para fortalecer la cooperación con otros países de la región y compartir sus experiencias en materia de transformación digital, innovación gubernamental y modernización del Estado. La participación panameña en Santo Domingo se desarrolla bajo una agenda regional orientada a identificar desafíos comunes y oportunidades de colaboración. En este contexto, Fábrega resumió el enfoque en cuatro preguntas: qué estamos haciendo, cómo lo estamos haciendo, cuáles son las lecciones aprendidas y qué podemos hacer juntos. El planteamiento refleja uno de los desafíos centrales de la transformación digital del sector público: que la tecnología esté acompañada por estructuras de gobernanza, responsabilidades claras y mecanismos capaces de generar confianza. Para los gobiernos de la región, el siguiente paso no sería únicamente digitalizar más servicios, sino establecer las condiciones para que esa transformación pueda sostenerse y escalar. Le puede interesar: Stefanini y Snowflake buscan acelerar la adopción de IA empresarial en Panamá

La empresa lanzó nuevas computadoras equipadas con el chip RTX Spark de Nvidia y una versión renovada del sistema operativo diseñada para ejecutar modelos de IA localmente. Con equipos de hasta US$5.900 y una workstation de US$6.000, la compañía busca convertir Windows en una plataforma para agentes de IA y disputar a Apple el territorio del cómputo local. Microsoft quiere cambiar nuevamente qué significa tener una PC. En un evento realizado ayer miércoles en San Francisco, la compañía presentó el Surface Laptop Ultra y la workstation Surface RTX Spark Dev Box, dos equipos construidos alrededor del nuevo chip RTX Spark de Nvidia y diseñados específicamente para ejecutar modelos de inteligencia artificial directamente sobre el dispositivo. La apuesta no es solamente por computadoras más potentes. Microsoft está intentando construir la infraestructura para una nueva generación de PC en la que los agentes de IA puedan ejecutar tareas localmente, acceder al hardware del equipo y operar dentro de un entorno controlado. El Surface Laptop Ultra llegará en dos configuraciones base. La primera comienza en US$2.600 y la segunda, equipada con un chip más potente, parte de US$3.700. Con diferentes opciones de memoria y almacenamiento, el precio puede alcanzar los US$5.900. Microsoft informó que el modelo de mayor capacidad ya se encuentra agotado. El segundo equipo, Surface RTX Spark Dev Box, está orientado directamente a desarrolladores y tiene un precio inicial de US$6.000. Incluye herramientas como VS Code, GitHub Copilot CLI, WSL y PowerShell 7. La característica que define a ambos dispositivos es su capacidad para ejecutar modelos de IA directamente en el equipo, utilizando de manera combinada CPU, GPU y memoria unificada, además de modificaciones de hardware destinadas a sostener cargas de trabajo exigentes, incluido un sistema de refrigeración más potente. El objetivo es reducir la dependencia de la nube para determinadas tareas de IA. En lugar de enviar cada consulta a un centro de datos, el modelo puede ejecutarse localmente, con ventajas potenciales en velocidad, privacidad y costo de inferencia. La transformación no queda limitada al hardware. Microsoft también presentó una versión renovada de Windows 11 que incorpora una función denominada "Execution Containers". Su propósito es permitir que los agentes de IA funcionen dentro de entornos aislados, de manera que sus acciones puedan ser controladas con mayor seguridad. Satya Nadella, CEO de Microsoft, explicó que la compañía llegó a esta conclusión después de varios años trabajando con inteligencia artificial. "Una de las cosas que nos dimos cuenta en los últimos 3 o 4 años es que tener solamente un modelo no sirve de mucho", afirmó Nadella. Según el ejecutivo, es necesario contar con una capa capaz de orquestar diferentes modelos, contexto, memoria y el espacio de acciones que un agente puede ejecutar. Ese concepto es central para la estrategia de Microsoft. Windows ya no sería solamente el sistema operativo que permite ejecutar aplicaciones, sino la capa que coordina agentes capaces de interactuar con esas aplicaciones y con los recursos del propio equipo. Y Microsoft quiere que esa infraestructura no quede limitada a sus propios productos. Nadella señaló que la compañía está construyendo esa capacidad "no solo para nuestras aplicaciones sino para las aplicaciones del agente de cualquiera". La afirmación apunta a una ambición mayor: convertir Windows en una plataforma sobre la que puedan operar diferentes agentes de IA, independientemente de quién los haya desarrollado. El posicionamiento también revela a quién considera Microsoft uno de sus principales competidores. Los nuevos dispositivos están claramente orientados a desarrolladores, un segmento en el que las Mac se han vuelto especialmente populares, particularmente entre desarrolladores de software y entusiastas de los agentes de IA. Para intentar atraer a esos usuarios, Microsoft ofrece hasta US$1.000 de descuento a quienes entreguen una MacBook Pro como parte de la compra. El mensaje es difícil de interpretar de otra manera: Microsoft quiere recuperar para Windows a una comunidad que en los últimos años encontró en Apple una plataforma especialmente atractiva para desarrollar y experimentar con IA. El hardware, además, no está pensado exclusivamente para agentes. Microsoft sostiene que la potencia gráfica de estos equipos también los hace adecuados para creación de contenidos, procesamiento de video y videojuegos. La estrategia tampoco se limita a Microsoft. Dell presentó el mismo día los detalles de su XPS 16 Creator Edition, otro PC Windows basado en la arquitectura RTX Spark. El equipo está disponible para reserva por US$3.800 y comenzará a entregarse más adelante durante octubre. El movimiento marca una nueva etapa en la evolución del PC. Durante décadas, la potencia de una computadora estuvo asociada principalmente con la capacidad de ejecutar aplicaciones cada vez más complejas. Ahora Microsoft y Nvidia quieren que esa potencia sirva también para ejecutar modelos de IA localmente y permitir que agentes actúen sobre el sistema. El cambio es importante porque desplaza parte de la inteligencia desde los centros de datos hacia el dispositivo. Y también porque convierte al sistema operativo en una pieza estratégica de la arquitectura de agentes. La PC deja de ser solamente el lugar donde se utiliza la IA y empieza a convertirse en el lugar donde la IA puede vivir, recordar, ejecutar acciones y trabajar junto al usuario. Microsoft no está presentando simplemente una Surface más potente. Está intentando redefinir Windows alrededor de esa idea. Vea también: Microsoft rediseña Copilot: ahora quiere que la IA trabaje, programe y actúe por usted

El guionista Aaron Sorkin vuelve al universo de Facebook con "The Social Reckoning", una película inspirada en Frances Haugen y en la investigación periodística que expuso documentos internos de la compañía. El film, que se estrena este viernes, plantea una cuestión central sobre los límites entre hechos, periodismo y ficción cuando la realidad necesita convertirse en cine. Aaron Sorkin no estaba buscando hacer otra película sobre Facebook. Estaba buscando una historia. Después de aproximadamente un año de bloqueo creativo, el guionista de Red social (The Social Network) se encontró con Frances Haugen, la ex empleada de Facebook y denunciante cuyas revelaciones pusieron bajo escrutinio el impacto de las plataformas de la compañía sobre la salud, la seguridad y la política global. De ese encuentro surgió The Social Reckoning, la película que Sorkin escribió y dirigió y que se estrenará en cines el viernes. "Estaba buscando una buena historia", explicó Sorkin a Reuters. Después de ese período de aproximadamente un año sin encontrar una idea, conoció a Haugen y, según contó, la historia comenzó a tomar forma. El regreso al tema no es casual. The Social Network, estrenada en 2010, había contado el origen de Facebook y la creación de la compañía por parte de Mark Zuckerberg. Esta vez, Sorkin no vuelve al nacimiento de la red social, sino a uno de los episodios que pusieron en cuestión las consecuencias de su modelo. La nueva película se concentra en Haugen y en el periodista Jeff Horwitz, quien escribió para The Wall Street Journal la investigación The Facebook Files, publicada a partir de 2021 y basada en gran medida en miles de documentos internos que Haugen había proporcionado. Sorkin define el relato como una historia de David contra Goliat, pero con dos Davides. Uno es Haugen, quien utiliza la información que posee para desafiar a Facebook. El otro es el periodismo, que utiliza esa información para confrontar a la industria tecnológica. La historia comienza con los encuentros entre Haugen y Horwitz en diciembre de 2020. La película sigue también la resistencia inicial de Haugen a hacer públicas las revelaciones y su posterior decisión de poner su nombre al testimonio. Finalmente, Haugen declaró ante el Congreso sobre lo que consideraba un funcionamiento del algoritmo de Facebook que favorecía contenidos divisivos en busca de beneficios. Facebook rechazó entonces la caracterización que Haugen hacía de la compañía. Zuckerberg sostuvo que la idea de que la empresa impulsara deliberadamente contenido que provocara enojo para obtener beneficios era "profundamente ilógica". Meta declinó comentar sobre la película para el reporte de Reuters. Pero The Social Reckoning no pretende ser un documental. Y ahí aparece el conflicto que Sorkin reconoce abiertamente. Horwitz no participó en la producción y no tuvo control sobre el contenido. Sí mantuvo conversaciones con Sorkin sobre el proceso periodístico y su relación con Haugen. Según Horwitz, el director le anticipó que tendría que modificar la cronología y algunos detalles para construir la historia que quería contar. También le explicó que el personaje de "Movie Jeff" sería una versión ficcionalizada del periodista, una suerte de composición basada en elementos reales. Por eso, Horwitz describe la película como algo "inspirado en", no como una reconstrucción literal de lo sucedido. Sorkin no intenta ocultar esa transformación. Los hechos centrales, sostiene, son precisos, pero una película necesita conversaciones, escenas y una línea temporal capaces de convertir una investigación en una narración. "Las personas no viven sus vidas en una serie de escenas que forman una narrativa al final. Las personas no hablan en diálogos. Esas son cosas que hacen los guionistas", explicó. Y resumió la diferencia entre ambas disciplinas con una frase que funciona también como declaración de principios: "Lo que haces como periodista es una fotografía. Lo que hago yo es una pintura". La película también conecta la historia con el presente de Meta. Horwitz, que posteriormente desarrolló el caso en su libro Broken Code, publicado en 2023, trabaja actualmente como periodista de investigación en Reuters. Este año obtuvo el Premio Pulitzer de periodismo de investigación junto con Engen Tham por trabajos que expusieron cómo Meta permitió comportamientos provocadores de sus chatbots y obtuvo miles de millones de dólares en ingresos procedentes de anuncios fraudulentos. Sin embargo, The Social Reckoning no utiliza las investigaciones de Horwitz sobre Facebook, Instagram o Meta realizadas después de su llegada a Reuters en 2025. La película se concentra en el episodio anterior. El elenco también vuelve a construir el conflicto desde otra perspectiva. Mark Zuckerberg es interpretado por Jeremy Strong, de Succession, después de que Jesse Eisenberg rechazara repetir el personaje. Jeremy Allen White interpreta a Horwitz y Mikey Madison, ganadora del Oscar por Anora, encarna a Haugen. Más de una década después de The Social Network, Sorkin regresa así al mismo universo pero con una pregunta distinta. Ya no se trata de quién construyó Facebook, sino de qué ocurre cuando quienes conocen desde dentro el funcionamiento de una plataforma deciden revelar sus consecuencias. Le puede interesar: Meta entra de lleno en la IA corporativa con Enterprise Platform