June | 2026
The AI boom has begun to produce a political fantasy of public ownership. Donald Trump has praised the idea of AI companies contributing equity to a public wealth fund. Sam Altman has promoted versions of the same arrangement, and Bernie Sanders has called for a large one-time tax on AI firms paid in stock. Dario Amodei has spoken of universal capital accounts. The proposals differ, but they share one premise. If intelligence becomes a machine-owned source of extraordinary wealth, citizens may need a direct claim on the companies that own the machines.
The mechanism is less generous than the rhetoric. A few percentage points of equity in even the largest AI labs would not make households rich unless the companies grew into something close to planetary utilities. A broader levy on labs, chipmakers, cloud providers, and data-center firms would raise more money, but it would also force the state to define where the AI economy begins and ends. Public ownership creates another problem. A government that owns part of an AI firm may become more hesitant to regulate, break up, or punish it. The citizen is offered a small dividend, while the company receives a new argument for staying too important to disturb.
El auge de la IA empezó a producir una fantasía política de propiedad pública. Donald Trump elogió la idea de que las compañías de IA aporten acciones a un fondo de riqueza pública. Sam Altman ha promovido versiones del mismo arreglo, y Bernie Sanders pidió un gran impuesto único a las empresas de IA pagado en acciones. Dario Amodei habló de cuentas universales de capital. Las propuestas difieren, pero comparten una premisa. Si la inteligencia se convierte en una fuente de riqueza extraordinaria propiedad de máquinas y de quienes las controlan, los ciudadanos pueden necesitar un reclamo directo sobre esas compañías.
El mecanismo es menos generoso que la retórica. Unos pocos puntos porcentuales de participación en los mayores laboratorios de IA no volverían ricos a los hogares salvo que esas empresas crecieran hasta algo parecido a servicios públicos planetarios. Un gravamen más amplio sobre laboratorios, fabricantes de chips, proveedores de nube y centros de datos recaudaría más, pero también obligaría al estado a definir dónde empieza y termina la economía de IA. La propiedad pública crea otro problema. Un gobierno que posee parte de una empresa de IA puede volverse más reacio a regularla, dividirla o castigarla. Al ciudadano se le ofrece un dividendo pequeño, mientras la compañía recibe un nuevo argumento para seguir siendo demasiado importante como para molestarla.
Translation agencies are increasingly sending machine-produced drafts to freelancers and paying them to make the text usable. The assignment no longer begins with a sentence in one language and a blank space in another. It begins with an output that already sounds finished. The human translator is asked to check terminology, catch errors, repair tone, remove awkward phrasing, and accept responsibility for a version whose first decisions were made by software. Rates fall because the job is framed as correction, but the risk does not fall with them. A bad medical instruction, legal clause, technical manual, or literary sentence still carries a human name at delivery.
The surviving job sits in a narrower and more nervous position. Translators once moved between languages by weighing tone, context, idiom, silence, and the small betrayal every sentence requires. Now many receive a fluent surface that must be distrusted line by line. Fluency is the dangerous part, because bad language announces itself while smooth error passes as competence. Agencies save time by shifting uncertainty downward to freelancers paid to repair an output they did not author. The translator becomes a proofreader of automated confidence, responsible for the sentence after the machine has already made it sound inevitable.
Las agencias de traducción envían cada vez más borradores producidos por máquinas a freelancers y les pagan para volver utilizable el texto. El encargo ya no empieza con una frase en una lengua y un espacio vacío en otra. Empieza con una salida que ya parece terminada. Al traductor humano se le pide revisar terminología, detectar errores, reparar tono, quitar torpezas y aceptar responsabilidad por una versión cuyas primeras decisiones tomó un software. Las tarifas bajan porque el trabajo se presenta como corrección, pero el riesgo no baja con ellas. Una mala instrucción médica, una cláusula legal, un manual técnico o una frase literaria todavía lleva un nombre humano al entregarse.
El oficio que sobrevive ocupa una posición más estrecha y más nerviosa. Los traductores antes pasaban de una lengua a otra pesando tono, contexto, modismo, silencio y la pequeña traición que toda frase exige. Ahora muchos reciben una superficie fluida que deben desconfiar línea por línea. La fluidez es la parte peligrosa, porque el mal lenguaje se delata mientras el error terso pasa por competencia. Las agencias ahorran tiempo desplazando la incertidumbre hacia freelancers pagados para reparar una salida que no escribieron. El traductor se vuelve corrector de una confianza automática, responsable de la frase después de que la máquina ya la hizo sonar inevitable.
Meta has begun separating itself from Manus, the Chinese-founded agentic AI startup it agreed to buy for $2 billion, after Beijing ordered the transaction unwound on national security grounds. According to TechCrunch and Bloomberg, Meta has cut Manus off from internal systems, halted data sharing, and stopped employees from using its tools for company projects. Manus's founders have reportedly discussed raising about $1 billion to reclaim the company, possibly through a structure that keeps it closer to Chinese control and opens a path toward a Hong Kong listing.
The failed deal shows how AI acquisitions now pass through a sovereignty filter before they become corporate strategy. Meta wanted agent technology, investors wanted an exit, and Manus had already moved staff to Singapore. Beijing still treated the startup's origin, talent, data access, and technical direction as assets that could not simply be transferred to an American platform. The separation also follows tighter Chinese rules around foreign investment and travel permissions for AI researchers. Capital can cross borders quickly, but model builders, datasets, and internal tools now trigger state claims before the contract dries. For Meta, the missing asset is no longer a term sheet. It is a tool its own employees have been told to stop using.
Meta empezó a separarse de Manus, la startup de IA agéntica fundada en China que había acordado comprar por 2.000 millones de dólares, después de que Beijing ordenara deshacer la operación por motivos de seguridad nacional. Según TechCrunch y Bloomberg, Meta cortó el acceso de Manus a sus sistemas internos, detuvo el intercambio de datos y prohibió a sus empleados usar sus herramientas en proyectos de la compañía. Los fundadores de Manus habrían discutido levantar cerca de 1.000 millones de dólares para recuperar la empresa, posiblemente mediante una estructura que la mantenga más cerca del control chino y abra una vía hacia una salida a bolsa en Hong Kong.
El acuerdo fallido muestra cómo las compras de IA pasan ahora por un filtro de soberanía antes de convertirse en estrategia corporativa. Meta quería tecnología de agentes, los inversores querían una salida y Manus ya había trasladado personal a Singapur. Beijing aun así trató el origen de la startup, su talento, su acceso a datos y su dirección técnica como activos que no podían transferirse sin más a una plataforma estadounidense. La separación también llega tras reglas chinas más estrictas sobre inversión extranjera y permisos de viaje para investigadores de IA. El capital puede cruzar fronteras rápido, pero constructores de modelos, conjuntos de datos y herramientas internas activan reclamos estatales antes de que el contrato se seque. Para Meta, el activo ausente ya no es una hoja de términos. Es una herramienta que sus propios empleados recibieron orden de dejar de usar.
A Munich court has preliminarily ruled that Google can be held liable for false statements generated by AI Overviews, after two publishers said the search feature wrongly associated them with scams and questionable business practices. Google argued that the summaries were automated, that users were warned about possible errors, and that people should verify the information independently. The court took a harder view. It found that the disputed summaries created new, substantial statements that did not appear in the linked sources and that Google, as the company designing, training, operating, and managing the system, was the party able to prevent the damage.
The ruling moves liability from the linked page to the answer layer. A search engine used to defend itself as a directory of other people's statements. AI Overviews changes the operation by combining sources, compressing them, and presenting a generated sentence at the top of the page. If that sentence invents an accusation, the injured party cannot sue the original source, since the original source never said it. A warning label becomes thin protection when the falsehood arrives in the voice of the search interface itself. Google may appeal, but the case gives publishers, companies, and private people a procedural path toward the model operator, not the web pages it misread.
Un tribunal de Múnich resolvió de forma preliminar que Google puede ser responsable por declaraciones falsas generadas por AI Overviews, después de que dos editoriales afirmaran que el buscador las vinculó erróneamente con estafas y prácticas comerciales cuestionables. Google sostuvo que los resúmenes eran automáticos, que los usuarios recibían advertencias sobre posibles errores y que la información debía verificarse de manera independiente. El tribunal adoptó una lectura más severa. Consideró que los resúmenes discutidos crearon afirmaciones nuevas y sustanciales que no aparecían en las fuentes enlazadas, y que Google, como empresa que diseña, entrena, opera y gestiona el sistema, era la parte capaz de evitar el daño.
El fallo desplaza la responsabilidad desde la página enlazada hasta la capa de respuesta. Un buscador podía defenderse como directorio de declaraciones ajenas. AI Overviews cambia la operación al combinar fuentes, comprimirlas y presentar una frase generada en la parte superior de la página. Si esa frase inventa una acusación, la parte afectada no puede demandar a la fuente original, porque la fuente original nunca la dijo. Una advertencia se vuelve una protección débil cuando la falsedad llega con la voz de la propia interfaz de búsqueda. Google puede apelar, pero el caso ofrece a editoriales, empresas y personas una vía procesal hacia el operador del modelo, no hacia las páginas web que leyó mal.
The US government has ordered Anthropic to suspend access to Claude Fable 5 and Claude Mythos 5 for any foreign national, even those living inside the United States and even foreign employees of Anthropic itself. These were among the most powerful AI models ever shown to the public. Anthropic's response was to remove both models automatically for all users. The move is highly unusual, and in the public history of commercial AI releases, nearly without precedent. Fable 5 had just been released as Anthropic's most powerful widely available model, with safeguards around cybersecurity, biology, chemistry, and model distillation. Mythos 5 used the same underlying system with some safeguards lifted for trusted cyberdefenders.
The order exposes a strategic contradiction. Washington appears to be trying to keep the most capable American systems away from adversaries, yet the immediate effect is to remove an American model from the market. Anthropic says the government cited a possible way to bypass Fable's safety protections, but the company argues the example was of lesser importance, involved minor known vulnerabilities, and showed capabilities already available in other public models. AI is advancing at an exponential and vertiginous pace, which raises the chance that other countries may soon reveal models stronger than anything they have shown publicly so far, including Chinese systems developed outside American controls. If that happens while US models remain trapped behind emergency restrictions, the advantage shifts from technical superiority to commercial availability. Measures like this could even push frontier AI companies to ask whether remaining inside the United States has become a strategic liability. In AI, power belongs partly to whoever builds the strongest model, and partly to whoever can keep it usable.
El gobierno de Estados Unidos ordenó a Anthropic suspender el acceso a Claude Fable 5 y Claude Mythos 5 para cualquier ciudadano extranjero, incluso si vive dentro del país o trabaja para la propia Anthropic. Eran algunos de los modelos de inteligencia artificial más potentes mostrados hasta ahora al público. La respuesta de Anthropic fue retirarlos automáticamente para todos los usuarios. La medida es totalmente inusual y, en la historia pública de los lanzamientos comerciales de IA, casi no tiene precedentes. Fable 5 acababa de salir como el modelo más potente que Anthropic había puesto a disposición general, con protecciones en ciberseguridad, biología, química y destilación. Mythos 5 usaba el mismo sistema de base, pero con algunas protecciones levantadas para ciberdefensores de confianza.
La orden expone una contradicción estratégica. Washington parece intentar mantener los sistemas estadounidenses más capaces lejos de sus adversarios, pero el efecto inmediato es retirar del mercado un modelo estadounidense. Anthropic dice que el gobierno citó una posible forma de saltarse las protecciones de Fable, aunque la compañía sostiene que el ejemplo era de menor importancia, involucraba vulnerabilidades menores ya conocidas y mostraba capacidades disponibles en otros modelos públicos. La IA avanza a un ritmo exponencial y vertiginoso, lo que aumenta la posibilidad de que otros países revelen pronto modelos más fuertes que los mostrados hasta ahora, incluidos sistemas chinos fuera de los controles estadounidenses. Si eso ocurre mientras los modelos de Estados Unidos permanecen atrapados detrás de restricciones de emergencia, la ventaja se desplaza de la superioridad técnica a la disponibilidad comercial. Medidas así podrían incluso empujar a las compañías de IA de frontera a preguntarse si permanecer dentro de Estados Unidos se ha convertido en una desventaja estratégica.
A Florida man was arrested after police treated a face-recognition result as a lead strong enough to help carry a warrant. According to a lawsuit filed by the ACLU and reported by WIRED, Robert Dillon lived over 300 miles from the Jacksonville Beach McDonald's where a man had allegedly tried to lure a child. A police system called FACES returned a 93 percent facial match from a poor image taken off surveillance footage. That number measured similarity between images. It did not say the two faces belonged to the same person.
The damage came from the institution around the software. License plate searches reportedly placed Dillon's vehicles nowhere near the county, a restaurant manager said the suspect was a regular customer, and six months passed before the warrant was submitted. The arrest still happened. Dillon was taken from his home, spent a night in jail, pledged his truck title for bond, lost work during crab season, and watched his mug shot remain online after charges were dropped. The machine supplied a resemblance, then the paperwork gave it weight. In cases like this, the face becomes a shortcut through doubt, and the person has to spend months proving that a score was only a score.
Un hombre de Florida fue arrestado después de que la policía tratara un resultado de reconocimiento facial como una pista con fuerza suficiente para sostener una orden judicial. Según una demanda presentada por la ACLU y reportada por WIRED, Robert Dillon vivía a más de 300 millas del McDonald's de Jacksonville Beach donde un hombre habría intentado atraer a una niña. Un sistema policial llamado FACES devolvió una coincidencia facial del 93 por ciento a partir de una imagen deficiente tomada de una grabación de vigilancia. Ese número medía parecido entre imágenes. No decía que los dos rostros pertenecieran a la misma persona.
El daño vino de la institución que rodeó al software. Las búsquedas de matrículas habrían ubicado los vehículos de Dillon lejos del condado, una gerente del restaurante dijo que el sospechoso era un cliente habitual, y pasaron seis meses antes de que se presentara la orden. El arresto ocurrió de todos modos. Dillon fue sacado de su casa, pasó una noche en la cárcel, empeñó el título de su camioneta para pagar la fianza, perdió trabajo durante la temporada de cangrejo y vio su ficha policial en línea después de que retiraran los cargos. La máquina entregó un parecido, luego el expediente le dio peso. En casos así, el rostro se convierte en un atajo a través de la duda, y la persona debe pasar meses probando que una puntuación era solo una puntuación.
OpenAI is preparing a major redesign of ChatGPT that would move the product beyond the blank chat box and into a place where people do things. According to The Verge, which summarized reporting from the Financial Times, the company wants ChatGPT to handle coding, image creation, agents, and outside apps inside a broader interface. One senior OpenAI employee reportedly described the old chat format as dead. The phrase sounds dramatic, but the point is practical. OpenAI has built one of the most familiar interfaces on the internet, and now it needs that habit to produce steadier revenue as it moves toward a public listing.
The current chat box is easy to understand. A person types, the system replies, and the exchange feels almost free even when the computing cost is large. A redesigned ChatGPT would change that routine by placing more paid actions around the conversation. A request could become a coding session, a generated file, a booking, a workflow run by an agent, or a task completed through a partner app. The user may still begin with a sentence, but the product can guide that sentence toward services with prices, subscriptions, limits, and commissions. OpenAI is polishing the interface while trying to turn ChatGPT from a habit people visit into a business people pay through.
OpenAI prepara un rediseño importante de ChatGPT para sacar el producto de la caja vacía de conversación y llevarlo a un lugar donde la gente hace cosas. Según The Verge, que resumió información del Financial Times, la compañía quiere que ChatGPT integre programación, creación de imágenes, agentes y aplicaciones externas dentro de una interfaz más amplia. Un empleado senior de OpenAI habría descrito el formato clásico del chat como muerto. La frase suena dramática, pero apunta a algo práctico. OpenAI construyó una de las interfaces más reconocibles de internet, y ahora necesita que ese hábito produzca ingresos más estables mientras avanza hacia una salida a bolsa.
La caja actual de ChatGPT es fácil de entender. Una persona escribe, el sistema responde y el intercambio se siente casi gratis aunque el coste de cómputo sea alto. Un ChatGPT rediseñado cambiaría esa rutina al colocar más acciones pagadas alrededor de la conversación. Una petición podría convertirse en una sesión de programación, un archivo generado, una reserva, un flujo ejecutado por un agente o una tarea completada mediante una aplicación asociada. El usuario quizá siga empezando con una frase, pero el producto puede llevar esa frase hacia servicios con precios, suscripciones, límites y comisiones. OpenAI pule la interfaz mientras intenta convertir ChatGPT de un hábito que la gente visita en un negocio por el que la gente paga.
Google Gemini has become the main global sponsor of the Argentine Football Association for the 2026 World Cup, WIRED reported on June 10. The agreement puts Gemini's name on Argentina's training kit and gives players and staff access to AI tools for play breakdowns, performance metrics, statistics, and opponent analysis. Google has not described the internal systems in detail, but the public side is clearer. During the tournament, Search will answer fan questions in real time, analyze key plays, supply deeper statistics, and help generate songs, memes, cartoons, and other match-day material for social platforms. The company has also reached deals with Brazil and France, but Argentina gives the project its most charged costume, a champion's shirt and the remaining aura of Lionel Messi.
Football has admitted machines before when they promised a narrower form of judgment. GPS measured training loads, VAR slowed down disputed goals, broadcast graphics converted movement into diagrams. Gemini enters through a wider door. Google places an assistant inside coaching work and beside the supporter, where memory, argument, insult, superstition, and statistics already mix during a match. The fan who once shouted at a television can now ask a phone for the correct number, the likely substitution, the usable meme, or the tactical explanation seconds after the whistle. Sponsorship usually rents visibility on cloth. This one tries to occupy the interval between the event and the sentence a spectator sends about it.
Google Gemini se convirtió en patrocinador global principal de la Asociación del Fútbol Argentino para el Mundial de 2026, informó WIRED el 10 de junio. El acuerdo coloca el nombre de Gemini en la ropa de entrenamiento de Argentina y da a jugadores y cuerpo técnico acceso a herramientas de IA para desglosar jugadas, revisar métricas de rendimiento, consultar estadísticas y estudiar rivales. Google no ha descrito esos sistemas internos en detalle, pero la cara pública es más visible. Durante el torneo, Search responderá preguntas de los fans en tiempo real, analizará jugadas clave, aportará estadísticas más profundas y ayudará a generar canciones, memes, caricaturas y otros materiales de partido para redes sociales. La compañía también cerró acuerdos con Brasil y Francia, aunque Argentina le ofrece al proyecto su disfraz más cargado, la camiseta del campeón y el resto del aura de Lionel Messi.
El fútbol ya había aceptado máquinas cuando prometían una forma más estrecha de juicio. El GPS midió cargas de entrenamiento, el VAR ralentizó goles discutidos, los gráficos de transmisión convirtieron movimiento en diagramas. Gemini entra por una puerta más amplia. Google coloca un asistente dentro del trabajo técnico y junto al hincha, donde memoria, discusión, insulto, superstición y estadística se mezclan durante un partido. Quien antes gritaba frente al televisor ahora puede pedirle al teléfono el número correcto, el cambio probable, el meme utilizable o la explicación táctica segundos después del silbato. El patrocinio suele alquilar visibilidad sobre una tela. Este intenta ocupar el intervalo entre el hecho y la frase que un espectador envía sobre ese hecho.
Jeff Bezos has backed Flourish, a neuro-AI startup trying to build artificial intelligence around the energy discipline of the human brain. According to Wired, the company has $500 million in funding, a reported $2.5 billion valuation, and a plan to study real neurons with advanced lab equipment while its engineers search for models that can learn continuously. The target is blunt. Flourish wants an artificial system that runs on 50 watts or less, close to the power budget of a person thinking, instead of the data-center hunger now attached to frontier AI. Its founders, Rob Williams and neuroscientist Thomas Reardon, argue that current language models consume vast power and data while remaining frozen after training.
The proposal returns AI to an older embarrassment. The industry borrowed the prestige of the brain, named its systems neural, then built machines that require warehouses, cooling plants, power contracts, and scraped archives to imitate a sentence. Flourish turns that mismatch into a business thesis. If the brain contains a usable computational trick, the next infrastructure race may pass through microscopes, connectomes, hippocampus research, chip negotiations, and patient venture money. The promise is elegant and suspicious in equal measure. A billionaire funds the search for biological thrift after the industry has made waste look inevitable. The laboratory bench now sits beside the server bill.
Jeff Bezos ha respaldado a Flourish, una startup de neuro-IA que intenta construir inteligencia artificial alrededor de la disciplina energética del cerebro humano. Según Wired, la compañía cuenta con 500 millones de dólares de financiación, una valoración reportada de 2.500 millones y un plan para estudiar neuronas reales con equipos avanzados de laboratorio mientras sus ingenieros buscan modelos capaces de aprender de forma continua. El objetivo es directo. Flourish quiere un sistema artificial que funcione con 50 vatios o menos, cerca del presupuesto energético de una persona pensando, en lugar del apetito de centros de datos que hoy acompaña a la IA de frontera. Sus fundadores, Rob Williams y el neurocientífico Thomas Reardon, sostienen que los modelos actuales consumen enormes cantidades de energía y datos mientras quedan congelados después del entrenamiento.
La propuesta devuelve la IA a una vergüenza antigua. La industria tomó prestado el prestigio del cerebro, llamó neuronales a sus sistemas y luego construyó máquinas que necesitan naves, plantas de enfriamiento, contratos eléctricos y archivos raspados para imitar una frase. Flourish convierte ese desajuste en tesis de negocio. Si el cerebro contiene un truco computacional aprovechable, la próxima carrera de infraestructura puede pasar por microscopios, conectomas, investigación del hipocampo, negociaciones con fabricantes de chips y capital paciente. La promesa resulta elegante y sospechosa en la misma medida. Un multimillonario financia la búsqueda de austeridad biológica después de que la industria hizo que el derroche pareciera inevitable. La mesa de laboratorio queda ahora junto a la factura del servidor.
