El nuevo DeepSeek modelo económico está acelerando la llamada «carrera hacia cero» de la inteligencia artificial, según Axios, que informa de que la última versión de bajo costo del laboratorio chino de IA está intensificando la presión a la baja sobre los precios de los modelos en toda la industria. La historia del modelo económico de DeepSeek trasciende el lanzamiento de un solo producto: señala que el costo de invocar un modelo de lenguaje grande capaz sigue cayendo más rápido de lo que muchas empresas habían presupuestado, con consecuencias para desarrolladores, proveedores de nube y cualquier empresa que venda IA por token.
Conclusiones clave
- Axios informa de que el nuevo modelo económico de DeepSeek está acelerando la «carrera hacia cero» de la IA en materia de precios.
- Esta perspectiva presenta el lanzamiento como el último paso de una caída sostenida en el costo de la inferencia de IA, no como un descuento puntual.
- DeepSeek ha utilizado repetidamente precios agresivamente bajos y versiones de código abierto para ejercer presión sobre competidores mejor financiados.
- La caída de los precios por token es una buena noticia para desarrolladores y startups, pero reduce los márgenes de las empresas que venden acceso directo a modelos.
- La economía trata cada vez más los modelos base como una mercancía, desplazando el valor hacia capas superiores: productos, agentes e integraciones.
Lo que Axios informa sobre el modelo económico de DeepSeek
Axios informa de que el nuevo modelo económico de DeepSeek «acelera la carrera hacia cero de la IA», una formulación que presenta el lanzamiento menos como una actualización rutinaria de producto y más como un nuevo empujón a una curva de precios ya en descenso. El titular publicado no especifica el nombre del modelo, sus puntuaciones en benchmarks ni sus tarifas exactas por token, por lo que las cifras concretas deben tratarse con cautela hasta que la documentación oficial de DeepSeek las confirme. Lo que sí deja claro esta formulación es la dirección del movimiento: DeepSeek compite una vez más principalmente en función del costo.
Esto es relevante porque el precio se ha convertido en el arma competitiva más contundente en el mercado de modelos. Cuando un modelo capaz llega a una fracción de las tarifas vigentes, los competidores enfrentan una elección incómoda: igualar el precio y asumir márgenes más ajustados, o mantener su posición y ver cómo las cargas de trabajo sensibles al costo migran a otras opciones. La expresión «carrera hacia cero» utilizada por Axios refleja un consenso creciente de que esta dinámica ya no es una sacudida ocasional, sino una característica estructural de la industria de la IA.
Qué significa realmente la «carrera hacia cero» de la IA
«Carrera hacia cero» describe la tendencia del precio por token de las capacidades de IA convencionales hacia niveles insignificantes, a medida que la competencia, las ganancias de eficiencia y las versiones de código abierto se refuerzan mutuamente. Cada nueva generación de modelos tiende a ofrecer mayor capacidad por unidad de cómputo, y cada nuevo participante audaz redefine las expectativas de los compradores sobre cuánto debería costar la inteligencia. El resultado es un mercado en el que la categoría premium de ayer se convierte hoy en la base genérica y commoditizada, y las cargas de trabajo que hace un año resultaban prohibitivamente caras se vuelven de repente viables.
Para los equipos que intentan elaborar presupuestos en este entorno, el desafío práctico radica en que las tarifas anunciadas cambian más rápido que los ciclos de adquisición. Comparar proveedores de forma homogénea mediante una Calculadora de costos de API de IA se ha convertido en una parte habitual de la planificación arquitectónica, y nuestro Base de datos de modelos de IA rastrea con qué rapidez han cambiado las especificaciones y tarifas publicadas en todo el mercado. La lección de los últimos dos años es sencilla: nunca asuma que el precio al que firmó seguirá siendo el precio de mercado el próximo trimestre.
El historial de DeepSeek al subcotizar el mercado de IA
Como contexto, y no como hecho recién reportado: DeepSeek construyó su reputación global precisamente siguiendo esta estrategia. El laboratorio chino atrajo la atención mundial a principios de 2025, cuando sus modelos de razonamiento ofrecieron un rendimiento ampliamente considerado comparable al de rivales mucho más caros, pero a un costo drásticamente inferior, obligando a replantearse ampliamente las suposiciones sobre cuánto dinero requiere realmente el desarrollo de IA de vanguardia. Desde entonces, los bajos precios y la publicación abierta de los pesos de los modelos han seguido siendo centrales en la forma en que la empresa compite contra laboratorios más grandes y mejor capitalizados.
Los lectores que siguen la línea de modelos de la compañía pueden encontrar nuestra cobertura continua en el DeepSeek V4 centro temático. En ese contexto, el informe de Axios se lee como coherente con una estrategia deliberada y repetida, y no como una promoción puntual: DeepSeek parece obtener mayores beneficios al redefinir las expectativas de precios del mercado que al maximizar los ingresos por token, y cada nuevo lanzamiento económico refuerza esa postura.
Por qué los modelos de IA más baratos importan para los desarrolladores
Para los desarrolladores, cada reducción en los precios cambia lo que es factible construir. Aplicaciones que someten a un modelo a miles de llamadas por sesión de usuario —agentes autónomos, asistentes de programación, tuberías de recuperación, resúmenes permanentes— son extremadamente sensibles al costo por token. Un modelo económico «suficientemente bueno» para la mayor parte de esas llamadas puede reducir sustancialmente la factura de inferencia de una aplicación, reservando un modelo premium únicamente para la pequeña fracción de solicitudes que realmente lo requieren.
La advertencia es que el precio es solo un eje. La latencia, la longitud del contexto, la fiabilidad en el uso de herramientas, los términos de manejo de datos y la disponibilidad regional determinan si un modelo barato es realmente más económico en producción. Los equipos sensatos tratan anuncios como este como un desencadenante para volver a realizar sus evaluaciones, no como una razón para migrar desde el primer día. Los costos de cambio son reales, y un modelo que ahorra dinero pero falla en más tareas no representa ningún ahorro.
Ganadores y perdedores en una guerra de precios de IA
Una «carrera hacia cero» no afecta a todas las partes del ecosistema por igual. El patrón general, basado en cómo han evolucionado anteriores ajustes de precios, es el siguiente:
| Grupo | Efecto a corto plazo | Pregunta abierta |
|---|---|---|
| Desarrolladores y startups | Facturas de inferencia más bajas; productos previamente inviables se vuelven factibles | Si la calidad y la fiabilidad se mantienen en puntos de precio económicos |
| Proveedores de modelos cerrados | Presión para reducir precios o justificar primas mediante capacidades adicionales | Cuánto tiempo sobrevivirá la fijación de precios premium frente a alternativas de nivel commoditizado |
| Empresas de nube e infraestructura | Mayor uso total al expandirse la demanda gracias a tokens más económicos | Si el crecimiento del volumen supera la caída de los ingresos por unidad |
| Empresas que adquieren IA | Posición negociadora más fuerte y reducción de los costos de los proyectos | Gestión de la rotación de proveedores, ya que el líder en precios sigue cambiando |
| Comunidad de modelos con pesos abiertos (open-weights) | Validación de que las versiones abiertas y de bajo costo pueden marcar el ritmo del mercado | ¿Quién financia la investigación fronteriza si los márgenes siguen comprimiéndose? |
El hilo conductor es que la inteligencia económica amplía el pastel, incluso mientras reduce el margen de cada porción individual. El valor se desplaza lejos del acceso directo a los modelos y hacia los productos, agentes y flujos de trabajo construidos sobre ellos.
Economía de modelos de pesos abiertos y la caída del costo de la inferencia
La presión de precios ejercida por DeepSeek está íntimamente ligada al movimiento más amplio de modelos con pesos abiertos. Cuando los pesos de un modelo están disponibles públicamente, su precio mínimo efectivo queda determinado por el costo del hardware necesario para ejecutarlo, no por la tarifa establecida por ningún proveedor; y dicho costo de hardware ha venido disminuyendo, a su vez, por unidad de capacidad. Nuestro estudio comparativo de costos entre IA abierta y cerrada analiza cómo ha evolucionado esta brecha y por qué los proveedores cerrados compiten cada vez más en función de la capacidad, la integración y la confianza, y no del precio bruto.
Para las organizaciones que evalúan si seguir pagando por token o trasladar sus cargas de trabajo internamente, el cálculo cambia con cada lanzamiento como este. Un modelo alojado más económico eleva la barrera que debe superar la opción de autohospedaje, mientras que los pesos abiertos mantienen dicha opción viable como palanca negociadora. Nuestro calculadora de autohospedaje frente a API ha sido diseñado precisamente para esta comparación, teniendo en cuenta la utilización, la amortización del hardware y la sobrecarga de ingeniería, y no solo las tarifas publicitadas.
Qué observar tras el informe de Axios
Varios factores determinarán si este lanzamiento constituye un verdadero punto de inflexión o simplemente un titular llamativo. Primero, la confirmación por parte de DeepSeek de las especificaciones reales del modelo, su precio y sus términos de licencia: el titular de Axios indica una dirección, pero no detalles concretos. Segundo, benchmarks independientes: una oferta económica solo resulta relevante si la calidad se mantiene bajo evaluaciones externas. Tercero, la respuesta competitiva: si los proveedores rivales ajustan sus propias tarifas, incluyen mayor funcionalidad a los precios actuales o abandonan por completo el segmento de bajo costo del mercado.
Por último, observe la cuestión de la sostenibilidad. Los precios pueden acercarse a cero durante años impulsados por mejoras de eficiencia y subsidios estratégicos, pero entrenar modelos fronterizos sigue siendo extremadamente costoso. En algún momento, la industria deberá conciliar la caída vertiginosa de los precios de inferencia con la ingente inversión de capital destinada a desarrollar la próxima generación de modelos. Cómo se resuelva esta tensión es, probablemente, la mayor incógnita abierta en la economía de la IA.
Preguntas frecuentes
¿Cuál es el modelo económico de DeepSeek mencionado en el informe de Axios? Axios informa que DeepSeek ha lanzado un nuevo modelo de bajo costo que «acelera la carrera de la IA hacia cero». El titular del informe no detalla el nombre del modelo, sus resultados en benchmarks ni sus precios exactos, por lo que dichos detalles deben considerarse no confirmados hasta que DeepSeek publique su propia documentación.
¿Qué significa la «carrera hacia cero» de la IA? Describe la caída sostenida del precio de uso de los modelos de IA, impulsada por la competencia, las mejoras de eficiencia y los lanzamientos de modelos con pesos abiertos. Cada lanzamiento agresivo de bajo costo redefine las expectativas de los compradores y ejerce presión sobre las tarifas de todos los demás proveedores.
¿Un modelo más barato implica necesariamente un modelo peor? No necesariamente. Las versiones anteriores de DeepSeek fueron ampliamente consideradas competitivas frente a rivales mucho más caros. Sin embargo, el precio por sí solo no demuestra nada: los equipos deben verificar la calidad, la latencia y la fiabilidad frente a sus propias cargas de trabajo antes de cambiar de proveedor.
¿Cómo deben responder los desarrolladores a la caída de los precios de la IA? Volver a realizar las evaluaciones cuando aparezca un modelo económico creíble, dirigir las cargas de trabajo masivas al modelo más económico que supere dichas evaluaciones y reservar los modelos premium únicamente para las solicitudes que realmente los requieran. Evite comprometerse a largo plazo con precios fijos en un mercado donde las tarifas siguen cayendo.
¿Es sostenible la carrera hacia cero? No está claro. Los precios de inferencia pueden seguir bajando gracias a las mejoras de eficiencia, pero el entrenamiento de modelos fronterizos sigue siendo intensivo en capital. La industria aún no ha demostrado cómo coexistirán a largo plazo precios de uso cercanos a cero y costos de desarrollo que alcanzan miles de millones de dólares.
En resumen
El informe de Axios sobre el nuevo modelo económico de DeepSeek es escaso en detalles concretos, pero inequívoco en cuanto a su trascendencia: el costo de una IA utilizable sigue bajando, y DeepSeek sigue asegurándose de que baje aún más rápido. Para desarrolladores y empresas, esto es una noticia claramente positiva: tokens más económicos significan productos más viables y posiciones negociadoras más sólidas. Para los proveedores de modelos, es un recordatorio más de que el acceso directo a los modelos se está convirtiendo en una mercancía, y que los márgenes duraderos deberán provenir de niveles superiores de la pila tecnológica. Hasta que DeepSeek confirme los detalles, trate las especificaciones con cautela; pero considere la tendencia como real, porque lleva dos años avanzando en una sola dirección.
Fuentes: news.google.com. Informado el 1 de agosto de 2026.
