Modelos de IA de código abierto chinos desafían el enfoque de Silicon Valley

Los laboratorios de IA chinos han lanzado recientemente una serie de modelos de código abierto casi de vanguardia, incluyendo GLM 5.2 de Z.ai en junio, Kimi K3 de Moonshot AI la semana pasada, y Qwen 3.8 de Alibaba este lunes. Estos modelos rinden casi tan bien como los mejores modelos occidentales en pruebas comparativas de terceros y están optimizados para tareas de codificación agéntica, el área más candente en IA. El lanzamiento de Kimi K3, en particular, ha llamado la atención de Silicon Valley y Washington, y el capitalista de riesgo David Sacks calificó su rendimiento de "preocupante", mientras que el secretario de Comercio Scott Bessent sugirió posibles sanciones. Michael Kratsios, director de la Oficina de Política Científica y Tecnológica de la Casa Blanca, alegó que Moonshot AI destiló el modelo Fable de Anthropic para K3, acusando a la empresa de robar tecnología estadounidense. Moonshot AI no respondió a las solicitudes de comentarios. Los modelos se publican con pesos abiertos, lo que los hace accesibles y transparentes, en contraste con laboratorios occidentales como Anthropic y OpenAI, que han restringido el acceso a sus últimos modelos debido a preocupaciones de seguridad. El modelo Mythos de Anthropic fue retirado temporalmente de línea después de los controles de exportación, y OpenAI retrasó GPT 5.6 tras una solicitud de la Casa Blanca. Los laboratorios chinos han adoptado el código abierto para atraer usuarios y colaboradores, y sus modelos ahora son ampliamente considerados como las mejores opciones de código abierto. Arena AI clasifica a K3 como el mejor modelo para desarrollo web y cuarto en tareas agénticas, mientras que Artificial Analysis lo sitúa en tercer lugar. La popularidad de K3 ha saturado los servidores de Moonshot, lo que ha llevado a restricciones temporales de registro. Algunos usuarios occidentales están cuestionando el valor de las ofertas de pago de OpenAI y Anthropic, ya que los modelos chinos ofrecen un rendimiento competitivo a menor costo, aunque pueden requerir más tokens. El enfoque de pesos abiertos desafía la suposición de que se necesita una financiación masiva para el progreso de la IA, y Dean Ball señala que los pesos abiertos disuaden una mayor inversión de capital en IA.