
Anthropic finalmente fileó su S-1 el lunes, adelantando su debut en Nasdaq bajo el ticker ANT. Y entre los datos para invertiradores hay uno que retrata perfectamente el ritmo absurdo al que se mueve la industria: los modelos lanzados en los seis meses previos al 30 de septiembre explican más del 80% de los ingresos del tercer trimestre.
La matemática de la obsolesencia propia
Entre abril y septiembre de 2026 Anthropic lanzó ocho modelos Claude de disponibilidad general más tres Mythos de acceso restringido. Es decir: la mayor parte del negocio del Q3 la generaron productos que en abril literalmente no existían.
El filing describe el flywheel sin rodeos: cada mejora de capacidad da más razones para usar Claude, atrae clientes nuevos y hace que los existentes gasten más. Ese dinero financia la siguiente ronda de investigación, cómputo y talento, que produce el siguiente modelo… y vuelta a empezar. La companía reconoce explícitamente que depende de ingresos crecientes para pagar ese ciclo.
El dato de Claude Code que más grita
El S-1 también confirma lo que se rumoreaba: los usuarios enterprise más intensivos de Claude Code gastan ~20 veces más que los demás usuarios enterprise. Una minoría de clientes metidos de lleno en el agentic coding está moviendo una parte desproporcionada de la boleta. Cuando el filing dice que nuevos modelos generan más gasto, en gran medida está hablando de este perfil de uso.
Los límites del dato
Como siempre con S-1, conviene leer con lupa:
- El 80% no dice cuántos clientes migraron a modelos nuevos. Un grupo chico gastando fuerte en los últimos lanzamientos puede explicar gran parte del número.
- Los modelos de fin de septiembre tuvieron solo días para aportar al trimestre, así que el peso real de los más recientes recién se verá en el Q4.
- El filing tampoco establece que la demanda haya causado el calendario acelerado de lanzamientos de 2026; correlación no es causalidad, aunque el incentivo comercial es obvio.
Igual, la señal para devs y equipos de plataforma es clara: en esta industria planificar sobre “tu modelo favorito” es un error. Lo que hoy factura 80% del negocio, en seis meses más puede ser legado. Arquitectura con agnosticismo de modelo, presupuesto por workload y evaluación continua de costo/rendimiento dejó de ser nice-to-have.
Update: 2 de noviembre
Anthropic presentó hoy una S-1 enmendada con los estados financieros del tercer trimestre incluidos, a días de arrancar su roadshow. Los números nuevos, según CNBC:
- Q3: ~US$17.000 millones de ingresos, +1.127% interanual. Pero el crecimiento secuencial se frenó notoriamente: 47% contra trimestre anterior, versus 144% del Q2 y 132% del Q1. Desacelerar de triple dígito qoq a mitad de tabla es el dato que los inversores van a masticar en el roadshow.
- Nueve meses: US$33.240 millones de ingresos (+~1.200% vs mismo período de 2025) y pérdida neta de US$104.000 millones, aunque la mayor parte se explica por el cambio en valor justo de notas convertibles y pasivos derivados, no por cash burn operacional puro. La pérdida del Q3 fue de US$23.290 millones.
- El número que define el riesgo del negocio: US$895.400 millones en compromisos de compra y arriendos, “sustancialmente todos ligados a compute e infraestructura”. El gasto en compute e infraestructura de los nueve meses subió US$14.400 millones (+329% interanual).
La lectura práctica sigue la línea del post original: Anthropic amarró casi un trillón de dólares en capacidad futura para sostener el flywheel de modelos. Si la capacidad de los hyperscalers y neoclouds no llega a tiempo, el ciclo completo — modelos nuevos que generan la mayor parte del revenue — queda en riesgo. El filing ahora lo dice con número y firma.
Update: 5 de noviembre
La enmienda del lunes no solo traía estados financieros: también estrenó lenguaje de gobernanza que no estaba en el S-1 original del 26 de octubre. Anthropic ahora dice estar evaluando “requerir que humanos revisen o aprueben ciertas decisiones tomadas por IA dentro de su propio proceso de I+D”. Es la primera vez que un laboratorio de IA grande reconoce en un documento legal ante inversionistas que sus sistemas de IA están liderando (no solo asistiendo) una parte medible y creciente de su investigación core.
Los números detrás del cambio, según el R&D Automation Index de la propia Anthropic (informe del 17 de septiembre):
- Más del 26% de las tareas de investigación interna ya están en nivel AL4 — la IA ejecuta de punta a punta a partir de un prompt de alto nivel, con un humano que supervisa pero no dirige.
- Más del 90% de las tareas internas están en AL3 o superior, y 0% ha llegado al nivel totalmente autónomo (AL5).
- Sus agentes corrían más de 30.000 experimentos y tareas de investigación simultáneos. La escala AL es de Epoch AI, y las clasificaciones son autoreportadas, sin auditoría externa.
Y el disclosure que dio la vuelta a la semana: el filing reconoce que, en ciertos escenarios de testing, sus modelos de IA “hackearon” a tres organizaciones sin que se les pidiera. Todo ocurrió durante evaluaciones “capture the flag” corridas por el tercero Irregular, donde el prompt les especificaba a los modelos que su entorno era una simulación sin acceso a internet. La revisión interna — gatillada por el anuncio de un incidente similar en OpenAI — auditió 141.006 corridas de evaluación para encontrar los tres casos.
La moraleja para equipos que operan agentes: cuando el propio proveedor líder en “safety” reconoce en un documento jurado que sus modelos se salieron del script en pruebas controladas, la gobernanza de agentes en producción (permisos mínimos, kill switches, revisión humana en decisiones críticas) deja de ser teoría. Anthropic básicamente lo está admitiendo con firma notarial rumbo a su IPO, esperado todavía para este mes de noviembre.


