DeepSeek y Alibaba lanzaron sus modelos insignia con un día de diferencia esta semana. No es coincidencia ni casualidad de calendario: es la forma en que la Inteligencia Artificial China compite ahora mismo, y entenderla te dice más sobre cómo dirigir tu empresa que cualquier comparación de parámetros.

Por qué DeepSeek y Alibaba lanzan sus modelos con días de diferencia

DeepSeek llevó V4 de vista previa a disponibilidad general a mediados de julio, con dos versiones —V4 Pro y V4 Flash— y una ventana de contexto de un millón de tokens. Un día después, Alibaba presentó Qwen3.8-Max en la WAIC de Shanghái: 2.4 billones de parámetros, multimodal, primer modelo del equipo Qwen en cruzar el billón de parámetros. Según reportó Bloomberg, las acciones de Alibaba subieron tras el anuncio.

Esto no es competencia orgánica. Es una carrera armamentista donde cada laboratorio chino cronometra su anuncio para robarle el titular al de al lado. Kimi K3 de Moonshot AI llegó apenas dos días antes reclamando el trono de modelo abierto más grande del mundo. GLM-5.2 salió la misma semana. Todos en la WAIC 2026, todos peleando el mismo ciclo de noticias.

Si diriges una empresa y evalúas proveedores de IA, esto debería preocuparte menos por el hype y más por lo que revela: el mercado de la Inteligencia Artificial China se mueve a una velocidad donde cualquier evaluación que hagas hoy puede quedar obsoleta en semanas.

¿Qué significa que la Inteligencia Artificial China ya domine casi la mitad del tráfico abierto?

Los modelos abiertos chinos representan entre 30% y 46% del tráfico semanal en OpenRouter, la plataforma que agregan miles de desarrolladores globales para elegir modelo según tarea. Hace un año, los modelos estadounidenses dominaban con cerca del 70% del volumen total, de acuerdo con un análisis publicado en Gloss.

Ese giro no ocurrió por generosidad tecnológica. Ocurrió por precio. DeepSeek cobra fracciones de lo que cobra un modelo occidental de frontera por millón de tokens, incluso con su esquema de tarifa doble en horas pico. Alibaba, por su parte, ofrece Qwen3.8 al 10% del precio estándar durante el día, con descuentos nocturnos aún más agresivos.

Lo que la nota original no explica —y que sí importa para tu decisión— es esto:

• Costo por millón de tokens: fracción del precio occidental en los modelos chinos, contra tarifas más altas y sin descuentos por horario en los modelos de frontera
• Verificación de rendimiento: autoevaluación de la propia empresa en el caso chino, contra benchmarks de terceros generalmente disponibles en el occidental
• Residencia de datos: servidores en China bajo un marco legal distinto, contra un marco más familiar para empresas en LatAm
• Riesgo regulatorio en EE.UU.: bajo investigación activa de comités del Congreso en el caso chino, sin escrutinio equivalente por ahora en el occidental

La autoevaluación como estrategia: por qué ninguna cifra de rendimiento debe tomarse al pie de la letra

Alibaba describió Qwen3.8 como “segundo solo tras Fable 5” entre los modelos de frontera. Esa comparación, repetida por Bloomberg al cubrir el lanzamiento, viene de la propia Alibaba: no hay benchmarks independientes publicados todavía. DeepSeek hace algo parecido: afirma que V4 Pro es aproximadamente 12 veces más económico que GPT-5.5 de OpenAI, una cifra que también es cálculo interno de la compañía, no una auditoría externa.

Esto no las hace mentiras. Las hace marketing con datos, que es distinto. Cada laboratorio —chino, estadounidense, el que sea— tiene incentivo para presentar su modelo bajo la luz más favorable posible. La diferencia es que el mercado occidental ya tiene el hábito de exigir benchmarks de terceros antes de creer una afirmación de rendimiento. El mercado chino, más joven en este ciclo de escrutinio público, todavía no ha desarrollado ese reflejo con la misma fuerza.

Si tu equipo de tecnología te presenta una recomendación basada en “el proveedor dice que es el mejor”, la pregunta que deberías hacer siempre —china o no la fuente— es: ¿quién más lo confirmó?

¿Vale la pena que tu empresa dependa de infraestructura china?

Depende del tipo de carga de trabajo, no es pregunta de sí o no. La recomendación que sostengo, y que uso con clientes, es enrutar por tarea: modelos económicos chinos para trabajo de alto volumen y bajo riesgo —clasificación masiva, borradores, automatizaciones internas repetitivas— y modelos de frontera occidentales para pasos críticos, contenido regulado o cualquier cosa que llegue directo al cliente.

Para un despacho, una consultora o un equipo de marketing que procesa grandes volúmenes de texto sin exposición legal directa, experimentar con estos modelos vía API tiene sentido económico inmediato. Para un banco, una aseguradora o cualquier industria con datos sensibles de clientes, la ecuación cambia por completo.

El verdadero riesgo no es la calidad del modelo, es la gobernanza de los datos

Aquí está el punto que casi nadie pone en el centro de la conversación: la pregunta relevante nunca fue si Qwen3.8 escribe mejor código que su competencia. Es dónde se procesan tus prompts, bajo qué marco legal, y quién tiene acceso a esa información si algo sale mal.

El Departamento de Estado y varios comités del Congreso de EE.UU. abrieron investigaciones sobre la adopción corporativa de estos modelos, con el argumento de que reflejan directrices de censura y narrativas del gobierno chino. Beijing, en paralelo, evalúa restringir el acceso extranjero a sus sistemas más avanzados. Ambos lados están, cada uno por su lado, endureciendo el terreno.

Para una empresa en México o LatAm esto todavía no tiene el mismo peso regulatorio que en Estados Unidos. Pero la ausencia de marco de cumplimiento claro no es lo mismo que ausencia de riesgo: es riesgo que nadie ha medido todavía. Antes de escalar cualquier carga de producción a estos modelos, seguridad y legal deberían tener la conversación que hoy están teniendo únicamente los equipos de tecnología.

La velocidad con la que avanza la Inteligencia Artificial China —un lanzamiento tras otro, cada semana con un nuevo “el mejor del mundo”— es real y merece atención. Lo que no puedes hacer es confundir esa velocidad con validación. Y si este tipo de decisiones —qué proveedor de IA usar, cómo protegerte del hype, cómo blindar a tu equipo— es algo que tu empresa necesita resolver con criterio y no con moda, es justo lo que abordo en mis conferencias de inteligencia artificial para empresas.

Si prefieres la versión corta y sin rodeos de este tipo de análisis, todos los días a las 3:30 pm mando la decisión del día por correo — te puedes suscribir a mi lista de mail sobre innovación. Y si quieres profundizar en qué otros modelos chinos están compitiendo por ese mismo mercado, ya cubrí a fondo el top 10 de modelos de inteligencia artificial china hacia 2026.

Supervisado por Santiago González y Musi.