La IA de código abierto es una cobertura imperfecta frente al poder de EE UU
Empresas y gobiernos buscan alternativas para no quedar a merced de las restricciones de Washington
La inteligencia artificial modificable tiene un nuevo argumento de venta. Los grandes modelos de lenguaje que los usuarios pueden descargar, alterar y ejecutar en su propia infraestructura ya prometen un coste por token inferior al de alquilar tecnología propietaria a laboratorios punteros como OpenAI o Anthropic. Las restricciones temporales impuestas por la Administración Trump a Fable, el modelo de Anthropic, dan a empresas y gobiernos un motivo más para buscar alternativas. Los llamados ...
Para seguir leyendo este artículo de Cinco Días necesitas una suscripción Premium de EL PAÍS
La inteligencia artificial modificable tiene un nuevo argumento de venta. Los grandes modelos de lenguaje que los usuarios pueden descargar, alterar y ejecutar en su propia infraestructura ya prometen un coste por token inferior al de alquilar tecnología propietaria a laboratorios punteros como OpenAI o Anthropic. Las restricciones temporales impuestas por la Administración Trump a Fable, el modelo de Anthropic, dan a empresas y gobiernos un motivo más para buscar alternativas. Los llamados modelos de pesos abiertos ofrecen una cobertura imperfecta.
Los algoritmos más conocidos y capaces —Claude, de Anthropic; Gemini, de Alphabet, y ChatGPT, de OpenAI— son propietarios. Los usuarios no pueden inspeccionarlos, modificarlos ni ejecutarlos libremente, sino que normalmente pagan por acceder a ellos a través de una interfaz. Es caro, pero cómodo. Los modelos cerrados funcionan como una ventanilla única que integra rendimiento, chips, almacenamiento en la nube y garantías de servicio. Brookings considera probable que los modelos propietarios sigan dominando las funciones empresariales, la seguridad nacional y otros usos sensibles.
Las alternativas de pesos abiertos, sin embargo, están recortando distancias. Epoch AI estima que estos modelos van solo unos cuatro meses por detrás de los sistemas cerrados más capaces. Kimi K3, lanzado este mes por la startup china Moonshot AI, compite de cerca con Fable 5, de Anthropic, en algunas tareas.
Esto facilita que los usuarios distribuyan las tareas en función del coste, el riesgo y el rendimiento, y reduzcan así su dependencia de Anthropic o de OpenAI. Para problemas específicos y acotados de negocio que se apoyan en datos propios, un sistema más pequeño y hecho a medida puede igualar o superar a un modelo frontera de propósito general, sobre todo después de un ajuste fino.
Para las empresas, el principal atractivo de los modelos de pesos abiertos es la flexibilidad económica y la privacidad, además del menor coste por token. Modelos chinos como GLM 5.2, de Z.ai, pueden resultar entre un 60% y un 90% más baratos que sistemas propietarios como Opus 4.8, de Anthropic, o GPT 5.5, de OpenAI, según los cálculos de Justin Summerville, de OpenRouter. Pero unos tokens más baratos no siempre implican un coste total menor. Los grandes modelos abiertos pueden acabar consumiendo más tokens, y ejecutarlos de forma privada añade facturas extra de infraestructura tecnológica y ciberseguridad. Para los gobiernos, la cuestión de fondo es la seguridad y el control: quieren saber dónde se almacenan los datos sensibles, quién puede inspeccionar el modelo y si un gobierno extranjero puede cortarles el acceso.
Los clientes corporativos ya están votando con la cartera. A principios de junio, el 30% de las llamadas a modelos de IA de Navan, el servicio de viajes de empresa, se ejecutaba sobre sistemas construidos mediante el ajuste fino de pequeños modelos de lenguaje de código abierto. El consejero delegado de Coinbase, Brian Armstrong, sostiene que los modelos frontera pueden ser los mejores para planificar, pero resultan desproporcionados para ejecutar. Prevé que en los próximos 18 meses alrededor del 80% de las cargas de trabajo de IA migren a modelos cerca de un 99% más baratos. Eso socava el poder de fijación de precios de OpenAI y Anthropic y presiona el crecimiento de ingresos que necesitan para justificar valoraciones desmesuradas.
Entre los beneficiarios de este giro figurarán probablemente los enrutadores de modelos, los proveedores de nube, los especialistas en ajuste fino y los proveedores de IA soberana que ayudan a los clientes a ensamblar sistemas más baratos y personalizados. Baseten, participada por Nvidia, y Fireworks AI, valoradas por última vez en unos 11.400 y 15.350 millones de euros, respectivamente, ayudan a los usuarios a construir sistemas abiertos a medida y a encontrar la potencia de cálculo para hacerlos funcionar. La canadiense Cohere anunció la compra de la alemana Aleph Alpha con la promesa de ofrecer a gobiernos y empresas una alternativa a la tecnología estadounidense. Cohere espera que sus ingresos anualizados crezcan el año que viene tres veces más rápido y ha trabajado con compañías como la japonesa Fujitsu para construir modelos a medida destinados a la Administración.
La trampa es que muchos de los modelos abiertos más potentes —DeepSeek, Z.ai, Xiaomi, MiniMax, Tencent y Alibaba— son chinos. La proporción de tokens que los usuarios estadounidenses consumieron en modelos chinos de código abierto a través de OpenRouter, una plataforma que permite a los desarrolladores acceder a un abanico de modelos de IA, alcanzó el 64% en la semana del 13 de julio.
El equilibrio es delicado. Los usuarios que se pasan a modelos desarrollados por laboratorios chinos no pueden dar por hecho que las futuras actualizaciones o restricciones vayan a mantenerse políticamente neutrales. Los riesgos de seguridad ocultos pueden aflorar solo después del despliegue, sobre todo si los modelos generan o ejecutan código. Washington ya debate si restringir, o vetar de facto, algunos modelos chinos de pesos abiertos en Estados Unidos,. Pekín, por su parte, estudia limitar el acceso desde el exterior a sus propios modelos avanzados, también según Reuters. La IA de código abierto corre así el riesgo de convertirse en otra tecnología estratégica en disputa, al modo de los chips avanzados de Nvidia.
Las compañías occidentales se apresuran a ofrecer alternativas. El gran fondo de cobertura Bridgewater Associates utilizó Tinker, un nuevo modelo de código abierto lanzado por la estadounidense Thinking Machines, para construir una versión personalizada de Qwen, de Alibaba, que superó a los principales modelos propietarios a un coste menor. Llama, de Meta; la europea Mistral y la oferta de modelos de Nvidia forman parte del mismo movimiento. La consultora McKinsey calcula que el mercado de modelos, datos y herramientas soberanas podría alcanzar entre 88.000 y 123.000 millones de euros en 2030.
Los gobiernos afrontan el dilema más difícil. La mayoría de los Estados carece del dinero, la capacidad de cálculo y los conocimientos necesarios para entrenar modelos competitivos por su cuenta. Los países sin capital pueden acabar intercambiando datos nacionales de calidad por acceso, como hizo Islandia en su alianza con OpenAI para la preservación de su lengua.
Los países más ricos pueden ir más lejos. El ministerio de Tecnologías de la Información de India eligió a la startup local Sarvam AI para desarrollar el primer modelo fundacional propio del país. Corea del Sur aporta financiación, capacidad de procesamiento y respaldo en centros de datos dentro de un proyecto nacional de “modelo fundacional de IA soberana”. Japón ha comprado miles de los últimos chips de Nvidia para construir modelos fundacionales propios orientados a la robótica y otros usos.
Aun así, soberanía rara vez significa independencia plena. Los países siguen dependiendo en buena medida de adaptar modelos de pesos abiertos de fabricación estadounidense. Los datos del Center for a New American Security muestran que la familia Llama, de Meta, aparece en el 36% de los proyectos, por delante de Mistral y de Qwen, de Alibaba.
Los países ajenos a China y a Estados Unidos quizá necesiten, por tanto, cooperar. El Proyecto Tapestry, respaldado por la AI Alliance y asesorado por el excientífico jefe de Meta Yann LeCun, aspira a que países e instituciones entrenen conjuntamente un modelo base abierto manteniendo los datos sensibles en local y construyendo derivados soberanos. Estas iniciativas pueden reforzar el control, pero llevarán tiempo.
La IA de pesos abiertos no matará, pues, a los modelos propietarios, igual que Linux, el sistema operativo de código abierto, no supuso el fin de Microsoft ni de Oracle. Pero el giro puede reducir el volumen de trabajo empresarial rutinario que los clientes envían a OpenAI y Anthropic, mermando su capacidad de fijar precios. Lo que empezó como una elección entre modelos abiertos y baratos y modelos cerrados y caros se está convirtiendo en una pugna entre formas rivales de dependencia. Empresas y gobiernos descubrirán que la cobertura perfecta en IA sigue siendo cara y esquiva.