Silicon Valley copia la tarea de China, la próxima pregunta es la aplicación de IA

Título original: "Silicon Valley copia la tarea de China, la próxima pregunta es la aplicación de IA"
Autor original: Beating

Silicon Valley ha comenzado a copiar la tarea de China.

Recientemente, Estados Unidos ha visto surgir una serie de modelos abiertos de bajo costo, cuyo objetivo es alcanzar las capacidades de los modelos de código abierto de China, manteniendo precios competitivos.

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

El grupo más caro de Silicon Valley utiliza la estructura de los modelos de código abierto de China, alimentando datos generados por modelos chinos. Hace dos años, esto solo habría ocurrido al revés.

A principios de este año, Trinity-Large-Thinking de Arcee AI obtuvo 91.9 puntos en PinchBench, 1.4 puntos menos que Opus 4.6 de Anthropic, pero a solo el 4% del precio de este último.

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

Lo que Silicon Valley está copiando no son solo los modelos, sino también los precios establecidos por las empresas chinas.

Las arquitecturas pueden ser referenciadas, los métodos de entrenamiento pueden ser replicados, y los datos pueden ser generados en masa por otros modelos. Una vez que se liberan los pesos, los desarrolladores pueden continuar desarrollando. En cuanto a los precios, es más sencillo: si una empresa baja sus precios, las demás eventualmente tendrán que seguir.

En los últimos tres años, las empresas de modelos grandes han prosperado gracias a parámetros, potencia de cálculo y código cerrado. Ahora, ese edificio parece estar a punto de colapsar.

Dieciséis días

En la madrugada del 17 de julio, Moonlight lanzó Kimi K3. Con un total de 2.8 billones de parámetros y un contexto de 1 millón de tokens, es el modelo abierto más grande del mundo.

En la tabla de programación Frontend Code Arena, K3 obtuvo 1679 puntos, superando a Claude Fable 5 y GPT-5.6 Sol. Esta es la primera vez que un modelo abierto se coloca por delante de un modelo cerrado. En siete categorías de programación, K3 ganó seis primeros lugares.

Elon Musk dejó un comentario en los resultados: "Impresionante".

La API de K3 no es barata, cobra 100 yuanes por cada millón de tokens generados. Sin embargo, en las pruebas horizontales de SuperCLUE, su puntuación de tareas fue un 18% más alta que la del segundo lugar, y el costo promedio fue un 16% más bajo al completar la misma serie de tareas.

Para determinar si un modelo es caro o no, no se debe mirar el precio por cada millón de tokens, sino cuánto cuesta completar una tarea desde el principio hasta el final. Cuanto más se alejan estos dos números, menos significado tiene el precio en sí.

Dos días después, en la noche, Moonlight suspendió las suscripciones de nuevos usuarios en el lado del consumidor. La cantidad de solicitudes en 48 horas superó con creces las estimaciones, y la potencia de cálculo se volvió insuficiente.

El 27 de julio, K3 liberó todos sus pesos, junto con el informe técnico y la infraestructura de soporte.

Luego fue el turno de DeepSeek.

El mercado había estado esperando el lanzamiento oficial de V4. A finales de abril, DeepSeek lanzó primero dos versiones preliminares, V4-Pro y V4-Flash, ambas soportando un contexto de 1 millón de tokens, que la compañía llamó la "era de contexto de millones accesible". Después de dos o tres meses sin novedades, el 2 de agosto, V4 Flash fue lanzado oficialmente y se liberaron sus pesos. Con un total de 284 mil millones de parámetros, solo activa 13 mil millones en cada inferencia, y la puntuación en las pruebas de programación de DeepSWE subió de 7.3 a 54.4.

Lo más impactante fue el precio. En mayo, V4-Pro se redujo directamente a una cuarta parte de su precio original, lo que ya era la cuarta vez que DeepSeek ajustaba sus precios en un mes. Cuando Flash se lanzó oficialmente, todos quedaron sorprendidos por su relación calidad-precio.

"Lo barato sale caro" era la regla del pasado. Ahora, los modelos chinos son cada vez más competitivos, y los precios son cada vez más bajos. Las empresas extranjeras, por supuesto, están incómodas, pero no pueden hacer nada al respecto. Los usuarios ya han visto productos que son tanto baratos como efectivos, y nadie quiere volver a ser un tonto que paga de más.

Luego, Alibaba anunció que liberará los pesos de Qwen3.8-Max la próxima semana. La serie Max, que había estado en la posición de buque insignia de código cerrado, también comenzará a abrirse. Su precio internacional es aproximadamente el 40% de Opus 5 para la entrada y solo el 24% para la salida.

Estos eventos ocurrieron en un corto período de 16 días.

Las empresas de modelos solían basar sus precios en la escasez, donde solo ellos podían hacerlo y tú tenías que pagar su precio. En la lista, una diferencia de unos pocos puntos podía traducirse en decenas de veces en precio.

Kimi, DeepSeek y Qwen tienen diferentes rutas tecnológicas, pero están haciendo lo mismo: elevando sus capacidades, abriendo sus pesos y reduciendo precios, y luego apresurándose a integrarlos en sus productos.

Quiero copiar la tarea, pero nadie me paga

En Estados Unidos, también hay quienes han entendido esta tendencia.

A finales de 2025, Arcee AI casi apostó todo su dinero. En 33 días, 2048 bloques B300, 20 millones de dólares, y solo 30 personas en la empresa. El Trinity Large que produjeron tiene un total de 400 mil millones de parámetros, activa 13 mil millones en cada inferencia, y casi la mitad de los datos de entrenamiento son sintéticos. En julio de este año, Arcee firmó un acuerdo de colaboración con el Departamento de Energía de EE. UU. para desarrollar un modelo orientado a la investigación.

Tienen el equipo, los resultados, los costos y los pedidos del gobierno, todo lo que se necesita. Sin embargo, la puerta de financiamiento parece estar cerrada.

Arcee ha recaudado un total de 50 millones de dólares, con una valoración de 240 millones de dólares. En el actual mercado de modelos grandes, este dinero no solo no es suficiente para sentarse a la mesa, ni siquiera para entrar en la sala privada.

El CEO Mark McQuade dijo: "Casi todos los VC de primera línea nos han rechazado."

Los modelos abiertos de EE. UU. aún no han enfrentado a China directamente, ya han sido bloqueados por sus propios comités de inversión.

En el primer trimestre de 2026, las startups de IA en todo el mundo recaudaron 255.5 mil millones de dólares, cerca de dos tercios concentrados en tres transacciones: 122 mil millones de OpenAI, 30 mil millones de Anthropic y 20 mil millones de xAI. Casi todo el dinero fluyó hacia empresas de código cerrado.

Joe Floyd, socio de Emergence Capital y uno de los primeros inversores de Arcee, dijo que ha escuchado razones similares de rechazo de muchos VC:

"No quiero que este modelo tenga éxito. No quiero invertir porque eso perjudicaría mi inversión en Anthropic y OpenAI."

Los que realmente están dispuestos a gastar dinero en modelos abiertos son, en cambio, los que venden chips.

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

Jensen Huang entiende esta cuenta mejor que nadie. Los modelos de código cerrado ganan dinero con las API, mientras que los modelos abiertos queman tarjetas. Cuanto más baratos se venden los modelos, más los desarrolladores los utilizan, y mejor se venden las tarjetas de Nvidia.

La noche del 24 de julio, Jensen Huang registró una cuenta en X y su primer tweet fue compartir una carta abierta titulada "Pesos abiertos y el liderazgo de EE. UU. en el campo de la IA". En la carta se decía que para que EE. UU. continúe liderando esta industria, no solo se debe mirar si tienen el modelo más avanzado, sino también si tienen un ecosistema que pueda expandirse a todas las industrias.

Más tarde, casi 200 fundadores de startups estadounidenses enviaron una carta conjunta al gobierno de Trump, oponiéndose a la prohibición de los modelos abiertos de China. Lo que más me llamó la atención de esta carta fue que no contenía palabras bonitas. No defendieron a China, ni levantaron la bandera del liberalismo, simplemente argumentaron que los modelos chinos, que son baratos y útiles, se han convertido en herramientas de producción, y si se prohíben, tendrían que volver a comprar costosas APIs estadounidenses.

McQuade también mencionó en una entrevista que la amplia adopción es solo cuestión de tiempo.

La demanda generada por lo barato

Silicon Valley aún debate si se deben hacer pesos abiertos, mientras que China ya ha comenzado a avanzar a la siguiente etapa.

Las palabras "año de la aplicación de IA" se han repetido muchas veces en los últimos tres años. Pero para juzgar si una tecnología ha realmente entrado en la fase de aplicación, solo hay que observar dos cosas: si los usuarios están dispuestos a pagar y si las empresas la han integrado en sus negocios.

Este año, los ingresos anuales de Claude Code y Cursor superaron los 1,000 millones de dólares, y la tasa de penetración de herramientas de programación de IA entre los desarrolladores individuales se acerca al 50%.

Los cambios son aún más significativos en el sector empresarial. Según una encuesta del think tank Dune, la tasa de adopción de agentes de IA en las empresas chinas aumentó del 17.3% a finales de 2024 al 40.3% a mediados de 2026.

Li Yanhong propuso un nuevo indicador llamado DAA, que significa número diario de agentes activos. Antes, las empresas de internet contaban cuántas personas abrían sus productos cada día; en el futuro, contarán cuántos agentes están trabajando para las personas y cuántos resultados reales están entregando.

La curva de uso es aún más sorprendente. Según las estadísticas de CCTV, el volumen 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 dos años.

Los modelos son cada vez más baratos, pero la potencia de cálculo se vuelve cada vez más escasa. En marzo de este año, Tencent Cloud, Alibaba Cloud y Baidu Smart Cloud aumentaron consecutivamente los precios de la potencia de cálculo en un 30% en diez días. En la primera mitad del año, cuando los agentes estallaron, el precio de alquiler de la potencia de cálculo de inferencia aumentó más del 40%.

La razón es que la forma en que la gente utiliza la IA ha cambiado. Antes, se hacía una pregunta y se respondía, lo que no consumía muchos tokens. Ahora, un agente necesita completar una tarea real, llevando contexto, ajustando varias herramientas, revisando y, si se comete un error, comenzando de nuevo. Aunque el precio por token ha bajado, el consumo ha aumentado exponencialmente.

La reducción de precios no ha reducido el mercado, sino que ha incorporado toda esa demanda que antes no se podía contabilizar.

En 1981, IBM abrió la arquitectura de PC, y las máquinas compatibles inundaron rápidamente el mercado, lo que hizo que los precios del hardware cayeran. Al final, quienes realmente ganaron dinero no fueron los fabricantes de máquinas, sino Lotus 1-2-3, WordPerfect y, más tarde, Microsoft.

Hoy, este camino se está recorriendo de manera casi idéntica. Todos siguen fijándose en las capacidades subyacentes, mientras que las empresas de arriba ya han comenzado a competir por usuarios, accesos y flujos de trabajo.

Las empresas estadounidenses pueden investigar la arquitectura de DeepSeek, pueden usar los datos generados por Kimi, e incluso pueden gastar 20 millones de dólares para entrenar un modelo abierto con buenos resultados. Pero la aplicación no es tan fácil de replicar.

La aplicación no tiene pesos descargables, ni benchmarks. Lo que determina si puede funcionar o no es el conocimiento acumulado por una empresa a lo largo de más de una década.

Las grandes empresas solían hacer que los modelos fueran productos independientes, esperando que los usuarios abrieran un cuadro de chat específicamente para ellos. Ahora, los modelos comienzan a integrarse en DingTalk, Feishu y WeChat empresarial, y el agente se integra directamente en las organizaciones y procesos existentes.

En Estados Unidos, un agente de oficina podría crecer a través de Gmail, Slack y Salesforce. En China, primero entrará a través de DingTalk, Feishu y WeChat empresarial, y luego se conectará a software financiero, cadenas de suministro, sistemas de fábricas y plataformas gubernamentales. Aunque ambos lados utilicen el mismo modelo, el producto final no será el mismo.

Después de la reducción de precios

Desde 2022 hasta 2025, Estados Unidos ha intensificado las restricciones a los chips hacia China. No se venden H100, no se venden B300, y los procesos avanzados y equipos de fabricación también están bajo control. Las empresas chinas han logrado crear el modelo abierto más grande del mundo bajo estas condiciones.

Para 2026, Estados Unidos comenzará a discutir las restricciones sobre los pesos de los modelos chinos. Se informa que OpenAI y Anthropic ya han expresado preocupaciones a los reguladores, y el Congreso también está investigando si los pesos de los modelos pueden seguir fluyendo a través de las fronteras.

La espada aún no ha caído, pero los propios estadounidenses ya están gritando de dolor.

La prohibición de chips afecta el suministro de las empresas chinas, pero la prohibición de modelos afecta primero los costos de las startups estadounidenses. La carta conjunta también deja claro que la prohibición no detiene la difusión, solo obliga a los desarrolladores a descargar todos los modelos disponibles antes de que se cierre la puerta.

Los chips son físicos, pueden bloquear pedidos, logística y fábricas de subcontratación. Los pesos, una vez que fluyen, pueden ser descargados, reflejados, cuantificados, ajustados y destilados indefinidamente.

Lo que es aún más difícil de controlar es el precio.

Estados Unidos sigue liderando en modelos cerrados de vanguardia. OpenAI y Anthropic aún están en primera fila, y entrenar los modelos más avanzados sigue dependiendo de las tarjetas de Nvidia, y eso no cambiará a corto plazo.

Pero en la aplicación, el resultado rara vez está determinado por un solo modelo más fuerte. Se trata de si el modelo es lo suficientemente barato, si la empresa tiene un acceso digital listo y si los desarrolladores pueden realmente integrarse en los procesos comerciales.

Mirando hacia atrás en los últimos treinta años, China ha ganado muchas veces, pero el método ha sido en gran medida el mismo.

Los pagos móviles, el comercio electrónico, la entrega a domicilio y las transmisiones en vivo han sido formas de incorporar tecnologías inventadas en la vida diaria de mil millones de personas, creando negocios de escala sorprendente. La base subyacente ha sido proporcionada a largo plazo por otros. Los transistores provienen de Bell Labs, x86 pertenece a Intel, TCP/IP fue financiado por el gobierno de EE. UU., y Windows, Android e iOS se desarrollaron en la costa oeste. Incluso TensorFlow y PyTorch, las herramientas más utilizadas en la era del aprendizaje profundo, provienen de Google y Meta, respectivamente.

"La invención está en EE. UU., la escala está en China", esta frase se ha repetido durante treinta años, y rara vez ha habido excepciones reales.

Ahora, ha surgido una excepción.

La descripción técnica de Thinking Machines Lab es muy clara. Una de las nuevas empresas más destacadas y ricas de Silicon Valley ha referenciado la arquitectura de una empresa china en la base de su modelo, y luego ha utilizado datos generados por otro modelo chino en el entrenamiento.

En el pasado, Silicon Valley compraba capacidad, reclutaba talento o buscaba mercados en China. Ahora, comienza a seguir directamente las rutas tecnológicas verificadas por las empresas chinas.

La admiración de Silicon Valley tiene su origen. En las últimas décadas, la mayoría de las tecnologías subyacentes más importantes de la industria informática realmente han surgido de allí. Desde los chips en las máquinas hasta el IDE que los programadores abren todos los días, Silicon Valley ha estado durante mucho tiempo en la parte superior de la cadena tecnológica.

Pero en el mundo tecnológico, al final lo que cuenta son los resultados. Quien pueda proponer nuevas arquitecturas, quien pueda reducir costos, quien pueda hacer que los competidores comiencen a imitar, tendrá derecho a redefinir la parte superior de la cadena.

Ahora, los nombres de las empresas chinas comienzan a aparecer en esta lista.

Es muy probable que Silicon Valley alcance a China en el futuro, ya que allí hay suficientes ingenieros, capital y chips. Pero las aplicaciones que ya están integradas en negocios reales no se detendrán a esperar. Quien primero se integre en los procesos empresariales, será quien obtenga primero clientes, datos y oportunidades para la próxima ronda de mejoras. La línea de partida nunca es la misma.

La era de la aplicación de la IA no comenzará con un día propicio y celebraciones. Los primeros lugares donde aparecerá serán los informes financieros, el aumento explosivo en el uso, y un programador que una vez más se queda sin crédito a medianoche.

La difusión masiva es solo cuestión de tiempo. Esta frase fue dicha por un estadounidense.

Enlace original

Este contenido se ofrece únicamente con fines informativos generales y no constituye asesoramiento financiero, de inversión, legal ni fiscal. Cualquier evento, recompensa, promoción en línea o información relacionada que se mencione en el presente documento no debe considerarse como una recomendación, solicitud o invitación a comprar, vender, tradear o de negociar de otra manera con cualquier criptoactivo. Los criptoactivos son sumamente volátiles y pueden provocar pérdidas. La disponibilidad de los servicios, productos y eventos relacionados de WEEX puede variar según la región. Tienes la responsabilidad de asegurarte de que tu participación esté de acuerdo con las leyes y regulaciones locales vigentes.