Google racionó el acceso de Meta a sus modelos Gemini porque está limitado por capacidad de cómputo, forzando a Meta a usar tokens con más cuidado y apoyarse en su modelo interno Muse Spark.
Seguro conoces la sensación: pagas por un servicio en la nube pensando que es infinito, escalas tu proyecto con toda la confianza del mundo... y de repente te topas con un límite que ni sabías que existía. Ahora imagina que ese cliente frenado no eres tú, sino Meta, una de las empresas más ricas del planeta, y que quien le pone el freno es nada menos que Google. Eso es exactamente lo que reveló el Financial Times el 28 de junio de 2026: Google limitó el acceso de Meta a sus modelos Gemini porque, sencillamente, no tiene capacidad de cómputo suficiente para todos. Cuando los titanes se quedan sin GPUs, el problema deja de ser abstracto y se vuelve muy real, muy rápido.
El cuello de botella ya no es el talento, es el hierro
Durante años dimos por hecho que el límite de la IA era la inteligencia de los modelos o el talento para entrenarlos. La realidad de 2026 es más prosaica y más brutal: el cuello de botella es la infraestructura física para hacerlos funcionar. Google aprobó solo parcialmente la demanda de más capacidad de Meta, dejando a sus propios equipos internos con la orden de gastar tokens de IA con cuentagotas y respetar cuotas nuevas. Sundar Pichai lo reconoció sin rodeos en la llamada de resultados: "Estamos limitados por capacidad de cómputo a corto plazo", admitiendo que los ingresos de Google Cloud habrían sido mayores si hubieran podido atender toda la demanda. Cuando el propio vendedor de palas se queda sin palas, sabes que la fiebre del oro es de verdad.
Números que marean
La magnitud de la escasez se ve en las cifras y quita el hipo. La cartera de pedidos de Google Cloud casi se duplicó hasta 460.000 millones de dólares en un solo trimestre, y el uso de tokens alcanzó los 16.000 millones por minuto. Google gasta más de 180.000 millones al año en capex y aun así no llega, hasta el punto de acordar pagar a SpaceX 920 millones mensuales por 110.000 GPUs de Nvidia como capacidad puente. Meta, por su parte, redirigió cargas de trabajo desde Gemini hacia su modelo interno Muse Spark y reasignó a 7.000 empleados a roles de IA. La foto es diáfana: nadie tiene compute de sobra en 2026, ni siquiera quienes lo venden a espuertas.
Qué tiene que ver con NeuralOS
Este choque de titanes valida en directo una decisión de arquitectura que tomamos desde el principio: no atar el producto a un único proveedor de modelos. Si hasta Meta, con todos sus miles de millones, tiene que buscarse la vida cuando su proveedor se queda corto, cualquier plataforma seria necesita poder conmutar de modelo o de infraestructura sin reescribir su aplicación entera. En NeuralOS el modelo se elige por configuración y el proveedor es intercambiable, precisamente para no quedar rehén de la escasez o de los precios de un solo actor. No te vamos a prometer que resolvemos la crisis global de GPUs, sería ridículo. Pero sí diseñamos para que sus vaivenes no te tumben el producto. La flexibilidad de proveedor dejó de ser un lujo y pasó a ser supervivencia.