La carrera de la IA ya no se gana en el laboratorio: los modelos abiertos chinos copan el 41% de Hugging Face

El benchmark que nadie debería seguir mirando

Cada vez que un laboratorio suelta un modelo nuevo, el ritual es el mismo. MMLU, HumanEval, MATH, ARC. Números que suben, gráficos que se comparan, titulares que hablan de "el modelo más avanzado del mundo". Y luego, nada. La mayoría de esas puntuaciones no significan una mierda para alguien que está intentando meter IA dentro de un producto real.

El problema no es que los benchmarks sean inútiles, algunos miden cosas relevantes, . El problema es que la industria los ha convertido en el marcador de una carrera que ya no es la más importante. Mientras todos miramos quién saca el modelo más sofisticado del planeta, la guerra de verdad se ha mudado a otro sitio: quién consigue que su modelo entre en el flujo diario de millones de aplicaciones reales.

Y en esa guerra, los datos de primavera de 2026 cuentan una historia que incomoda bastante a los que llevan años apostando por los modelos cerrados de los grandes laboratorios americanos.

El 41% que nadie esperaba

Según datos recogidos por TechCrunch en julio de 2026, los modelos chinos de código abierto representaron el 41% de todas las descargas en Hugging Face durante la primavera de 2026, superando en volumen a los modelos de origen estadounidense.

Para ponerlo en contexto: Hugging Face no es una plataforma marginal. Alberga casi 3 millones de modelos públicos y más de 1 millón de datasets. Cada 7 segundos se crea un repositorio nuevo. La mitad de las empresas del Fortune 500 la usan para desplegar modelos, tanto propios como abiertos. Esto no es el patio de recreo de cuatro entusiastas del open source: es infraestructura de producción empresarial.

La lectura más honesta de ese 41% es también la más matizada: Hugging Face captura solo una parte del mercado global de modelos. Los grandes laboratorios, OpenAI, Google, Anthropic, no distribuyen sus modelos aquí, sino a través de sus propias APIs. Así que no podemos afirmar que los modelos chinos dominan el mercado mundial de IA. Lo que sí podemos decir, sin forzar el dato, es que en el ecosistema de código abierto, que es donde se libra la batalla de la adopción independiente, la producción china está goleando.

OpenRouter y Vercel: el uso real que los labs no quieren que veas

Las descargas son un proxy razonable del interés, pero el dato que de verdad duele es el del uso activo.

En OpenRouter, plataforma que agrega acceso a decenas de modelos distintos y que refleja preferencias reales de desarrolladores, los seis primeros puestos en popularidad los ocupan modelos chinos de código abierto: Tencent, Xiaomi, DeepSeek, MiniMax y Z.ai. El primero de los cerrados y americanos en aparecer es Claude Opus 4.7 de Anthropic, en séptima posición. Y según datos de la misma fuente, la cuota semanal de tokens consumidos a través de modelos chinos superó recientemente a la de los modelos estadounidenses. El dato exacto no tiene fecha precisa, se menciona como "reciente" en mayo de 2026, pero la tendencia es la que es.

Vercel añade otra dimensión. La plataforma de deployment que usan miles de equipos de producto para poner aplicaciones en producción registró en junio de 2026 que casi un tercio de las solicitudes de IA en su infraestructura pasaban ya por modelos abiertos. No experimentos de laboratorio: llamadas reales, en producción, gestionando volumen. Los modelos cerrados siguen operando como capa premium, mayor coste, mayor capacidad en tareas complejas, pero los abiertos están absorbiendo la infraestructura de alto volumen.

Hay que decirlo con claridad: los datos de Vercel y OpenRouter no capturan el tráfico de OpenAI o Anthropic directamente, por lo que la proporción real de modelos abiertos en el total del mercado podría ser menor de lo que estos números sugieren. Pero el punto no es la cifra exacta. El punto es la dirección y la velocidad a la que se mueve.

"El mayor riesgo en IA es la concentración de poder. La transparencia de los modelos abiertos permite a los defensores parchear riesgos de ciberseguridad más rápido que esperando a que un laboratorio cerrado decida cuándo mover ficha.", Clem Delangue, CEO de Hugging Face

Por qué China lleva ventaja en el juego de la adopción

Hay un contexto que no se puede ignorar. Según un informe de diciembre, probablemente de 2025, aunque la fecha exacta no está verificada, más de 600 millones de personas en China usaban IA generativa, un aumento del 142% interanual. Si el dato es aproximadamente correcto, China es el mayor campo de pruebas del mundo por un margen enorme.

Eso tiene consecuencias prácticas muy concretas. Cuando tienes esa escala de uso, los modelos se iteran más rápido, los fallos se detectan antes y las capacidades específicas de producción, latencia, coste por token, robustez ante inputs raros, se optimizan bajo presión real. No bajo condiciones de laboratorio.

Además, el gobierno chino se comprometió a aumentar el gasto en I+D al menos un 7% anual hasta 2030 y ha trazado un plan "IA plus" para integrar la IA en sectores industriales completos. No es solo inversión en investigación: es una estrategia nacional de adopción que empuja desde arriba.

El resultado visible es un modelo como GLM-5.2 de Z.ai, que según declaraciones de la propia empresa compite con los últimos modelos de Anthropic en detección de vulnerabilidades y codificación agéntica. Hay que ser honestos: esas capacidades vienen de declaraciones propias de Z.ai, sin verificación independiente citada en las fuentes disponibles. Pero el hecho de que un modelo chino abierto esté en esa conversación hace tres años era impensable. Que hoy sea rutinario dice algo.

El argumento de la seguridad: más complicado de lo que parece

Aquí es donde la reflexión se complica, y donde sería deshonesto no recoger la tensión real.

Dario Amodei, CEO de Anthropic, sostiene que liberar los pesos de modelos cada vez más potentes puede ser peligroso. El argumento es intuitivo: si los pesos están disponibles para cualquiera, también lo están para actores maliciosos. Anthropic ha construido gran parte de su identidad corporativa sobre la idea de que la seguridad justifica el modelo cerrado.

Delangue invierte el argumento: mantener los modelos cerrados no elimina los riesgos. Es relativamente fácil burlar las barreras de las APIs, y los pesos de modelos potentes ya circulan en entornos no controlados de todas formas. Lo que consigue el modelo cerrado no es evitar el riesgo: es concentrar el control en pocos actores y reducir la transparencia que permitiría detectar y parchear problemas.

Ambos tienen razón en parte. Y ninguno tiene razón del todo. La realidad es que el debate "abierto vs. cerrado" en términos de seguridad no está resuelto, y cualquiera que te diga que sí lo tiene claro probablemente te está vendiendo algo.

Lo que sí está claro es que los riesgos de los modelos abiertos son visibles y auditables. Los de los cerrados son opacos. Y que la concentración de tecnología crítica en dos o tres laboratorios privados americanos tiene sus propios riesgos sistémicos que el debate sobre seguridad del open source tiende a ignorar convenientemente.

Esto conecta directamente con un problema más amplio sobre cómo se controla la capa de distribución de los modelos en producción: quien controla el enrutamiento, controla el acceso.

Lo que Satya Nadella dijo y por qué importa

Que el CEO de Microsoft, empresa que ha apostado miles de millones de dólares por OpenAI, salga a advertir contra la dependencia de un único proveedor no es un accidente retórico. Es una señal sobre hacia dónde va el mercado.

La tesis de Nadella es simple: ninguna empresa con criterio debería construir su infraestructura de IA sobre un proveedor único. La distribución del control no es solo una preferencia filosófica; es gestión del riesgo operativo. Si tu modelo de negocio depende de que OpenAI o Anthropic no suban precios, no cambien sus términos de servicio o no tengan una caída de sistema, tienes un problema.

Los modelos abiertos resuelven exactamente esa dependencia. Puedes desplegarlos en tu propia infraestructura, modificarlos, afinarlos con tus datos y no pedirle permiso a nadie. Eso no significa que sean siempre la mejor opción técnica, en muchos casos los modelos cerrados siguen ganando en capacidades brutas para tareas de alto valor, pero la ecuación coste-control-riesgo está cambiando de forma que favorece lo abierto en producción de volumen.

La mitad de las empresas del Fortune 500 ya usan Hugging Face para desplegar modelos. Eso no es ideología open source. Es pragmatismo empresarial.

La trampa del "mejor modelo"

Clem Delangue predice que en pocos años los modelos frontera servirán para experimentación y tareas de alto valor, mientras la mayoría de la producción usará modelos privados u open source ajustados a cada caso. Si esa predicción es correcta, y los datos actuales la respaldan más que contradicen, el concepto de "el mejor modelo del mundo" pierde casi todo su sentido práctico.

¿El mejor modelo para qué? ¿Para sacar una puntuación alta en MMLU? ¿O para gestionar 50.000 llamadas de API al día con una latencia aceptable y un coste por token que no destroce el margen?

La realidad de la producción real es que casi ninguna aplicación necesita las capacidades del modelo más potente del momento. Necesita un modelo suficientemente bueno, rápido, barato y que pueda desplegar sin depender de que un tercero decida cuándo actualizar, cuánto cobrar o qué puede y no puede hacer con él.

Eso explica por qué un modelo como DeepSeek, con sus iteraciones V3 y las versiones preliminares de V4 Flash y V4 Pro con ventana de contexto de un millón de tokens, tiene tanto tirón. Una ventana de un millón de tokens significa poder meter una base de código completa en un solo prompt. Para un equipo de ingeniería, eso es funcionalidad real, no un número de benchmark. Aunque hay que aclarar que la confirmación pública de disponibilidad general de las versiones V4 todavía no está cerrada.

El patrón que emerge es este: los modelos cerrados de frontera marcan el techo de lo que es técnicamente posible. Los modelos abiertos, especialmente los chinos, están subiendo ese suelo a una velocidad que los laboratorios americanos no esperaban. Y cuando el suelo sube lo suficiente, la mayor parte de la producción real se queda en él.

Lo que los datos no dicen

Para ser justos con la complejidad de lo que está pasando, hay que nombrar lo que estos datos no capturan.

Los números de Hugging Face, OpenRouter y Vercel son reales, pero son una ventana parcial. El tráfico masivo de OpenAI, que sigue siendo el proveedor dominante en muchos sectores empresariales, no aparece aquí. La cuota de mercado real de los modelos abiertos en producción global es probablemente menor que lo que estos datos sugieren tomados de forma aislada.

China tampoco es un monolito perfecto de adopción sin fricciones. Las autoridades chinas emitieron advertencias sobre riesgos de seguridad de agentes como OpenClaw, fugas de datos, principalmente, aunque el interés no disminuyó. La adopción masiva en un entorno regulatorio como el chino tiene sus propias contradicciones, y lo que funciona como campo de pruebas no necesariamente se traduce directamente al resto del mundo.

Y el debate sobre si los modelos abiertos son intrínsecamente más seguros o más peligrosos que los cerrados sigue abierto. Nadie lo ha resuelto. El que te diga que sí, probablemente te esté vendiendo uno u otro.

Dónde está la carrera de verdad

La narrativa de la IA lleva años construida alrededor de una competición de laboratorios: quién tiene el modelo más grande, quién saca la puntuación más alta, quién anuncia el avance más espectacular. Es una narrativa que beneficia a los que compiten en ese nivel y que ha funcionado bien para captar atención e inversión.

Pero la adopción masiva, el momento en que la IA entra en el flujo operativo real de empresas, desarrolladores y usuarios, se juega con otras reglas. Coste, control, latencia, confiabilidad, independencia de proveedor, capacidad de ajuste. Y en esas variables, los modelos abiertos, especialmente los chinos, llevan una ventaja que los benchmarks no reflejan.

Esto no significa que Anthropic, OpenAI o Google vayan a desaparecer ni que sus modelos vayan a quedarse obsoletos. Significa que el perímetro de donde se decide quién gana se ha expandido. El laboratorio que saca el modelo más potente ya no controla automáticamente la infraestructura donde se usa.

Quién controla esa infraestructura, quién está dentro de los sistemas que las empresas usan a diario, es la pregunta que importa ahora mismo. Y los datos de primavera de 2026 sugieren que la respuesta está cambiando más rápido de lo que muchos esperaban.

Si quieres entender cómo los benchmarks de IA reflejan (o no) el rendimiento en producción, la diferencia entre una puntuación alta en papel y lo que funciona cuando hay usuarios reales de por medio es más grande de lo que parece.

Preguntas frecuentes

¿Por qué los modelos chinos de código abierto tienen tanto éxito en descargas?

Combinan varias ventajas: son gratuitos para descargar y desplegar, permiten fine-tuning con datos propios, eliminan la dependencia de un proveedor externo y en muchos casos tienen capacidades técnicas comparables a modelos cerrados para tareas específicas. En un entorno donde el coste y el control importan, esa ecuación gana.

¿Significa esto que los modelos de OpenAI o Anthropic están perdiendo?

No exactamente. Los modelos cerrados siguen siendo la capa premium para tareas de alto valor que requieren las máximas capacidades. Lo que está cambiando es que el grueso de la producción de volumen, millones de llamadas de API al día, se está desplazando hacia modelos abiertos más baratos y controlables. Son mercados distintos que están divergiendo.

¿Son los modelos abiertos más seguros que los cerrados?

Es un debate sin resolver. Los modelos abiertos son más transparentes y auditables, lo que facilita detectar y parchear problemas. Pero también están disponibles para actores maliciosos sin restricciones de API. Los cerrados restringen el acceso pero concentran el control en pocos actores. No hay una respuesta definitiva: depende de qué tipo de riesgo te preocupa más.

¿Qué es Hugging Face y por qué sus datos importan?

Hugging Face es el mayor repositorio público de modelos e IA del mundo: casi 3 millones de modelos, 1 millón de datasets, y la plataforma que usa la mitad del Fortune 500 para desplegar IA. No captura todo el mercado, los grandes proveedores tienen sus propias APIs, pero es el indicador más representativo del ecosistema abierto y de las preferencias reales de desarrolladores independientes.