- Los modelos de IA no tienen mucha defensibilidad más allá de la lealtad a la marca y costos de cambio superficiales, por lo que la estrategia de pesos abiertos de China está formando un ecosistema de distribución más amplio que los modelos cerrados de EE. UU.
- La defensibilidad real de la IA empresarial proviene más de los servicios periféricos —como contratos, integración con sistemas internos y funciones de conveniencia— que del modelo; los usuarios de API pueden cambiar fácilmente de modelo y proveedor manteniendo sus prompts
- Los controles de exportación de GPU de EE. UU. y las regulaciones sobre transferencia de datos a servidores chinos limitan la capacidad de las empresas chinas para ofrecer servicios globales centralizados, pero China convierte su desventaja en cómputo en una ventaja de distribución al publicar modelos
- Moonshot y Alibaba publicaron modelos que, según afirman, pueden competir con los mejores modelos de OpenAI y Anthropic a un costo mucho menor; Martin Casado, de a16z, estima en 80% la probabilidad de que una startup cualquiera use modelos chinos
- La estrategia cerrada de EE. UU. y los incentivos centrados en ingresos de corto plazo están frenando la expansión del ecosistema; para reducir el riesgo de una economía estadounidense muy dependiente del gasto en IA, se debe apoyar la IA pública, los servicios federados y la investigación abierta
La defensibilidad queda en los servicios alrededor del modelo
- Como productos independientes, los modelos de IA no tienen gran defensibilidad sostenida
- Los usuarios pueden pasar de ChatGPT a Claude sin afectar demasiado su flujo de trabajo
- En entornos de ingeniería, el cambio es aún más fácil porque se puede mantener el mismo prompt y solo cambiar la API
- Los contratos pueden atar a los clientes, pero a largo plazo hay pocos incentivos técnicos para seguir eligiendo a un mismo proveedor
- La defensibilidad de la IA empresarial se forma en las transacciones y contratos, la integración con sistemas corporativos y las funciones de conveniencia del entorno de trabajo
- Los usuarios pueden elegir el modelo que mejor se adapte a sus necesidades y, cuando aparezca uno mejor, cambiar de modelo y proveedor
Una estrategia de distribución que revierte la desventaja en cómputo
- Debido a los controles de exportación de GPU del gobierno estadounidense, aunque las empresas chinas aseguren recursos de cómputo para entrenar modelos, les resulta difícil ofrecer servicios centralizados a escala global del mismo modo que OpenAI o Anthropic
- Las regulaciones que impiden compartir ciertos tipos de datos con servidores chinos también limitan la expansión del servicio
- Las tecnologías abiertas son favorables para la adopción de infraestructura porque pueden usarse sin permiso, alojarse donde se quiera y experimentar o modificarse
- Los modelos de pesos abiertos no son open source, pero son portables y se pueden usar sin permiso
- La publicación de modelos por parte de China convierte la desventaja en cómputo creada por EE. UU. en una ventaja de distribución, transforma en commodity la capa de modelos de la que obtienen ingresos las empresas estadounidenses y construye un ecosistema global más efectivo que los servicios centralizados cerrados
- Varias industrias chinas, desde la manufactura hasta la investigación científica, pueden aprovechar esos modelos de inmediato
La brecha de rendimiento se estrecha
- La línea defensiva de las empresas estadounidenses era que sus modelos de frontera eran superiores a los modelos publicados, pero la publicación de modelos de Moonshot y Alibaba está estrechando esa brecha
- Ambas empresas afirman que sus modelos pueden competir con los mejores modelos de OpenAI y Anthropic a un costo mucho menor
- La rápida sucesión de lanzamientos amenaza el liderazgo de EE. UU. en un momento en que la IA se vuelve central para la seguridad nacional, el poder económico y la influencia geopolítica
- Incluso antes de las nuevas mejoras de rendimiento, la estrategia de China ya estaba dando resultados
- Martin Casado, socio de a16z, estima que la probabilidad de que una startup cualquiera use modelos chinos es del 80%
- También aumenta la posibilidad de que los modelos chinos lleguen a liderar
El riesgo que crea la estrategia cerrada de EE. UU.
- Existe una paradoja: pese al carácter cerrado de la sociedad china, quienes controlan con fuerza la tecnología de IA son las empresas estadounidenses
- Hay preocupaciones serias de que los modelos chinos puedan reflejar la perspectiva del gobierno, algo que puede verse en preguntas relacionadas con la Plaza de Tiananmén
- La estrategia cerrada de las empresas estadounidenses contrasta claramente con la forma en que el gobierno de EE. UU. apoyó en el pasado una Internet abierta
- En lugar de cerrar una tecnología con poca defensibilidad real y gran potencial de ecosistema, conviene optar por una forma de publicación permisiva y colaborativa
- Las empresas estadounidenses están presionadas a perseguir ingresos directos de corto plazo por encima de los beneficios del ecosistema
- El gobierno también interviene en el mercado con fuertes controles de exportación, por lo que se necesitan cambios que alineen mejor los incentivos del ecosistema y de las empresas
- Actualmente, una parte considerable de la economía estadounidense está influida por el gasto en IA, por lo que si esta dinámica derrumba la base de ese gasto, las consecuencias podrían ser graves
- La IA pública, los servicios federados y la investigación abierta están ganando apoyo como tecnologías abiertas que pueden operar alineadas con el interés público y los valores de la sociedad, pero necesitan más respaldo
- Para concretarlo en EE. UU., se requiere una estrategia y un apoyo más sofisticados que los actuales
1 comentarios
Opiniones de Hacker News
En los últimos 50 años, en el mercado de computadoras y software, al final terminaron ganando los productos gratis o baratos. La PC desplazó a la minicomputadora, Windows barato y Linux gratis se comieron el mercado de UNIX, y la importancia de los mainframes también cayó mucho
Los costos de entrenamiento y los recursos que exigen los modelos de punta no son sostenibles, y el incentivo económico para desarrollar modelos de alta calidad más baratos es enorme. Los LLM locales en hardware de consumo se parecen al ecosistema de aficionados a la PC de los años 70 y 80, y se ve probable que en 10 a 15 años las PCs y los smartphones puedan hacer la mayoría de las tareas al nivel de los modelos de punta actuales
Los modelos chinos de pesos abiertos harán posible servicios de alquiler de IA mucho más baratos que los de Anthropic y OpenAI, acelerando esta tendencia
Los usuarios no quieren una interfaz que los adule hasta nublar su juicio, o que sea terca y lenta para entender, obligándolos a explicar todo paso a paso. La industria tecnológica tiende a dejarse llevar demasiado por la novedad cuando imagina lo que quieren los usuarios no técnicos
Una herramienta para reproducir música no necesita la capacidad de escribir fanfiction de la película donde salió esa canción; puede ser impresionante, pero no es útil
El open source como el kernel de Linux permitió que individuos mejoraran sistemas complejos de manera independiente y acumularan esos avances, pero los modelos no tienen una ruta de entrenamiento distribuido ni de mejora en paralelo
Puede ser una estrategia de corto plazo para agotar el financiamiento de las empresas occidentales mediante una guerra de precios, pero los incentivos y las políticas pueden cambiar en cualquier momento. Si la mejora de los modelos no logra descentralizarse de verdad, la apertura podría frenarse en cualquier momento
Probablemente fue parecido para muchos desarrolladores de la misma generación que crecieron en países en desarrollo
Ahora ya es difícil dar marcha atrás. Los pesos abiertos no son open source, sino en la práctica modelos gratuitos, y el usuario solo paga el costo del hosting
Cientos de proveedores los alojan y venden, y miles de empresas —desde Microsoft, Databricks y Palantir hasta startups pequeñas— pueden ejecutarlos y afinarlos para quedarse con la propiedad intelectual
En cambio, OpenAI y Anthropic necesitan márgenes de más del 90% en inferencia por sus costos hundidos y los salarios altísimos para retener talento. Que Meta haya pagado miles de millones de dólares a un ingeniero principal también distorsionó fuertemente el mercado
Si los laboratorios de EE. UU. cierran, los laboratorios chinos también empezarán a cobrar de inmediato, pero el precio por token seguiría siendo una quinta o una décima parte, y además habría menos restricciones. Los laboratorios estadounidenses tienen que bajar costos y sueldos y competir; la IA y la robótica son la última esperanza de EE. UU. para reindustrializarse y mantener su estatus de superpotencia
La demanda interna de China es lo bastante grande y existe una estrategia estatal de largo plazo para las energías renovables, así que para el resto del mundo el resultado puede parecer un subsidio generoso. La IA china podría seguir un camino parecido
La cita de que “el 80% de las startups usa modelos chinos” parece dudosa. Varias startups con las que entrevisté recientemente usaban modelos estadounidenses, y aunque algunas usaban modelos chinos en parte, el núcleo del negocio eran las suscripciones a Claude y Codex
Antes de recibir inversión, una startup puede usar modelos chinos en alguna parte de su flujo de trabajo, pero no se sabe qué proporción sigue usándolos después de conseguir inversión o ingresos y sobrevivir más de un año. También podría ser una presentación del tipo: “logramos esto con modelos open source chinos; si recibimos inversión y usamos modelos de punta, podemos hacerlo aún mejor”
Parece que el autor buscó una cita que encajara con una narrativa ya definida, o leyó la cita con descuido
Uso con frecuencia modelos chinos de pesos abiertos, pero no los elegiría primero para tareas importantes de programación
En la librería de IA que usan, basta cambiar una sola configuración para reemplazar el modelo
Si el hardware capaz de ejecutarlos se abarata, los modelos de pesos abiertos terminarán ganando en el sentido de volverse dominantes. También se puede ahorrar alquilando GPUs directamente, pero he oído que las facturas de las empresas que operan inferencia por su cuenta también son sorprendentemente altas
Aun así, es difícil entender qué gana quien entrena y publica el modelo. No está claro si es una estrategia para bajar precios al ver a los proveedores de EE. UU. como amenaza, ni cuál sería el modelo de negocio
Es difícil saber cuál es la motivación de China. Artículo relacionado
China considera que convertir la tecnología en un bien común y hacer que muchas empresas respalden varios sectores de toda la economía es un beneficio para la economía en su conjunto, lo que justifica la inversión pública
La estrategia de EE. UU. concentra capital privado en unas pocas empresas para que una o dos dominen el mercado y terminen imponiendo un “impuesto” cada vez más pesado sobre todos los sectores, por lo que es difícil verlo como una victoria para la economía nacional en su conjunto
Si la inferencia de IA fuera gratis, podría optimizar chips fabricados en China para usos específicos y venderlos integrados en incontables productos como juguetes, autos y herramientas. Así como ya están saliendo de China dispositivos x86 baratos y productos Linux/BSD, con las GPUs no sería diferente
Incluso si los liberan ahora, todavía hay pocos usuarios que ejecuten localmente, y es probable que los modelos actuales queden obsoletos más adelante de todos modos. La desventaja de que los competidores puedan destilarlos fácilmente tampoco parece realmente evitable
Es difícil imaginar un futuro sin modelos open source. No se debería encerrar los modelos más nuevos y mejores de una tecnología global como la IA dentro de empresas como Anthropic u OpenAI, que pueden bloquear el acceso en cualquier momento
Este artículo resulta extraño considerando que Llama, algo así como el origen de todos los modelos de pesos abiertos, no le dio éxito a Meta
A las empresas les importa más que no se conserven sus datos y la relación con proveedores existentes que si el modelo es abierto o no. Este texto parece casi una repetición de declaraciones en CNBC de Alex Karp, que como CEO de Palantir no es neutral
Los modelos abiertos son bienvenidos y también se ejecutan directamente, pero todavía faltan pruebas de que EE. UU. esté perdiendo la competencia en IA o de que sus laboratorios se estén quedando atrás por no liberar los pesos
https://www.cnbc.com/2026/07/01/palantir-karp-open-ai-anthropic-tokens.html
1 2 3
Ahora buscan asegurar la opción de alojar modelos de pesos abiertos en el mismo proveedor de inferencia, pero poder pasarlos a operación interna si hace falta
Había una oportunidad real de convertirse en la “capa base” de la que se hablaba, y cuesta entender por qué la abandonaron
No puedo entender la lógica de violar descaradamente la propiedad intelectual de toda la historia humana, tratar el legado de la humanidad como si fuera territorio propio y luego intentar privatizar otra vez tecnología y datos que originalmente eran del dominio público
Si después de que todo esto se acomode incluso se empieza a hablar de rescates financieros, eso sería prueba de que este sistema está en bancarrota ética, financiera e intelectualmente
Desde una perspectiva no estadounidense, no quiero que el cártel de empresas de IA de EE. UU. tenga un poder enorme sobre esta tecnología. Tampoco comparto el marco de “China es mala y no se puede porque es comunista”; en este asunto, lo que hace China es un beneficio neto para el mundo, al margen de la ideología
Para entonces también estarán funcionando los reactores de sales fundidas nucleares y el consumo eléctrico de los centros de datos dejará de ser un problema
Según el artículo de Ben Thompson sobre modelos chinos (https://stratechery.com/2026/whos-afraid-of-chinese-models/), Xi Jinping dijo en un discurso reciente (http://english.scio.gov.cn/topnews/2026-07/18/content_118605932.html) que, incluyendo el apoyo a modelos open source, “debemos aprovechar la oportunidad histórica para promover el open source, la apertura, la cooperación y el intercambio”
Este texto, al final, dice: “como me gusta el código abierto, el código abierto gana”. La mayoría de las empresas que lanzan modelos con pesos abiertos han recibido enormes sumas de capital de riesgo, pero queda la duda de cuál es su estrategia para recuperar la inversión y cómo planean sostener esto indefinidamente mientras generan ingresos
Gastar decenas de millones de dólares en entrenar un modelo de punta y luego publicarlo gratis para que otros lo alojen en sus propias GPU no tiene mucho sentido a largo plazo. Creer que mantendrán los pesos abiertos cuando se agote el capital y los inversionistas exijan retornos es ingenuo
Los institutos chinos que reciben cierto apoyo estatal podrían pasar a un esquema en el que modelos chinos se alojen sobre infraestructura china
Así como ya se paga por Claude, GPT, Gemini y otros, estaría dispuesto a pagar una pequeña suscripción mensual por una licencia de ejecución local
Entrenar modelos de IA cuesta decenas de millones de dólares, así que es difícil justificar el costo inicial solo regalándolos. La forma china de entrenar y publicar solo se entiende dentro de una estrategia para reducir la rentabilidad de los laboratorios estadounidenses de vanguardia
La segunda: aunque la IA en sí no sea el producto, es posible una estrategia de comoditización de complementos para depender de IA barata o impedir que un competidor monopolice ese valor(https://gwern.net/complement)
Hoy hay pocas razones para invertir mucho dinero en modelos que quedarán obsoletos en pocos meses, pero si el avance empieza a estancarse, es probable que aumenten las empresas que entrenen modelos gratuitos
Las herramientas gratuitas de creación aumentan el contenido, y es muy probable que ese contenido generado termine viéndose en sus propias plataformas, por lo que pueden recuperar el costo de entrenamiento mediante un aumento del tiempo de visualización. Incluso si aparecen mejores modelos basados en investigación abierta, eso también les beneficia porque ese contenido volverá a la plataforma
En un entorno con escasez de GPU, el costo termina al subir el modelo y los usuarios lo ejecutan por su cuenta, así que ni siquiera hace falta ofrecer un servicio de inferencia. Si el modelo se ofrece como herramienta gratuita en vez de revenderse por suscripción o por tokens, también se puede alienar menos a los autores originales de los datos de entrenamiento
Hay un efecto de presión sobre las empresas estadounidenses, pero las compañías chinas ya atienden a una enorme base de clientes en un mercado interno grande y complejo, así que la geopolítica por sí sola no explica todo el panorama