La carrera de la IA desplaza el enfoque de las fronteras a aplicaciones más amplias

Durante semanas este verano, el sector de la inteligencia artificial se centró en los últimos modelos de frontera de Anthropic y en los esfuerzos de Washington por regular el acceso. Sin embargo, mientras la atención se mantenía en la vanguardia, los desarrolladores continuaron construyendo sin esperar permiso de grandes laboratorios como Anthropic o OpenAI.

Los modelos chinos de peso abierto capturaron el 41 % de las descargas de Hugging Face esta primavera, superando a la competencia estadounidense. En OpenRouter, los seis primeros modelos son todas ofertas de código abierto de empresas chinas, incluidas Tencent, Xiaomi, DeepSeek, MiniMax y Z.ai. El Claude Opus 4.7 de Anthropic ocupó el séptimo puesto en el momento de la redacción. Los datos de Vercel muestran además que los modelos de peso abierto manejan gran parte de la infraestructura de inteligencia artificial de alto volumen, mientras que los modelos cerrados sirven como capa premium y de mayor costo. Los modelos abiertos procesaron casi un tercio de las solicitudes de inteligencia artificial en la plataforma en junio.

Estas plataformas representan solo una parte del ecosistema de inteligencia artificial, excluyendo las sesiones alojadas por grandes laboratorios que probablemente impulsan la mayor parte del uso de OpenAI y Anthropic. Sin embargo, la creciente cuota de mercado de los modelos de código abierto plantea una pregunta crítica: ¿cuánta relevancia tienen los modelos de frontera si la mayor parte de la inteligencia artificial en producción se ejecuta sobre alternativas más baratas y personalizables?

Algunos expertos ven el auge de los modelos de código abierto como una señal de que los modelos más avanzados terminarán sirviendo solo para tareas especializadas. «En unos años, los modelos de frontera pueden reservarse para la experimentación y las tareas de alto valor, mientras que la mayor parte de las cargas de trabajo en producción dependerán de modelos privados o de código abierto», afirmó Clem Delangue, director ejecutivo de Hugging Face, en un reciente podcast de Equity.

Hugging Face es una plataforma y comunidad de desarrolladores reconocida por alojar, compartir y ayudar a las empresas a implementar modelos abiertos. Delangue señala que los clientes enfatizan cada vez más los beneficios de poseer modelos de inteligencia artificial en lugar de alquilarlos, una tendencia acelerada por los altos costos de escalar modelos de frontera cerrados.

«Si eres una empresa de inteligencia artificial o tecnológica, no deberías externalizar capacidades centrales a otra entidad mediante una API de caja negra que no puedas controlar, monitorear ni poseer», explicó Delangue.

Delangue argumenta que este cambio es evidente en la actividad de Hugging Face. Se crea un nuevo repositorio cada siete segundos en la plataforma, que alberga casi tres millones de modelos públicos y un millón de conjuntos de datos públicos. Esto contradice la narrativa de «un modelo para gobernarlos a todos», sugiriendo en su lugar que las empresas utilizan diversos modelos personalizados para casos de uso específicos. Dice que la mitad de las empresas de la lista Fortune 500 utilizan Hugging Face para implementar modelos privados y de código abierto.

La creciente popularidad de los modelos abiertos coincide con lanzamientos frecuentes de modelos capaces por parte de laboratorios de inteligencia artificial chinos.

Cada pocos meses, una empresa china de inteligencia artificial lanza un modelo de peso abierto potente que es más barato de implementar y más fácil de personalizar que sus competidores propietarios, desafiando la economía de las inversiones de miles de millones de dólares de las empresas estadounidenses. Recientemente, Z.ai, con sede en Pekín, lanzó GLM-5.2, un modelo de peso abierto que destaca en programación agéntica y compite con los últimos modelos de Anthropic en la detección de vulnerabilidades de seguridad.

Delangue no es el único ejecutivo que aconseja a las empresas evitar depender de un único proveedor de modelos.

El director ejecutivo de Microsoft, Satya Nadella, advirtió recientemente contra el bloqueo con un único proveedor, enfatizando que el control de los datos debería ser una preocupación principal para los usuarios de inteligencia artificial.

«Mientras que los derechos de uso justo para que los proveedores de modelos entrenen con datos públicos impulsan la innovación, es irónico que luego se impongan términos restrictivos sobre la destilación y se reserve el derecho a aprender de los datos del cliente», afirmó Nadella. «Si el aprendizaje fluye solo en una dirección, el valor económico se concentra entre los propietarios de la infraestructura en lugar de los creadores de conocimiento. Por lo tanto, distribuir la infraestructura de aprendizaje a todas las empresas es imperativo para que puedan controlar su propio ciclo de aprendizaje».

El auge de los modelos abiertos también ha intensificado los debates sobre si los modelos cada vez más capaces deberían estar ampliamente disponibles.

El director ejecutivo de Anthropic, Dario Amodei, argumenta que escalar pesos de modelos abiertos potentes podría ser peligroso, ya que los modelos publicados se vuelven difíciles de controlar. Otros sostienen que los modelos abiertos son más accesibles para actores malintencionados que podrían utilizarlos para desinformación, ciberataques o guerra biológica.

Delangue ve el intercambio de forma diferente.

«El mayor riesgo en la inteligencia artificial es la concentración de poder», dijo Delangue. «Hacer que el mundo sea más seguro, en mi opinión, implica nivelar el campo de juego y aumentar la transparencia de los modelos».

La transparencia permite a los defensores «solucionar riesgos de ciberseguridad que los modelos de código abierto pueden explotar», explicó.

El ejecutivo de Hugging Face argumenta que mantener modelos potentes cerrados no elimina los riesgos de inteligencia artificial avanzada, en parte porque las barreras de seguridad de las API de modelos de frontera son fáciles de eludir y los pesos pueden ser robados y difundidos abiertamente. Restringir modelos potentes, argumenta Delangue, simplemente concentra la tecnología en manos de unas pocas empresas mientras reduce la transparencia sobre las operaciones del sistema.

«Mantener los modelos tras puertas cerradas para unos pocos jugadores no los hace seguros», dijo Delangue. «Los hace más peligrosos al crear asimetrías de poder y capacidades».