La guerra de IA entre EE. UU. y China cambia de protagonistas: las razones por las que Meta y NVIDIA persiguen a los chinos con "pesos abiertos"

Cuando se habla de la competencia en la generación de IA, muchos piensan en empresas estadounidenses como OpenAI, Anthropic y Google.

Sin embargo, para entender el mercado de IA en 2026, eso ya no es suficiente.

Lo que está ganando rápidamente presencia es la "IA de pesos abiertos".

El 10 de agosto, Meta lanzó su modelo de IA "Muse Glimmer" de 30 mil millones de parámetros. Al día siguiente, NVIDIA anunció "Nemotron 3.5 Lightning".

Ambos modelos no solo se ofrecen como API en la nube, sino que enfatizan la capacidad de los desarrolladores y empresas para obtener el modelo, ejecutarlo en sus propios ordenadores o servidores, y personalizarlo según sus necesidades.

El hecho de que estas dos empresas se movieran casi simultáneamente tiene un significado que va más allá de la simple competencia de productos.

Esto se debe a que las empresas chinas ya tienen una gran presencia en el campo de la IA de pesos abiertos.

Modelos de IA de origen chino como DeepSeek, Qwen de Alibaba y Moonshot AI se han infiltrado en la comunidad de desarrolladores global no solo por su rendimiento, sino también por la capacidad de descargar y usar el modelo en entornos propios.

La competencia en IA ya no es simplemente sobre quién crea la IA de chat de mejor rendimiento.

Está comenzando a transformarse en una competencia sobre quién proporciona el modelo que los desarrolladores de todo el mundo usarán como base, afectando así el ecosistema de IA en su totalidad.

De "IA para usar" a "IA para poseer"

El término "pesos abiertos" aún no es ampliamente comprendido.

En servicios como ChatGPT o Claude, los usuarios básicamente acceden a los servidores de la empresa operadora y utilizan la IA a través de API o servicios web.

No poseen el modelo de IA en sí.

Por otro lado, en los modelos de pesos abiertos, se pueden descargar los numerosos parámetros formados a través del aprendizaje de la IA, conocidos como "pesos".

Por lo tanto, si se dispone de un PC o servidor con suficiente capacidad de cálculo, se puede ejecutar la IA internamente sin enviar datos a servicios externos cada vez.

Esta diferencia es muy significativa.

Especialmente para las empresas, no es solo una cuestión de costos.

Existen muchos datos, como documentos internos, información de clientes, datos de investigación y desarrollo, código fuente e información financiera, que deben manejarse con precaución al enviarse a servicios externos.

Si se puede ejecutar el modelo en un entorno interno, se amplían las posibilidades de procesar esta información con IA sin externalizarla.

Además, es más fácil realizar aprendizaje adicional y ajustes para adaptarse a las operaciones de la empresa.

En otras palabras, la IA de pesos abiertos implica la idea de "poseer la IA como parte de la infraestructura de TI de la empresa" en lugar de "alquilar la IA".

Por qué Meta ha vuelto a la estrategia abierta

Para Meta, la estrategia de IA abierta no es nueva.

Con la serie Llama, la empresa se convirtió en uno de los representantes del mercado de modelos abiertos.

Desarrolladores de todo el mundo crearon modelos derivados y herramientas basadas en Llama, lo que permitió a Meta tener una fuerte influencia en todo el ecosistema de IA sin monopolizar el mercado de API de IA.

Sin embargo, Meta luego revisó su estrategia de IA y se centró en ofrecer modelos cerrados con la serie Muse.

Por lo tanto, el regreso a los pesos abiertos ha generado cierta cautela sobre un posible cambio de dirección nuevamente.

El recientemente lanzado Muse Glimmer tiene aproximadamente 30 mil millones de parámetros y está diseñado para funcionar continuamente en entornos locales como un agente de IA.

Según Meta, está destinado a ser utilizado en Mac, PC comunes y GPU para consumidores, y sus principales usos incluyen asistencia en codificación local, invocación de herramientas y agentes de IA.

Lo más importante es que Meta también ha indicado su intención de ofrecer una versión de pesos abiertos de "Muse Spark 1.2" de mayor rendimiento.

Si se publica un modelo cercano al nivel más avanzado actual, la posición de la IA de pesos abiertos fabricada en EE.UU. podría cambiar drásticamente.

El CEO de Box, Aaron Levie, también ha elogiado este movimiento.

Lo que le llama la atención no es solo que haya un nuevo modelo de IA.

Es el hecho de que las empresas estadounidenses han demostrado claramente su intención de seguir ofreciendo modelos abiertos con un rendimiento cercano al más avanzado.

NVIDIA apunta a la "era de los agentes de IA"

NVIDIA está abordando la IA abierta desde un ángulo diferente al de Meta.

El Nemotron 3.5 Lightning que anunció también tiene un tamaño de aproximadamente 30 mil millones de parámetros, pero no utiliza todos los parámetros simultáneamente.

Adopta un mecanismo llamado Mixture-of-Experts, limitando los parámetros activos a aproximadamente 3 mil millones en cada procesamiento.

Con esto, busca mantener la capacidad de un modelo a gran escala mientras reduce los costos de cálculo.

NVIDIA enfatiza el uso para "agentes de IA que funcionan continuamente".

A medida que los agentes de IA se vuelvan más comunes, a diferencia de los chatbots tradicionales que responden una vez a una pregunta, la IA invocará el modelo decenas o cientos de veces.

Por ejemplo,

"Investigar empresas competidoras"
"Recopilar materiales"
"Analizar datos"
"Redactar informes"
"Crear correos electrónicos"
"Ingresar al sistema"

Si se delegan estas tareas a la IA, se generará una gran cantidad de procesos de inferencia detrás de un solo trabajo.

Si se utiliza un modelo grande y costoso de máximo rendimiento cada vez, los costos aumentarán rápidamente.

Por lo tanto, NVIDIA planea delegar solo los juicios avanzados a modelos grandes, mientras que distribuye tareas como la ejecución de herramientas y verificaciones a modelos ligeros como Nemotron 3.5 Lightning.

Esto sugiere que el mercado de IA futuro podría avanzar hacia el uso de múltiples IA en lugar de concentrarse en una sola gran IA.

Por qué las empresas chinas son fuertes en pesos abiertos

Aquí no se puede ignorar la presencia de China.

El impacto de DeepSeek en el mundo no fue simplemente que una empresa china desarrollara una IA de alto rendimiento.

Fue significativo porque hizo que un modelo de alto rendimiento desarrollado a un costo relativamente bajo estuviera ampliamente disponible, desafiando la suposición de que "solo las grandes empresas estadounidenses crean IA de vanguardia y las ofrecen como API en la nube".

Posteriormente, Alibaba con Qwen y Moonshot AI también han ganado una fuerte influencia en el mercado mundial de modelos abiertos.

En particular, en el mundo de los desarrolladores que utilizan LLM locales, se valoran más "rendimiento", "memoria necesaria", "velocidad de inferencia", "licencia" y "facilidad de cuantificación" que la nacionalidad del modelo.

Si el rendimiento es bueno, funciona en la GPU disponible y se puede modificar libremente, se utilizarán modelos chinos.

Esta cultura de desarrolladores altamente pragmática ha impulsado la difusión global de los modelos chinos.

Aquí es donde las empresas estadounidenses enfrentan un problema.

Una vez que un modelo se convierte en la base estándar para los desarrolladores, se acumulan herramientas, bibliotecas, datos de aprendizaje, conocimientos y modelos derivados a su alrededor.

Esto es similar a un sistema operativo.

Es difícil desmantelar un "ecosistema" que se forma solo ganando temporalmente en comparación de rendimiento.

El movimiento de Meta y NVIDIA tiene un significado estratégico de querer aumentar nuevamente las opciones de modelos fabricados en EE.UU. antes de que las empresas chinas establezcan una ventaja decisiva en este campo.

En las redes sociales se mezclan bienvenida y escepticismo

La reacción de la comunidad de desarrolladores al anuncio no es completamente de bienvenida.

En X, además de que Aaron Levie considera la apertura de pesos de Muse Spark 1.2 como un gran evento, también hay reacciones de bienvenida al cambio de dirección de Meta por parte de personas que apoyan la IA abierta, como miembros de Hugging Face.

Entre los desarrolladores de IA, hay una gran expectativa sobre el punto de que "las empresas estadounidenses vuelvan a lanzar modelos de pesos abiertos significativos".

En Hacker News, se pueden ver comentarios como "la sensación de expectativa de la era de Llama 3 ha regresado", así como publicaciones que evalúan positivamente el rendimiento de chat y generación de texto de Muse Glimmer en Mac.

Por otro lado, también hay muchas opiniones cautelosas.

Uno de los puntos más discutidos es la confianza en Meta.

Aunque Meta promovió fuertemente la IA abierta con Llama, luego cerró algunos modelos.

Por lo tanto, en Hacker News, surgieron preguntas como "¿Por qué detuvieron los modelos abiertos una vez?" y "¿Cuánto tiempo continuará esta política?".

Además, hay observaciones sobre si realmente abrirán modelos de vanguardia altamente competitivos mientras publican modelos más pequeños.

La razón por la que la apertura de Muse Spark 1.2 es tan esperada es precisamente por esto.

¿Se abrirán realmente los modelos de alto rendimiento como prometieron? ¿O se limitarán a publicar solo algunos modelos?

La seriedad de la estrategia abierta de Meta probablemente se juzgará con el próximo lanzamiento.

Los usuarios de IA local ya han comenzado a verificar el rendimiento

En la comunidad "LocalLLaMA" de Reddit, inmediatamente después del anuncio, comenzaron a aparecer publicaciones de usuarios que intentaban ejecutar Muse Glimmer y Nemotron 3.5 Lightning.

En cuanto a Muse Glimmer, mientras algunos usuarios lo prueban para codificación local, también han comenzado a surgir evaluaciones críticas basadas en su uso real, como "tiende a pensar demasiado" o "podría tener restricciones fuertes".

En cuanto a Nemotron 3.5 Lightning, se están llevando a cabo discusiones sobre cuán práctico es ejecutarlo en entornos de VRAM de 16GB o 24GB, y qué tan utilizable será la versión cuantificada.

Es interesante que Qwen se mencione frecuentemente como punto de comparación.

Para las empresas estadounidenses, la IA china ya no es simplemente un "competidor que podría ponerse al día en el futuro".

Se ha convertido en un punto de referencia real que los desarrolladores comparan inmediatamente al probar nuevos modelos estadounidenses.

Esto simboliza la estructura actual de la competencia en IA.

"No es seguro porque es abierto" ni "es peligroso porque es abierto"

Hay otro gran debate sobre la IA de pesos abiertos.

La seguridad y la protección.

Si cualquiera puede obtener el modelo, se puede promover la investigación y el uso empresarial, pero también puede ser utilizado por personas malintencionadas.

Hay preocupaciones sobre el uso indebido en ciberataques, fraudes, generación de información falsa, etc., y algunos creen que es necesario imponer ciertas restricciones a la publicación de modelos de IA poderosos.

Por otro lado, existe el argumento de que "es más peligroso que solo unas pocas grandes empresas controlen los modelos de IA".

Poder investigar el interior del modelo, verificar su seguridad de manera independiente y utilizarlo sin depender de servicios externos también puede ser una ventaja en términos de seguridad.

Lo importante es no juzgar la seguridad solo por si es abierto o cerrado.

Es necesario considerar el alcance de la información publicada, las capacidades del modelo, las licencias de uso, las evaluaciones de seguridad y el sistema de gestión de la organización que lo implementa.

Para las empresas japonesas, el mayor significado es "dónde colocar los datos"

Entonces, ¿cómo afectará esta competencia de IA abierta entre EE.UU. y China a Japón?

Primero, el costo de implementación de IA generativa para las empresas.

Actualmente, muchas empresas utilizan servicios de IA o API proporcionados por empresas extranjeras.

Aunque es fácil de implementar y ofrece alto rendimiento, a medida que se utiliza más la IA, también aumentan las tarifas de API.

Especialmente si los agentes de IA se integran en las operaciones diarias y un solo trabajo requiere invocar el modelo decenas de veces, la gestión de costos de inferencia se convertirá en un tema importante para el departamento de TI de las empresas.

Si aumentan los modelos de alto rendimiento que se pueden ejecutar localmente,

los juicios avanzados se pueden delegar a la IA de vanguardia en la nube,

las tareas repetitivas se pueden manejar con modelos abiertos en los servidores de la empresa,

y el procesamiento de información confid