Por Canuto  

La competencia mundial por la inteligencia artificial ya no se decide únicamente por los modelos más capaces. Distintos reportes sobre OpenRouter apuntan a un fuerte avance del uso de modelos chinos entre empresas estadounidenses, impulsado principalmente por sus menores costos, mientras las compañías que no sean líderes tecnológicos ni competidoras eficientes quedan atrapadas en una peligrosa zona intermedia.
***

  • Reportes sobre OpenRouter señalan que modelos de origen chino ocuparon los cinco primeros puestos de una clasificación semanal por volumen de tokens en julio.
  • Modelos chinos representaron aproximadamente el 60% del uso de OpenRouter por parte de empresas estadounidenses, según reportes citados por CNBC y Bloomberg.
  • Los laboratorios estadounidenses conservan la ventaja en razonamiento avanzado, agentes de largo horizonte y tareas empresariales exigentes, mientras el precio favorece la adopción de alternativas chinas.

La competencia por la inteligencia artificial empresarial entró en una etapa en la que el rendimiento máximo ya no garantiza el dominio del mercado. Un análisis citado por Fortune sostiene que la industria se está separando en dos carriles: modelos de frontera capaces de resolver las tareas más complejas y modelos abiertos, mucho más baratos, destinados a procesar grandes volúmenes de trabajo. Entre ambos extremos aparece una zona de muerte para las compañías que no son claramente las mejores ni las más eficientes.

El cambio resulta visible en OpenRouter, una plataforma que enruta solicitudes entre distintos modelos y que se ha convertido en una referencia para observar el uso de estas herramientas. Reportes sobre una clasificación de julio indican que modelos de origen chino ocuparon los cinco primeros puestos por volumen de tokens, con MiMo V2.5 de Xiaomi en el primer lugar, seguido por desarrollos de DeepSeek, MiniMax, Qwen de Alibaba y Kimi de Moonshot. La cifra importa porque refleja decisiones de uso y no solamente resultados de laboratorio.

Según reportes citados por CNBC y Bloomberg, los modelos chinos llegaron a representar aproximadamente el 60% del uso de OpenRouter por parte de empresas estadounidenses. La magnitud exacta depende del periodo y de la métrica utilizada, por lo que no debe confundirse automáticamente con una participación del 60% de todo el tráfico global de la plataforma. Aun así, el dato apunta a un cambio relevante en las preferencias de los usuarios corporativos.

La lectura central es que esas compañías no estarían adoptando modelos chinos por una obligación directa, sino porque los seleccionan carga de trabajo por carga de trabajo. Para tareas donde el costo de cada solicitud determina la rentabilidad, la relación entre precio y rendimiento puede pesar más que la procedencia del proveedor, aunque las empresas todavía deben considerar riesgos de seguridad, privacidad, cumplimiento normativo y soberanía de datos.

Dos carreras dentro de una misma industria

Los laboratorios estadounidenses conservan, de acuerdo con el análisis, una ventaja en la frontera tecnológica. GPT 5.5, Claude Fable 5 y Gemini 3.x aparecen como líderes en razonamiento difícil, agentes capaces de operar durante periodos prolongados y trabajos empresariales de mayor exigencia, por lo que la brecha en capacidad seguiría siendo real y se mediría en meses.

Sin embargo, la carrera dejó de ser una competencia única. Estados Unidos avanzaría en capacidad absoluta, mientras China gana terreno en distribución, adopción y costos, una diferencia que puede modificar el resultado comercial incluso cuando los modelos más avanzados continúan concentrados en laboratorios estadounidenses. La disponibilidad, la facilidad de despliegue y el precio pueden convertirse en ventajas acumulativas porque atraen a más desarrolladores y generan más integraciones.

El contraste de precios ilustra esa separación. El análisis estima que DeepSeek V4-Pro cuesta aproximadamente una doceava parte de GPT-5.5 con un rendimiento comparable en ciertas pruebas, mientras DeepSeek V4 Flash tendría un precio de USD $0,14 por millón de tokens de entrada frente a USD $5,00 para GPT-5.5. Estas comparaciones deben entenderse como referencias del análisis original, ya que los precios y las versiones pueden cambiar.

Reportes de mercado también describen diferencias de entre 60% y 90% entre los precios de algunos modelos abiertos chinos y las principales ofertas estadounidenses. Esa brecha puede decidir compras relacionadas con agentes de programación, procesamiento documental, atención al cliente y otras cargas de producción de alto volumen, incluso si las tareas más sensibles o complejas permanecen en modelos premium.

La distribución como ventaja estratégica

La adopción de modelos abiertos crea un efecto de red que va más allá del precio inicial de una API. Cuando los desarrolladores pueden descargar un modelo, ejecutarlo bajo sus propias condiciones y construir herramientas a su alrededor, aumentan las probabilidades de que ese modelo se convierta en una pieza permanente de la infraestructura tecnológica.

La familia Qwen de Alibaba ya superó los mil millones de descargas acumuladas y, según el análisis, reemplazó a Llama de Meta como la familia de modelos abiertos más descargada del mundo. Llama había definido el espacio de los pesos abiertos durante 2023 y 2024, pero ahora habría caído por debajo del 1% del volumen de enrutamiento observado en la plataforma.

El desplazamiento no significa necesariamente que un modelo abierto sea superior en todos los indicadores técnicos. Muestra, más bien, que la distribución puede amplificar una ventaja de costos y accesibilidad, del mismo modo que Linux ganó presencia en servidores y Android se expandió en teléfonos, aunque otros sistemas hayan mantenido fortalezas específicas en determinados segmentos.

Para las juntas directivas, la conclusión es incómoda: una estrategia basada en contratar una sola API de frontera y dirigir allí todas las solicitudes puede estar sobredimensionando el gasto. El análisis compara esa práctica con operar toda una red logística mediante transporte aéreo nocturno, una solución rápida y potente, pero demasiado costosa para tareas que podrían viajar por rutas más eficientes.

El riesgo de quedar atrapado en el centro

La llamada zona de muerte se ubica entre la frontera tecnológica y el nivel de productos básicos. Allí quedan los modelos que no ofrecen una ventaja decisiva de capacidad, pero tampoco compiten con precios suficientemente bajos, junto con las empresas que pagan tarifas de frontera para resolver tareas que no necesitan ese nivel de sofisticación.

Los datos de uso de OpenRouter muestran la diferencia entre ambos carriles. Anthropic tendría alrededor del 12% de la participación de tokens de la plataforma, pero capturaría aproximadamente la mitad del gasto total, una combinación que sugiere que menos solicitudes pueden generar más ingresos cuando se destinan a trabajos capaces de justificar precios premium.

El otro carril corresponde a modelos abiertos eficientes que procesan millones de tokens baratos. En este esquema, ambos extremos pueden ser atractivos: el segmento premium monetiza capacidad diferencial y el segmento de commodities obtiene escala mediante costos reducidos, mientras que la franja intermedia pierde una razón clara para existir.

El análisis advierte que muchas empresas de Fortune 500 permanecen precisamente en ese centro. La organización típica habría firmado en 2024 un contrato con una API de frontera, conectado allí toda su operación y dejado de revisar la arquitectura, una decisión que puede traducirse en costos innecesarios cuando el mercado ofrece alternativas abiertas para buena parte de las tareas rutinarias.

La eficiencia china y la respuesta estadounidense

La expansión de los modelos chinos no aparece presentada como un accidente. Los controles de exportación limitaron el acceso de los laboratorios chinos a los mayores grupos de GPU, lo que los llevó a diseñar alrededor de la escasez mediante eficiencia de tokens, mecanismos novedosos de atención, arquitecturas de mezcla de expertos y una mayor atención a la calidad de los datos.

Ese enfoque también priorizó la arquitectura consciente de la inferencia desde el comienzo. El respaldo estatal habría reducido aún más la base efectiva de costos, mientras Xiaomi recortó hasta 99% los precios de su API MiMo en mayo, una combinación que convierte una restricción tecnológica en una estrategia comercial orientada a ganar uso.

La advertencia para Estados Unidos es que mantener la ventaja en la frontera no basta si los desarrolladores, las empresas y los operadores de aplicaciones trasladan el volumen a alternativas más baratas. Una posición dominante en capacidad podría coexistir con una pérdida gradual de participación, interés de los desarrolladores y control sobre el ecosistema.

El análisis defiende una respuesta estadounidense de pesos abiertos, liberados con regularidad y respaldados por incentivos de adquisición o compromisos directos de compra. También sostiene que una prohibición generalizada no constituye una estrategia, aunque reconoce que las restricciones pueden estar justificadas para cargas de trabajo sensibles de inteligencia, defensa internacional y seguridad nacional.

Qué deberían hacer las empresas

La primera recomendación es convertir el enrutamiento constante en la arquitectura predeterminada. Las tareas difíciles, reguladas o de alto riesgo pueden dirigirse a modelos de frontera, mientras las solicitudes de alto volumen y sensibles al costo se asignan a modelos abiertos eficientes, una combinación que, según el análisis, podría reducir entre 60% y 90% los costos de inferencia en muchas cargas sin sacrificar calidad donde realmente importa.

La segunda consiste en tratar la eficiencia como una capacidad estratégica y no como una optimización secundaria. Técnicas como la interrupción, la cuantización, la decodificación especulativa y el codiseño entre modelos y hardware ya forman parte de las prácticas relevantes para disminuir costos, por lo que las empresas estadounidenses podrían estudiar cómo los laboratorios con recursos limitados obtuvieron más rendimiento de cada unidad de cómputo.

La tercera recomendación es diferenciarse por encima de la capa del modelo. Datos propietarios, aplicaciones especializadas, optimización por dominio, agentes y marcos rigurosos de evaluación pueden conservar valor aunque cambie el modelo base, mientras que depender de la supuesta superioridad permanente de una tecnología ajena deja a la empresa expuesta a la siguiente reducción de precios o salto de rendimiento.

La cuarta es abandonar la zona intermedia. Una compañía cuyo producto dependa de un modelo que no sea ni el mejor ni el más barato tendría que elegir una dirección: construir una ventaja de capacidad con diferenciación real o competir eficazmente mediante costos y apertura, porque el análisis sostiene que ese centro será cada vez más difícil de sostener antes de 2027.

La disputa también plantea una pregunta de soberanía tecnológica para los gobiernos y los consejos de administración. Si los próximos productos de software se construyen sobre modelos chinos por razones de precio y disponibilidad, Estados Unidos podría conservar el liderazgo técnico de la frontera mientras cede la infraestructura cotidiana que forma hábitos, estándares y comunidades de desarrolladores.

La conclusión no exige escoger entre capacidad y eficiencia, sino competir en ambas categorías al mismo tiempo. El desafío combina una frontera confiable, modelos abiertos de alto rendimiento, cómputo abundante, costos controlados y una distribución suficientemente amplia para que la innovación estadounidense no quede confinada a demostraciones premium.

La pregunta decisiva para las empresas, los inversionistas y Washington será qué modelos sostendrán la próxima generación de software y quién controlará las capas de uso construidas sobre ellos. Los rankings de uso y el volumen de tokens ofrecen una señal temprana de esa disputa, y la señal disponible favorece a China en distribución y costos, aunque Estados Unidos todavía conserve motivos para defender su liderazgo en capacidad máxima.

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

Artículos Relacionados