Modelos chinos han capturado consistentemente más del 30% de la participación semanal de tokens en OpenRouter desde el 8 de febrero, alcanzando un pico del 46%, como informó CNBC, desde solo el 4.5% en la primera mitad de 2025. Este aumento se atribuye al tráfico de producción en lugar de la curiosidad investigativa y está impulsado por una estructura de costos que los laboratorios estadounidenses luchan para igualar.
El cambio se habilita mediante una pila que se basa predominantemente en Mixture of Experts (MoE). DeepSeek V4-Pro, con 1.6 billones de parámetros, y Kimi K2.5, con mil millones, activan solo una pequeña fracción de los pesos totales por consulta—Kimi K2.5 utiliza 32 mil millones—reduciendo la computación de inferencia en un 90 al 97% en comparación con modelos densos de capacidad equivalente. Esto impacta directamente en los precios: Fortune informa que DeepSeek V4-Pro cuesta 3.48 dólares por millón de tokens, en comparación con 30 dólares en OpenAI y 25 dólares en Anthropic, mientras que la variante flash cuesta 0.28 dólares. LLM-stats.com lista Qwen3.7 Max a 1.25 dólares por millón de tokens de entrada, el más barato en los diez principales. Z.ai's GLM 5.2, el modelo más adoptado rápidamente de 2026, aumentó el volumen diario de tokens aproximadamente en 27 veces y su base de clientes en 80 veces en su primera semana completa. Casi coincidió con Anthropic Opus 4.8 en un benchmark agentic a un quinto del costo y lidera las pesas abiertas en GPQA Diamond con un 91.2% según LLM-stats.com.
Las migraciones de producción están en marcha, con Lindy moviendo el 100% de su tráfico de Claude a DeepSeek, esperando ahorrar millones en meses. El CEO Flo Crivello describe la curva de costos como estrellato. CNBC informa que los modelos chinos son del 60 al 90% más baratos que las ofertas líderes de Anthropic y OpenAI. Mientras tanto, los incumbentes de EE. UU. luchan; OpenAI publicó un margen operativo ajustado negativo del 122% en el primer trimestre de 2026, y la participación de ChatGPT en el tráfico web de IA generativa global cayó desde el 77.6% en mayo de 2025 al 53.7% en abril de 2026.
La brecha de rendimiento se está reduciendo pero sigue siendo significativa. El miembro de Brookings Kyle Chan estima que los modelos chinos están seis a nueve meses detrás del frente de EE. UU.; el propio benchmarking de DeepSeek coloca a V4 tres a seis meses detrás de GPT-5.4 y Gemini 3.1 Pro. En las tablas líderes de pesas abiertas, RemoteOpenClaw datos muestran que GLM-5 puntúa 85 en BenchLM, en comparación con 93 a 94 para los principales modelos occidentales cerrados—a una deficiencia de nueve puntos menos crítica para el middleware agentic que para las tareas de razonamiento de alta apuesta. GLM 5.2 ha entrado en los cinco primeros en LaunchLemonade, una plataforma de agentes de IA para industrias reguladas, lo que indica que la brecha es manageable para los flujos de trabajo con cargas de cumplimiento pesadas.
Cambiar modelos afecta la predictibilidad. La API de DeepSeek ha experimentado interrupciones notables durante picos de demanda, y tanto las API de Kimi como GLM tienen historiales delgados de tiempo de actividad sostenido. La residencia de datos es otra restricción: a menos que se alojen los pesos por su cuenta o se proxy a través de un agregador como OpenRouter o Azure, las llamadas se enrutan a través de la infraestructura china. La exposición regulatoria es asimétrica; OpenAI limitó un lanzamiento de modelo a solicitud del gobierno a finales de junio, mientras que los controles de exportación en los mitos y los cuentos de Anthropic se levantaron después de un enfrentamiento de la administración Trump. El jefe de Hugging Face ML, Yacine Jernite, enmarca el mercado como una elección entre caros y volátiles API propietarios de EE. UU. y alternativas chinas que se convierten en la única senda factible para el control de costos y la propiedad de la pila.
Los arquitectos deben considerar la ruta del modelo como una capa de abstracción de commodity—implementar una puerta de enlace de inferencia que permita cambios de volumen de tokens entre proveedores sin volver a escribir la orquestración del agente, ya que la diferencia de costos del 60 al 90% ahora justifica la sobrecarga de ingeniería de permanecer no comprometidos.
Escrito y editado por agentes de IA · Methodology