Por qué las empresas estadounidenses están cambiando a modelos de IA china en 2026

Las empresas estadounidenses están adoptando cada vez más modelos de IA china, y la razón es brutalmente sencilla: el costo. Mientras OpenAI y Anthropic mantienen precios premium, los modelos de código abierto de DeepSeekDeepSeek, Qwen de Alibaba, GLM de Zhipu y Kimi de Moonshot han llegado a una fracción del precio, reduciendo casi por completo la brecha de calidad. El resultado es una migración silenciosa que ya se refleja en datos objetivos de uso —no solo en artículos de opinión.

¿Qué tan grande es el cambio hacia los modelos de IA china?

La señal más clara proviene del uso real, no de la percepción. Según datos de OpenRouter citados por CNBC, la proporción de tokens que las empresas estadounidenses dirigen a modelos chinos ha superado el 30 % cada semana desde el 8 de febrero de 2026, alcanzando picos de hasta el 46 %, comparado con un promedio del 11 % durante los doce meses anteriores. En otras palabras, cerca de la mitad del tráfico de IA empresarial estadounidense en algunas semanas ahora se ejecuta sobre modelos desarrollados en China.

El segmento de startups avanza más rápido. Estimaciones del sector indican que aproximadamente el 20-30 % de las startups ya utilizan modelos de código abierto, y alrededor del 80 % de ellas eligen un modelo chino de pesos abiertos. Cuando un fundador observa su runway financiero, una diferencia de un orden de magnitud en la factura de IA no es un error de redondeo: es la diferencia entre lanzar un producto o cerrar la empresa.

La brecha de precios como impulsora del cambio

Los números destacados explican por sí solos este comportamiento. Un modelo insignia chino puede costar una pequeña fracción por token respecto a sus competidores estadounidenses:

Una comparación ampliamente citada de cargas de trabajo similares estimó un costo de aproximadamente 4.811 USD en Claude de Anthropic frente a unos 544 USD en GLM de Zhipu —una diferencia cercana a 9 veces. Los analistas sitúan generalmente a los principales modelos abiertos chinos entre un 60 % y un 90 % más baratos que los modelos punteros estadounidenses para tareas comparables. Antes de realizar cualquier cambio, vale la pena modelar sus propios números en lugar de confiar en titulares: nuestra gratuita Calculadora de costos de API de IA calculadora de costos de API de IA estima una factura mensual real según su volumen de tokens, y nuestro Índice de relación precio-rendimiento en IA índice de relación precio-rendimiento de IA clasifica los modelos según su inteligencia por dólar, para que pueda ver exactamente dónde se posiciona cada uno en términos de valor.

¿Quiénes están cambiando realmente?

Esto ya no es hipotético. Varias empresas identificadas han trasladado tráfico real de producción:

• Lindy —la startup especializada en agentes de IA trasladó el 100 % de su tráfico desde Claude de Anthropic a DeepSeek, un cambio que su CEO espera le ahorre millones de dólares.
• Shopify —sustituyó una canalización basada en GPT-5 de OpenAI por un sistema multiagente autohospedado impulsado por Qwen 3 de Alibaba, citando una reducción de aproximadamente 75 veces en el costo por unidad del modelo de lenguaje, junto con una mayor calidad de salida.
• Coinbase —redujo sus gastos en IA casi a la mitad tras trasladar sus cargas de trabajo a GLM 5.2 y Kimi 2.7.
• Airbnb —ejecuta 13 modelos de IA, pero depende fuertemente de Qwen; su CEO, Brian Chesky, lo calificó públicamente como «muy bueno», «rápido» y asequible. Tras implementar un agente de servicio al cliente basado en Qwen, Airbnb informó que el tiempo medio de resolución bajó de casi tres horas a unos seis segundos.

No es solo el precio: los pesos abiertos modifican el análisis

El costo acapara los titulares, pero el segundo factor impulsor es arquitectónico. Al ser modelos de pesos abiertos, las empresas pueden descargarlos y ejecutarlos en su propio hardware, en lugar de invocar una API externa. Esto cambia dos cosas simultáneamente: desaparece el cobro por token y los datos sensibles nunca tienen que salir de las instalaciones. Por ejemplo, Airbnb subrayó que no envía ningún dato a los desarrolladores de los modelos. Para los equipos que evalúan este trade-off, nuestra calculadora de autohospedaje frente a API calculadora de autohospedaje frente a API muestra el punto de equilibrio en el que poseer una GPU resulta más económico que pagar por token, y nuestro estudio comparativo de costos: abierto frente a cerrado cuantifica cuán amplia se ha vuelto esta brecha. Para comparar especificaciones, ventanas de contexto y precios en tiempo real lado a lado, consulte nuestra Base de datos de modelos de IAbase de datos de modelos de IA, y para un análisis profundo del modelo que lidera este cambio, nuestro Guía de DeepSeek V4.

La pega: gobernanza y geopolítica

El cambio no está exento de fricción. Tras revelar Airbnb su uso de modelos abiertos chinos, legisladores estadounidenses plantearon interrogantes sobre dicha práctica, pese a que la empresa los aloja internamente y no comparte datos con los proveedores. Para sectores regulados, utilizar un modelo de origen chino —incluso uno que se ejecute íntegramente en servidores locales— plantea dudas sobre adquisición, cumplimiento normativo y reputación que una simple hoja de cálculo no podrá resolver. El patrón pragmático que va emergiendo consiste en alojar internamente los pesos abiertos (para que ningún dato cruce fronteras) y mantener un modelo puntero estadounidense en espera para las tareas más exigentes.

¿Qué implica esto para OpenAI y Anthropic?

Ya se observa presión al respecto. A principios de junio de 2026 se informó que OpenAI estaba evaluando reducciones drásticas en los precios por token —una medida que indicaría que la empresa considera la amenaza de precios china como existencial, no periférica. El estado de ánimo general del mercado ha cambiado desde el «tokenmaxxing» (aplicar cada vez más tokens a un problema) hacia la eficiencia: obtener el mismo resultado con mucho menos gasto. Este es precisamente el entorno en el que un modelo un 60-90 % más barato logra ganar clientes, y por eso los precios de los modelos punteros durante el próximo año podrían diferir notablemente de los del último.

¿Debe su empresa cambiar? Un marco rápido

La respuesta sincera es: a veces. Evalúe la decisión según cuatro ejes. Volumen —cuanto mayor y más estable sea su volumen de uso, más rentable resultará optar por un modelo más económico (o por su alojamiento interno). Umbral de calidad —para redacción cotidiana, extracción, clasificación y soporte, los mejores modelos abiertos son difíciles de distinguir de las APIs punteras; sin embargo, en los problemas de razonamiento más complejos, los modelos estadounidenses líderes siguen teniendo ventaja. Sensibilidad de los datos —si sus datos no pueden salir de su control, alojar internamente un modelo abierto constituye la solución más limpia. Gobernanza —verifique las normas de adquisición y cumplimiento antes de comprometerse. Calcule primero los costos mediante las herramientas indicadas arriba, realice una prueba piloto en una carga de trabajo no crítica y solo entonces transfiera tráfico real.

Preguntas frecuentes

¿Qué modelos de IA chinos utilizan con mayor frecuencia las empresas estadounidenses?

Los nombres más citados son DeepSeek, Qwen de Alibaba, GLM de Zhipu y Kimi de Moonshot. DeepSeek lidera los cambios motivados por el precio, mientras que Qwen ha sido adoptado por Airbnb y Shopify, y GLM/Kimi por Coinbase.

¿Cuánto más baratos son los modelos de IA chinos?

Los analistas estiman que los principales modelos abiertos chinos cuestan aproximadamente un 60 % a un 90 % menos que los mejores modelos punteros estadounidenses. Como ejemplo concreto, el modelo insignia de DeepSeek tiene un costo de unos 0,87 USD por millón de tokens de salida, frente a unos 25 USD de Anthropic y 30 USD de OpenAI; además, una comparación de cargas de trabajo mostró una diferencia cercana a nueve veces (544 USD con GLM frente a 4.811 USD con Claude).

¿Es seguro enviar datos corporativos a modelos de IA chinos?

Dado que estos modelos tienen pesos abiertos, las empresas pueden alojarlos internamente, de modo que ningún dato abandone sus propios servidores —por ejemplo, Airbnb afirma que no envía datos alguno a los desarrolladores del modelo. El riesgo radica menos en la transmisión de datos y más en aspectos de gobernanza, reglas de adquisición y geopolítica, los cuales cada organización debe evaluar por sí misma.

¿Qué empresas estadounidenses han migrado a modelos de IA chinos?

Entre los ejemplos públicos figuran Lindy (100 % con DeepSeek), Shopify (Qwen 3 alojado internamente), Coinbase (GLM 5.2 y Kimi 2.7) y Airbnb (Qwen). Datos más amplios de OpenRouter indican que, durante la mayor parte de las semanas de 2026, el uso empresarial estadounidense de modelos chinos superó el 30 % del total de tokens.

¿Alcanzan los modelos chinos la calidad de OpenAI y Anthropic?

En muchas tareas cotidianas y de programación, ya se encuentran a menos de un punto de los mejores modelos cerrados, lo cual explica por qué los cambios impulsados por el costo tienen sentido. No obstante, en los problemas de razonamiento más complejos, los modelos punteros estadounidenses conservan cierta ventaja —de ahí que una práctica común sea usar por defecto un modelo abierto económico y reservar una API puntera únicamente para las tareas más exigentes.

En resumen

La migración hacia modelos de IA chinos se impulsa por la aritmética, no por la ideología. Cuando un modelo capaz cuesta una décima parte —o incluso una setenta y cincoava parte— del modelo establecido y puede alojarse internamente para mantener los datos dentro de la organización, los equipos sensibles al costo lo probarán, y los datos de OpenRouter muestran que muchos permanecen con él. La lección duradera no es «China ganó», sino que la inferencia de IA se ha convertido en un bien commoditizado donde el precio y la eficiencia importan tanto como la capacidad bruta. Las empresas que calculen cuidadosamente sus cifras reales, realicen pruebas piloto rigurosas y asignen cada modelo a la tarea adecuada capturarán la mayor parte de los ahorros sin arriesgar su negocio en un único proveedor.

Fuentes: CNBC, Forbes, Rest of World, Tech Startups. Informado en julio de 2026.