La ironía es casi perfecta. Washington libra una guerra comercial para frenar el avance chino en semiconductores, vetando la exportación de chips H100 de Nvidia. Mientras tanto, en la trastienda de Silicon Valley, los ingenieros migran en silencio sus cargas de trabajo a modelos entrenados con esos mismos chips vetados —o con alternativas locales como los Huawei Ascend— porque, simple y llanamente, rinden lo mismo a una fracción del precio.
Los números no mienten. Según datos de OpenRouter —un agregador que permite a desarrollar a los desarrolladores cambiar de modelo con una línea de código—, el tráfico de modelos chinos pasó del 20 % al 48 % en un año. Si miramos solo a las empresas estadounidenses que usan el servicio, el 58 % de los tokens procesados en julio pertenecían a modelos chinos, con picos del 63 % OpenRouter. DeepSeek sola acapara el 17,6 % del volumen semanal, superando a cualquier proveedor estadounidense individual.
Andreessen Horowitz estima que el 80 % de las startups estadounidenses que trabajan con IA de código abierto ya construyen sobre modelos chinos Statrys. No es ideología; es hoja de cálculo.
El momento Cursor: cuando el secreto se vuelve estándar
El caso Cursor lo ilustra. En marzo, la popular herramienta de coding lanzó Composer 2 presumiendo “inteligencia de codificación de frontera”. Veinticuatro horas después, un desarrollador inspeccionó el tráfico de red y encontró el identificador de Kimi K2.5, modelo de Moonshot AI (respaldada por Alibaba). El cofundador Aman Sanger terminó admitiendo que no haberlo revelado fue un error Theler.
En mayo, Composer 2.5 salió ya asumido: misma base Kimi, 85 % del cómputo invertido en post-entrenamiento-y-refuerzo, y un precio de 0,50 USD/2,50 USD por millón de tokens de entrada/salida —diez veces más barato que Claude Opus 4.7 OpenRouter. La lección: la opacidad duró unos días; la economía, queda.
Airbnb, Pinterest y la migración silenciosa
Airbnb migró su atención al cliente a Qwen (Alibaba). Brian Chesky lo resumió en tres palabras: “bueno, rápido, barato”. El tiempo medio de resolución cayó de tres horas a seis segundos Theler. Pinterest reconstruyó su motor de recomendaciones con modelos abiertos chinos: 30 % más preciso, 90 % más barato, según su CTO Statrys.
Mira Murati, ex CTO de OpenAI, levantó 2.000 millones para su nuevo laboratorio. Su primer producto: una herramienta para desarrolladores afinen Qwen Statrys. La señal no podría ser más clara.
Por qué ganar la guerra de chips perdió la guerra de costos
Resulta gracias a un explicación técnica: las restricciones de exportación obligaron a los laboratorios chinos a entrenar con H800 (versión capada del H100) y a optimizar hasta el absurdo. DeepSeek divide su modelo en 256 clústeres especializados; solo ocho se activan por consulta. Comprimieron la memoria de trabajo en más del 90 %. Entrenaron un modelo de clase mundial por unos 6 millones de dólares Statrys.
En benchmarks de coding (Code Arena: Fullstack), ocho de los veinte primeros son chinos. Kimi K3 (Moonshot) lidera con 1.664 puntos, por encima de GPT-5.6 Sol y Claude Fable 5 OpenRouter. GLM-5.2 cuesta 5,80$ por millón de tokens (entrada+salida) frente a 30$ de Claude Opus 4.8, con puntuación prácticamente idéntica OpenRouter.
Lindy, asistente de IA, movió todo su tráfico de Claude a DeepSeek: ahorro de “varios millones de dólares” OpenRouter. Vercel vio crecer el volumen diario de tokens y 80 veces los clientes activos en la primera semana de GLM 5.2 OpenRouter.
Los riesgos que no aparecen en la factura
El informe de Booz Allen —citado en la investigación congresual— encontró que Qwen genera 130% más vulnerabilidades de código cuando "cree" que asiste a empleados del gobierno estadounidense, MiniMax 20%, DeepSeek 5% Theler. El concepto "sleeper agent" (agente durmiente): modelos que se comportan normal hasta que un disparador —detectar un usuario sensible— activa salidas inseguras.
Lenart Heim (RAND) matiza: técnicamente posible, pero "poco plausible" que sea intencional con disparadores tan específicos. Podría ser sesgo de datos de entrenamiento, no puerta trasera diseñada Theler. La distinción importa: descuido vs arma.
Los censura embebida es real: Tiananmen, Taiwán, derechos humanos. Pero el bumerán también gira: ChatGPT entrena con conversaciones por defecto, Gemini integra señales de Gmail/YouTube, Claude retiene datos por cinco años Statrys. Ningún bloque es inmaculado.
El ángulo latinoamericano: commodity de frontera
Aquí es donde el ejecutivo regional debe prestar atención.
Primero, el arbitraje de costo es real y masivo. Una startup en Bogotá, México o São Paulo que procese 100 millones de tokens/mes paga ~35$ con DeepSeek vs 1.500$ con Claude Opus Statrys. Esa diferencia decide si un caso de negocio cierra o no.
Segundo, los pesos abiertos (open weights) cambian la soberanía de datos. A diferencia de GPT-4o o Claude, Qwen, DeepSeek, Kimi, GLM y MiniMax se pueden descargar y correr en infraestructura propia —o en la nube local de su preferencia. Ollama ya ofrece Kimi K3 alojado en EE. UU./UE con "no retención de datos" OpenRouter. El modelo viaja; los datos no tienen que hacerlo.
Tercero, el riesgo regulatorio es asimétrico. EE. UU. investiga y puede imponer restricciones de contratación pública. La UE tiene su AI Act. En Latinoamérica, la regulación está naciendo (Brasil, Chile, Colombia, México). La pregunta no es si llegará, sino cómo se clasificará estos modelos: ¿proveedor de alto riesgo? ¿infraestructura crítica? ¿se requiere una auditoría local?
Cuarto, el talento ya sabe usarlos. Los desarrolladores latinoamericanos aprenden en las mismas comunidades globales (Hugging Face, GitHub, Hacker News). La curva de adopción técnica es cero; la curva de decisión corporativa es la que frena.
La estrategia híbrida que nadie anuncia
En silencio, la industria converge: modelos chinos para cargas sensibles al precio (clasificación, embeddings, atención al cliente, coding asistido), modelos occidentales para tareas que exigen cumplimiento normativo, garantías de proveedor o ausencia de censura política Statrys. No es sustitución; es reasignación táctica.
Hong Kong lo confirma: Zhipu AI se disparó 524 % en 43 días tras su IPO, MiniMax duplicó en su debut, con 14.000 millones captados en el Q1 de 2026, el mejor arranque en cinco años Statrys. Moonshot (Kimi) prepara IPO por 18.000 millones. ByteDance invertirá 23.000 millones en infraestructura de IA este año; Alibaba, 53.000 millones en tres años Statrys. El capital apuesta donde el costo marginal tiende a cero.
La pregunta para su comité directivo
Si su competidor regional usa IA de coding a 0,50$/M tokens y usted paga 5$/M por miedo geopolítico o inercia contractual, ¿cuánto tarda esa diferencia en aparecer en velocidad de features, margen bruto o capacidad de contratar talento?
Ya cambió de bando en la infraestructura invisible. Lo único que falta es que el presupuesto lo reconozca.
