La carrera de la IA ya no está en la frontera: los modelos de código abierto de China dominan el mercado

El ascenso imparable de los modelos de código abierto chinos

Durante varias semanas este verano, la industria de la inteligencia artificial estuvo obsesionada con los últimos modelos frontera de Anthropic y la lucha de Washington por controlar quién tenía acceso a ellos. Pero mientras todos miraban la frontera, los desarrolladores seguían construyendo, y no esperaban el permiso de los Anthropics y OpenAIs del mundo.

Los modelos chinos de peso abierto representaron el 41% de las descargas en Hugging Face esta primavera, superando a los modelos estadounidenses. En OpenRouter, los seis modelos más populares son todos modelos abiertos de empresas chinas, incluyendo Tencent, Xiaomi, DeepSeek, MiniMax y Z.ai. El modelo Claude Opus 4.7 de Anthropic queda en séptimo lugar, al momento de escribir este artículo. Y según datos de Vercel, los modelos de peso abierto están absorbiendo gran parte de la infraestructura de alto volumen de las aplicaciones de IA, mientras que los modelos cerrados funcionan como una capa premium de mayor costo. En junio, los modelos abiertos gestionaron casi un tercio de las solicitudes de IA en la plataforma.

¿Importan aún los modelos frontera?

Estas plataformas capturan solo una parte del ecosistema de IA; en particular, dejan fuera las sesiones alojadas por grandes laboratorios, que probablemente representan la mayor parte del uso de OpenAI y Anthropic. Pero la gran y creciente participación de los modelos de código abierto en el mercado plantea una pregunta difícil: ¿cuánto siguen importando los modelos frontera si la mayor parte de la IA en producción termina ejecutándose en alternativas más baratas y personalizables?

Algunos ven el crecimiento de los modelos de código abierto como una señal de que los modelos más inteligentes podrían terminar usándose solo para los casos de uso más especializados. “Quizás en unos años, los modelos frontera serán para experimentar y para algunas tareas de muy alto valor, y la mayoría de las cargas de trabajo de producción serán impulsadas por modelos privados dentro de las empresas o por modelos de código abierto”, dijo Clem Delangue, CEO de Hugging Face, en un episodio reciente de Equity.

La tendencia hacia la propiedad de los modelos

Hugging Face es una plataforma y comunidad de desarrolladores conocida principalmente por alojar, compartir y ayudar a las empresas a implementar modelos abiertos. Delangue dice que los clientes y miembros de la comunidad de Hugging Face promueven cada vez más los beneficios de poseer sus propios modelos de IA en lugar de alquilarlos, una tendencia que ha cobrado fuerza tras recibir la factura asociada al costo de escalar modelos frontera cerrados.

“Si eres una empresa de IA o una empresa de tecnología, no quieres externalizar tus capacidades principales a otra empresa, a una API de caja negra que no controlas, de la que no tienes visibilidad y sobre la que realmente no tienes ningún tipo de propiedad”, afirmó Delangue. Ese cambio, argumenta, se refleja en la actividad que ocurre en Hugging Face: cada siete segundos se crea un nuevo repositorio en la plataforma, que alberga casi tres millones de modelos públicos y un millón de datasets públicos. Esto apunta a un panorama diferente al de “un modelo para gobernarlos a todos”, dice. En realidad, se parece más a empresas que utilizan muchos modelos diferentes, muchos de ellos personalizados para su caso de uso específico. La mitad de las empresas de la lista Fortune 500 están utilizando Hugging Face para implementar sus propios modelos privados y modelos de código abierto.

La innovación china y el dilema de la apertura

La creciente popularidad de los modelos abiertos coincide con un flujo constante de versiones cada vez más capaces de los laboratorios de IA chinos. Cada pocos meses, otra empresa china de IA lanza un potente modelo de peso abierto que es más barato de implementar y más fácil de personalizar que los competidores cerrados, socavando la economía de la IA propietaria en la que las empresas estadounidenses han invertido miles de millones. Más recientemente, la empresa Z.ai, con sede en Beijing, lanzó un modelo de peso abierto llamado GLM-5.2 que destaca en la codificación agente y compite con los últimos modelos de Anthropic en la identificación de vulnerabilidades de seguridad.

Delangue no es el único ejecutivo que argumenta que las empresas deberían evitar atarse a un solo proveedor de modelos. El CEO de Microsoft, Satya Nadella, advirtió recientemente contra el bloqueo de un solo proveedor, argumentando que el control de los datos debería ser una preocupación primordial para las empresas que utilizan IA. “Si el aprendizaje fluye en una sola dirección, el valor económico converge hacia los propietarios de la infraestructura de aprendizaje en lugar de los creadores del conocimiento mismo. Por lo tanto, es imperativo que distribuyamos la infraestructura de aprendizaje a todas las empresas para que puedan controlar su propio bucle de aprendizaje”, dijo Nadella.

El debate sobre la seguridad y la concentración de poder

El auge de los modelos abiertos ha intensificado un debate sobre si los modelos cada vez más capaces deberían estar ampliamente disponibles. El CEO de Anthropic, Dario Amodei, ha argumentado que escalar los pesos de modelos abiertos poderosos podría volverse peligroso porque, una vez publicados, son difíciles de controlar. Otros han argumentado que los modelos abiertos son más accesibles para actores malintencionados que podrían usarlos para difundir desinformación o llevar a cabo guerras cibernéticas o biológicas.

Delangue ve la compensación de manera diferente. “El mayor riesgo en la IA es la concentración de poder”, dijo. “La forma de hacer el mundo más seguro, en mi opinión, es nivelar el campo de juego y crear transparencia en estos modelos”. La transparencia significa que los defensores pueden “parchear los riesgos de ciberseguridad que ya saben que los modelos de código abierto pueden explotar”. El ejecutivo de Hugging Face argumenta que mantener los modelos potentes cerrados no elimina los riesgos asociados con los sistemas de IA avanzados, en parte porque es fácil superar las barreras de protección de las API de los modelos frontera y robar los pesos para divulgarlos abiertamente. Restringir los modelos potentes, según Delangue, simplemente concentra la tecnología en manos de unas pocas empresas y reduce la transparencia sobre cómo funcionan los sistemas. “No lo haces seguro manteniéndolo detrás de puertas cerradas para unos pocos actores”, dijo. “Lo haces más peligroso porque creas asimetría de poder y asimetría de capacidades”.