La IA abierta china gana terreno entre empresas de Estados Unidos por sus bajos costos

Los modelos de inteligencia artificial de pesos abiertos desarrollados en China comienzan a ganar espacio entre empresas estadounidenses, atraídas por sus menores costos, mayor capacidad de personalización y control sobre los datos. Aunque OpenAI y Anthropic todavía dominan el gasto empresarial, nuevos datos y casos de Thomson Reuters y Harvey sugieren que la IA china ya encontró una puerta de entrada en el mercado corporativo.
***

• La proporción de empresas con gasto en plataformas que ofrecen modelos abiertos o desarrollados en China subió de 4,5% en enero a 6,1% en julio de 2026.
• Thomson Reuters construyó su modelo Thomson sobre Snowdon, mientras Harvey post-entrenó Harvey Tenet con Kimi K3.
• Anthropic y OpenAI mantienen el liderazgo del gasto empresarial, pero los clientes muestran menos disposición a pagar por el modelo más costoso.

Las empresas estadounidenses están comenzando a ampliar su búsqueda de herramientas de inteligencia artificial más allá de los laboratorios locales, en un movimiento impulsado por los costos y la necesidad de controlar mejor los datos. Los modelos chinos de pesos abiertos reducen la distancia frente a sistemas propietarios de Estados Unidos y ofrecen una alternativa que puede ajustarse a tareas específicas, sin exigir que cada compañía pague por el modelo más grande disponible.

La tendencia todavía no representa un desplazamiento de OpenAI o Anthropic, que continúan concentrando la mayor parte del gasto corporativo en IA. Sin embargo, datos recientes sobre compras de tokens y suscripciones muestran un cambio gradual: cada vez más compañías prueban modelos desarrollados en China o sistemas de código abierto para una parte de sus operaciones, especialmente cuando buscan reducir el precio de inferencia y conservar mayor control técnico.

El atractivo empresarial de los pesos abiertos

Los modelos de pesos abiertos permiten que una empresa descargue o acceda a una base tecnológica que puede adaptar mediante ajuste fino, en lugar de depender por completo de una interfaz cerrada. Esa diferencia importa para organizaciones que trabajan con información sensible, porque les ofrece más control sobre el despliegue y una mayor seguridad de que sus datos no terminarán alimentando productos potencialmente competidores.

También existe una razón financiera. Según el último índice de IA de Ramp, la proporción de empresas de su base de clientes que pagaban por plataformas con acceso a modelos abiertos o desarrollados en China aumentó a 6,1% del total de compañías con gasto en IA en julio de 2026, frente a 4,5% en enero del mismo año.

El avance puede reflejar el interés que despertaron modelos como Kimi K3, desarrollado por Moonshot AI, que llegó al mercado como un sistema de pesos abiertos inusualmente grande. El modelo llamó la atención por un rendimiento en programación y tareas agentivas cercano al de sistemas propietarios líderes, una combinación que puede resultar especialmente atractiva para desarrolladores que necesitan ejecutar procesos de varios pasos.

Alex Brunicki, socio de Backed VC, explicó que observa un cambio en la forma en que las empresas utilizan estas herramientas. Según su descripción, varias compañías están creando modelos fundacionales específicos para sus industrias a partir de sistemas abiertos y luego los ajustan con conjuntos de datos muy particulares, sin reservar los modelos frontera para cada tarea del negocio.

China lidera la carrera de los modelos abiertos

La competencia también se está definiendo por la capacidad de los laboratorios para ofrecer modelos grandes, baratos y accesibles a comunidades de desarrolladores. Hugging Face concluyó que, durante casi todos los meses de 2026, el modelo abierto más grande y capaz procedió de un laboratorio chino, mientras que los lanzamientos estadounidenses más destacados llegaron de Thinking Machines Lab y, más recientemente, de Meta.

Esos proyectos estadounidenses no han igualado, de acuerdo con la información citada, la escala de Kimi K3 ni su capacidad para atraer desarrolladores. La ventaja china no depende únicamente de una medición de rendimiento, sino también de una estrategia de distribución que combina pesos disponibles, precios agresivos y posibilidades de personalización para empresas que no quieren quedar atadas a un proveedor.

Z.AI confirmó que el modelo conocido previamente como Ox Alpha era suyo y lo rebautizó como GLM-5.3-Flash. La compañía anunció un precio de USD $0,15 por millón de tokens de entrada y USD $0,50 por millón de tokens de salida, una estructura que intensifica la presión sobre rivales en un mercado donde DeepSeek y Moonshot AI ya están empujando los precios hacia abajo.

Z.AI también estaría cerca de lanzar una versión más grande de GLM-5.3, que algunos observadores consideran capaz de competir con modelos avanzados de Anthropic y OpenAI en tareas cibernéticas. Ese posible salto genera preocupación porque, si las capacidades ofensivas llegan a más usuarios a precios bajos, la industria podría enfrentar una nueva etapa de ciberataques automatizados para la que sus controles todavía no están preparados.

La disputa por la nube será otro elemento decisivo. Reuters informó que Moonshot AI conversa con Microsoft, Amazon y Google sobre acuerdos de participación en ingresos para alojar Kimi K3 en Azure, AWS y Google Cloud, con una solicitud de hasta 30% de los ingresos generados por servicios vinculados con el modelo; las conversaciones siguen en una etapa temprana y no garantizan acuerdos.

Casos corporativos y presión sobre los precios

Thomson Reuters anunció la creación de Thomson, un modelo interno basado en Snowdon, el sistema de código abierto del Imperial College London. La empresa indicó que siguió una estrategia basada en una fundación abierta y una inversión específica para adaptar el modelo a sus necesidades. Thomson asumirá tareas de revisión documental que antes se ejecutaban con Claude, una decisión que muestra cómo una compañía establecida puede trasladar parte de sus cargas desde un proveedor cerrado hacia una herramienta especializada.

Joel Hron, director de tecnología de Thomson Reuters, sostuvo que las empresas no necesitan modelos cada vez más grandes y costosos para obtener resultados útiles. Su argumento es que una base abierta sólida, ajustada con profundidad para una industria concreta, puede producir un sistema eficaz con un costo menor y con más control sobre su funcionamiento.

Harvey, una firma de tecnología legal respaldada por OpenAI, Sequoia y Andreessen Horowitz, también anunció un cambio de estrategia. Su nuevo modelo, Harvey Tenet, fue post-entrenado sobre Kimi K3 de Moonshot AI. La compañía presentó resultados que comparan el efecto de ese post-entrenamiento con otros modelos, aunque las mejoras no fueron uniformes: según Harvey, Fable 5 mejoró 7,7%, mientras GPT-5.6 Sol retrocedió 4,2% bajo la misma modificación.

El movimiento resulta significativo porque Harvey había construido anteriormente su producto mediante la personalización de modelos cerrados de Anthropic, OpenAI y Google. La empresa no está abandonando necesariamente todas esas tecnologías, pero su apuesta por Kimi K3 demuestra que los modelos abiertos chinos ya se consideran una base viable para productos empresariales especializados.

Los datos de Ramp muestran, no obstante, que el crecimiento de las alternativas abiertas todavía no redujo de manera directa el gasto en OpenAI o Anthropic. Anthropic capturó 43,5% de la cuota entre las empresas en julio, después de ganar 1,1 puntos porcentuales, mientras OpenAI aumentó 0,23 puntos hasta alcanzar 39,7%.

El límite que enfrenta la IA más cara

La distribución del gasto dentro de cada laboratorio ofrece una señal más compleja que la cuota general. Fable 5, presentado como el modelo más avanzado del mercado, representó apenas 6% de los tokens comprados a Anthropic y 11,4% de los dólares gastados en sus modelos, pese a costar cerca de USD $10 por millón de tokens.

En comparación, GPT-5.6 Sol, de OpenAI, concentró 25% de los tokens adquiridos a esa empresa y 23% de su gasto total en modelos. El precio de Fable 5 es aproximadamente el doble del de GPT-5.6 Sol, una diferencia que ayuda a explicar por qué las compañías pueden preferir una herramienta algo menos potente cuando ofrece una relación más conveniente entre rendimiento y costo.

Ara Kharazian, economista principal de Ramp, considera que Fable 5 pudo haber encontrado el techo del mercado empresarial. La lectura es que muchas compañías no están dispuestas a pagar una prima por el modelo más avanzado si una alternativa más barata resulta suficientemente buena para sus procesos cotidianos.

Ese comportamiento puede transformar la estructura de la competencia. Los laboratorios frontera estadounidenses aún conservan una posición dominante, pero el mercado podría dejar de premiar cada nuevo salto de capacidad con un aumento equivalente del gasto, mientras los modelos abiertos ocupan el espacio de empresas que priorizan especialización, privacidad operativa y eficiencia.

DeepSeek ilustra la dimensión financiera de esta carrera. The Information informó que la startup busca recaudar 50.000 millones de yuanes, equivalentes a USD $7.400 millones, en una segunda ronda que valoraría la compañía en 500.000 millones de yuanes, o USD $74.000 millones.

La empresa generó 475 millones de yuanes, equivalentes a USD $70,7 millones, durante los primeros siete meses de 2026, cerca de diez veces sus ingresos de todo 2025, aunque todavía registró una pérdida neta de 715 millones de yuanes. Su negocio de API alcanzó un margen bruto de 82,9%, frente a un margen bruto general de 44,6%, y además contrató bancos de inversión para preparar una posible oferta pública inicial en Shanghái el próximo año.

El resultado es una competencia con dos velocidades: los modelos propietarios conservan el liderazgo en gasto y reconocimiento, mientras las alternativas abiertas avanzan en volumen, precio y adaptación sectorial. Si las empresas continúan concluyendo que lo suficientemente bueno supera a lo más avanzado, la ventaja de los laboratorios estadounidenses podría seguir siendo importante, pero ya no bastará por sí sola para justificar cualquier precio.

La disputa, por tanto, no se limita a quién construye el modelo con mejores pruebas de referencia. También enfrenta a quienes controlan la distribución, los costos de cómputo, el acceso a la nube y la capacidad de convertir un modelo general en una herramienta útil para una industria concreta, con la seguridad como una variable cada vez más difícil de ignorar.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.

ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín