¿Quién teme a los modelos chinos?
Los laboratorios de IA chinos están lanzando modelos de lenguaje potentes, a menudo con pesos abiertos, que rivalizan con los sistemas de “vanguardia” de EE. UU. mientras los rebajan en precio, lo que plantea preguntas sobre fosos, márgenes y si los inversores occidentales han sobrevalorado enormemente a proveedores de modelos cerrados como OpenAI y Anthropic. Los comentaristas debaten si las salidas de los modelos deberían poder “destilarse” libremente en nuevos modelos, cuánto del progreso de China proviene de copiar frente a investigación original, y si los gobiernos responderán con prohibiciones proteccionistas contra los modelos chinos. Muchos sostienen que, a medida que los modelos se conviertan en commodities, el valor y el bloqueo al cambio se trasladarán a herramientas y flujos de trabajo orientados al usuario, mientras que otros advierten que la captura regulatoria y la retórica de seguridad nacional podrían usarse para afianzar a las firmas estadounidenses incumbentes.
Destilación, uso legítimo y términos de servicio
- Muchos apoyan legalizar la destilación de modelos y aclarar que entrenar con datos de internet es uso legítimo, diciendo que es coherente con la forma en que los laboratorios de vanguardia entrenaron sus propios modelos.
- Otros argumentan que prohibir cláusulas de ToS contra la destilación es o bien impracticable (las empresas aún pueden prohibir usuarios) o una extralimitación en la contratación privada.
- Algunos trazan una distinción moral: entrenar a partir de datos “en bruto” de internet se considera creador de valor, mientras que destilar otro modelo se ve como extractor de valor, aunque otros dicen que la selección y la limpieza también añaden valor.
Modelos chinos frente a modelos de EE. UU.: capacidad, datos y estrategia
- Varios comentaristas creen que los modelos chinos (p. ej., Kimi, DeepSeek, Qwen, GLM) ahora están cerca de, o a la par con, los modelos de vanguardia de EE. UU. en muchas tareas.
- Las explicaciones incluyen: fuerte investigación doméstica, rastreo web centralizado a gran escala y compartición de datos, acceso a “trazas” de usuario desde apps y APIs proxy, y no solo destilación.
- Otros dudan de que la destilación a gran escala sea económicamente viable o de que los modelos chinos sean más eficientes; ven el discurso sobre “fosos robados” como una postura defensiva de los laboratorios de vanguardia.
Economía: costes, comoditización y fosos
- Hay amplio acuerdo en que la inferencia tiene un coste marginal real (a diferencia del software tradicional), así que los LLM se comportan más como un negocio de fabricación de commodities.
- Debate sobre quién tiene mejores economías unitarias: algunos afirman que los laboratorios de EE. UU. lideran en eficiencia de tokens y $/tarea; otros señalan la electricidad y la infraestructura más baratas en China y la caída de los costes de los modelos abiertos.
- Muchos esperan que los modelos se conviertan en commodities; el valor puede desplazarse hacia SaaS, herramientas verticales o “arneses” orientados al usuario, aunque varios sostienen que estos arneses son fáciles de cambiar y no constituyen un foso duradero.
Modelos abiertos frente a cerrados y seguridad
- Los comentaristas distinguen menos entre “chinos vs estadounidenses” que entre “pesos abiertos vs cerrados”. Los pesos abiertos permiten auditoría, autoalojamiento y competencia.
- Algunos señalan que incluso los pesos abiertos pueden ocultar puertas traseras; una garantía real requeriría código y datos abiertos, además de recursos enormes para reentrenar. Otros sugieren usar un modelo para auditar otro.
Regulación, seguridad nacional y prohibiciones
- Algunos prevén o apoyan restricciones de EE. UU. a los modelos chinos por motivos de seguridad nacional; otros temen que tales prohibiciones afianzarían a los laboratorios cerrados nacionales y quizá justificarían más vigilancia.
Inversores, valoraciones y riesgo sistémico
- Varios ven los modelos abiertos chinos como una amenaza directa a las valoraciones astronómicas de la IA en EE. UU., especialmente para los laboratorios que apuestan por precios premium de API a largo plazo.
- Existe preocupación de que las pérdidas acaben socializándose a través de los mercados públicos y las pensiones si estas valoraciones colapsan.