La semana más movida en IA para developers (en menos de 50 segundos): resumen de mayo

Mayo de 2026 fue una de esas semanas en las que, si parpadeas, te quedas fuera del mapa: OpenAI aceleró el ciclo GPT con señales de 5.6, Google presentó Gemini 3.5 en I/O, Xiaomi liberó un modelo de 1 billón de parámetros, NVIDIA unificó texto/imagen/audio/vídeo en un solo peso abierto, SpaceX cerró la compra de Cursor por 60.000 millones de dólares, DeepSeek hizo permanente un 75 % de descuento en API y Mistral fusionó tres modelos especialistas en uno de 128B. En menos de 50 segundos: menos herramientas sueltas, más stacks verticales, y el developer en el medio eligiendo dónde anclar su flujo.

Este es mi resumen editorial de noticias IA mayo y el cierre de ciclo que arrastró a junio — lo que vi mover el ecosistema, qué está confirmado y qué sigue siendo señal de mercado. Si buscas un resumen semana tecnología IA con opinión de quien despliega agentes en producción, empieza aquí.

Navegación rápida

Salta directamente a lo que buscas:

OpenAI: GPT-5.5 y señales de 5.6 | Google y Gemini 3.5 | Xiaomi MiMo 2.5 Pro | NVIDIA Nemotron 3 Nano Omni | SpaceX y Cursor | DeepSeek y precios | Mistral Medium 128B | Gemini: archivos y entornos | Consolidación vertical | Tabla resumen | FAQ

OpenAI: GPT-5.5 y señales de 5.6

OpenAI publicó GPT-5.5 el 23 de abril de 2026 — apenas unas semanas antes del bloque de mayo — y para cuando llegó I/O de Google el modelo ya era el referente de coding agentic en ChatGPT y Codex. Lo relevante para developers: ventana de contexto de más de un millón de tokens, parámetro reasoning_effort configurable y precios API en torno a 5 $/M input y 30 $/M output en la variante estándar.

En mayo el mercado aún digería ese lanzamiento cuando el ecosistema empezó a rumorear el siguiente salto. Las señales de GPT-5.6 se materializaron después, con el preview oficial de GPT-5.6 Sol, Terra y Luna el 26 de junio — familia en preview limitado con socios de confianza, no GA masiva. Sol apunta al flagship; Terra, a volumen; Luna, a coste mínimo.

Lo que me importa como criterio de stack: OpenAI comprime el ciclo de vida de cada generación. Si tu producto depende de «el último modelo», necesitas harness engineering y routing multi-modelo, no casarte con un endpoint fijo. El modelo sube el techo; el arnés fija si llegas a él en producción.

Google y Gemini 3.5 en I/O

El hito de mayo fue Google I/O 2026, el 19 de mayo. Google anunció la familia Gemini 3.5 con Gemini 3.5 Flash disponible el mismo día en la app Gemini, AI Mode en Search, Antigravity, AI Studio y Gemini Enterprise. Sundar Pichai dejó claro que 3.5 Pro seguía en uso interno con GA prevista para «el mes siguiente» — junio.

Para developers, 3.5 Flash no es solo un modelo más rápido: Google lo posiciona como agent-first — planificación, herramientas, subagentes en paralelo y tareas de horizonte largo. En la keynote mostraron Gemini Spark, un agente personal en beta para suscriptores Ultra en EE. UU. Si ya trabajas con Gemini vía MCP, mayo fue el mes en el que el ecosistema Google dejó de hablar de «modelo de chat» y pasó a hablar de plataforma de agentes.

Xiaomi MiMo 2.5 Pro: open source a escala billón

El 27 de abril — caliente aún en mayo — Xiaomi liberó MiMo-V2.5-Pro bajo licencia permisiva (MIT): 1,02 billones de parámetros totales, arquitectura MoE con ~42B activos por token y contexto de 1 millón de tokens. Pesos en Hugging Face, soporte en vLLM y SGLang con --trust-remote-code.

La lectura práctica: no es un juguete para portátil. Las guías de despliegue hablan de 8× H200 para contexto completo en producción. Pero para equipos con GPU propia o cloud negociado, es otra señal de que el open weight de frontera ya no es territorio exclusivo de DeepSeek y Meta. Si estás evaluando hardware, cruza esto con nuestra guía de GPUs para LLMs locales.

NVIDIA Nemotron 3 Nano Omni

NVIDIA publicó Nemotron 3 Nano Omni el 28 de abril de 2026 — nombre correcto Nemotron, no «Neatron». Es un modelo omni-modal en un solo stack: texto, imagen, audio y vídeo, sobre backbone MoE 30B-A3B (3B activos), con pesos abiertos en BF16, FP8 y NVFP4.

La apuesta es clara: sustituir pipelines fragmentados (un modelo de visión + otro de audio + otro de lenguaje) por un sub-agente de percepción unificado, optimizado para inferencia en hardware NVIDIA. Documentos largos, vídeo+audio, uso de GUI agentic (ScreenSpot, OSWorld) — todo en un solo checkpoint.

Para quien despliega en DGX, H100 o estaciones locales NVIDIA, esto encaja con la estrategia de «todo el stack en casa». Para el resto, sigue siendo open weights que puedes probar; la ventaja real aparece cuando ya pagas la factura verde.

SpaceX compra Cursor

Confirmado, no rumor: el 16 de junio de 2026 SpaceX firmó un acuerdo para adquirir Anysphere (Cursor) por 60.000 millones de dólares en acciones, según el filing 8-K ante la SEC. Cierre previsto en Q3 2026, sujeto a aprobaciones regulatorias.

Para developers que viven en el IDE agéntico, esto cambia el tablero: Cursor pasa de startup independiente respaldada por Nvidia y OpenAI a subsidiaria de un conglomerado que ya fusionó SpaceX con xAI en febrero. La tesis de mercado: compute + modelo + herramienta de coding en vertical, compitiendo con Anthropic (Claude Code) y OpenAI (Codex).

Si estás empezando con agentes en el editor, nuestra guía de Claude Code para principiantes sigue siendo referencia — pero mayo-junio dejó claro que el IDE ya no es un SaaS neutral: es pieza de estrategia de los gigantes.

DeepSeek: el 75 % de descuento en API

En mayo la guerra de precios dio un giro definitivo. DeepSeek lanzó una promoción del 75 % de descuento en DeepSeek-V4-Pro con fecha de fin el 31 de mayo de 2026 — y el 22 de mayo la hizo permanente, según cobertura de Engadget y la página de precios oficial.

Cifras orientativas: ~0,435 $/M tokens de input (cache miss), ~0,87 $/M output, contexto de 1M. Para pipelines que procesan documentos enteros, bases de código o historiales largos, el coste deja de ser excusa frente a GPT-5.5 o Gemini 3.5 Pro.

Mi lectura: DeepSeek prioriza cuota de mercado y volumen de API sobre margen unitario. Si tu arquitectura es multi-proveedor, mayo fue el mes para recalcular el routing por tarea — no todo necesita el modelo más caro.

Mistral Medium 128B

Mistral publicó Mistral Medium 3.5 128B a finales de abril (Build.NVIDIA.com y Hugging Face el 29 de abril). 128B densos — no MoE — con ventana de 256K, multimodal (texto + imagen), reasoning configurable y pesos abiertos bajo MIT modificado.

Lo interesante no es solo el benchmark: Mistral fusionó tres líneas (Medium 3.1 para instrucción, Magistral para razonamiento, Devstral 2 para código) en un solo checkpoint. Un toggle de reasoning_effort y listo. Eso es consolidación dentro del propio proveedor europeo — menos especialistas, más modelo unificado.

Para equipos que self-hostean en 4–8 H100, es alternativa seria a depender solo de APIs estadounidenses. Para el resto, API Mistral a ~1,50 $/M input sigue siendo razonable frente a frontier puro.

Gemini: archivos y entorno de ejecución

Paralelo a 3.5 Flash, Google sigue empujando ejecución de código y entornos gestionados en la API Gemini. La documentación de code execution permite al modelo generar Python, ejecutarlo en sandbox (30 s máx., hasta 5 reintentos), aceptar CSV/texto como input y devolver gráficos como imágenes inline.

El salto más reciente son los Environments en Managed Agents: sandboxes Linux persistentes donde el agente instala dependencias, monta repos o ficheros GCS y reutiliza el mismo environment_id entre interacciones. Ya no es solo «ejecuta este script»: es generar, ejecutar y entregar archivos en un entorno propio del agente.

Para developers esto reduce fricción en análisis de datos, prototipos y pipelines agentic sin montar tu propio runner. La contrapartida: estás más atado al ecosistema Google — otra pieza del patrón de consolidación vertical.

Qué significa la consolidación vertical

Junto todo lo anterior y el patrón es incómodamente claro: la consolidación va más rápido de lo que muchos equipos asumían a principios de 2026.

Menos herramientas independientes, más stacks verticales. El developer no desaparece — pero el trabajo se desplaza hacia integración, harness, gobernanza y routing, no hacia «elegir el chatbot del mes».

En Converly lo vemos en clientes que quieren agentes de voz y automatización: el riesgo no es «¿existe un modelo bueno?», sino ¿quién controla el dato, el compute y el canal cuando el proveedor cambia precios o cierra el preview?

Tabla resumen de anuncios

Preguntas frecuentes

¿GPT-5.6 ya está disponible para todos?

No de forma general. OpenAI anunció un preview limitado de GPT-5.6 Sol, Terra y Luna el 26 de junio de 2026 para un grupo reducido de socios. GPT-5.5 sigue siendo el modelo amplio en ChatGPT, Codex y API para la mayoría de cuentas.

¿La compra de Cursor por SpaceX está confirmada?

Sí. Hay acuerdo firmado y filing SEC del 16 de junio de 2026. El cierre está previsto para el tercer trimestre de 2026, pendiente de aprobaciones regulatorias. No es filtración de Twitter.

¿Puedo ejecutar Xiaomi MiMo 2.5 Pro en mi portátil?

En la práctica, no con el checkpoint completo. Es open source, pero el despliegue serio pide varias GPUs de datacenter (guías mencionan 8× H200 para contexto largo). Para experimentar en hardware modesto, busca versiones cuantizadas de la comunidad o APIs de terceros — con la salvedad de que aún maduran.

¿El descuento del 75 % de DeepSeek sigue activo después del 31 de mayo?

Sí. Lo que terminaba el 31 de mayo era la promoción temporal; DeepSeek anunció el 22 de mayo que la tarifa rebajada es permanente para V4-Pro en API. Consulta siempre la página de precios antes de presupuestar.

¿Qué debería hacer un equipo de desarrollo con tanta consolidación?

Tres movimientos que aplico en proyectos: (1) abstrae el proveedor donde puedas — routing por tarea, no monogamia de API; (2) invierte en harness engineering para que un cambio de modelo no rompa el flujo; (3) documenta dependencias de vendor en decisiones de arquitectura, no solo en compras.

---

¿Quieres más resúmenes como este? En el blog de Converly publicamos guías prácticas de IA, agentes, MCP y despliegue en producción — sin ruido de hype, con lo que usamos en proyectos reales.

Lecturas relacionadas

• Guía completa de Claude Code para principiantes
• Mejores GPUs para ejecutar LLMs en local
• Qué es harness engineering
• Gemini MCP: conectar Gemini a tus herramientas

Última actualización: junio de 2026. Fuentes: OpenAI, Google, NVIDIA, SEC, DeepSeek API docs, Hugging Face. Este artículo es resumen editorial; precios y disponibilidad pueden cambiar.