China pone en jaque el negocio de la IA: modelos casi tan buenos como Claude o ChatGPT y mucho más baratos

El artículo, firmado por Eric Levitz en Vox (30 de julio de 2026), plantea una pregunta incómoda para el sector de la inteligencia artificial: ¿y si la superinteligencia acaba siendo demasiado barata como para que nadie pueda controlarla —ni monopolizarla comercialmente ni regularla políticamente—? La tesis central es que la narrativa dominante hasta ahora, la de un puñado de laboratorios estadounidenses (Anthropic, OpenAI) camino de una rentabilidad descomunal, puede estar equivocada, y que el verdadero riesgo no es la oligarquía tecnológica que temía la izquierda —de ahí las llamadas del senador Bernie Sanders a nacionalizar los grandes laboratorios de IA— sino una suerte de anarquía competitiva donde los modelos de frontera se abaratan y difunden más rápido de lo previsto.

El punto de partida son las valoraciones astronómicas: los mercados de capital han puesto a Anthropic y OpenAI cerca del billón de dólares cada una, apostando por una hiperrentabilidad futura. Esa expectativa se sostiene en dos pilares, explica el autor. El primero es el tamaño del mercado: una tecnología capaz de mejorar el rendimiento en prácticamente cualquier sector de cuello blanco tiene un potencial de ingresos gigantesco, y el propio crecimiento de los ingresos de Anthropic confirmaría que Claude ya genera valor real. El segundo pilar, más frágil, es el llamado "moat" (foso defensivo): el coste brutal de entrenar un modelo de frontera —cientos de millones de dólares solo en el entrenamiento inicial, más meses de ajuste fino ("post-training") con ejércitos de expertos contratados (informáticos, médicos, matemáticos) que corrigen y guían las respuestas del modelo— actuaría como barrera que ningún competidor infrafinanciado podría superar.

Ese segundo pilar es el que China estaría erosionando. En los últimos dos meses han aparecido tres modelos chinos que se acercan mucho a las capacidades de los sistemas americanos de frontera, a una fracción del coste. En junio, la firma pekinesa Z.ai presentó un modelo que rindió casi al nivel de los sistemas de segundo nivel de Claude y ChatGPT en benchmarks independientes. Semanas después, Moonshot lanzó "Kimi K3", que supuestamente supera a todos sus rivales estadounidenses salvo las versiones más recientes de Claude y ChatGPT. Y hace solo unos días, Alibaba presentó una vista previa de Qwen3.8 Max, que supuestamente superaría incluso a los sistemas más avanzados de OpenAI, quedando solo por detrás de Claude Fable. (El artículo incluye la advertencia de que Vox Media mantiene un acuerdo de colaboración con OpenAI, aunque afirma que su cobertura es editorialmente independiente).

Lo verdaderamente inquietante, según Levitz, no es solo que estos modelos sean casi tan buenos, sino cómo se habrían conseguido: mediante "destilación". La técnica consiste en interrogar masivamente a un modelo rival —en este caso, presuntamente, a Claude, mediante 16 millones de conversaciones lanzadas desde 24.000 cuentas falsas— pidiéndole que explique su razonamiento paso a paso, y usar después esas respuestas como material de entrenamiento para que el modelo propio aprenda a imitar ese comportamiento. Así se replicarían buena parte de las capacidades de un modelo de frontera sin asumir el coste de los expertos humanos ni de los ciclos de post-entrenamiento. Ni Alibaba ni Moonshot han admitido usar destilación, pero el artículo señala que OpenAI y Anthropic habrían detectado intentos de destilación china a principios de año, y que Kimi K3 se ha identificado a sí mismo como "Claude" en conversaciones con usuarios corrientes, un indicio clásico de este tipo de entrenamiento. El propio Elon Musk, recuerda el texto, admitió en un tribunal que xAI aplicó técnicas de destilación sobre Claude y ChatGPT para mejorar Grok, lo que sugiere que la práctica no es exclusiva de laboratorios chinos. Legalmente, además, es difícil para Anthropic y OpenAI presentar esto como robo de propiedad intelectual, dado que ellas mismas construyeron sus modelos absorbiendo los textos públicos de periodistas, programadores y abogados.

A esa amenaza competitiva se suma otra, más estructural: Kimi K3 y Qwen3.8 Max se están lanzando como código abierto, es decir, sus parámetros podrán descargarse gratis (Alibaba y Moonshot aún no los han publicado, pero dicen que lo harán en breve). Esto significa que cualquier empresa o aficionado con suficiente potencia de cómputo podrá ejecutar un modelo casi de frontera en su propio hardware, adaptarlo a un uso específico y hasta revender el acceso, sin pagar nada a Alibaba. Para la mayoría de empresas, que no necesitan el modelo más inteligente del mundo sino uno competente en tareas concretas —investigación jurídica, soporte informático, código funcional—, un modelo que rinde un 90% tan bien como Claude a una sexta parte del coste resulta muy atractivo, con el añadido de que ejecutar el modelo en servidores propios evita ceder datos sensibles a terceros. El artículo cita una encuesta de la Linux Foundation según la cual el 63% de las organizaciones ya usan sistemas de IA de código abierto, y datos de la firma de capital riesgo Sequoia Capital según los cuales la mayoría de las startups de IA estadounidenses usan ya sistemas chinos de código abierto. DeepSeek, recuerda el texto, ya había superado a ChatGPT como la app gratuita más descargada en iPhone hace más de un año, evidencia de que esta tendencia no es nueva sino que se está acelerando.

La conclusión económica de Levitz es que, si estos modelos casi de frontera siguen abaratándose y difundiéndose, vender IA de última generación podría convertirse en un negocio de márgenes bajos, y los grandes ganadores del sector no serían los laboratorios sino los fabricantes de chips y los proveedores de computación en la nube. Pero el artículo no se detiene en la economía: subraya también las implicaciones para la seguridad. Que un puñado de empresas controle los modelos de frontera es problemático en muchos sentidos, pero también los hace más fáciles de regular —el texto menciona como ejemplo que la Administración Trump bloqueó temporalmente Claude Fable por motivos de ciberseguridad—. Si, en cambio, las "recetas" para construir IA ultrapotente circulan libremente y cualquiera con conocimientos técnicos modestos puede modificarlas, podrían proliferar sistemas dispuestos a ayudar a hackear burocracias gubernamentales o a diseñar armas biológicas.

El artículo cierra con una lectura ambivalente: desde un ángulo, este escenario de "IA casi gratis" podría verse como el capitalismo funcionando exactamente como se espera de él —un pequeño grupo de inversores muy ricos financió una tecnología enormemente útil esperando beneficios descomunales, solo para que la competencia erosionara esos retornos y repartiera los beneficios entre muchas más empresas y consumidores—. Desde otro ángulo, ese mismo proceso de difusión descontrolada podría también facilitar la aparición de un "supervirus" u otras amenazas graves, precisamente por la dificultad de poner puertas al campo una vez que el conocimiento técnico está disperso. El propio autor remata con ironía que "ningún sistema es perfecto", dejando abierta la pregunta de si la fragmentación competitiva del poder de la IA es, en el balance, una buena o una mala noticia para la humanidad.