China reduce la distancia con los modelos de IA estadounidenses y compite con precios mucho más bajos
La carrera por liderar la inteligencia artificial ya no se decide únicamente por cuál es el modelo más capaz. El coste de utilizarlo se ha convertido en un factor estratégico, y varias compañías chinas están logrando acercarse al rendimiento de los sistemas más avanzados de OpenAI, Anthropic o Google con tarifas muy inferiores.
Los lanzamientos recientes de DeepSeek, Alibaba y Z.ai apuntan en la misma dirección: modelos con pesos abiertos, preparados para ejecutar tareas complejas y capaces de procesar grandes volúmenes de información sin disparar el gasto de empresas y desarrolladores.
Más inteligencia por cada dólar
Durante los últimos años, los modelos chinos de pesos abiertos resultaban especialmente atractivos por su precio y por la posibilidad de adaptar su tecnología. Sin embargo, la brecha de rendimiento frente a los modelos frontera occidentales era, en algunos usos, demasiado amplia.
Ahora esa diferencia se ha reducido. Los nuevos sistemas no siempre encabezan las pruebas de capacidad, pero ofrecen una combinación difícil de ignorar: rendimiento cercano al de los mejores modelos comerciales, costes reducidos y mayor libertad para desplegarlos en infraestructuras propias.
La cuestión resulta especialmente importante para las empresas que necesitan generar millones de respuestas, automatizar procesos o mantener cientos de agentes de IA activos. En esos escenarios, una pequeña diferencia de calidad puede ser menos relevante que una reducción drástica de la factura.
Qwen3.8-Flash apuesta por la eficiencia
Uno de los ejemplos más claros es Qwen3.8-Flash, presentado por Alibaba como un anticipo de la futura arquitectura Qwen4. El sistema utiliza un diseño Mixture of Experts, conocido como MoE o mezcla de expertos.
Esta técnica divide el modelo en múltiples redes especializadas y activa solo las necesarias para responder a cada solicitud. Qwen3.8-Flash cuenta con unos 125.000 millones de parámetros, pero únicamente alrededor de 6.000 millones se utilizan en cada momento.
Los parámetros son los valores internos que permiten a una IA reconocer patrones y elaborar respuestas. Tener más parámetros puede aumentar la capacidad del modelo, pero también eleva el coste de entrenamiento y funcionamiento. Activar solo una parte permite mantener un sistema grande sin pagar por utilizarlo al completo en cada consulta.
Alibaba sitúa este modelo cerca de sistemas mucho mayores en programación y tareas agénticas, aquellas en las que la IA puede planificar pasos, utilizar herramientas y completar objetivos con una supervisión limitada. Su API tiene un precio anunciado de 0,16 dólares por cada millón de tokens de entrada y 0,47 dólares por cada millón de tokens de salida.
GLM-5.3-Flash, casi al nivel de su hermano mayor
Z.ai también ha dado un paso relevante con GLM-5.3-Flash, un modelo que durante varios días circuló bajo el nombre provisional de Ox Alpha. La compañía ha publicado sus pesos con licencia MIT, lo que facilita su uso, modificación y despliegue bajo unas condiciones más abiertas que las de muchas alternativas comerciales.
El modelo dispone de 320.000 millones de parámetros, aunque activa unos 18.000 millones por token. Además, ofrece una ventana de contexto de un millón de tokens. El contexto es la cantidad de texto, código o información que el sistema puede tener en cuenta durante una interacción; cuanto mayor sea, más sencillo resulta trabajar con documentos extensos o proyectos completos.
En las mediciones disponibles, GLM-5.3-Flash obtiene una puntuación de 57 en un índice de inteligencia, frente a los 60 puntos de GLM-5.3 Max. La diferencia de capacidad es reducida, pero el coste medio estimado por tarea pasa de 0,68 dólares en el modelo grande a solo 0,09 dólares en la versión Flash.
DeepSeek ya había encendido la alerta
La tendencia no empieza con estos dos lanzamientos. DeepSeek V4-Flash ya había demostrado que era posible ofrecer un modelo competitivo por una fracción del precio de las alternativas estadounidenses. Tras su revisión de tarifas, el sistema se situó en 0,22 dólares por millón de tokens de entrada y 0,66 dólares por millón de tokens de salida.
Estas cifras quedan muy por debajo de las de varios modelos frontera occidentales, especialmente cuando se utilizan de forma intensiva. Para una compañía que procesa grandes volúmenes de consultas, la diferencia puede traducirse en miles o incluso millones de dólares al año.
Modelos más baratos e infraestructura propia
La reducción de costes no depende únicamente de la mezcla de expertos. Las empresas chinas también están utilizando mecanismos de atención dispersa o lineal, que evitan procesar de forma innecesaria todo el contexto, además de sistemas de caché y arquitecturas diseñadas para servir muchos tokens con menos recursos.
El caso de GLM-5.3-Flash también destaca por su infraestructura. Durante su presentación, Z.ai anunció una capacidad de hasta 100 billones de tokens diarios y señaló que el sistema funcionaba íntegramente sobre chips chinos. Esa cifra representa capacidad máxima, no tráfico real, pero refleja el esfuerzo por crear una cadena tecnológica doméstica capaz de sostener servicios de IA a gran escala.
La nueva frontera de Pareto
El rendimiento de un modelo suele analizarse junto con su coste por tarea. Esta comparación permite identificar la llamada frontera de Pareto: el punto en el que conseguir una mejora adicional de capacidad exige pagar mucho más.
GLM-5.3-Flash y Qwen3.8-Flash resultan relevantes porque desplazan esa frontera. No son necesariamente los sistemas más inteligentes del mercado, pero ofrecen una relación entre calidad y precio difícil de igualar. La pregunta para muchas empresas ya no es cuál es el modelo absoluto más potente, sino cuánto están dispuestas a pagar por obtener un 5 o un 10% más de rendimiento.
Esta evolución puede acelerar la rentabilidad del sector. Los modelos de gama alta seguirán siendo importantes para investigación, razonamiento complejo y aplicaciones críticas, pero los sistemas suficientemente buenos, fiables y baratos pueden acabar dominando el uso cotidiano de la inteligencia artificial.
