Desafío de laboratorios de IA de código abierto en China: análisis de Forbes

El marcador de modelos de IA solía parecerse a una factura de la nube con derechos para presumir incluidos: entrenamientos más grandes, acceso más restringido y afirmaciones más altas en los benchmarks. Forbes ahora señala un marcador diferente, uno en el que Kimi, Deepseek y Qwen se describen como herramientas de IA dominantes, mientras Poolside, Thinking Machines de Mira Murati y Reflection AI intentan responder desde el lado estadounidense del código abierto. Esa es una historia de estrategia de producto vestida con la camiseta de una carrera de modelos. Si los desarrolladores eligen la herramienta que pueden inspeccionar, adaptar y difundir, la escala de los modelos cerrados empieza a parecer menos un foso defensivo y más una muralla de castillo muy cara.

Forbes nombra a los retadores

Forbes plantea el enfrentamiento actual con claridad: los modelos chinos de código abierto como Kimi, Deepseek y Qwen son herramientas de IA dominantes, y nuevas empresas estadounidenses como Poolside de Jason Warner, Thinking Machines y Reflection AI intentan desafiarlos. Ese es el verdadero análisis de lanzamiento aquí, aunque no sea una demostración de un solo producto con confeti. Poolside sirve como punto de apoyo porque muestra la apuesta que están haciendo los laboratorios estadounidenses: la confianza de los desarrolladores y la arquitectura pueden importar tanto como el tamaño bruto del modelo. La tentación es leer esto como otra pelea de clasificación entre Estados Unidos y China. Eso pasa por alto el movimiento de producto. La distribución de IA de código abierto se comporta como un mercado de herramientas para desarrolladores: el modelo que se bifurca, se ajusta, se somete a benchmarks, se integra y se debate gana interés compuesto en público. Los modelos cerrados aún pueden ganar cuentas empresariales, pero los modelos abiertos pueden ganar la conversación de pasillo antes de que compras siquiera consiga un inicio de sesión.

La USCC explica el volante de inercia

La Comisión de Revisión Económica y de Seguridad Estados Unidos-China ofrece la explicación más clara de por qué la estrategia de China tiene tracción. Su informe del 23 de marzo de 2026 dice que China ha apostado por completo por un enfoque de IA de código abierto, con la mayoría de los laboratorios chinos publicando código fuente y pesos, a la vez que cobran mucho menos por productos de alta gama que sus competidores globales. El mismo informe dice que los modelos Qwen de Alibaba tenían más de 100.000 derivados en Hugging Face en el momento de la publicación, lo cual no es solo uso, sino superficie de ecosistema. The Daily Herald, al informar sobre el mismo organismo asesor, describió el dominio de China en código abierto como la creación de una “ventaja competitiva que se refuerza a sí misma” y dijo que los modelos de lenguaje grandes chinos más baratos de empresas como Alibaba, Moonshot y MiniMax dominan las clasificaciones de uso mundial en HuggingFace y OpenRouter. Ese es el volante de inercia que los fundadores deberían notar: la baja fricción impulsa la adopción, la adopción impulsa la retroalimentación, la retroalimentación impulsa la iteración, y la iteración impulsa más adopción. Es el equivalente en software a poner las muestras gratis en la entrada de la tienda, excepto que las muestras aprenden de todos los que se llevan una a casa.

Rest of World muestra la elección de producto

Rest of World capta la división de filosofía de ingeniería a través de Tiezhen Wang, exresponsable del ecosistema de Asia-Pacífico en Hugging Face. La publicación escribe que OpenAI y Anthropic favorecen un enfoque de código cerrado, manteniendo el código propietario de sus modelos detrás de una interfaz comercial, mientras que los laboratorios chinos de IA lanzan de forma agresiva modelos de código abierto que los desarrolladores pueden descargar, inspeccionar y personalizar. Esa diferencia no es académica. Cambia quién puede construir productos adyacentes, quién define los valores predeterminados y quién se convierte en la plataforma de la que otros equipos dependen en silencio. The Wall Street Journal añade otro dato útil desde el lado del lanzamiento de producto: Moonshot AI dijo que planeaba abrir por completo el código de Kimi K3 para finales de este mes, y dijo que el modelo tiene 2,8 billones de parámetros. El número de parámetros se lleva el titular, pero el modelo de publicación previsto es el detalle más estratégico. Un modelo gigante detrás de una interfaz cerrada es un proveedor; un modelo gigante que los desarrolladores pueden adaptar empieza a comportarse como infraestructura.

New Scientist muestra que el pánico se está desvaneciendo

New Scientist informó que el modelo de código abierto R1 de DeepSeek, lanzado en enero de 2025, acaparó titulares globales porque era gratis de descargar y, según se informó, rivalizaba con modelos potentes de empresas estadounidenses. La publicación también señaló que un billón de dólares se borró del valor de las empresas tecnológicas estadounidenses tras ese lanzamiento, mientras que el lanzamiento de GLM-5.2 de Z.ai el mes pasado generó afirmaciones de rendimiento similares sin el mismo pánico. Esa normalización importa. Una vez que el mercado deja de tratar cada modelo abierto chino fuerte como una sorpresa, los laboratorios estadounidenses tienen que competir por una adopción duradera en lugar de por la novedad. Para los fundadores, la lección no es grapar una licencia abierta a un producto débil y llamarlo estrategia. La lección es decidir dónde vive tu ciclo de crecimiento compuesto. Si vive en contratos de datos empresariales, el acceso cerrado puede ser racional. Si vive en la atención de los desarrolladores, la arquitectura, la personalización y la experimentación barata, el código abierto no es un acto de caridad, es distribución con un compilador incluido. El siguiente movimiento lógico para Poolside, Thinking Machines y Reflection AI no es simplemente publicar tablas de benchmarks impresionantes. Es hacer que sus modelos sean fáciles de adoptar, fáciles de ampliar y difíciles de reemplazar una vez que estén dentro de los flujos de trabajo de los desarrolladores. Observa las bifurcaciones, los derivados, las páginas de precios y las integraciones. En las peleas de plataformas, el ganador suele ser aquel alrededor del cual todos construyen antes de que alguien acepte que la pelea ha empezado.