Anthropic ($16.96B), Anthropic (−35% TTFT) y Trajectory ($300M) — autonomía que se paga en cómputo

Anthropic reporta $16.96B de ingresos en el tercer trimestre y $895.4B en compromisos de cómputo mientras avisa que puede estar a punto de cruzar su umbral de progreso acelerado por IA. Anthropic pone en beta pública message threads y reduce un 35% el tiempo al primer token en sesiones largas de Claude Code. Trajectory levanta $45M a $300M de valoración para que no ingenieros post-entrenen modelos con feedback real. La autonomía de los agentes se está pagando en tres sitios a la vez: facturas de infraestructura que ya no caben en un trimestre, latencia que se recorta sin tocar el precio por token, y capital que busca quien pueda adaptar el modelo sin un equipo de research.

Anthropic ($16.96B) — Q3 a $16.96B, $895.4B en cómputo y aviso de umbral RSI

El 2 de noviembre Anthropic presentó el S-1/A. Ingresos del trimestre cerrado el 30 de septiembre: $16.96B, frente a $1.38B un año antes (+1.127%) y $11.56B en Q2. Crecimiento secuencial bajó al 47% desde el 144% del trimestre anterior. Pérdida operativa de $567M tras el único trimestre de beneficio operativo previo, atribuida en gran parte a unos $5B de cómputo a corto plazo más caro que los contratos largos y a un cargo no caja de $2B por matching de donaciones. Pérdida neta $23.29B, mayormente fair value de convertibles.

El filing totaliza por primera vez los compromisos de compra y arrendamiento: unos $895.4B, “substantially all” en cómputo e infraestructura, con una parte importante a 2030 y más allá. En el mismo documento avisa que sus estimaciones internas sobre modelos futuros (no los actuales) indican que puede “imminently” cumplir la definición de su Responsible Scaling Policy de “dramatically accelerated progress attributable to AI”. Ningún modelo actual está designado por encima del umbral. Más de 11.900 clientes con ≥$100k TTM.

Anthropic (threads) — beta pública: −35% TTFT en contextos de 500k-1M

El 2 de noviembre Anthropic abrió message threads en beta pública en el Messages API. El agente envía la conversación completa una vez y después solo los mensajes nuevos más el ID de la respuesta anterior. El servidor mantiene el hilo en memoria, cifrado y sin escribir a disco. Expira a los 5 minutos de inactividad; entonces el cliente tiene que reenviar todo. Claude sigue leyendo el contexto completo en cada turno, así que el consumo de tokens no cambia. Precios y rate limits idénticos.

En Claude Code (activado por defecto para la mayoría) la mediana de time-to-first-token cae aproximadamente un 35% en requests de 500k a 1M tokens. Reportes de sesiones largas hablan de payloads que pasan de ~800 KB a ~1.8 KB. Útil para coding agents, computer-use y flujos con documentos o imágenes pesadas. No ahorra dinero; ahorra espera. Si la sesión se para cinco minutos, se pierde el beneficio.

Trajectory ($45M) — Series A a $300M para continual learning sin engineers

Trajectory, startup de un año fundada por tres compañeros de Stanford (ex-DeepMind/Windsurf y Apple), anunció el 2 de noviembre una Series A de $45M liderada por Sequoia, con Nvidia, Bessemer y Bain Capital Ventures. Valoración $300M. Plataforma de post-training / continual learning: conectas un modelo open-source a tus aplicaciones, recoges feedback de producción y el sistema reentrena. Pensada para que abogados, analistas o médicos definan “qué es bueno” sin montar un equipo de research.

Clientes citados: Harvey, Rogo, Decagon, Mercor y la propia Nvidia. 18 personas. Abren la plataforma al público. El pitch es el clásico: un foundation model es un PhD brillante que empieza un trabajo nuevo cada día; lo que vale es el que lleva 30 años en el puesto. La fricción real sigue siendo el coste de generar y filtrar el feedback de calidad a escala, y que el modelo base tiene que ser lo bastante bueno para que el post-training importe.

El hilo conductor Las tres piezas hablan del mismo cuello de botella. Anthropic factura $17B en un trimestre y ya tiene casi $900B de compromisos porque la demanda de agentes se come la capacidad contratada a largo plazo y obliga a comprar cómputo caro a corto. Message threads recorta la espera en sesiones largas sin tocar el precio por token: el ahorro es de latencia, no de factura. Trajectory recauda para que el post-training deje de ser un proyecto de laboratorio y pase a manos de quien conoce el dominio. La autonomía no se está abaratando; se está reconfigurando quién paga la espera, quién paga el reentrenamiento y quién absorbe la factura de infraestructura.