Modelos chinos de IA: cerca de la frontera, lejos del cómputo

LA TESIS. China no ha alcanzado la frontera de la IA. Ha conseguido algo que quizá influya más: que una IA casi de frontera sea barata, abierta y china. La distancia con los mejores modelos de Anthropic y OpenAI existe, pero se mide en meses, no en años. Lo que frena a China no es el talento. Es el cómputo, es decir, la cantidad de chips disponibles para entrenar modelos y servirlos a los usuarios. Nuestra lectura es de optimismo matizado. A corto plazo hay riesgos reales: dependencia tecnológica, censura dentro de los modelos y una guerra comercial que parte el mercado en dos. A largo plazo, que haya modelos potentes casi gratis es una pieza de la abundancia que defendemos.

LA BRECHA REAL. El 27 de octubre, Artificial Analysis publicó la versión 5 de su Índice de Inteligencia. Es una nota que combina muchas pruebas y que el sector sigue muy de cerca. La novedad es que el 60% de las pruebas usa ahora preguntas privadas. Los laboratorios no han podido verlas durante el entrenamiento. El resultado fue un jarro de agua fría. Según la propia firma, la distancia entre el mejor modelo cerrado y el mejor modelo de pesos abiertos pasó de 3 a 12 puntos. Un modelo de pesos abiertos (open-weight) es uno que cualquiera puede descargar y ejecutar en sus propios servidores.

Kimi K3.1 Pro, de Moonshot, cayó del cuarto al noveno puesto. Bajó de 55 a 46 puntos, según la cobertura del cambio. Aun así sigue siendo el mejor modelo chino. Los mejores modelos cerrados de Anthropic y OpenAI rondan los 57-58 puntos. Los modelos abiertos que ya se pueden descargar se quedan en torno a 32. Es el caso de GLM-5.3, de Zhipu, y de DeepSeek V4.1 Flash. En las tareas más duras la diferencia crece. Según un análisis que recoge la prensa especializada, en Terminal-Bench-Science los mejores modelos cerrados resuelven cerca del 60% de las tareas. La mayoría de los modelos abiertos chinos se queda en torno al 10%.

Otras mediciones dibujan una brecha menor. El AI Index 2026 de la Universidad de Stanford la sitúa en un 2,7% entre el mejor modelo estadounidense y el mejor chino. El Institute for Progress (IFP), un centro de análisis de Washington, calcula que EE.UU. lleva unos 6,5 meses de ventaja.

Nuestra lectura: ambas cosas son ciertas a la vez. En las pruebas públicas y conocidas, China está casi empatada. En las pruebas nuevas, privadas y de tareas largas, aparece una ventaja occidental real. Esto refuerza una tesis que mantenemos desde hace meses: «iguala a X» suele ser una frase de marketing hasta que se comprueba en pruebas duras. Parte de la cercanía en las pruebas públicas se debe, probablemente, a que los modelos se optimizan para ellas.

QUIÉN ES QUIÉN. DeepSeek lanzó V4 y V4-Pro el 24 de abril de 2026 con licencia MIT, una de las más permisivas. Son modelos de mezcla de expertos (MoE): en cada respuesta solo se activa una parte de la red, y eso abarata su uso. La empresa anunció un 80,6% en SWE-bench Verified, una prueba que mide si un modelo corrige fallos reales en código. Esa cifra la dio el propio fabricante, no un evaluador independiente. Zhipu, que ahora se llama Z.ai, publicó GLM-5 en febrero y GLM-5.2 en junio. GLM-5.2 fue el primer modelo abierto en liderar la versión anterior del índice de Artificial Analysis, con 51 puntos. Moonshot lanzó Kimi K3 en julio. Tiene 2,8 billones de parámetros y, según VentureBeat, es el mayor modelo abierto publicado hasta la fecha.

Alibaba juega en otra liga. Su familia Qwen supera los 1.000 millones de descargas acumuladas en Hugging Face, la principal plataforma de modelos abiertos. Es la base de miles de modelos derivados. Su modelo estrella, Qwen3.8-Max, solo se ofrece a través de API, es decir, como servicio de pago por uso. MiniMax y StepFun completan el grupo de cabeza.

Nuestra lectura: lo llamativo no es un campeón concreto, sino cuántos laboratorios compiten. China tiene cinco o seis capaces de publicar un modelo casi de frontera cada pocos meses. Esa competencia interna empuja los precios hacia abajo para todo el mundo.

POR QUÉ CHINA REGALA SUS MODELOS. Según el informe de primavera de 2026 de Hugging Face, los modelos chinos sumaron el 41% de las descargas entre febrero de 2025 y febrero de 2026. Los estadounidenses se quedaron en el 36,5%. En uso real las cifras varían mucho según la fuente. Un estudio de a16z con OpenRouter, una plataforma que da acceso a muchos modelos por API, midió un 13% del tráfico de media durante un año. Un análisis de Mozilla lo sube al 45% en abril de 2026. No miden el mismo periodo, así que no son comparables directamente.

El precio explica buena parte del éxito. En mayo, DeepSeek bajó un 75% el precio de V4-Pro. Ahora cuesta 0,435 dólares por millón de tokens de entrada y 0,87 de salida. Un token equivale aproximadamente a tres cuartos de palabra. En el lanzamiento costaba 1,74 y 3,48 dólares. Kimi K3 es más caro: 3 dólares de entrada y 15 de salida por millón de tokens. Aun así, Artificial Analysis calculó que cada tarea de su índice anterior le costaba 0,94 dólares.

Nuestra lectura: abrir los pesos es una estrategia, no un acto altruista. Con menos cómputo, China no puede ganar vendiendo el modelo más listo. Sí puede convertirse en el estándar sobre el que construyen otros: startups, gobiernos y universidades que no quieren depender de una API estadounidense. Es una forma de exportar soberanía tecnológica. Pero tiene letra pequeña. Los modelos chinos están sujetos a las normas de contenido de Pekín. Y Anthropic afirma que DeepSeek usó consultas a Claude para aprender a desviar conversaciones sobre temas censurados en China.

Hay además una acusación abierta. En febrero, Anthropic acusó a DeepSeek, Moonshot y MiniMax de destilación a escala industrial. La destilación consiste en usar las respuestas de un modelo ajeno para entrenar uno propio. Según Anthropic, hubo más de 16 millones de intercambios con Claude a través de unas 24.000 cuentas. OpenAI hizo una acusación parecida contra DeepSeek ante el Congreso de EE.UU. Las tres empresas chinas no respondieron en ese momento. Varios críticos recordaron que los laboratorios estadounidenses también tienen disputas abiertas por sus datos de entrenamiento. Si las acusaciones se confirman, explicarían parte de la velocidad china, pero no toda.

EL CUELLO DE BOTELLA: CHIPS Y MEMORIA. La cronología muestra que los dos países frenan el comercio. En abril de 2025, EE.UU. empezó a exigir licencia para vender a China el H20, una versión recortada de un chip de NVIDIA. En septiembre de 2025, según el Financial Times, el regulador chino de internet ordenó a ByteDance y Alibaba dejar de probar y de pedir el RTX Pro 6000D, otro chip de NVIDIA diseñado para China. En enero de 2026, Washington autorizó la venta del H200 a cambio de quedarse con el 25% de los ingresos. Pero en el trimestre que terminó el 26 de julio, esas ventas fueron menos del 1% de los ingresos de NVIDIA en centros de datos, según Bloomberg. La empresa lo atribuyó en parte a objeciones de Pekín.

La alternativa china es Huawei. Según la empresa y la prensa, GLM-5 se entrenó con unos 100.000 chips Huawei Ascend 910B, sin hardware de NVIDIA. Nadie lo ha verificado de forma independiente. Huawei confirmó que su nuevo Ascend 950 puede ejecutar DeepSeek V4. Pero la escala es otra. Epoch AI, un instituto que estudia la evolución de la IA, estima que Huawei producirá en 2026 menos del 4% del cómputo para IA que fabrique NVIDIA. El límite principal no es SMIC, el gran fabricante de chips chino. Es la HBM, la memoria de alta velocidad que va pegada al chip y alimenta sus cálculos. La consultora SemiAnalysis estimaba en junio que solo un 25% de la HBM3 de ocho capas que fabricaba CXMT, el gran productor chino de memoria, salía utilizable.

La ventaja de cómputo de EE.UU. es amplia, aunque su tamaño depende de qué se mida. El IFP calcula que EE.UU. tiene unas 16 veces más capacidad para entrenar modelos. Según datos de Epoch AI, EE.UU. concentra casi tres cuartas partes del cómputo mundial para IA y China algo más del 14%. SemiAnalysis, citada por el Financial Times, cifra los centros de datos de IA operativos en 56 gigavatios en EE.UU. y 24 en China. Y según Stanford, la inversión privada en IA fue 23 veces mayor en EE.UU.: 285.900 millones de dólares frente a 12.400 millones.

Nuestra lectura: lo sorprendente es lo poco que se nota en los modelos. Con unas 16 veces menos cómputo para entrenar y 23 veces menos inversión privada, China está a meses de distancia. Eso indica dos cosas. La eficiencia de ingeniería rinde mucho. Y seguir a quien abre camino es más barato que abrirlo. Pero el cómputo pesa más justo en lo nuevo: agentes que trabajan durante horas y razonamiento largo. Es ahí donde el índice v5 muestra la brecha. Todo encaja.

CONTROLES, ENERGÍA Y LA RESPUESTA CHINA. China tiene una ventaja clara: la energía. Según Al Jazeera, genera más del doble de electricidad que EE.UU. Según cálculos del Washington Post que cita China Daily, sus centros de datos pagan unos 3 céntimos de dólar por kilovatio hora, un tercio que en EE.UU. Bernstein prevé más de 5 billones de yuanes de inversión en la red eléctrica china entre 2026 y 2030. Los chips escasean en China. La electricidad, no.

La tecnología ya es moneda de cambio. Según la prensa, los negociadores chinos vinculan la venta de imanes de tierras raras, clave para la industria militar, a las restricciones de EE.UU. sobre chips. La suspensión de los controles chinos más duros sobre tierras raras vence el 10 de noviembre, y hay versiones contradictorias sobre una prórroga. Además, el 16 de octubre Pekín publicó un borrador de controles a la exportación de su propia IA: el Anuncio n.º 48 del Ministerio de Comercio (MOFCOM). Incluye los pesos de los modelos que superen 10^26 operaciones de entrenamiento, 2 billones de parámetros o un puesto entre los diez primeros en determinadas pruebas. Lo que ya se ha publicado queda fuera. Ofrecer un modelo por API no cuenta como exportación. Los análisis no coinciden sobre si publicar en abierto un modelo futuro por encima de esos umbrales exigirá permiso. El plazo de comentarios cierra el 15 de noviembre. Kimi K3, con 2,8 billones de parámetros, ya supera uno de esos umbrales.

Nuestra lectura: los controles de EE.UU. han frenado la cantidad de cómputo chino, no su capacidad. Han retrasado el volumen, pero han acelerado la industria propia (Huawei, CXMT) y han llevado a Pekín a rechazar chips estadounidenses. Es lo que venimos sosteniendo: los controles empujan la autonomía china más de lo que la frenan. Lo nuevo es que Pekín empieza a tratar los pesos de sus modelos como un activo estratégico, igual que hizo Washington con Mythos. La era del open-weight chino podría volverse condicional.

IMPLICACIONES. Para empresas y desarrolladores, los modelos abiertos chinos son una alternativa real por coste y control. Se pueden ejecutar en servidores propios, sin enviar datos a China. Pero hay que auditarlos: sesgos de contenido, seguridad y cumplimiento normativo. En geopolítica, el marcador importa menos que quién fija los estándares sobre los que se construye. Ya lo dijimos en el caso Google-Microsoft: gana quien controla la fontanería, no solo quien tiene el modelo más listo.

A corto plazo, el riesgo es la división en dos ecosistemas incompatibles, con chips, modelos y normas separados. A largo plazo, la competencia entre laboratorios abarata la inteligencia sin parar. Cuando un modelo casi de frontera cuesta menos de un dólar por millón de tokens, un hospital o una universidad sin gran presupuesto puede usarlo para investigar enfermedades. Ese es el camino hacia la abundancia que defendemos, siempre que la gobernanza acompañe.

Qué vigilar en las próximas semanas: si Moonshot publica por fin los pesos de Kimi K3.1 Pro (los anunció para el 4 de noviembre y no hemos podido confirmarlo); el texto final del Anuncio n.º 48; el desenlace de las tierras raras tras el 10 de noviembre; y el ritmo de producción del Ascend 950 y de la memoria HBM china. Ahí se decidirá si la brecha se cierra o se ensancha.