La escalada de los pesos abiertos
El jueves 16 de julio, Moonshot AI libero su modelo insignia mas reciente, Kimi K3. K3 es un modelo Mixture-of-Experts (MoE) de 2,8 billones de parametros cuyos pesos se publicaran el 27 de julio. Buena parte de este analisis parte del supuesto de que Moonshot cumpla esa fecha de liberacion.
El dato central es que la brecha de desempeno, tanto entre modelos abiertos y cerrados como entre los estadounidenses y los chinos, se redujo desde los 6 a 9 meses que se discutian hasta algo mas cercano a 3 a 5 meses.
Por lo que muestran los materiales de lanzamiento, K3 es un verdadero modelo de frontera. Es lo mas cerca que un modelo abierto ha estado de la vanguardia desde DeepSeek R1. Pero la historia es distinta. DeepSeek R1 fue un laboratorio chino pivoteando muy rapido hacia los modelos de razonamiento. Kimi K3, en cambio, es un ejemplo de un laboratorio chino ejecutando el escalamiento de areas ya conocidas: datos, algoritmos, arquitectura, herramientas y entornos.
¿Que tan bueno es Kimi K3 frente a la competencia?
Kimi K3 aparece segundo en el indice de Vals AI, tercero en el Intelligence Index de Artificial Analysis (solo superado por Claude Fable y GPT-5.6 Sol Max, y a la vez mas barato) y primero en el Frontend Code Arena. Moonshot AI compite de igual a igual con Anthropic y OpenAI usando muchisimos menos recursos.
Es, con claridad, el modelo abierto mas potente jamas liberado. Y deja una senal importante: si la destilacion adversarial desde los modelos cerrados de frontera de Estados Unidos aporto algo, fue en un grado relativamente pequeno. Quienes siguieron el llamado panico por la destilacion y concluyeron que los laboratorios chinos solo producen buenos modelos por robo de propiedad intelectual estan por llevarse una sorpresa: las empresas chinas son extremadamente buenas construyendo modelos, del mismo modo en que lo son las lideres estadounidenses.
El estado del arte en desempeno maximo por laboratorio queda, a grandes rasgos, asi:
- Anthropic: Claude Fable 5
- OpenAI: GPT 5.6 Sol
- Moonshot AI: Kimi K3 (pesos abiertos)
- SpaceXAI: Grok 4.5
- Zhipu (Z.ai): GLM 5.2 (pesos abiertos)
- Meta: Muse Spark 1.1
- DeepMind: Gemini Flash 3.5
- Alibaba: Qwen 3.7 Max
Que un jugador con muchisimo menos computo pelee estos puestos es notable. Todos los laboratorios chinos tienen mucho menos poder de calculo que sus contrapartes estadounidenses, pero pueden destinar una fraccion mayor de ese computo al entrenamiento, porque la adopcion de IA en China arranco mas tarde y libera capacidad.
China recommita con la IA de codigo abierto
Muchos empezaron a seguir la escena china de IA hace poco, asi que pueden concluir que liberar modelos abiertamente es su estrategia central. En realidad, la mayoria de los laboratorios tiene una estrategia mucho mas parecida a la de Anthropic u OpenAI: construir la mejor inteligencia posible. La mejor explicacion para su giro inicial hacia los modelos abiertos es la practicidad: necesitaban liberarlos para ganar adopcion, atencion y retroalimentacion, sobre todo en el valioso mercado del Area de la Bahia.
Esta semana eso cambio. Xi Jinping dio un discurso central en la World AI Conference (WAIC) y comprometio de manera muy directa el futuro del ecosistema de IA chino con el codigo abierto y la difusion global. Ese compromiso, en la misma semana en que se anuncio el modelo de pesos abiertos mas potente hasta la fecha, es una marca clara en la historia temprana de la IA moderna.
Al ligar el compromiso de Xi a un modelo muy fuerte, China comento de forma implicita su tolerancia al riesgo respecto de liberar modelos de pesos abiertos. La explicacion mas simple es que el gobierno chino sigue de cerca los riesgos potenciales de los modelos, probablemente con mas alcance tecnico que la regulacion por percepcion del gobierno estadounidense, y no encuentra en los modelos de frontera actuales un riesgo significativo.
¿Por que los modelos abiertos golpean a los laboratorios de frontera?
Los modelos abiertos son desaceleracionistas en lo economico para los laboratorios de frontera, porque reducen de forma masiva el margen potencial de los laboratorios cerrados. Eso tiene dos efectos: los laboratorios tienen menos ganancias para reinvertir en modelos futuros, y el mercado percibe un menor valor terminal de esas empresas, lo que encarece sus futuras rondas de financiamiento.
Al mismo tiempo, los modelos abiertos son aceleracionistas para la difusion de la IA en la economia, porque bajan el precio de entrada a la inteligencia y fomentan la personalizacion. El potencial es que casi cualquier empresa los use para construir agentes especificos de su dominio. Esa difusion es, por naturaleza, mucho mas lenta que los productos de los laboratorios de frontera, pero potencialmente mas grande. El riesgo es claro: si los modelos cerrados se adelantan demasiado en capacidad bruta, esa ventaja de personalizacion puede volverse irrelevante.
En un panorama mediatico estadounidense que atraveso meses de entusiasmo y alarmismo, esta sorpresa deberia servir de aterrizaje. El mundo no comparte de forma unanime las narrativas sobre IA que mas se escuchan en Estados Unidos.
