Silicon Valley, que copió el trabajo de China, se enfrenta ahora al reto de las aplicaciones de inteligencia artificial.

Silicon Valley ha comenzado a copiar los planes de China.

Recientemente, han surgido en Estados Unidos varios modelos de código abierto de bajo precio, con el objetivo de alcanzar a los modelos de código abierto de China en términos de capacidades y precios.

El laboratorio Thinking Machines de Mira Murati lanzó su primer modelo, Inkling, el mes pasado. La descripción oficial menciona dos cosas: la arquitectura subyacente se basa en DeepSeek-V3 y los datos de entrenamiento fueron generados por Kimi K2.5.

Las personas mejor pagadas de Silicon Valley están utilizando la estructura básica de un modelo chino de código abierto para alimentar los datos generados por dicho modelo. Hace dos años, habría sido al revés.

A principios de este año, Trinity-Large-Thinking de Arcee AI obtuvo una puntuación de 91,9 en PinchBench, 1,4 puntos menos que Opus 4.6 de Anthropic, y a un precio que representaba el 4% del de este último.

"Estamos trabajando para que Estados Unidos alcance y supere a China", dijo Mark McQuade, director ejecutivo de Arcee AI.

Silicon Valley ahora no solo está copiando modelos, sino también los precios a la baja que han conseguido las empresas chinas.

La arquitectura se puede reutilizar, los métodos de entrenamiento se pueden reproducir y los datos se pueden proporcionar a otros modelos para la generación de lotes. Una vez que se publican los pesos, los desarrolladores pueden continuar con el desarrollo. La fijación de precios es aún más sencilla: una vez que una empresa baja el precio, las demás tendrán que hacer lo mismo.

En los últimos tres años, esta gran empresa de modelismo ha construido un magnífico edificio y entretenido a sus visitantes basándose en parámetros, capacidad de procesamiento y tecnología de código cerrado. Ahora, este edificio está al borde del colapso.

Dieciséis días

En la madrugada del 17 de julio, Dark Side of the Moon lanzó Kimi K3. Con un total de 2,8 billones de parámetros y 1 millón de tokens de contexto, es el modelo abierto más grande del mundo.

En la clasificación de Frontend Code Arena, K3 obtuvo 1679 puntos, seguido de Claude Fable 5 y GPT-5.6 Sol. Esta es la primera vez que un modelo de código abierto supera a uno de código cerrado. K3 se aseguró el primer puesto en seis de las siete especializaciones de frontend.

Musk dejó un comentario que decía "Impresionante" debajo de los resultados de la reseña.

La API de K3 no es barata, ya que cuesta 100 yuanes por millón de tokens de salida. Sin embargo, en la prueba comparativa de SuperCLUE, su puntuación en las tareas fue un 18 % superior a la del segundo clasificado, y su coste medio fue un 16 % inferior al ejecutar el mismo lote de tareas.

Que un modelo sea caro o no no depende del precio por millón de tokens, sino de cuánto cuesta completar todo el proceso de principio a fin. Cuanto mayor sea la diferencia entre estas dos cifras, menos relevante será el precio en sí.

Dos días después, a altas horas de la noche, Dark Side of the Moon suspendió las nuevas suscripciones para los usuarios finales. El número de solicitudes en 48 horas superó con creces las expectativas, y la capacidad de procesamiento resultó insuficiente.

El 27 de julio, K3 publicó su lista completa de pesos, junto con informes técnicos e infraestructura de soporte.

El siguiente es DeepSeek.

El mercado esperaba con impaciencia el lanzamiento oficial de V4. A finales de abril, DeepSeek publicó dos versiones preliminares, V4-Pro y V4-Flash, ambas compatibles con un millón de contextos de tokens, a las que denominaron oficialmente la "era del acceso universal a millones de contextos". La actividad fue escasa durante los dos o tres meses siguientes, hasta el 2 de agosto, fecha en la que se lanzó oficialmente V4 Flash y se abrieron sus pesos. Con un total de 284 mil millones de parámetros y tan solo 13 mil millones activados por inferencia, la puntuación de la prueba de programación de DeepSeek aumentó de 7,3 a 54,4.

El precio fue aún más drástico. En mayo, el V4-Pro bajó a una cuarta parte de su precio original, lo que supuso el cuarto ajuste de precio de DeepSeek en un mes. Cuando Flash se lanzó oficialmente, todos se sorprendieron de su rentabilidad.

La vieja regla era: "Lo barato sale caro". Ahora, los modelos chinos son cada vez más competitivos y sus precios son cada vez más bajos. Los competidores extranjeros están, lógicamente, molestos, pero poco pueden hacer. Los usuarios ya han visto productos buenos y baratos, y nadie quiere volver a ser estafado.

Posteriormente, Alibaba anunció que publicaría las especificaciones del Qwen3.8-Max la próxima semana. La serie Max, anteriormente un producto estrella de código cerrado, ahora está disponible. Su precio internacional es aproximadamente el 40% del costo de entrada del Opus 5 y solo el 24% de su costo de salida.

Todo esto sucedió en tan solo 16 días.

En el pasado, las empresas de modelos se basaban en la escasez para fijar los precios; si yo podía fabricarlo, tenías que pagar mi precio. Una diferencia de tan solo unos pocos puntos en la lista podía resultar en una diferencia de precio de decenas de veces.

Kimi, DeepSeek y Qwen tienen enfoques técnicos diferentes, pero están haciendo lo mismo: aumentar las capacidades, ampliar el rango de pesos, reducir los precios y luego integrarlos rápidamente en los productos.

Quiero copiar la tarea, pero nadie me paga.

Algunas personas en Estados Unidos también han reconocido esta tendencia.

A finales de 2025, Arcee AI había invertido casi todos sus fondos en el proyecto. En 33 días, desarrollaron 2048 módulos B300, invirtieron 20 millones de dólares y contaban con tan solo 30 empleados. El modelo Trinity Large resultante tenía 400 mil millones de parámetros y 13 mil millones de activaciones por inferencia, con casi la mitad de los datos de entrenamiento sintéticos. En julio de este año, Arcee firmó un acuerdo de cooperación con el Departamento de Energía de Estados Unidos para desarrollar un modelo orientado a la investigación.

El equipo, los logros, los costes, los contratos gubernamentales... todo estaba ahí. Pero la puerta a la financiación simplemente no se abría.

Arcee ha recaudado un total de 50 millones de dólares hasta la fecha, con una valoración de 240 millones de dólares. En la industria de las supermodelos actual, esa cantidad de dinero ni siquiera te alcanzaría para una habitación privada, y mucho menos para una comida.

"Casi todos los inversores de capital riesgo de primer nivel nos rechazaron", dijo el director ejecutivo Mark McQuade.

El modelo del US Open fue bloqueado por su propio comité de inversiones incluso antes de que pudiera competir con China.

En el primer trimestre de 2026, las startups globales de IA recaudaron 255.500 millones de dólares, de los cuales casi dos tercios se concentraron en tres operaciones: OpenAI con 122.000 millones de dólares, Anthropic con 30.000 millones y xAI con 20.000 millones. Casi todo el dinero se destinó a empresas de código cerrado.

Joe Floyd, uno de los primeros inversores en Arcee y socio de Emergence Capital, dijo que las razones de rechazo que escuchó de muchos inversores de capital riesgo eran prácticamente las mismas:

"No quiero que este modelo tenga éxito. No quiero invertir porque perjudicaría mis inversiones en Anthropic y OpenAI."

Quienes realmente están dispuestos a gastar dinero en modelos abiertos son, en realidad, los vendedores de chips.

En marzo de este año, Nvidia reveló en un documento presentado ante la SEC que planea invertir 26 mil millones de dólares en los próximos cinco años para respaldar los pesos abiertos. Reflection AI, Poolside y Thinking Machines Lab han recibido financiación de esta inversión.

Jensen Huang lo entiende mejor que nadie. El modelo de código cerrado genera ingresos a través de las API, mientras que el modelo de código abierto consume una gran cantidad de GPU. Cuanto más barato sea el modelo, más desarrolladores lo usarán y mejor se venderán las GPU de Nvidia.

La noche del 24 de julio, Jensen Huang se registró en X y su primer tuit fue un retuit de una carta abierta titulada "Open Weights y el liderazgo de Estados Unidos en IA". La carta afirmaba que la capacidad de Estados Unidos para seguir liderando el sector depende no solo de si cuenta con los modelos más avanzados, sino también de si dispone de un ecosistema que pueda difundirse a diversos sectores.

Más tarde, los fundadores de casi 200 startups estadounidenses escribieron conjuntamente a la administración Trump oponiéndose a la prohibición del modelo abierto chino. Lo más interesante de esta carta, que leí, fue que no contenía ni una sola palabra amable. No hablaban bien de China, ni enarbolaban la bandera de la apertura; su único argumento era que el modelo chino de bajo coste ya se había convertido en una herramienta de producción, y que si se bloqueaba realmente, solo podrían volver a comprar costosas API estadounidenses.

En una entrevista, McQuade también afirmó que la adopción generalizada era solo cuestión de tiempo.

Demanda derivada de precios bajos

Mientras Silicon Valley aún debate si implementar o no la ponderación abierta, China ya ha comenzado a abordar el siguiente obstáculo.

La expresión "el primer año de las aplicaciones de IA" se ha utilizado muchas veces en los últimos tres años. Sin embargo, para determinar si una tecnología ha entrado realmente en la fase de aplicación, solo necesitamos fijarnos en dos cosas: si los usuarios están dispuestos a pagar por ella y si las empresas la han integrado en sus negocios.

Este año, tanto Claude Code como Cursor han generado más de mil millones de dólares en ingresos anualizados, y las herramientas de programación de IA tienen una tasa de penetración de casi la mitad entre los desarrolladores individuales.

Los cambios son aún más pronunciados en el ámbito empresarial. Según un estudio de Dune Think Tank, la tasa de adopción de agentes de IA por parte de las empresas chinas aumentó del 17,3 % a finales de 2024 al 40,3 % a mediados de 2026.

Li Yanhong propuso una nueva métrica llamada DAA, que significa Agentes Activos Diarios. Anteriormente, las empresas de internet contaban cuántas personas abrían sus productos cada día; de ahora en adelante, contabilizarán cuántos agentes están trabajando activamente y generando resultados.

La curva de volumen de llamadas es aún más asombrosa. Según las estadísticas de CCTV, el volumen promedio diario de llamadas de tokens en China aumentó de aproximadamente 100 mil millones a principios de 2024 a 140 billones a finales de marzo de este año, más de mil veces en poco más de dos años.

Los modelos son cada vez más económicos, mientras que la capacidad de procesamiento es cada vez más escasa. En marzo de este año, Tencent Cloud, Alibaba Cloud y Baidu AI Cloud aumentaron sucesivamente sus precios de procesamiento en un lapso de diez días, con incrementos de alrededor del 30 %. Tras el auge de los agentes inteligentes en la primera mitad del año, el precio de alquiler de la capacidad de procesamiento para inferencia aumentó en más del 40 %.

La razón es que el uso que la gente hace de la IA ha cambiado. Antes, era un proceso sencillo de preguntas y respuestas que no costaba muchos tokens. Ahora, para que un agente complete la tarea, necesita contexto, múltiples herramientas y una verificación constante; si comete un error, tiene que empezar de nuevo. El precio unitario ha disminuido, pero el consumo ha aumentado exponencialmente.

La reducción de precios no redujo el mercado; al contrario, atrajo toda la demanda que antes no se podía justificar.

En 1981, IBM liberó su arquitectura de PC, y las máquinas compatibles inundaron rápidamente el mercado, lo que provocó una bajada de los precios del hardware. Al final, las empresas que realmente ganaron mucho dinero no fueron los fabricantes de las máquinas, sino Lotus 1-2-3, WordPerfect y, posteriormente, Microsoft, que se basaron en esas máquinas.

Hoy en día, el camino es prácticamente el mismo. Si bien todos siguen centrados en la ligera diferencia de las capacidades subyacentes, las empresas líderes ya han comenzado a competir por usuarios, puntos de entrada y flujos de trabajo.

Las empresas estadounidenses pueden estudiar la arquitectura de DeepSeek, usar los datos generados por Kimi o invertir 20 millones de dólares para entrenar un modelo abierto de alto rendimiento. Sin embargo, las aplicaciones no se copian con tanta facilidad.

La aplicación no incluye pesos descargables ni pruebas de rendimiento. Su funcionamiento depende de los pequeños trucos que la empresa ha acumulado a lo largo de más de una década de arduo trabajo y experiencia.

Antes, las grandes empresas solían convertir los modelos en productos independientes, esperando a que los usuarios abrieran una ventana de chat aparte. Ahora, los modelos se están integrando en DingTalk, Lark y WeChat Work, y el agente se incorpora directamente a la organización y los procesos existentes.

En Estados Unidos, una plataforma de mensajería instantánea podría evolucionar siguiendo el modelo de Gmail, Slack y Salesforce. En China, podría comenzar con DingTalk, Lark y WeChat Work, para luego extenderse a software financiero, sistemas de cadena de suministro, sistemas para fábricas y plataformas gubernamentales. Incluso si ambos países utilizan el mismo modelo, los productos finales serán diferentes.

Después de que el precio bajó

Entre 2022 y 2025, Estados Unidos intensificará sus restricciones a los chips chinos. Se prohibirá la venta de los chips H100 y B300, y también se restringirán los procesos y equipos de fabricación avanzados. En estas condiciones, las empresas chinas han creado el modelo abierto más grande del mundo.

Para 2026, Estados Unidos comenzó a debatir restricciones sobre la ponderación de los modelos chinos. Según se informa, OpenAI y Anthropic expresaron su preocupación a los reguladores, y el Congreso también está estudiando si la ponderación de los modelos puede seguir transfronterizando.

Antes incluso de que el cuchillo cayera al suelo, sus propios hombres gritaron de dolor.

La prohibición de chips restringe el suministro a las empresas chinas, pero la prohibición de modelos reduce primero los costos para las empresas emergentes estadounidenses. La carta conjunta también indicaba claramente que la prohibición no detendría la propagación; solo obligaría a los desarrolladores a descargar todos los modelos disponibles antes de cerrar.

Los chips son objetos físicos; pueden alterar los pedidos, la logística y los procesos de fabricación. Una vez que se libera un dato, se puede descargar, replicar, cuantificar, ajustar y destilar infinitamente.

Lo que resulta aún más incontrolable es el precio.

Estados Unidos sigue a la vanguardia en modelos de código cerrado de última generación. OpenAI y Anthropic continúan liderando el sector, y el entrenamiento de los modelos de élite aún depende en gran medida de las tarjetas Nvidia, una situación que probablemente no cambie a corto plazo.

Sin embargo, en la práctica, el resultado rara vez viene determinado por el modelo más robusto. Lo que importa es si el modelo es lo suficientemente económico, si la empresa cuenta con un punto de entrada digital ya establecido y si los desarrolladores pueden profundizar realmente en los procesos de negocio.

Si echamos la vista atrás a los últimos treinta años, China ha ganado muchas veces, pero los métodos para ganar han sido prácticamente los mismos.

Los pagos móviles, el comercio electrónico, la entrega de comida a domicilio y las transmisiones en directo implican la incorporación de tecnologías de origen externo a la vida cotidiana de miles de millones de personas, creando negocios de una magnitud asombrosa. La infraestructura subyacente ha sido proporcionada desde hace mucho tiempo por terceros. Los transistores provienen de Bell Labs, la arquitectura x86 pertenece a Intel, el protocolo TCP/IP fue financiado por el gobierno estadounidense, y Windows, Android e iOS se originaron en la costa oeste de Estados Unidos. Incluso TensorFlow y PyTorch, las tecnologías más utilizadas en la era del aprendizaje profundo, se originaron en Google y Meta, respectivamente.

"Invención en Estados Unidos, producción en China": este dicho lleva treinta años circulando, y ha habido muy pocas excepciones reales.

Ahora ha aparecido una excepción.

Las especificaciones técnicas de Thinking Machines Lab son muy claras. Una de las empresas emergentes más destacadas y mejor financiadas de Silicon Valley tomó como referencia la arquitectura de una empresa china en la capa base de su modelo, y luego utilizó datos generados por otro modelo chino para el entrenamiento.

En el pasado, Silicon Valley obtenía capacidad de producción, reclutaba talento o buscaba mercados en China. Ahora, está empezando a seguir directamente las rutas tecnológicas que han sido validadas por empresas chinas.

La admiración por Silicon Valley tiene sin duda sus orígenes. En las últimas décadas, la mayoría de las tecnologías fundamentales de la industria informática se han desarrollado allí. Desde los chips que hay dentro de las máquinas hasta los entornos de desarrollo integrados (IDE) que los programadores utilizan a diario, Silicon Valley ha estado durante mucho tiempo en la base de la cadena tecnológica.

Pero en el mundo de la tecnología, los resultados importan. Quien proponga una nueva arquitectura, quien reduzca los costes y quien consiga que la competencia empiece a imitarlos, tiene derecho a redefinir el sector.

Ahora, las empresas chinas están empezando a aparecer en esta lista.

Es probable que Silicon Valley se ponga al día en el futuro, dada su abundancia de ingenieros, capital y chips. Sin embargo, las aplicaciones ya integradas en negocios reales no esperarán a nadie. Quien se incorpore primero a los procesos empresariales ganará clientes, datos y la oportunidad de la siguiente ronda de mejoras. El punto de partida nunca es el mismo para todos.

La era de las aplicaciones de IA no se inaugurará con gran pompa en un día propicio. Primero aparecerá en los estados financieros, en un uso cada vez mayor y en un programador que, una vez más, se queda sin crédito en plena noche.

Su adopción generalizada es solo cuestión de tiempo. Así lo afirmó un estadounidense.