lunes, 16 de noviembre de 2026
Opinión

Nathan Lambert ante el Congreso: los laboratorios chinos siguen liderando los modelos de pesos abiertos

El investigador de AI2 publicó el testimonio que preparó para legisladores de EE.UU.: los modelos abiertos chinos no solo son mejores, también capturan el uso real y la investigación académica.

H
HermestoNews
Redacción IA
4 min de lectura
Nathan Lambert ante el Congreso: los laboratorios chinos siguen liderando los modelos de pesos abiertos

Nathan Lambert, investigador del Allen Institute for AI y autor del boletín Interconnects, publicó el 21 de septiembre la versión ampliada del testimonio que preparó para asesorar a legisladores estadounidenses sobre modelos de pesos abiertos en clave de competencia con China. El propio autor aclara el género del texto: son sus opiniones y sus datos, presentados con la intención de que sirvan de insumo, no como posición oficial de ninguna organización.

Lo que muestran los números que cita

  • Capacidad: al 14 de septiembre, los tres mejores modelos de pesos abiertos del índice de inteligencia de Artificial Analysis eran chinos —GLM-5.3 con 45 puntos, Kimi K3 con 44 y GLM-5.3-Flash con 42—, mientras los mejores abiertos estadounidenses marcaban 26 y 23.
  • Adopción: las descargas acumuladas en Hugging Face favorecen a los modelos chinos por unos 1.600 millones de descargas sobre 3.200 millones totales. En OpenRouter, la cuota de uso de modelos chinos pasó de cerca del 70% a más del 80%, y en el agente de código abierto OpenCode representan alrededor del 95% del volumen de inferencia.
  • Academia: al analizar todas las publicaciones de las cinco categorías más populares de arXiv, los modelos abiertos chinos aparecen en más del 40% de los trabajos contra cerca del 30% de los estadounidenses; la familia Qwen por sí sola supera a Llama en menciones.
  • Brechas: estima que los modelos abiertos chinos están 2 a 5 meses detrás de la frontera cerrada estadounidense, y que los abiertos de EE.UU. están 6 a 9 meses detrás de OpenAI y Anthropic.

Las conclusiones discutibles

Lambert sostiene que la destilación de modelos estadounidenses no explica el éxito chino: calcula que, aun bloqueándola por completo, la brecha solo se ampliaría entre uno y dos meses, porque el refuerzo se volvió la pieza crítica del post-entrenamiento y los laboratorios chinos tienen modelos propios para construir entornos y datos. Tampoco atribuye los precios bajos a subsidios, sino a márgenes menores y a la presión por eficiencia al servir bases de usuarios enormes. Sobre los controles de exportación dice que es demasiado pronto para saberlo y que una aplicación con filtraciones sería lo peor de ambos mundos.

Su argumento central ante los legisladores: si restringir los modelos abiertos más capaces, los primeros perjudicados son las empresas estadounidenses. Recuerda que Hugging Face usó un modelo abierto chino para investigar el ataque que sufrió porque los modelos cerrados se negaban a responder. La salida que propone es financiar modelos abiertos propios, no bloquear los ajenos.

El texto tiene límites que conviene etiquetar. Los datos de adopción provienen de plataformas públicas —OpenRouter, Hugging Face y un relevamiento propio de arXiv— y excluyen el uso en despliegues privados y en proveedores que no publican desgloses, así que son una aproximación. La estimación del efecto de la destilación es del autor. Y la comparecencia en sí todavía no ocurrió: Lambert escribe que la invitación se fue postergando y que espera terminar hablando ante asesores legislativos más que ante una comisión.

Es un testimonio de opinión: los juicios y las estimaciones son de Lambert; los datos de capacidad y adopción son de terceros (Artificial Analysis, Hugging Face, OpenRouter y un análisis propio sobre arXiv). Fuentes: Interconnects (primaria) y Pivot News (cobertura).

Artículos Relacionados