Engineer from Eivissa. Desde el Barro. Marathon runner. Lived in 5 cities.
Joined March 2015
- Tweets8.8K
- Following1.7K
- Followers1.1K
- Likes20.3K
Pinned Tweet
Back to full-time entrepreneurship.
This time with a different setup: more responsibility, less sleep, and a wonderful family next to me.
Welcome Tintin ❤️
I think this is the right time to start something.
As @tobi put it, 2026 may be the year every business is up for grabs.
Time to build.
mi madre randomly:
“Nvidia, nvidia… por qué hablan tanto de ese escándalo en la tv? A qué se dedican?”
yo:
“mamá, ha sido la empresa más valiosa del mundo 🤦🏻♀️”
madre:
“ah sí, sí, hacen armamento no?”
😆🤦🏻♀️
2
166
turns out the money wasn’t in Mars
📢 𝗝𝗨𝗦𝗧 𝗜𝗡: Anthropic Becomes SpaceX's Largest Customer, Accounting for 34.5% of Revenue - $ANT $SPCX
👉 𝗞𝗲𝘆 𝗛𝗶𝗴𝗵𝗹𝗶𝗴𝗵𝘁𝘀:
➤ 𝗔𝗻𝘁𝗵𝗿𝗼𝗽𝗶𝗰 reportedly accounts for 𝟯𝟰.𝟱% of 𝗦𝗽𝗮𝗰𝗲𝗫's Q3 2026 revenue.
➤ Anthropic has become SpaceX's 𝗹𝗮𝗿𝗴𝗲𝘀𝘁 𝘀𝗶𝗻𝗴𝗹𝗲 𝗰𝘂𝘀𝘁𝗼𝗺𝗲𝗿.
➤ Anthropic's AI compute contract carries potential spending of 𝘂𝗽 𝘁𝗼 $𝟭𝟮𝟬.𝟱 𝗯𝗶𝗹𝗹𝗶𝗼𝗻.
➤ Contract commitments extend through 𝟮𝟬𝟮𝟵, according to the report.
➤ Monthly spending is expected to average approximately $𝟯.𝟭 𝗯𝗶𝗹𝗹𝗶𝗼𝗻 from December 2026.
➤ Anthropic can terminate contract portions with 𝟵𝟬 𝗱𝗮𝘆𝘀' 𝗻𝗼𝘁𝗶𝗰𝗲.
➤ Termination options become available after 𝗝𝗮𝗻𝘂𝗮𝗿𝘆 and 𝗠𝗮𝗿𝗰𝗵 𝟮𝟬𝟮𝟳.
➤ A government agency contributed another 𝟭𝟲.𝟲% of SpaceX's Q3 revenue.
➤ Combined, these two customers represented approximately 𝟱𝟭.𝟭% of quarterly revenue.
➤ Report highlights 𝗰𝘂𝘀𝘁𝗼𝗺𝗲𝗿 𝗰𝗼𝗻𝗰𝗲𝗻𝘁𝗿𝗮𝘁𝗶𝗼𝗻 risks amid tighter AI financing conditions.
👉 𝗪𝗵𝘆 𝗧𝗵𝗶𝘀 𝗠𝗮𝘁𝘁𝗲𝗿𝘀:
➤ 𝗥𝗲𝘃𝗲𝗻𝘂𝗲 𝗖𝗼𝗻𝗰𝗲𝗻𝘁𝗿𝗮𝘁𝗶𝗼𝗻: SpaceX's reported dependence on Anthropic creates significant customer exposure.
➤ 𝗖𝗼𝗻𝘁𝗿𝗮𝗰𝘁 𝗥𝗶𝘀𝗸: Termination provisions could affect future revenue visibility and financing assumptions.
➤ 𝗔𝗜 𝗜𝗻𝗳𝗿𝗮𝘀𝘁𝗿𝘂𝗰𝘁𝘂𝗿𝗲: Potential spending of $𝟭𝟮𝟬.𝟱 𝗯𝗶𝗹𝗹𝗶𝗼𝗻 underscores massive compute demand.
➤ 𝗜𝗻𝘃𝗲𝘀𝘁𝗼𝗿 𝗜𝗺𝗽𝗮𝗰𝘁: Customer concentration and tighter financing could increase valuation scrutiny.
85
Además de ser el mejor modelo open no chino, "Fat Le Chonk" tiene el nombre más memorable. Meritazo @MistralAI
Mistral Large 4 is now open weights, narrowly making it the #1 open weights model developed outside of China
@MistralAI has updated and released the weights of their flagship model, Mistral Large 4, with 1.05T total and 52B active parameters. With high reasoning, Mistral Large 4 scores 26 on the Artificial Analysis Intelligence Index v5, up 1 point from Mistral Large 4 Preview (25), with the major differences being increased token efficiency and reduced hallucinations. It sits 1 point ahead of the leading US-developed open weights model, Muse Spark Open (xhigh, 25).
On the Artificial Analysis Cyber Index, Mistral Large 4 (high) scores 51, third among current open weights models behind DeepSeek V4.1 Flash 1017 (max, 57) and MiMo-V2.6-Pro (56).
Key takeaways:
➤ Narrowly leads non-Chinese open weights models: Mistral Large 4 (high) leads Muse Spark Open (xhigh), the next-best open weights model developed outside China, with the largest gap on Terminal-Bench 4.0 (25% vs. 8%). It trails leading open weights models DeepSeek V4.1 Flash 1017 (max) and GLM-5.3 (max) by 6 points on the Intelligence Index, largely due to weaker coding and agentic knowledge work performance: 15% on FrontierCode 2.0 (vs. 29% and 22%, respectively) and 1349 Elo on AA-Briefcase (vs. 1570 and 1504)
➤ Increased token efficiency: Mistral Large 4 (high) uses 82K output tokens per Intelligence Index task, 39% fewer than Preview (135K), placing it on the open weights Pareto frontier. The seven open weights models that score higher use between 113K and 225K output tokens per task
➤ #2 open weights model on the Coding Agent Index: On the Artificial Analysis Coding Agent Index, Mistral Large 4 (high) scores 48 in Mistral Vibe while using 8.5M tokens per task, about half as many as the leading open weights model GLM-5.3 (max) in Opencode (49, 15.9M). It also scores above another leading open weights model, DeepSeek V4.1 Flash 1017 (max), in DeepSeek Harness (46, 16.7M)
➤ Reduced hallucinations: Mistral Large 4 (high) has a 28% hallucination rate on the updated AA-Omniscience v1.1, down from 41% for Preview and matching Muse Spark Open (xhigh). However, its accuracy remains relatively low at 26%, similar to Ling 3.1 Flash 1019 (27%), and behind DeepSeek V4.1 Flash 1017 (max, 40%) and Muse Spark Open (xhigh, 42%)
➤ Lower price and cost per task than the Preview: Mistral Large 4 is priced at $0.70/$2.10 per 1M input/output tokens, a ~50% reduction from the Preview's pricing of $1.36/$4.18. At the new pricing, it costs $2.06 per Intelligence Index task, down 63% from $5.54 for the Preview. This is comparable to Muse Spark Open (xhigh, $2.02) but more costly than leading open weights models DeepSeek V4.1 Flash 1017 (max, $0.60) and MiMo-V2.6-Pro ($0.26)
Key model details:
➤ Size: 1.05T total parameters / 52B active parameters
➤ Context window: 1M tokens
➤ Multimodality: Text and image input, text output
➤ Pricing: $0.70/$2.10 per 1M input/output tokens ($0.07 per 1M cached input tokens)
➤ License: MEOW License (Mistral Ecosystem Open-Weight License), where operating a Model-as-a-Service business requires a separate commercial license with Mistral
Congratulations to the team at @MistralAI on the release!
88
Onofre retweeted
Google ha sacado más de invertir en Anthropic que el valor de Inditex y Repsol juntos 😁
Una empresa de 2021 eh. La technocapital machine es imparable.
This quoted post is unavailable.
Onofre retweeted
Es 6 veces más probable morir en accidente de tren de larga distancia en España que en avión comercial internacional.
Ya no podemos hablar de mala suerte. Hay que hablar de mala gestión, decadencia y responsabilidades.
Mi más sentido pésame por los fallecidos ante esta nueva catástrofe 🙏
Onofre retweeted
Como ya adelanté hace 4 años, las rebajas fiscales de la Ley de Startups solo servían para vender titulares e iban a quedar en nada.
De los €2.000M (!!) de deducciones en IS que calculó el Gobierno, la cosa ha quedado en €4M.
Huelga decir que la inmensa mayoría del resto de medidas también ha sido un bluff.
Quien quiera tomarse en serio el fomento de la innovación en España, que consulte con expertos en la materia. No con políticos de carné del partido A o del partido B.
🎯
Quiero reflexionar un poco sobre el hito que hemos vivido en las últimas horas en el mundo de la IA y de las matemáticas.
Las primeras reacciones que recojo por parte de miembros de la comunidad matemática es shock, asombro, entusiamo de unos y amargura de otros, o todo a la vez.
Por suerte el golpe que OpenAI ha dado sobre la mesa publicando 372 resultados de gran calibre ha sido suficiente para dejar atrás el exceptisismo que en las últimas semanas se había manifestado ("...si lo han logrado es por fuerza bruta"; "...han plagiado el resultado del dataset"; "...sólo son contraejemplos", etc).
Un exceptisismo que en parte surge en un intento de encontrar explicaciones que nos satisfagan en pensar que seguimos viviendo en el marco de trabajo de siempre y en el que estamos cómodos. Porque la nueva realidad es chocante, muy chocante. Pero es real.
La IA se ha convertido de facto en el principal motor de investigación matemática de frontera. Y ni siquiera operando a escalas enormes de fuerza bruta. Indican que de media cada resultado ha dedicado el equivalente a 3 horas de trabajo de ChatGPT Pro Thinking, lo cuál es extremadamente poco!!
Este es un dato chocante porque venimos del gran titular de Navier-Stokes donde sabemos que OpenAI usó una cantidad muy superior de computación, lanzando un enjambre de 10.000 agentes concurrentes. Pero no dejo pasar el dato que le escuché recientemente al investigador Noam Brown quien en una entrevista comentó que él no creía que el resultado de NS viniera por méritos del sistema multiagente, sino realmente de que el modelo que están usando -el que ha usado aquí- es muy bueno en matemáticas.
3 horas de ChatGPT Pro para resolver problemas que a la humanidad y a las mentes más brillantes del planeta se le han estado atragantando durante décadas...
Obviamente ante este escenario empatizo con toda la comunidad matemática que de golpe (y muy rápido) se ha encontrado con modelos súper inteligentes que entra con toda la maquinaria a recoger los frutos del bosque que durante siglos llevan cultivando.
Es un shock y lo comprendo. Tanto a nivel profesional como a nivel emocional.
Esta es una historia que se ha venido repitiendo con cada avance de la IA en diferentes ámbitos (arte, programación, ahora matemáticas) y que se acaba asimilando y aceptando como una nueva normalidad incluso antes de lo que podáis imaginaros ahora. Si algo caracteriza al humano es su rápida adaptabilidad.
Pero sí recomiendo no enmarcar esto como algo que se pueda evitar o parar. Aunque no lo parezca, que la decisión de OpenAI haya sido la de publicar estos avances en abierto es el mejor escenario en el que nos podríamos encontrar de todos los posibles -y ojalá siga ocurriendo así.
Que la IA puede resolver problemas matemáticos ya es un hecho que no se va a deshacer. No se va a desinventar. No hay un CTRL+Z con el que todos podamos fingir demencia y vivir como si esto no fuera posible.
Siendo así, da igual si OpenAI hace esto porque sea buen marketing o porque sus trabajadores son también apasionados de la ciencia que quieren mover rápido la frontera (ambas son correctas). Da igual cuánto rechazo pueda haber de la comunidad científica o cuántas cartas abiertas se firmen. La realidad es la que es. Y no será sólo OpenAI quien en los próximos meses canjee computación por nuevos avances sino cualquier organización (privada o pública) con acceso a estos modelos y computación suficiente.
Habrá muchas de ellas que no hagan el acto altruista de compartilo al público. De hecho, ni siquiera sabemos si OpenAI ha hecho ese acto altruista y se han guardado para ellos los resultados clave para impulsar su investigación.
No lo sabemos y esa es la realidad en la que estamos ahora. No perdamos fuerza en debates y conversaciones para intentar para un tren que ya pasó, y acomodaos ante la nueva realidad en la que estamos.
Desde un punto de vista utilitarista, muchos de estos avances se van a traducir en mejoras prácticas aplicable a muchas ramas de la ciencia y la ingienería, mientras que los modelos tras estos descubrimientos no dejarán en el corto plazo de mejorar.
Hoy han sido 376 problemas de los 4000 evaluados por OpenAI (~10%) y seguramente dentro de un año de esa lista queden pocos o ningunos... el potencial transformador que todo esto va a tener en nuestra sociedad va a ser enorme.
Si eres de los que firmemente creen que la ciencia y la tecnología han sido el principal motor de transformación y mejora de nuestras sociedades, disfruta el viaje, porque va a ser intenso.
Y empatizando con quienes viven esto desde el shock mucho ánimo. Ya nos avisó el bueno de Ilya.
115
Onofre retweeted
Quiero reflexionar un poco sobre el hito que hemos vivido en las últimas horas en el mundo de la IA y de las matemáticas.
Las primeras reacciones que recojo por parte de miembros de la comunidad matemática es shock, asombro, entusiamo de unos y amargura de otros, o todo a la vez.
Por suerte el golpe que OpenAI ha dado sobre la mesa publicando 372 resultados de gran calibre ha sido suficiente para dejar atrás el exceptisismo que en las últimas semanas se había manifestado ("...si lo han logrado es por fuerza bruta"; "...han plagiado el resultado del dataset"; "...sólo son contraejemplos", etc).
Un exceptisismo que en parte surge en un intento de encontrar explicaciones que nos satisfagan en pensar que seguimos viviendo en el marco de trabajo de siempre y en el que estamos cómodos. Porque la nueva realidad es chocante, muy chocante. Pero es real.
La IA se ha convertido de facto en el principal motor de investigación matemática de frontera. Y ni siquiera operando a escalas enormes de fuerza bruta. Indican que de media cada resultado ha dedicado el equivalente a 3 horas de trabajo de ChatGPT Pro Thinking, lo cuál es extremadamente poco!!
Este es un dato chocante porque venimos del gran titular de Navier-Stokes donde sabemos que OpenAI usó una cantidad muy superior de computación, lanzando un enjambre de 10.000 agentes concurrentes. Pero no dejo pasar el dato que le escuché recientemente al investigador Noam Brown quien en una entrevista comentó que él no creía que el resultado de NS viniera por méritos del sistema multiagente, sino realmente de que el modelo que están usando -el que ha usado aquí- es muy bueno en matemáticas.
3 horas de ChatGPT Pro para resolver problemas que a la humanidad y a las mentes más brillantes del planeta se le han estado atragantando durante décadas...
Obviamente ante este escenario empatizo con toda la comunidad matemática que de golpe (y muy rápido) se ha encontrado con modelos súper inteligentes que entra con toda la maquinaria a recoger los frutos del bosque que durante siglos llevan cultivando.
Es un shock y lo comprendo. Tanto a nivel profesional como a nivel emocional.
Esta es una historia que se ha venido repitiendo con cada avance de la IA en diferentes ámbitos (arte, programación, ahora matemáticas) y que se acaba asimilando y aceptando como una nueva normalidad incluso antes de lo que podáis imaginaros ahora. Si algo caracteriza al humano es su rápida adaptabilidad.
Pero sí recomiendo no enmarcar esto como algo que se pueda evitar o parar. Aunque no lo parezca, que la decisión de OpenAI haya sido la de publicar estos avances en abierto es el mejor escenario en el que nos podríamos encontrar de todos los posibles -y ojalá siga ocurriendo así.
Que la IA puede resolver problemas matemáticos ya es un hecho que no se va a deshacer. No se va a desinventar. No hay un CTRL+Z con el que todos podamos fingir demencia y vivir como si esto no fuera posible.
Siendo así, da igual si OpenAI hace esto porque sea buen marketing o porque sus trabajadores son también apasionados de la ciencia que quieren mover rápido la frontera (ambas son correctas). Da igual cuánto rechazo pueda haber de la comunidad científica o cuántas cartas abiertas se firmen. La realidad es la que es. Y no será sólo OpenAI quien en los próximos meses canjee computación por nuevos avances sino cualquier organización (privada o pública) con acceso a estos modelos y computación suficiente.
Habrá muchas de ellas que no hagan el acto altruista de compartilo al público. De hecho, ni siquiera sabemos si OpenAI ha hecho ese acto altruista y se han guardado para ellos los resultados clave para impulsar su investigación.
No lo sabemos y esa es la realidad en la que estamos ahora. No perdamos fuerza en debates y conversaciones para intentar para un tren que ya pasó, y acomodaos ante la nueva realidad en la que estamos.
Desde un punto de vista utilitarista, muchos de estos avances se van a traducir en mejoras prácticas aplicable a muchas ramas de la ciencia y la ingienería, mientras que los modelos tras estos descubrimientos no dejarán en el corto plazo de mejorar.
Hoy han sido 376 problemas de los 4000 evaluados por OpenAI (~10%) y seguramente dentro de un año de esa lista queden pocos o ningunos... el potencial transformador que todo esto va a tener en nuestra sociedad va a ser enorme.
Si eres de los que firmemente creen que la ciencia y la tecnología han sido el principal motor de transformación y mejora de nuestras sociedades, disfruta el viaje, porque va a ser intenso.
Y empatizando con quienes viven esto desde el shock mucho ánimo. Ya nos avisó el bueno de Ilya.
Onofre retweeted
Eiiii @onofregasent!!! Estuve a nada de pedirte que si podía ver qué había dicho antes de que lo publicases... No fuera demasiado transparente! Al final, pasé. Dije... bueno, 'porqué autocensurarme, si al final soy respetuoso y lo único q he hecho es compartir sin adornos'. :-)
Arrrrrrrancamos temporada cargados de barro y millones de aprendizajes.
Moltíssimes gràcies x passar pel podcast, @toni_pn.
Como los emprendedores somos optimistas por naturaleza, nuestro backlog de tareas es capaz de multiplicarse hasta el infinito, si no sabes ponerle freno.
Y el problema de no saber ponerle freno a tiempo es que necesariamente la calidad de tu trabajo baja.
Y si la calidad de tu trabajo baja, bueno.... buena suerte :)
2
223