En un texto de síntesis adaptado de una intervención ante legisladores y colaboradores del Congreso estadounidense, un investigador que participó en la creación de los modelos Olmo del Allen Institute for AI traza un panorama de los modelos de IA de pesos abiertos. Según él, los laboratorios chinos son hoy los líderes, tanto en los rankings de rendimiento como en los usos.
Los modelos de pesos abiertos (« open-weight ») hacen públicos sus parámetros, que pueden ser examinados o reutilizados. Se oponen a los modelos « cerrados », como GPT-4 o Claude Opus 4.5, que solo son accesibles mediante una API, una interfaz que permite consultar el modelo de forma remota. Entre los modelos de pesos abiertos figuran Llama de Meta, Qwen de Alibaba, Gemma de Google o los de DeepSeek. Los modelos denominados « open source » van más allá, ya que también publican el código y los datos de entrenamiento. El texto cita a este respecto los modelos Olmo del Allen Institute for AI, Marin de OpenAthena y Pythia de EleutherAI.
Una ventaja china en descargas y rankings
Según el autor, China tomó la delantera en descargas en Hugging Face en julio de 2025, principalmente gracias a los modelos Qwen. Su ventaja alcanza aproximadamente 1.600 millones de descargas, para un total de 3.200 millones, es decir, el doble del total estadounidense. En el Artificial Analysis Intelligence Index (AAII), al 14 de septiembre de 2026, los tres primeros modelos chinos son GLM-5.3 (puntuación de 45), Kimi K3 (44) y GLM-5.3-Flash (42), del editor Z.ai y de Moonshot AI. Los mejores modelos estadounidenses, Inkling e Inkling Small de Thinking Machines, obtienen 26, y Nemotron 3 Ultra de Nvidia 23. El texto estima que los modelos chinos tienen una ventaja de 2 a 6 meses sobre sus equivalentes estadounidenses.
La plataforma OpenRouter, que permite cambiar de un modelo a otro, muestra una tendencia similar. Según sus datos, el volumen de tokens procesados por los modelos abiertos pasó de aproximadamente 1 T por semana en septiembre de 2025 a unos 80 T actualmente, y la cuota de los modelos chinos pasó de aproximadamente el 70 % a más del 80 % de los usos.
En las empresas, varios actores se apoyan en modelos chinos: Harvey, especializado en derecho; Cursor, en código; o DoorDash, que utiliza modelos Kimi; Airbnb, que usa Qwen; y Perplexity, que emplea DeepSeek. En la investigación, el autor analizó los artículos de cinco grandes categorías de arXiv dedicadas al machine learning. La proporción de publicaciones que mencionan un modelo abierto pasó del 2 % en enero de 2023 al 50 % en septiembre de 2026. Qwen figura en aproximadamente el 30 % de los artículos, y Llama en alrededor del 21 %.
Una brecha que se reduce, según el autor
El autor evalúa la destilación, una técnica que consiste en entrenar un modelo con las respuestas de un modelo más potente, en 1 o 2 meses de ventaja para los laboratorios chinos. También estima que una prevención completa, por ejemplo con herramientas de verificación de identidad de clientes en Anthropic y OpenAI, solo ampliaría la brecha en 1 o 2 meses. Además, destaca que los laboratorios chinos ahora compran más datos de entrenamiento, en particular entornos de aprendizaje por refuerzo para tareas agentivas.
El texto también menciona los riesgos, especialmente en ciberseguridad, como el incidente que involucró a OpenAI y Hugging Face. Relata que Hugging Face utilizó un modelo chino de pesos abiertos para analizar un ciberataque, ya que los modelos cerrados rechazaron estas solicitudes. El autor aboga por que Estados Unidos continúe apoyando la inversión en modelos abiertos, para anticipar mejor estos riesgos y reducir la dependencia de las empresas estadounidenses de modelos diseñados en China. Sin embargo, reconoce una parte de incógnitas: faltan datos sobre los usos fuera de Estados Unidos y China, incluido en el seguimiento de los modelos estadounidenses abiertos que lanzó en agosto de 2025 bajo el nombre de American Truly Open Models (ATOM) Project.
