La carrera por la supremacía en inteligencia artificial ha experimentado un giro inesperado. Mientras Anthropic y OpenAI compiten por controlar el acceso a sus modelos de frontera más avanzados, una transformación silenciosa ocurre en los servidores de desarrolladores y empresas de todo el mundo: la adopción masiva de modelos de código abierto, particularmente de origen chino.

Los números son contundentes. Según datos de Hugging Face, plataforma que aloja casi tres millones de modelos públicos y un millón de conjuntos de datos públicos, los modelos de código abierto chinos representaron el 41% de todas las descargas en primavera de 2026, superando a los modelos estadounidenses. En OpenRouter, una plataforma que agrega acceso a múltiples modelos de inteligencia artificial, las seis posiciones más populares están ocupadas por modelos abiertos de empresas chinas como Tencent, Xiaomi, DeepSeek, MiniMax y Z.ai. Claude Opus 4.7 de Anthropic, considerado uno de los sistemas más avanzados del mundo, ocupa apenas el séptimo lugar.

Este desplazamiento refleja un cambio económico y estratégico profundo. Según datos de Vercel, plataforma que rastrea el uso de modelos de inteligencia artificial en aplicaciones, los modelos de código abierto manejaron casi un tercio de todas las solicitudes de inteligencia artificial en junio de 2026. Los modelos cerrados operan como una capa premium de mayor costo, mientras que los modelos abiertos absorben el volumen pesado de la infraestructura de aplicaciones de inteligencia artificial.

Clem Delangue, director ejecutivo de Hugging Face, explicó el cambio de perspectiva entre empresas y desarrolladores. "Tal vez en algunos años, los modelos de frontera serán para experimentar y para algunas tareas de muy alto valor, y la mayoría de las cargas de trabajo de producción serán impulsadas por modelos privados dentro de empresas o por modelos de código abierto", dijo Delangue en un episodio reciente del programa Equity.

Las empresas están reconociendo los riesgos de depender de proveedores únicos. "Si eres una empresa de inteligencia artificial o una empresa de tecnología, no quieres externalizar tus capacidades principales a otra empresa, a una API de caja negra que no controlas, sobre la cual no tienes visibilidad y sobre la cual no tienes realmente ningún tipo de propiedad", explicó Delangue.

Esta tendencia se refleja en la actividad de Hugging Face, donde se crea un nuevo repositorio cada siete segundos. Delangue señala que la mitad de todas las empresas Fortune 500 utilizan Hugging Face para desplegar sus propios modelos privados y modelos de código abierto. El panorama resultante no es el de "un modelo para gobernarlos a todos", sino el de empresas utilizando muchos modelos diferentes, muchos de los cuales están personalizados para casos de uso específicos.

El flujo constante de lanzamientos cada vez más capaces de laboratorios de inteligencia artificial chinos ha intensificado esta tendencia. Cada pocos meses, otra empresa china de inteligencia artificial lanza un modelo de código abierto que es más barato de desplegar y más fácil de personalizar que competidores cerrados, socavando la economía de la inteligencia artificial propietaria en la que empresas estadounidenses han invertido miles de millones.

Recientemente, Z.ai, empresa de inteligencia artificial con sede en Pekín, lanzó GLM-5.2, un modelo de código abierto que destaca en codificación de agentes y compite con los últimos modelos de Anthropic en la identificación de vulnerabilidades de seguridad.

Satya Nadella, director ejecutivo de Microsoft, se ha unido a esta crítica de la dependencia de proveedores únicos. "Aunque la gran innovación que proviene de que los proveedores de modelos tengan derechos de uso justo para entrenar modelos en datos públicos es necesaria, encuentro irónico que el status quo sea luego imponer términos restrictivos sobre la destilación y reservarse el derecho de aprender de los datos de uso e interacción del cliente", dijo Nadella. "Si el aprendizaje fluye en una sola dirección, el valor económico converge hacia los propietarios de la infraestructura de aprendizaje en lugar de los creadores del conocimiento mismo. Por lo tanto, es imperativo que distribuyamos la infraestructura de aprendizaje a cada empresa para que puedan controlar su propio ciclo de aprendizaje".

Sin embargo, el auge de los modelos abiertos ha intensificado un debate sobre si los modelos cada vez más capaces deberían estar ampliamente disponibles. Dario Amodei, director ejecutivo de Anthropic, ha argumentado que escalar pesos de modelos abiertos poderosos podría volverse peligroso porque una vez que se liberan, se vuelven difíciles de controlar. Otros han argumentado que los modelos abiertos son más fáciles de acceder para actores maliciosos que podrían usarlos para difundir desinformación o llevar a cabo ataques cibernéticos o biológicos.

Delangue ve el equilibrio de manera diferente. "El mayor riesgo en inteligencia artificial es la concentración del poder", dijo. "La forma en que haces el mundo más seguro, en mi opinión, es nivelando el campo de juego y creando transparencia en estos modelos".

Según Delangue, la transparencia permite a los defensores "parchar más fácilmente los riesgos de ciberseguridad que ya saben que los modelos de código abierto pueden explotar". El ejecutivo de Hugging Face argumenta que mantener modelos poderosos cerrados no elimina los riesgos asociados con sistemas de inteligencia artificial avanzados, en parte porque es fácil eludir los controles de seguridad de las API de modelos de frontera y robar los pesos para distribuirlos abiertamente.

"No haces que sea seguro manteniéndolo detrás de puertas cerradas solo para algunos jugadores", dijo Delangue. "Lo haces más peligroso porque creas asimetría de poder y asimetría de capacidades".

Restringir modelos poderosos, argumenta Delangue, simplemente concentra la tecnología en manos de pocas empresas mientras reduce la transparencia sobre cómo funcionan los sistemas. Esta posición contrasta directamente con la estrategia de empresas como Anthropic y OpenAI, que han invertido recursos significativos en desarrollar y proteger modelos de frontera cerrados.

El cambio en las preferencias de desarrolladores y empresas sugiere que la verdadera carrera de inteligencia artificial puede no estar en la frontera de la capacidad, sino en la accesibilidad, el costo y el control. Las implicaciones son profundas: si los modelos abiertos continúan mejorando a un ritmo comparable a los sistemas cerrados, mientras mantienen ventajas económicas y de personalización, el modelo de negocio de las empresas estadounidenses de inteligencia artificial podría enfrentar presión significativa. Simultáneamente, la distribución más amplia de capacidades de inteligencia artificial plantea preguntas sin resolver sobre seguridad, gobernanza y el futuro equilibrio de poder tecnológico global.