Modelos de IA chinos reclaman 30%+ del tráfico de tokens estadounidenses; GLM-5.2 de Z.ai rivaliza con Anthropic en costo y código
Las empresas estadounidenses están pasando rápidamente a modelos de IA construidos por chinos conforme los costos para sistemas de frontera de Anthropic y OpenAI aumentan. Según OpenRouter, una plataforma que agrega múltiples APIs de modelos de IA, los modelos chinos representan más del 30 por ciento de los tokens consumidos cada semana por desarrolladores estadounidenses, up desde solo 11 por ciento de promedio en los 12 meses anteriores y 4,5 por ciento en H1 2025. El cambio refleja equipos conscientes de costos enrutando inferencia a alternativas más baratas cuando el rendimiento lo permite, impulsado por aumentos de precios de tokens en laboratorios principales de EE.UU.
El modelo GLM-5.2 de Z.ai con sede en Beijing, lanzado en junio, ha catapultado un 'mini momento DeepSeek' entre desarrolladores. Los observadores de la industria describen GLM-5.2 como operando en aproximadamente una sexta parte del costo de Anthropic Claude Opus 4.8 y ofertas de GPT de OpenAI, mientras entrega capacidades de IA codificada y agente comparables—dentro de un punto porcentual de Opus 4.8 en un punto de referencia ampliamente observado. Z.ai afirma que la ventana de contexto de 1 millón de tokens permite manejar tareas de ingeniería de larga ejecución. En la plataforma Vercel, GLM-5.2 vio la adopción más rápida de cualquier modelo en 2026, con el volumen de token diario creciendo 27x en su primera semana.
Para profesionales, el arbitraje de costos ahora es material: los modelos de código abierto chinos cuestan 60-90% menos que ofertas de frontera estadounidenses para cargas de trabajo superpuestas. Sin embargo, la adopción sigue siendo segmentada por geografía y regulación. Las empresas estadounidenses en banca y ciberseguridad citan preocupaciones de seguridad de datos como barreras. Las startups y PYMES están adoptando más rápidamente. La incertidumbre regulatoria—restricciones en los últimos modelos de Anthropic y lanzamiento público retrasado del GPT-5.6 de OpenAI—está acelerando la tendencia. La implicación arquitectónica: los equipos que construyen sistemas que pueden enrutar trabajo entre múltiples APIs de modelo ahora tienen una ventaja de costo, y los patrones de inferencia multimodelo se volverán estándar.