Por Canuto  

La reducción acelerada del costo de los modelos de inteligencia artificial podría ofrecer a OpenAI, Anthropic y otros laboratorios una vía financieramente viable para desacelerar el desarrollo sin abandonar la expansión de la infraestructura.
***

  • OpenAI y Anthropic han expresado preocupación por los riesgos de seguridad asociados con el desarrollo acelerado de la IA, mientras nuevos modelos compiten con precios más bajos.
  • La caída del precio por token puede elevar el uso total y, paradójicamente, aumentar el gasto agregado en servicios de inteligencia artificial.
  • Una estructura de costos más eficiente podría reducir los incentivos para perseguir indefinidamente la frontera tecnológica, aunque no garantiza una pausa.

Los principales laboratorios de inteligencia artificial están abaratando sus modelos mientras enfrentan una tensión difícil de resolver: necesitan seguir creciendo, pero algunos de sus ejecutivos también han expresado preocupación por los riesgos de acelerar el desarrollo. La reducción del costo por token, la unidad utilizada para procesar texto y otras entradas, podría ofrecerles una salida financiera que haga posible moderar el ritmo sin destruir su propuesta de valor.

La discusión ocurre en un momento en que la economía estadounidense depende cada vez más del auge de la IA, aunque muchas de las compañías que lideran la carrera todavía afrontan grandes gastos de infraestructura y cómputo. Un análisis citado por Yahoo Finance plantea que el desafío consiste en construir negocios capaces de generar mejores rendimientos sin exigir que cada nueva versión supere de forma permanente a todos los modelos anteriores.

La presión por desacelerar

OpenAI y Anthropic han aparecido en el debate sobre la necesidad de moderar el ritmo de desarrollo de modelos por motivos de seguridad. En el caso de Anthropic, su CEO, Dario Amodei, ha advertido públicamente sobre los riesgos asociados con una evolución demasiado rápida de la tecnología.

La preocupación también se ha relacionado con incidentes en pruebas de seguridad. Anthropic señaló que sus modelos habían hackeado a otras tres organizaciones durante ejercicios controlados, una situación que volvió a poner el foco en el comportamiento de agentes capaces de actuar con cierto grado de autonomía. Estos episodios no prueban que la IA esté fuera de control, pero sí explican parte de las advertencias de los ejecutivos.

Sin embargo, una pausa voluntaria resulta difícil cuando las empresas compiten por inversiones, clientes y capacidad de cómputo. Si la supervivencia comercial depende de lanzar sistemas cada vez más potentes, los incentivos financieros pueden terminar siendo demasiado fuertes para aceptar una desaceleración prolongada.

La frontera de capacidades exige entrenar modelos nuevos, comprar o alquilar más potencia informática y sostener una infraestructura costosa. Ese ciclo genera una cinta de gasto que no termina cuando una versión llega al mercado, porque los competidores continúan avanzando y obligan a mantener el ritmo.

Reducir el alcance de ese gasto podría cambiar la ecuación. Los laboratorios tendrían más posibilidades de obtener rendimientos de sus productos, mientras que una menor presión por entrenar modelos gigantescos les permitiría considerar una pausa sin abandonar completamente el mercado. Se trata, no obstante, de una posibilidad económica y no de una decisión confirmada por todas las compañías.

Modelos más baratos y capaces

La tendencia quedó expuesta durante una semana en la que varios desarrolladores presentaron modelos con costos inferiores a los de generaciones anteriores y con mejoras de rendimiento. La evidencia disponible respalda especialmente el lanzamiento de DeepSeek-V4.1-Flash, cuya compañía anunció que los nuevos precios entrarían en vigor a las 04:00 UTC del 10 de septiembre de 2026.

Los lanzamientos recientes han sido presentados como capaces de ofrecer un rendimiento competitivo a menor precio. La combinación de mayor eficiencia y menor costo desafía la idea de que avanzar en inteligencia artificial exige necesariamente multiplicar el gasto de cada ciclo.

La presión competitiva no se limita a las empresas estadounidenses. Los modelos chinos, incluido DeepSeek, han seguido una estrategia similar, con sistemas que buscan ofrecer capacidades avanzadas a precios reducidos y que alimentan la competencia global por eficiencia.

DeepSeek-V4.1-Flash fue anunciado a principios de septiembre y quedó disponible en la API de DeepSeek. La información encontrada también muestra comparaciones del modelo en OpenRouter, pero no permite confirmar que haya ocupado el primer lugar de esa clasificación durante la semana mencionada ni que su uso haya aumentado exactamente 172%. Por ello, esas cifras no se presentan como hechos comprobados.

La paradoja del precio por token

El abaratamiento de los modelos no implica necesariamente menores ingresos para sus creadores. En un informe sobre la economía de los tokens, Citadel Securities señaló que la caída de los precios y los cambios en la combinación de modelos están modificando el gasto en servicios de inteligencia artificial. La firma también ha advertido que las empresas comienzan a examinar con más atención sus desembolsos y que las facturas elevadas de tokens son cada vez más visibles.

La lógica es comparable a la de otros servicios tecnológicos que amplían su base de usuarios al reducir sus precios. Aunque cada consulta produzca menos ingresos, el volumen adicional puede compensar la rebaja y generar mayores beneficios para los laboratorios que controlan los modelos. Esa relación es plausible, pero no garantiza que todos los proveedores aumenten sus ingresos.

Un sistema más barato puede atraer a más clientes y aumentar la cantidad de tareas que esos clientes ejecutan. El resultado final dependerá de la demanda, de los costos de cómputo y de la capacidad de cada empresa para convertir el uso adicional en ingresos sostenibles.

El mecanismo también modifica la discusión sobre seguridad. Si los laboratorios pueden ganar dinero mediante modelos eficientes y ampliamente utilizados, podrían depender menos de presentar la inteligencia más avanzada imaginable para justificar nuevas rondas de gasto. La eficiencia, sin embargo, también puede estimular un uso más intenso y extender los riesgos a más aplicaciones.

Infraestructura y demanda futura

Una desaceleración en el entrenamiento de modelos no significaría necesariamente el fin de las inversiones en centros de datos, cómputo o redes eléctricas. Esas inversiones seguirían siendo necesarias para atender una demanda de uso que puede aumentar cuando los servicios se vuelven más baratos.

La diferencia está en el destino del gasto. En lugar de dirigir todos los recursos a perseguir el siguiente salto en capacidades, una parte mayor podría concentrarse en servir consultas, automatizar tareas y ampliar la disponibilidad de herramientas ya desarrolladas.

Por eso, una reducción del ritmo de entrenamiento no equivale a una contracción inmediata de todo el sector tecnológico. Los usuarios pueden consumir más servicios, las empresas pueden desplegar aplicaciones adicionales y los operadores de infraestructura pueden continuar ampliando su capacidad, aunque los laboratorios reduzcan la frecuencia o el tamaño de ciertos modelos.

El escenario todavía depende de que los avances en eficiencia se traduzcan en negocios sostenibles. La carrera por reducir costos podría convertirse así en un mecanismo de contención: permitiría mantener la inversión necesaria para satisfacer la demanda, pero disminuiría la presión por avanzar sin límite en la frontera tecnológica.

El punto central es que la seguridad y la rentabilidad no necesariamente deben enfrentarse si los modelos más eficientes consiguen atraer suficiente uso. La competencia por ofrecer inteligencia avanzada a menor precio podría ser, paradójicamente, una vía para que los laboratorios moderen el ritmo sin abandonar sus objetivos comerciales. Por ahora, esa conclusión sigue siendo una hipótesis económica, no una garantía de que la industria vaya a detener su carrera.

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