January | 2026
Nvidia chief executive Jensen Huang disputed reports that his company's proposed investment of up to $100 billion in OpenAI had stalled. He said Nvidia would make a very large investment, perhaps its biggest, while acknowledging that the final amount was for OpenAI to determine and would fall far below the figure that shaped the original announcement. The September agreement was a nonbinding statement tied to plans for at least ten gigawatts of computing infrastructure. Months later, the largest check in the AI industry still existed as an intention rather than a completed transaction.
The phrase up to did enormous work. It allowed two companies to announce a number large enough to define ambition while leaving the obligation open. OpenAI gained a public image of infrastructure secured at historic scale. Nvidia reinforced demand for the chips that such infrastructure would require. The same money could circulate from chipmaker to model company and back into orders for hardware, making investment and future revenue part of one story. A smaller final deal would still involve billions, but it would expose the distance between a ceiling and a commitment. Markets heard the first number long before lawyers completed the terms. The unwritten check had already purchased months of headlines, confidence, and negotiating power before either board had to sign it.
Jensen Huang, director ejecutivo de Nvidia, rechazó informes de que la inversión propuesta de hasta 100 mil millones de dólares en OpenAI se había estancado. Dijo que Nvidia haría una inversión enorme, quizá la mayor de su historia, aunque reconoció que OpenAI determinaría el monto final y que quedaría muy por debajo de la cifra del anuncio original. El acuerdo de septiembre era una declaración sin carácter vinculante asociada a planes para al menos diez gigavatios de infraestructura informática. Meses después, el mayor cheque de la industria de IA seguía existiendo como intención y no como transacción terminada.
Las palabras hasta hicieron un trabajo extraordinario. Permitieron anunciar una cifra capaz de definir la ambición sin cerrar la obligación. OpenAI obtuvo una imagen pública de infraestructura asegurada a escala histórica. Nvidia reforzó la demanda esperada de los chips necesarios para construirla. El mismo dinero podía circular desde el fabricante hacia la empresa de modelos y regresar convertido en pedidos de hardware, uniendo inversión e ingresos futuros dentro de una sola historia. Un acuerdo final menor todavía implicaría miles de millones, pero mostraría la distancia entre un techo y un compromiso. Los mercados oyeron la primera cifra mucho antes de que los abogados cerraran los términos. El cheque sin firmar ya había comprado meses de titulares, confianza y poder de negociación antes de que cualquiera de los directorios tuviera que aprobarlo.
Physical Intelligence is building general-purpose robotic foundation models through a loop of data collection, training, and real-world testing, TechCrunch reported on January 30th. In the company's San Francisco space, off-the-shelf robotic arms practice folding pants, turning shirts inside out, peeling vegetables, and using a test kitchen as training ground. The startup has raised more than $1 billion, spends heavily on compute, and has avoided giving investors a firm commercialization timeline while testing systems with partners in logistics, grocery, and food production.
The clumsy hand is the honest image of robotic intelligence. Software can appear brilliant in language because language tolerates polish, omission, and speed. A kitchen does not. A zucchini slips, fabric folds badly, hardware breaks, and a task that looks trivial becomes a lesson in force, grip, angle, friction, and recovery. Physical Intelligence is betting that general robotic skill will emerge from enough bodies, environments, and failures. The wager is expensive because physical knowledge resists theatrical demos. A model cannot merely describe peeling. It has to hold the vegetable, lose it, adjust pressure, collect the shaving, and try again while investors wait for a machine that can finally touch the world without pretending it understands it.
Physical Intelligence construye modelos fundacionales robóticos de propósito general mediante un ciclo de recolección de datos, entrenamiento y pruebas en el mundo real, informó TechCrunch el 30 de enero. En el espacio de la empresa en San Francisco, brazos robóticos comerciales practican doblar pantalones, dar vuelta camisas, pelar verduras y usar una cocina de prueba como terreno de entrenamiento. La startup recaudó más de 1.000 millones de dólares, gasta mucho en cómputo y ha evitado dar a los inversores un calendario firme de comercialización mientras prueba sistemas con socios en logística, supermercados y producción de alimentos.
La mano torpe es la imagen honesta de la inteligencia robótica. El software puede parecer brillante en el lenguaje porque el lenguaje tolera pulido, omisión y velocidad. Una cocina no. Un calabacín se resbala, la tela se dobla mal, el hardware se rompe y una tarea que parece trivial se vuelve una lección de fuerza, agarre, ángulo, fricción y recuperación. Physical Intelligence apuesta a que la habilidad robótica general emergerá de suficientes cuerpos, entornos y fallas. La apuesta es costosa porque el conocimiento físico resiste las demostraciones teatrales. Un modelo no puede limitarse a describir cómo pelar. Tiene que sostener la verdura, perderla, ajustar la presión, recoger la viruta y volver a intentarlo mientras los inversores esperan una máquina que por fin pueda tocar el mundo sin fingir que lo entiende.
The Pentagon and Anthropic reached a standstill over how the military could use Claude under a contract worth up to $200 million, Reuters reported. Anthropic sought safeguards against domestic surveillance and weapons targeting without sufficient human oversight. Defense officials argued that commercial AI should be available for any lawful government purpose regardless of a company's usage policy. The dispute carried an operational complication. Anthropic's models are trained to avoid some harmful actions, and the company's staff would need to modify them for specialized military use.
The contract places a private company's rules inside the chain of command. Anthropic wants to retain authority over two categories of state action after selling access to its model. The Pentagon sees that condition as an external limit on powers granted by law. Both positions leave an uncomfortable gap. A company can write restrictions without democratic authority, while a government can call an operation lawful even when citizens cannot inspect it. The technical safeguard becomes a line of policy enforced through model behavior and engineering support. That line may be stronger than a public promise and weaker than legislation. The negotiation will decide who can move it, under what secrecy, and after which failure. For now, the disputed limit sits in a contract and in code that military users cannot alter without the vendor.
El Pentágono y Anthropic llegaron a un punto muerto sobre el uso militar de Claude dentro de un contrato de hasta 200 millones de dólares, según Reuters. Anthropic buscó protecciones contra la vigilancia interna y la selección de objetivos para armas sin suficiente supervisión humana. Funcionarios de Defensa sostuvieron que una IA comercial debería estar disponible para cualquier propósito legal del gobierno, al margen de la política de uso de la empresa. La disputa incluye una dificultad operativa. Los modelos de Anthropic están entrenados para evitar ciertas acciones dañinas y el personal de la compañía tendría que modificarlos para funciones militares especializadas.
El contrato coloca las reglas de una empresa privada dentro de la cadena de mando. Anthropic quiere conservar autoridad sobre dos clases de acción estatal después de vender acceso a su modelo. El Pentágono considera esa condición un límite externo a poderes concedidos por la ley. Ambas posturas dejan un vacío incómodo. Una empresa redacta restricciones sin autoridad democrática, mientras un gobierno puede llamar legal a una operación que los ciudadanos no pueden inspeccionar. La protección técnica se convierte en política aplicada mediante el comportamiento del modelo y el apoyo de ingenieros. Esa línea puede ser más fuerte que una promesa pública y más débil que una ley. La negociación decidirá quién puede moverla, bajo qué secreto y después de qué fallo. Por ahora, el límite vive en un contrato y en código que los usuarios militares no pueden cambiar sin el proveedor.
CISA's acting director, Madhu Gottumukkala, uploaded sensitive contracting documents marked for official use only to ChatGPT, TechCrunch reported on January 28th, citing Politico. The uploads reportedly triggered automated security warnings designed to prevent theft or accidental disclosure from federal networks. Gottumukkala had been granted an exception to use ChatGPT while other employees were prohibited, and Homeland Security officials examined whether the uploads harmed government security.
The leaking exception turns AI policy into a hierarchy of permissions. A public agency can forbid a tool to ordinary staff, warn against data leaving the network, and still allow the person at the top to carry internal files into a commercial model. The danger is not dramatic espionage. It is administrative confidence meeting a product built to absorb language. A contract document marked for internal use becomes prompt material, and the security system records the contradiction after the gesture has already occurred. The episode also weakens the theater of institutional caution. Rules look different when leaders treat them as temporary obstacles, and the chatbot becomes the place where that difference leaves a log.
Madhu Gottumukkala, director interino de CISA, subió a ChatGPT documentos sensibles de contratación marcados para uso oficial, informó TechCrunch el 28 de enero, citando a Politico. Las cargas habrían activado advertencias automáticas de seguridad diseñadas para impedir robo o divulgación accidental desde redes federales. Gottumukkala tenía una excepción para usar ChatGPT mientras otros empleados lo tenían prohibido, y funcionarios de Seguridad Nacional examinaron si las cargas dañaron la seguridad gubernamental.
La excepción filtrada convierte la política de IA en una jerarquía de permisos. Una agencia pública puede prohibir una herramienta al personal ordinario, advertir contra la salida de datos de la red y aun así permitir que la persona de arriba lleve archivos internos a un modelo comercial. El peligro no es un espionaje dramático. Es la confianza administrativa encontrándose con un producto construido para absorber lenguaje. Un documento contractual marcado para uso interno se vuelve material de prompt, y el sistema de seguridad registra la contradicción después de que el gesto ya ocurrió. El episodio también debilita el teatro de la cautela institucional. Las reglas se ven distintas cuando los líderes las tratan como obstáculos temporales, y el chatbot se vuelve el lugar donde esa diferencia deja un registro.
Google expanded prompt-based editing in Google Photos to India, Australia, and Japan, TechCrunch reported on January 27th. The feature lets Android users ask for changes in plain language, from removing objects and reducing blur to restoring an old photo, changing a friend's pose, removing glasses, or opening a subject's eyes after a blink. Google says the edits run inside the app and that C2PA Content Credentials will indicate when an image was created or altered with AI.
The edited memory moves image manipulation from specialist software into ordinary speech. A family picture no longer needs a trained editor, a menu of tools, or visible labor. It needs a sentence. That makes repair easier, especially for damaged archives and bad snapshots that people still want to keep. It also changes the moral temperature of the album. The unwanted motorcycle, closed eyes, bad background, awkward pose, and inconvenient object become defects waiting for instruction. Metadata may record the intervention, but the eye meets the improved scene first. Memory has always been selective. Google Photos gives that selectivity a command box and makes correction feel as natural as asking.
Google expandió la edición por prompts en Google Photos a India, Australia y Japón, informó TechCrunch el 27 de enero. La función permite a usuarios de Android pedir cambios en lenguaje común, desde eliminar objetos y reducir desenfoque hasta restaurar una foto antigua, cambiar la pose de un amigo, quitar gafas o abrir los ojos de una persona que parpadeó. Google dice que las ediciones se ejecutan dentro de la app y que las credenciales C2PA indicarán cuándo una imagen fue creada o alterada con IA.
La memoria editada mueve la manipulación de imágenes desde el software especializado hacia el habla ordinaria. Una foto familiar ya no necesita un editor entrenado, un menú de herramientas ni trabajo visible. Necesita una frase. Eso facilita la reparación, sobre todo en archivos dañados y malas instantáneas que la gente aún quiere conservar. También cambia la temperatura moral del álbum. La motocicleta indeseada, los ojos cerrados, el fondo malo, la pose incómoda y el objeto inconveniente se vuelven defectos a la espera de una instrucción. Los metadatos pueden registrar la intervención, pero el ojo encuentra primero la escena mejorada. La memoria siempre fue selectiva. Google Photos le da a esa selectividad una caja de comandos y hace que corregir parezca tan natural como pedir.
Creators behind three YouTube channels with about 6.2 million subscribers filed a proposed class action accusing Snap of using their videos to train artificial intelligence systems. The suit says Snap relied on HD-VILA-100M and other large video-language datasets intended for academic research, then used the material for commercial features such as Imagine Lens, which edits images from written prompts. The creators allege that the company bypassed YouTube's restrictions and licensing terms. They are seeking damages and an injunction. Snap declined to comment.
Video training absorbs a kind of labor that is easy to hide inside a dataset. A creator chooses a room, sets a camera, speaks with a practiced rhythm, edits pauses, and builds an audience that gives the recording commercial value. Once millions of clips become numbered examples, those decisions appear as raw material detached from a channel and a person. The resulting feature can imitate visual patterns without displaying the videos that taught it, which makes appropriation difficult to see at the moment of use. Copyright law must now follow an image through download, dataset, training run, and consumer filter. The lawsuit asks a court to reconstruct that route. Every step may be technical, but the disputed object remains a recorded performance that entered a commercial product without an agreed price.
Creadores de tres canales de YouTube con unos 6,2 millones de suscriptores presentaron una demanda colectiva propuesta contra Snap por usar sus videos para entrenar sistemas de inteligencia artificial. La demanda afirma que Snap recurrió a HD-VILA-100M y otros grandes conjuntos de video y lenguaje destinados a investigación académica, y luego aplicó ese material a funciones comerciales como Imagine Lens, que modifica imágenes mediante instrucciones escritas. Los creadores sostienen que la empresa evitó las restricciones y licencias de YouTube. Piden indemnización y una orden para detener el supuesto uso. Snap no hizo comentarios.
El entrenamiento con video absorbe una clase de trabajo fácil de ocultar dentro de un conjunto de datos. Un creador elige una habitación, coloca una cámara, habla con un ritmo practicado, edita pausas y forma un público que da valor comercial a la grabación. Cuando millones de clips se convierten en ejemplos numerados, esas decisiones aparecen como materia prima separada de un canal y de una persona. La función resultante puede imitar patrones visuales sin mostrar los videos que la enseñaron, de modo que la apropiación desaparece durante el uso. La ley debe seguir ahora una imagen a través de descarga, conjunto de datos, entrenamiento y filtro comercial. La demanda pide al tribunal reconstruir esa ruta. Cada paso puede ser técnico, pero el objeto discutido sigue siendo una actuación grabada que entró en un producto sin precio acordado.
San Diego Comic-Con and the Science Fiction and Fantasy Writers Association tightened their rules against generative AI, TechCrunch reported on January 25th. SFWA revised Nebula Award eligibility after backlash, barring works written wholly or partly by large language models and disqualifying work if LLMs were used at any point in creation. Comic-Con changed art show rules after artists objected, moving from a partial allowance for AI-generated art to a clear ban on material created wholly or partly by AI.
The rejected future carries special force inside science fiction. The genre spent more than a century imagining intelligent machines, artificial minds, synthetic artists, obedient tools, rebellious servants, and technical miracles. Its writers now confront a machine sold in the language of their own inheritance, trained on the cultural archive, and offered as a shortcut through the labor that made the archive valuable. The ban is imperfect because software companies keep embedding LLM features into ordinary tools. It still names a boundary. A convention hall and an awards ballot are declaring that speculative culture cannot be reduced to a prediction engine fed by previous dreams. The future may enter the story, but it does not get automatic authorship.
San Diego Comic-Con y la Science Fiction and Fantasy Writers Association endurecieron sus reglas contra la IA generativa, informó TechCrunch el 25 de enero. La SFWA revisó la elegibilidad de los premios Nebula tras una reacción negativa, prohibiendo obras escritas total o parcialmente por grandes modelos de lenguaje y descalificando trabajos si se usaron LLM en cualquier punto de la creación. Comic-Con cambió las reglas de su muestra de arte después de las objeciones de artistas, pasando de una autorización parcial para arte generado con IA a una prohibición clara de material creado total o parcialmente por IA.
El futuro rechazado tiene una fuerza especial dentro de la ciencia ficción. El género pasó más de un siglo imaginando máquinas inteligentes, mentes artificiales, artistas sintéticos, herramientas obedientes, sirvientes rebeldes y milagros técnicos. Sus escritores enfrentan ahora una máquina vendida en el lenguaje de su propia herencia, entrenada con el archivo cultural y ofrecida como atajo por el trabajo que hizo valioso ese archivo. La prohibición es imperfecta porque las empresas de software siguen incrustando funciones de LLM en herramientas comunes. Aun así, nombra un límite. Un centro de convenciones y una papeleta de premios declaran que la cultura especulativa no puede reducirse a un motor de predicción alimentado por sueños anteriores. El futuro puede entrar en la historia, pero no recibe autoría automática.
Sparkli, an AI-powered learning app founded by former Google employees, is trying to turn children's questions into interactive learning expeditions, TechCrunch reported on January 24th. The app generates audio, video, images, quizzes, games, and choose-as-you-go adventures around topics a child selects or asks about. The company says it has tested the product in more than 20 schools, built a teacher module, and added safety rules for sensitive subjects, while targeting children ages 5 to 12.
The captive lesson borrows the grammar of games to compete with games. Sparkli's founders describe curiosity, but the product also uses streaks, rewards, quest cards, avatars, daily topics, and generated media that can appear within minutes. Education has always needed attention. The new bargain is that attention must be won with the same machinery that trains children to return to apps. That can make a difficult idea more vivid than a worksheet or a wall of text. It can also make learning depend on a private engine that decides which path, image, voice, and reward will keep a child moving. The classroom receives an expedition, and the child receives a lesson shaped like a retention loop.
Sparkli, una aplicación de aprendizaje con IA fundada por exempleados de Google, intenta convertir las preguntas de los niños en expediciones interactivas de aprendizaje, informó TechCrunch el 24 de enero. La app genera audio, video, imágenes, cuestionarios, juegos y aventuras de elección alrededor de temas que un niño selecciona o pregunta. La empresa dice que probó el producto en más de 20 escuelas, construyó un módulo para docentes y agregó reglas de seguridad para asuntos sensibles, mientras apunta a niños de 5 a 12 años.
La lección cautiva toma prestada la gramática de los juegos para competir con los juegos. Los fundadores de Sparkli hablan de curiosidad, pero el producto también usa rachas, recompensas, tarjetas de misión, avatares, temas diarios y medios generados que pueden aparecer en minutos. La educación siempre necesitó atención. El nuevo pacto exige ganar esa atención con la misma maquinaria que entrena a los niños a volver a las aplicaciones. Eso puede volver una idea difícil más viva que una hoja de ejercicios o un muro de texto. También puede hacer que aprender dependa de un motor privado que decide qué camino, imagen, voz y recompensa mantendrá al niño en movimiento. El aula recibe una expedición, y el niño recibe una lección con forma de bucle de retención.
Artificial intelligence executives occupied the center of the World Economic Forum in Davos, where Meta and Salesforce took over storefronts along the Swiss town's main promenade. TechCrunch described AI discussions overshadowing established subjects such as climate change and global poverty. Chief executives debated trade policy, defended investment, warned about a possible bubble, and presented their own companies as builders of the next economic order. The annual meeting has long mixed public officials with private wealth. This edition gave the technology industry control over both the agenda and much of the visible street.
A storefront is a small form of government during a conference. It decides who enters, which conversation receives a stage, and what image survives in photographs from the week. The companies arrived with budgets large enough to turn rented facades into extensions of their authority. Ministers and regulators then discussed AI inside a setting designed by the firms they may need to restrain. Climate and poverty did not disappear from the official program, but they lost physical and rhetorical space to models, chips, funding rounds, and forecasts of automated growth. Davos offered a rehearsal for policy made under corporate hospitality. The public question entered through security while the companies already held the keys, the microphones, and the best addresses on the promenade.
Los ejecutivos de inteligencia artificial ocuparon el centro del Foro Económico Mundial en Davos, donde Meta y Salesforce tomaron locales a lo largo del paseo principal de la ciudad suiza. TechCrunch describió conversaciones sobre IA que desplazaron asuntos tradicionales como el cambio climático y la pobreza mundial. Los directores ejecutivos debatieron política comercial, defendieron inversiones, advirtieron sobre una posible burbuja y presentaron a sus empresas como constructoras del próximo orden económico. La reunión anual lleva décadas mezclando funcionarios públicos y riqueza privada. Esta edición entregó a la industria tecnológica el control de la agenda y de buena parte de la calle visible.
Una vitrina funciona como una pequeña forma de gobierno durante una conferencia. Decide quién entra, qué conversación recibe un escenario y qué imagen sobrevive en las fotografías de la semana. Las empresas llegaron con presupuestos capaces de convertir fachadas alquiladas en extensiones de su autoridad. Ministros y reguladores discutieron entonces la IA dentro de un entorno diseñado por las compañías que quizá deban limitar. El clima y la pobreza permanecieron en el programa oficial, pero perdieron espacio físico y retórico frente a modelos, chips, rondas de financiación y pronósticos de crecimiento automatizado. Davos ensayó una política creada bajo hospitalidad corporativa. La pregunta pública pasó por el control de seguridad cuando las empresas ya tenían las llaves, los micrófonos y las mejores direcciones del paseo.
