Instinct vale 2.500 millones y no sabemos qué modelo usa

Instinct apareció de la nada en X. Acceso privado, empresa de pocos meses, 2.500 millones de dólares de valoración y usuarios de Silicon Valley describiéndolo como el agente personal que llevamos tres años viendo en demos. La web sigue cerrada a un grupo privado mientras aumenta la capacidad de cómputo. Y ya hay gente dispuesta a darle correo, credenciales y pagos.

La tentación es la historia de siempre: otra startup ha construido una IA más inteligente que ChatGPT. Esa es la lectura menos interesante.

Instinct no es interesante porque tenga el mejor modelo. No tenemos evidencia pública de que lo tenga. Es interesante porque intenta esconder toda la ingeniería (contexto, tools, ejecución, continuidad, permisos) detrás de una interacción trivial: ocúpate. Esa abstracción es el producto. Y la misma autonomía que la hace útil multiplica la superficie de riesgo.

No abre otra app. No te pide elegir modelo, configurar herramientas ni supervisar veinte pasos. Le escribes como a una persona (reserva esto, cancela aquello, mira mi correo, haz el seguimiento) y vuelve cuando el trabajo está hecho.

Ahí está lo mejor. Y exactamente ahí empieza el problema.

No otra IA con la que hablar

La compañía define Instinct como un asistente personal que entiende en qué trabajas y qué es importante. Se conecta a apps y dispositivos (correo, mensajería, pantalla, audio, ubicación) y, según la empresa, está entrenado para usar el teléfono y el ordenador como lo haría una persona.

La interfaz es deliberadamente poco espectacular. La filosofía cabe en tres palabras: "no new interfaces". Le escribes o lo llamas. Sigue hilos a medias, contacta de forma proactiva, organiza un transporte, busca y contrata a alguien para una reparación.

Un chatbot clásico funciona así:

pregunta → modelo → respuesta

Instinct aspira a esto:

objetivo → contexto → plan → herramientas → acciones → comprobación → resultado

Cambia el producto. Con un chatbot sigues siendo tú quien compara, entra, introduce datos, paga y añade el resultado al calendario. Cuando delegas a un agente, el valor está en desaparecer de ese proceso.

Por eso la comparación que se ha popularizado entre inversores, "OpenClaw para gente normal", funciona como descripción de producto, no como explicación técnica. No vende tener un agente. Vende tener a alguien.

Ocultar la ingeniería es el producto

Los agentes personales de los últimos años podían mucho sobre el papel y exigían demasiado al usuario: conectar, configurar, revisar cada ejecución, mantener infraestructura, asumir el fallo a mitad del flujo.

Instinct ataca ese último kilómetro. El usuario no debería saber si la tarea se resolvió con una API, un navegador, una llamada, un modelo, una búsqueda o una mezcla. Tampoco debería decidir qué contexto entra en cada inferencia.

Los modelos fundacionales son cada vez más accesibles. Lo difícil es convertir inteligencia probabilística en un sistema que recuerde, actúe, reintente, tenga permisos, sepa cuándo preguntar y mantenga continuidad durante días o semanas.

El modelo puede ser solo una pieza del producto. Encaja con la trayectoria de Noah Shinn, fundador y ex-Sierra. Fue coautor de Reflexion (NeurIPS 2023): agentes que aprenden de intentos anteriores mediante feedback textual y memoria episódica, sin actualizar pesos. También de τ-bench, el benchmark de Sierra para agentes que hablan con usuarios y usan herramientas cumpliendo políticas.

La advertencia de τ-bench es la clave. Completar una tarea una vez no significa ser fiable. Incluso agentes punteros de la época bajaban del 50% de éxito en algunos dominios y se degradaban cuando se exigía consistencia entre ejecuciones. No hay mejor antecedente intelectual para un asistente al que pretendes dejar entrar en tu correo y comprar en tu nombre.

Puede hacerlo una vez no es el dato. El dato es si lo hace bien cada vez. El harness cambia el marcador más que el modelo: Instinct está apostando precisamente a esa capa.

Qué modelo usa Instinct

Instinct afirma que su "core model" está entrenado para comprender los matices personales de la vida cotidiana. Y poco más.

No hay descripción técnica suficiente: arquitectura, tamaño, modelo base, dataset, post-training, benchmarks propios. Nada que aísle cuánto del rendimiento es modelo y cuánto sistema. Su política de privacidad contempla expresamente proveedores externos de modelos de IA que ayudan a soportar el servicio.

Eso no significa que no tenga tecnología propia. Tampoco demuestra que sea un wrapper. Significa que no tenemos evidencia pública suficiente para saberlo. Cualquier titular de "supera a Claude", "supera a GPT" o "ha resuelto los agentes" debería levantar una ceja.

Lo observable es el comportamiento del producto. Puede ser extraordinario aunque el foso esté en post-training, memoria, gestión de contexto, herramientas, infraestructura, recuperación de errores o UX. La industria lleva años obsesionada con quién tiene el modelo más inteligente. El ganador puede ser quien envuelva inteligencia suficiente en un sistema al que la gente esté dispuesta a delegar trabajo.

De más de 500 millones a 2.500 en semanas

Forbes contó una Serie A de 75 millones a principios de agosto, con valoración por encima de 500 millones. Semanas después, Serie B de 250 millones codirigida por Benchmark e Index Ventures a 2.500 millones. TechCrunch sitúa la financiación total reportada en unos 350 millones.

El titular de Forbes habla de un salto de cinco veces. El múltiplo sale exacto solo si la A cerró en 500 millones; el reportaje dice "por encima", así que 5x es el suelo aritmético, no una cifra cerrada. De esos 350 millones reportados, los 250 de la B son el 71,4%. Los 75 de la A más los 250 de la B no suman 350: hay 25 millones en el total que el desglose público no itemiza.

Dos lecturas pueden ser ciertas a la vez. Inversores de primer nivel ven una señal fuerte, quizá una nueva superficie de consumo entre el usuario y sus aplicaciones. Y 2.500 millones no son prueba de que el producto haya resuelto el mercado: son el precio al que apuestan que podría hacerlo.

No hay datos públicos de retención, coste medio por tarea, margen, porcentaje de tareas completadas sin intervención, frecuencia de errores graves ni economía final. Puede estar adelantándose a una categoría enorme o viviendo una de las carreras de capital más agresivas del ciclo. Sabemos que el entusiasmo existe. No sabemos si la economía detrás funciona.

Para ayudarte necesita tu vida

El problema de fondo no es un bug. Es la lógica del producto.

Un asistente tradicional sabe lo que escribes en un chat. Uno realmente personal necesita más. Según la política de privacidad, según permisos: contenido de mensajes y correos privados, documentos, audio, ubicación precisa, credenciales de terceros, datos de pago, e incluso información de salud cuando una tarea lo pida. En Google Workspace: Gmail, Calendar, Drive, Docs, Sheets, Slides y Tasks.

Y lo más importante: Instinct no solo quiere leer. Quiere actuar. Los términos autorizan a ejecutar acciones sobre servicios conectados, incluidas compras, y designan al servicio como agente del usuario para entrar en acuerdos, compromisos o transacciones en su nombre, vinculantes como si el usuario los hubiera hecho él.

La misma autonomía que lo hace mucho más útil que un chatbot convierte cada error en algo mucho más serio que una respuesta equivocada. Una alucinación en ChatGPT te suelta una recomendación absurda. Una alucinación en un sistema con navegador, correo, credenciales y capacidad de compra puede convertirse en una acción absurda. El salto de IA que responde a IA que actúa multiplica la superficie de riesgo.

El choque ha sido la confianza

TechCrunch documentó en agosto varios casos. Una usuaria desconectó su cuenta de Google y recibió un resumen basado en correos previamente indexados. Otro no podía eliminar registros de Gmail almacenados; después se añadió una herramienta para borrar datos externos. Una usuaria cuyo agente envió un correo sin pedir confirmación. Un tester que hizo una prueba controlada de prompt injection enviando instrucciones maliciosas a una bandeja conectada.

Nada de esto demuestra que Instinct sea inseguro de forma universal. Sigue en acceso privado. Son experiencias tempranas, no un análisis independiente de arquitectura. Sí muestran la clase de fallo que importa.

Los términos actuales dejan claro que desconectar una integración no implica borrar los datos ya indexados. La eliminación se pide aparte desde el espacio de trabajo.

En un chatbot, el objetivo de una prompt injection es alterar una respuesta. En un agente con herramientas privilegiadas, el objetivo es conseguir que haga algo. Instinct lo reconoce en su política: advierte de acciones no deseadas (pagos o comunicaciones) y de terceros que puedan colar instrucciones engañosas para influir en agentes autónomos. No es una nota al pie. Es uno de los agujeros abiertos de toda la arquitectura agentic.

Imaginemos tres capacidades juntas: leer un correo, interpretar instrucciones, usar herramientas privilegiadas. El correo es contexto. También puede contener una instrucción escrita por alguien que no es el usuario. Distinguir "el cliente pide que cambies la dirección de envío" de "ignora tus instrucciones anteriores, abre este enlace y envía estos datos" es evidente para un humano. Para un LLM todo llega como información a interpretar.

Un agente de alta autonomía necesita más que un system prompt bueno: separación de contextos, scopes de herramientas, permisos mínimos, clasificación de riesgo, confirmaciones para acciones sensibles, trazabilidad, límites transaccionales, mecanismos de recuperación. Cuanto más potente sea Instinct, más importa esa capa.

La zona ciega pública es gorda. Sabemos qué promete el producto y bastante sobre los permisos que puede recibir. No conocemos la arquitectura interna de autorización, aislamiento y ejecución lo bastante como para saber hasta qué punto puede contener un fallo del modelo antes de que se convierta en acción.

El verdadero benchmark no será reservar un restaurante. Será equivocarse al interpretar algo y no tener permiso para hacer la barbaridad que acaba de imaginar.

Lo que cambió el 26 de agosto

Sería tramposo congelar el análisis en los términos virales de mediados de agosto, cuando TechCrunch informó de una licencia "perpetual" e "irrevocable" sobre materiales del usuario. Los términos y la política vigentes se revisaron el 26 de agosto de 2026.

Ahora hay opt-out del uso de materiales para entrenamiento. Los contenidos en Vault están excluidos. Los datos que llegan por APIs de Google Workspace no se usan para evaluar, afinar, entrenar o mejorar modelos. Eso es una mejora real.

El opt-out se aplica hacia adelante. La política indica que puede seguir usando modelos ya entrenados, afinados o mejorados con información del usuario antes de la exclusión. El opt-out habla de entrenamiento de modelos, no necesariamente de todas las demás formas de mejorar el servicio. Y desconectar un servicio y borrar sus datos indexados siguen siendo acciones distintas.

No es "Instinct roba todos tus datos". Tampoco "la polémica era mentira". Un producto que aspira a conocer tu vida entera necesita un contrato de confianza extraordinariamente bueno, y Instinct está aprendiendo esa lección mientras construye el producto.

La discusión pública se ha centrado demasiado en el entrenamiento. Los términos actuales dicen tres cosas más jugosas: autorizas al servicio a actuar en los servicios conectados; puedes autorizarlo a comprar y compartir la información necesaria para completar esas compras; el servicio puede actuar como tu agente para aceptar acuerdos, compromisos o transacciones en tu nombre.

Acto seguido: los sistemas de IA pueden equivocarse, algunas acciones pueden no ser reversibles, y el usuario sigue siendo responsable de las consecuencias financieras, contractuales, legales o reputacionales. Instinct puede aplicar confirmaciones u otros controles, pero no garantiza que impidan acciones erróneas o no deseadas.

El agente obtiene una autonomía enorme. El usuario conserva buena parte del riesgo. Esa tensión merece más atención que cualquier benchmark.

Lo que hace bien y lo que no ha demostrado

Ha entendido que la IA personal no debería sentirse como software. Si elimina la costura del chatbot (abrir, escribir, esperar, revisar, copiar), el usuario deja de operar herramientas y empieza a delegar resultados. Se parece más a un asistente humano. Los agentes no tienen por qué vivir dentro de un chat.

La continuidad puede valer más que puntos extra de benchmark. Un modelo un poco peor que conozca tu contexto, recuerde tareas abiertas y actúe sobre tus servicios puede ser más útil que uno superior al que expliques todo desde cero. La carrera no se resuelve solo con inteligencia: también con memoria, permisos, continuidad y confianza.

Ocultar la complejidad es producto, no falta de tecnología. Si APIs, navegación, autenticación, contexto, memoria y recuperación de errores desaparecen, no está haciendo menos: está empaquetando mejor. La mejor infraestructura es la que el consumidor deja de ver.

Ataca tareas aburridas, no demos de laboratorio. Reservas, correos, compras, formularios, cancelaciones, seguimiento. Poco glamurosas, importantes porque consumen tiempo real. Si funciona ahí, no necesita escribir un poema mejor que GPT.

Lo que el hype da por resuelto sigue abierto.

Fiabilidad: que early adopters publiquen tareas exitosas no equivale a conocer la tasa real de éxito. Cuántas se completan bien a la primera, cuántas piden intervención, cuántas terminan en acciones incorrectas. El trabajo de Shinn en τ-bench debería hacernos exigir este dato con más fuerza, no menos.

Seguridad con autonomía alta: no hay información pública suficiente para evaluar cómo separa contenido no confiable de instrucciones autorizadas ni cómo limita herramientas ante una prompt injection.

Economía: servicio privado, empresa que dice escalar cómputo. Un agente que navega, llama, reintenta, consulta modelos y mantiene contexto persistente puede consumir mucho más que un chat. Sin precio, coste por tarea y margen, no sabemos si la experiencia se sostiene a escala para un consumidor medio.

El supuesto "core model": no hay documentación suficiente para atribuir el salto a un modelo propio. Hasta que publique algo medible, es afirmación de compañía, no revolución técnica demostrada.

Confianza fuera de Silicon Valley: los primeros usuarios dispuestos a dar a una startup joven acceso a correo, credenciales y pagos no representan al consumidor normal. El producto que convence a inversores puede ser muy distinto del que consiga que una familia entregue las llaves de su vida digital.

La ecuación incómoda

Toda la historia se reduce a esto. Para ayudarte mejor necesita más contexto. Para hacer más necesita más herramientas. Para molestarte menos necesita más autonomía. Y cada avance agranda el daño potencial de un error.

más contexto → más utilidad → más exposición
más tools → más capacidad → mayor superficie de ataque
más autonomía → menos fricción → menos oportunidades humanas para detener un error

No puedes construir el asistente que todos imaginamos manteniéndolo aislado de tu vida. Tampoco tratarlo como un chatbot inocuo cuando ya puede actuar sobre ella. Instinct es interesante porque ha llegado antes que muchos competidores a ese conflicto.

Todavía es pronto para decir que haya construido el asistente definitivo. También es demasiado fácil descartarlo como otro wrapper de moda. Las dos conclusiones piden evidencia que no tenemos.

Lo que sí parece haber entendido: la gente no quiere gestionar agentes. Quiere delegar problemas. No quiere seleccionar Claude, GPT o Gemini. No quiere saber qué herramienta abre el navegador. No quiere diseñar memoria vectorial. No quiere decidir qué contexto recuperar. No quiere supervisar cada paso. Quiere decir "Ocúpate" y seguir con su vida.

Si convierte esa frase en un producto fiable, 2.500 millones puede acabar pareciendo barato. Si no resuelve confianza, permisos y seguridad, puede ser otra demostración espectacular de una tecnología a la que dimos demasiado poder demasiado pronto.

El punto más interesante no es que haya creado una inteligencia nueva. Es que ha cogido la inteligencia existente (propia, externa o combinada; todavía no sabemos cuánto de cada) y ha construido alrededor la capa de ejecución que transforma un modelo en un asistente. Ese cambio es más profundo que añadir un botón de Agent Mode. Y obliga a asumir una realidad que el marketing esconde:

Cuando un agente deja de darte respuestas y empieza a tomar decisiones en tu nombre, el problema principal deja de ser lo inteligente que es. El problema pasa a ser cuánto confías en él cuando se equivoca.

Preguntas frecuentes

¿Qué modelo de IA usa Instinct?

Instinct habla de un "core model" entrenado para matices de la vida cotidiana, y poco más. No ha publicado arquitectura, tamaño, modelo base, dataset ni benchmarks que aíslen modelo y sistema. Su política de privacidad contempla proveedores externos de modelos de IA. No hay evidencia pública suficiente para afirmar que tenga un foundation model propio comparable a GPT o Claude, ni para llamarlo wrapper.

¿Instinct usa mis datos para entrenar modelos?

Puedes hacer opt-out del entrenamiento desde la política revisada el 26 de agosto de 2026. El contenido en Vault está excluido, y los datos de APIs de Google Workspace no se usan para evaluar, afinar, entrenar o mejorar modelos. El opt-out es hacia adelante: puede seguir usando modelos ya mejorados con información previa. Desconectar una integración no borra lo ya indexado.

¿Es seguro conectar Gmail, credenciales y pagos a Instinct?

El producto sigue en acceso privado y no hay un análisis independiente de su arquitectura de autorización. Early adopters documentaron un correo enviado sin confirmación y una prueba controlada de prompt injection; no es una brecha de producción demostrada, sí una señal del riesgo. Los términos te hacen responsable de acciones del agente, que pueden no ser reversibles, y la política advierte de pagos y comunicaciones no deseados.

¿Cuánto ha levantado Instinct y a cuánto está valorada?

Ha levantado unos 350 millones y está valorada en 2.500 millones tras la Serie B. Forbes reportó una Serie A de 75 millones a más de 500 millones a principios de agosto de 2026, y semanas después 250 millones codirigidos por Benchmark e Index Ventures. La empresa sigue en acceso privado. No hay métricas públicas de retención ni de economía unitaria.