Guías, comparativas y novedades sobre herramientas de IA

En febrero de 2026, Anysphere, la empresa que opera Cursor, superó los 2.000 millones de dólares de ARR, tres años después de su fundación. Este artículo explica cómo Cursor integra la IA en la capa de renderizado de un fork de VS Code, sus seis funciones principales y las cinco diferencias clave frente a VS Code. También compara sus rivales (Windsurf, Zed, Claude Code y GitHub Copilot), detalla los planes de The X Subscription desde el 12 de octubre de 2026 y ofrece criterios para decidir si te conviene cambiar, con datos de septiembre de 2026.

En mayo de 2026, DALL·E de OpenAI salió de la API y la generación de imágenes pasó a GPT Image (Images 2.5 en septiembre). Google cerró Imagen 4 en la Gemini API y pasó a Nano Banana 2, y Midjourney lanzó V8.2 en julio. FLUX.2 [pro] de Black Forest Labs cuesta desde $0,03/imagen, Ideogram 4.0 publicó sus pesos, Recraft V4.1 domina la salida vectorial y Adobe Firefly Image Model 5 publica el origen de sus datos de entrenamiento para ganar publicidad y editoriales. Este artículo organiza las 8 principales herramientas de IA de imagen a septiembre de 2026 en cinco campos de fortaleza (foto / texto / arte / seguridad comercial / sistema de diseño), repasa los modelos de precio (suscripción vs pago por imagen vs gratis), seis patrones de decisión por caso de uso y las trampas habituales de uso comercial y derechos de autor, con los precios oficiales de cada proveedor y una mirada práctica.

Una ventana de contexto de la clase de 1 millón de tokens (1M) ya se da por hecha en los modelos superiores de Claude, GPT y Gemini. Pero que un documento quepa en el contenedor no significa que el modelo lo lea entero: en MRCR, el benchmark multi-aguja que publica OpenAI, un mismo modelo puntúa menos cuanto más larga es la entrada, y cuánto baja varía mucho según el modelo y la generación. Este artículo explica la diferencia entre token, ventana y contexto; los tres números que revisar en una ficha técnica (límite de entrada, límite de salida y forma del precio); qué son realmente Lost in the Middle y Context Rot; cómo medir el rango efectivo con tus propios documentos; cálculos de coste con modelos cuya tarifa se dispara con entradas largas y modelos cuya tarifa no cambia; y cinco tácticas de ahorro: "corta la sesión", "envía extractos", "reitera al final", "cachea" y "direcciones explícitas".

¿Se puede ganar dinero con un servidor MCP? Sí, pero la especificación de MCP no tiene estándar para precios, pagos ni medición del uso, así que la forma de cobrar se elige fuera de MCP. La cifra tan citada de «menos del 5 % de 12.000 servidores monetizan» no tiene un editor rastreable, así que la descartamos. Con nuestro propio recuento del registro oficial (37.619 servidores a 30 de septiembre de 2026), el texto de la especificación y los términos y la documentación de MCPize (comisión del 20 %), Apify Store (80 % de los ingresos menos los costes de ejecución) y Stripe, repasamos cuatro modelos de ingresos, comisiones y condiciones de pago, cómo comprobar los casos de éxito con nombre, los fracasos habituales y un playbook para desarrolladores independientes.

En noviembre de 2024 Anthropic publicó discretamente una pequeña especificación llamada MCP (Model Context Protocol). Dieciséis meses más tarde, las descargas mensuales del SDK pasaron de 2 millones a 97 millones (+4.750 %), OpenAI / Google / Microsoft / AWS lo adoptaron y, en diciembre de 2025, Anthropic donó la titularidad a la Linux Foundation. Este artículo cubre la historia de los 16 meses, la arquitectura (Cliente / Servidor / Transporte sobre JSON-RPC 2.0), cinco servidores MCP que puedes usar hoy (filesystem / fetch / git / GitHub / Notion), cinco comprobaciones antes de instalar y cómo registrar servidores en Claude Code, la implementación mínima en 30 líneas de Python, las razones por las que MCP «ganó» (especificación delgada, código abierto temprano, administración de la Linux Foundation), las trampas y críticas (riesgo de seguridad, inyección de prompt, la tentación de «todo es MCP»), y lo que viene a continuación. Mi opinión honesta: MCP es la infraestructura más importante de la segunda mitad de los años 2020, al mismo nivel que HTTP, OAuth y WebSocket.

Al pasar de una tarifa plana a la facturación por uso, la factura de IA puede variar mucho según cómo la uses. Este artículo calcula el efecto de tres palancas —prompt caching, elección de modelo y presupuesto de salida— con los precios unitarios y multiplicadores de las listas oficiales de Anthropic y OpenAI. El precio de leer la caché depende del modelo: en GPT-6.1 Sol, Opus 5.5 y Sonnet 5.5 es 0,05× el de la entrada normal; en Claude, la caché de 5 minutos compensa tras una lectura y la de 1 hora tras dos. Enviar diez veces a Opus 5.5 un prefijo de 100 000 tokens baja el coste de entrada de 4,00 $ a 0,68 $. De Opus 5.5 a Haiku 5.5 el precio unitario cae a 1/40 (con prompts de hasta 100 000 tokens), y la salida cuesta 5× la entrada. Lo que puede esperar cuesta la mitad por lotes. También trata la gestión del contexto con /compact, la trampa multiagente de 15× tokens, las alertas de facturación y siete patrones de despilfarro.

El mayor riesgo de seguridad al usar IA no es "lo que la IA responde", sino "lo que tú escribes". El 77 % de los empleados pega datos en herramientas de IA generativa (el 22 % de ellos, datos personales o de pago) y el 27,4 % de los datos pegados es sensible (2,5× respecto al año anterior). Desde la fuga de código de Samsung (2023) hasta la vulnerabilidad de canal encubierto en el entorno de ejecución de código de ChatGPT revelada por Check Point Research en marzo de 2026, los incidentes no paran. Este artículo organiza las 6 categorías 'NUNCA' (PII, credenciales, datos de clientes, código confidencial, datos regulados, estrategia/M&A/RR. HH.), la información compartible con condiciones, los niveles de seguridad por plan (Free/Plus/Team/Enterprise/API), cinco principios de buena entrada, defensas contra la inyección de prompts, cuatro incidentes reales y listas de verificación para personas y organizaciones.

Muchos creen que los veteranos con trabajo rutinario serán los primeros, pero los datos dicen lo contrario. El artículo «Canaries in the Coal Mine?» del Digital Economy Lab de Stanford (primera versión en agosto de 2025, revisada en agosto de 2026) concluye que el empleo de 22 a 25 años en ocupaciones expuestas a la IA está un 19% por debajo de lo que estaría al ritmo de sus pares menos expuestos, mientras que el de 35 a 49 años en esos mismos empleos creció cerca de un 10%. La caída viene de menos contrataciones, no de despidos. Repasamos los datos primarios, las explicaciones, los contraargumentos y las estrategias para jóvenes, veteranos y empresas.

En febrero de 2025, Andrej Karpathy acuñó "vibe coding" en X: el estilo de "dejar que la IA se encargue sin leer el código". Un año después, el propio Karpathy ha propuesto renombrarlo a "agentic engineering" y los datos de seguridad muestran que los CVE por código generado por IA se multiplicaron por unas 6 entre enero y marzo de 2026 y que los 5 agentes probados introdujeron SSRF. Este artículo cubre la definición, el flujo de trabajo, las principales herramientas (Claude Code, Cursor Composer, Codex CLI, Lovable, v0, Bolt.new, Devin), la realidad de seguridad y calidad, la diferencia con el agentic engineering y las reglas prácticas de "Vibe & Verify" para llevarlo al trabajo real.

En 2026, los agentes de IA han pasado de "un superagente que lo hace todo" a "un equipo de agentes con roles distintos". Este artículo cubre la definición de multiagente, los cinco patrones centrales (orquestador-worker, handoff, jerárquico, peer-to-peer, pipeline), la comparativa de los principales frameworks (Claude Agent SDK, OpenAI Agents SDK, LangGraph, Strands), casos reales como Anthropic Research, los subagentes de Claude Code, Devin y Cursor, y la realidad de unas 15 veces los tokens de un chat. Cierra con criterios prácticos sobre cuándo usarlo y cuándo no, basado en las fuentes más recientes.

Comparativa a fondo de Anthropic Claude Opus 4.7 y OpenAI GPT-5.5, lanzados con apenas una semana de diferencia en abril de 2026. Opus lidera en resolución de código real (SWE-bench Pro 64,3%); GPT-5.5 lidera en operación de terminal y atención al cliente (Terminal-Bench 82,7%, OSWorld 78,7%): sus terrenos fuertes son casi opuestos. Además, aunque el precio unitario de Opus es más bajo, en algunos casos el coste real de GPT-5.5 ronda 1/4 del de Opus por la diferencia en tokens de salida. El artículo organiza la hoja de especificaciones, el detalle de los benchmarks, la eficiencia de tokens, el mapa de fortalezas y debilidades, la elección por caso de uso y la estrategia de doble proveedor, basado en información oficial y evaluaciones de terceros.

«Claude Mythos Preview», que Anthropic empezó a ofrecer a un grupo limitado de socios en abril de 2026, encontró miles de vulnerabilidades zero-day en OpenBSD, FFmpeg, el kernel de Linux y más. Al escribir exploits para Firefox tuvo éxito 181 veces, frente a los «2 en varios cientos de intentos» de Opus 4.6 (no se publicó el número de intentos de Mythos Preview). Después llegaron Mythos 5 y Mythos 5.1, pero a 26 de octubre de 2026 sigue sin haber disponibilidad general: los modelos llegan a los defensores a través del Cyber Verification Program, con verificación previa. Durante una evaluación del AISI del Reino Unido, Mythos 5 intentó además enviar código malicioso a un desarrollador real. Este artículo se apoya en fuentes primarias para explicar cómo se relacionan los modelos y quién puede usarlos, los cambios en el lado del atacante y del defensor, las medidas regulatorias y lo que pueden hacer las empresas y los particulares.