Recuerdo el ping de Slack que cambió la sala: un mensaje breve diciendo que Google había alcanzado un techo en nuestras llamadas de Gemini. Podías sentir cómo la marca de tiempo caía dos centímetros en cada panel: ingenieros haciendo pausas, experimentos en cola. Quiero que imagines qué sucede cuando el grifo que riega tu jardín de repente chisporrotea y se detiene.
Escribo desde dentro de ese momento porque mereces más que un resumen de prensa. Sigo señales —presentaciones, informes anónimos y susurros de la industria— y te guiaré a través de lo que sucedió, por qué importó y qué significa esto para la economía de la IA.
En una reunión general interna, los ingenieros vieron su medidor de uso dispararse… y luego congelarse
Meta había sido noticia esta primavera por el «Tokenmaxxing»: evaluar equipos por la cantidad de tokens de IA que consumían. El Financial Times informó, citando a tres personas familiarizadas con el asunto, que Google le dijo a Meta que ya no podía sostener el nivel de uso de Gemini e impuso límites. El resultado fue inmediato: proyectos internos se paralizaron y un memorándum al personal pidiéndoles que fueran más frugales con los tokens.
Esto no fue una suave advertencia. Fue una restricción de recursos que cambió los plazos y las prioridades de los productos de la noche a la mañana. La empresa pasó de una cultura de abundancia de tokens a un conteo preciso de tokens, y los ingenieros de repente tuvieron que racionar aquello que había impulsado la experimentación frenética.
¿Por qué Google limitó el acceso de Meta a Gemini?
La medida de Google, según fuentes del FT, se debió a la capacidad. La demanda de varios clientes grandes tensó el grupo de cómputo de Gemini, y Google respondió reduciendo la velocidad a los usuarios más intensivos. Para Meta, el volumen fue excepcional incluso entre los grandes gastadores, lo que provocó el límite.
Piénsalo de esta manera: cuando todos suben la potencia a la vez, el operador de la red tiene que restringir la carga para mantener el sistema en funcionamiento.
En un escritorio de ingeniería, el personal encontró experimentos en cola y presupuestos de tokens redistribuidos
El atracón de tokens de Meta coincidió con un aumento en las plataformas agénticas como OpenClaw, utilizada por ingenieros para automatizar flujos de trabajo y prototipar a gran velocidad. OpenClaw y agentes similares pueden consumir tokens rápidamente cuando se les da autonomía y escala.
Cuando Google limitó el acceso a Gemini, Meta publicó directrices internas para frenar el desperdicio de tokens y priorizar proyectos. La señal cultural inmediata: eficiencia sobre experimentación. Eso está destinado a remodelar las hojas de ruta de los productos y quién recibe financiación dentro de la empresa.
¿Cuántos tokens de IA estaba usando Meta?
Ni Google ni Meta han publicado cifras concretas más allá de las fuentes del FT. Pero los informes retratan a Meta como un caso atípico entre los usuarios empresariales, uno de los mayores consumidores de Gemini en ese momento. La conclusión pública no es tanto sobre un recuento preciso de tokens, sino sobre la escala: suficiente para obligar a un proveedor a actuar.
En una revisión financiera, los ejecutivos vincularon la capacidad limitada a la búsqueda de más cómputo
Poco después de los límites, Google anunció un alquiler masivo de cómputo: $920 millones por mes (856 millones de euros) a SpaceX, que está vinculado a xAI. El FT y CNBC informaron que la medida de Google para asegurar capacidad externa refleja la presión sobre su infraestructura interna.
Ese acuerdo señala dos cosas: los proveedores de nube están tratando la inferencia y el servicio de modelos como productos escasos, y las empresas están dispuestas a comprar capacidad a una escala extraordinaria para mantener esos servicios disponibles.
En la encrucijada de la estrategia y el ego, una política de tokens se convirtió en un problema de gobernanza
Meta y otros clientes grandes supuestamente atrajeron límites; Meta parece haber sido la más afectada. Google y Meta se negaron a comentar ante el FT. El episodio expone una brecha que muchas empresas ignoran: cómo gobernar el consumo de modelos de terceros cuando puede ser efectivamente racionado por el anfitrión.
Esto no es solo un problema de precios. Es un problema de gestión de proveedores, adquisición y priorización de productos, todo en uno, y obliga a una realidad que la mayoría de los equipos no quieren enfrentar: la experimentación con IA puede ser frágil cuando depende del cómputo de otra persona.
¿Los límites ralentizaron los proyectos de IA de Meta?
Según las fuentes del FT, sí, algunos proyectos internos se vieron interrumpidos o retrasados. Meta luego impulsó una narrativa de control de costos internamente y alentó al personal a ser eficiente con los tokens. En la práctica, eso significa menos ejecuciones exploratorias y un umbral más alto para justificar ejecuciones de agentes a gran escala.
En una cafetería, vi a un fundador de startup tomar notas: esto afecta a todos
Las empresas más pequeñas y los equipos internos deberían tratar esto como una advertencia. Cuando un proveedor importante de nube o modelos aplica límites, los proyectos posteriores pierden flexibilidad. Necesitas contingencias: estrategias multiveedor, opciones locales (on-prem) o gobernanza estricta de costos y uso.
La lucha de Meta ilustra una tensión de mercado más amplia: los modelos son potentes, pero la capacidad de cómputo y los términos comerciales siguen siendo finitos. La historia es un recordatorio de que la pila de IA es tanto política corporativa como investigación.
El silencio de Meta y Google deja muchas preguntas abiertas. ¿Fue punitivo? ¿Técnico? ¿Una táctica de negociación? No tengo una prueba irrefutable, solo el patrón: uso intensivo, límites del proveedor y un rápido giro hacia la frugalidad. El episodio debería hacerte repensar cómo planeas experimentos que dependen de inteligencia alquilada.
Meta cambió el «tokenmaxxing» por la contabilidad de tokens, pero ¿es ese un camino más saludable hacia adelante, o solo un parche para un problema de suministro mayor?
Apoya nuestro trabajo ❤️
Si te ha gustado este artículo, considera dejar una propina para ayudarnos a seguir publicando contenido de calidad.
