Imagen ilustrativa: Unsplash
Vídeo: canal Alejavi Rivera en YouTube. Los derechos del vídeo pertenecen a su autor.
El vídeo de arriba cuenta la historia en caliente. Aquí van las cifras, las fechas y, sobre todo, lo que puedes hacer tú con ello. Entre el otoño de 2025 y las primeras semanas de 2026, los laboratorios chinos no sacaron un modelo mejor: sacaron media docena, con los pesos publicados y a precios que, en algunos casos, rondan una décima parte de lo que cobran sus equivalentes cerrados. Ese es el verdadero terremoto: no la potencia bruta, sino el desplome del coste por token combinado con la posibilidad de descargarte el modelo.
Qué ha pasado exactamente
No fue un anuncio aislado, sino una cadena de lanzamientos encadenados:
- DeepSeek presentó el 29 de septiembre de 2025 V3.2-Exp, que estrenaba su mecanismo de atención dispersa para abaratar el contexto largo, y ese mismo día recortó los precios de su API más de un 50 por ciento. La versión estable, V3.2, llegó el 1 de diciembre de 2025. Todo bajo licencia MIT.
- Moonshot AI publicó en noviembre de 2025 Kimi K2 Thinking: una arquitectura de expertos de un billón de parámetros con 32.000 millones activos, 256.000 tokens de contexto y licencia MIT modificada.
- MiniMax abrió el 27 de octubre de 2025 su modelo M2, pensado para agentes y programación, con un precio de API de 0,30 dólares por millón de tokens de entrada y 1,20 de salida.
- Z.ai (Zhipu) lanzó GLM-4.6 el 30 de septiembre de 2025 (357.000 millones de parámetros, 200.000 tokens de contexto, licencia MIT) y GLM-4.7 el 8 de enero de 2026.
- Alibaba sostiene la familia Qwen3 bajo Apache 2.0 desde abril de 2025, con tamaños que van de 0,6B hasta 235B, soporte de 119 idiomas y variantes multimodales también abiertas.
- Baidu liberó ERNIE 4.5 el 30 de junio de 2025: diez variantes, hasta 424.000 millones de parámetros, con Apache 2.0. Tencent hizo lo propio con su familia Hunyuan, aunque con una licencia peculiar sobre la que conviene detenerse.
Por qué importa: coste y pesos abiertos
Hay dos cambios de fondo. El primero es el precio. Cuando DeepSeek recortó tarifas, dejó la entrada sin caché en 0,28 dólares por millón de tokens y la salida en 0,42. Un flujo de trabajo que antes salía por cientos de euros al mes puede quedarse en decenas.
El segundo cambio es más profundo: los pesos son públicos. Que un modelo esté bajo MIT o Apache 2.0 significa que puedes descargarlo, ejecutarlo en tu propio servidor, ajustarlo a tu dominio y seguir usándolo aunque el proveedor suba precios, cambie condiciones o desaparezca. Con un modelo cerrado alquilas acceso; con pesos abiertos tienes una copia. Para una pyme, eso es la diferencia entre depender de un proveedor y tener un plan B real.
Comparativa rápida, sin humo
- DeepSeek V3.2: el mejor coste por token para tareas generales y contexto largo. Licencia MIT.
- Kimi K2 Thinking: el más orientado a razonamiento largo y encadenado de herramientas. Licencia MIT modificada.
- GLM-4.7: el favorito de mucha gente para programar y para agentes de terminal. Licencia MIT.
- MiniMax M2: rápido y barato para agentes y llamadas a herramientas.
- Qwen3: la familia más versátil por variedad de tamaños, ideal si quieres algo que corra en un portátil. Apache 2.0.
- ERNIE 4.5: Apache 2.0 y multimodal, aunque con menos ecosistema fuera de China.
- Hunyuan: potente en imagen, vídeo y 3D, pero con licencia restringida por territorio.
Qué puedes hacer hoy, gratis o casi
Probarlos sin instalar nada. Los cuatro grandes tienen chat web gratuito. Dedica una tarde a lanzar tus tareas reales (resumir un pliego, redactar respuestas a clientes, revisar una hoja de cálculo) en dos o tres de ellos y compara resultados con lo que ya usas.
Usarlos por API sin casarte con nadie. Plataformas agregadoras como OpenRouter permiten llamar a casi todos estos modelos con una sola clave y cambiar de proveedor con una línea de código. Además, muchos exponen una interfaz compatible con la de OpenAI, así que integrarlos en herramientas existentes suele ser cuestión de cambiar la URL base y el nombre del modelo.
Ejecutarlos en local. Con Ollama o LM Studio puedes correr versiones pequeñas de Qwen3 en un ordenador con 16 GB de RAM. No compiten con los gigantes, pero para clasificar correos, extraer datos de facturas o hacer borradores internos son suficientes, y los datos nunca salen de tu equipo. Los modelos de cientos de miles de millones de parámetros, en cambio, requieren infraestructura de servidor seria: descargarlos no es lo mismo que poder ejecutarlos.
Los riesgos que sí debes considerar
Jurisdicción de los datos. Usar la app o la API oficial suele implicar que tus datos viajan a servidores en China. En enero de 2025 la autoridad italiana de protección de datos bloqueó DeepSeek por falta de información sobre ese tratamiento, y otros reguladores europeos abrieron investigaciones. Si manejas datos personales de clientes en la Unión Europea, esto no es un detalle menor: o alojas los pesos tú mismo, o los contratas a un proveedor europeo o estadounidense que los sirva, o te expones a un problema de cumplimiento del RGPD.
Censura y sesgo político. Varios análisis independientes han documentado que algunos de estos modelos evitan o responden con la narrativa oficial en temas históricos y políticos sensibles, y que buena parte de ese filtrado ocurre en la capa de servicio y no en los pesos, porque el mismo modelo ejecutado en local responde con más libertad. Traducción práctica: si tu caso de uso roza la historia, la política o el periodismo, verifica; si es facturación, código o atención al cliente, el problema es marginal.
Licencias que no son lo que parecen. Pesos abiertos no es lo mismo que código abierto: casi ninguno publica sus datos de entrenamiento, así que no son auditables ni reproducibles. Y hay letra pequeña real: la licencia comunitaria de Hunyuan excluye expresamente la Unión Europea, el Reino Unido y Corea del Sur. Lee la licencia antes de construir un producto encima.
Las críticas, para ser justos
Conviene bajar el globo un poco. Los benchmarks los publican las propias empresas y miden tareas acotadas que no siempre predicen el rendimiento en tu negocio. Los precios de lanzamiento suelen ser promocionales y no garantizan nada a dos años vista. Varios de estos modelos siguen por detrás de los mejores sistemas cerrados en fiabilidad, en multimodalidad y en tratamiento de idiomas distintos del inglés y el chino, incluido el español en tareas exigentes. Y el ecosistema de soporte, documentación y garantías empresariales todavía es más flojo.
La conclusión razonable no es cambiar todo mañana, sino que el suelo del mercado se ha movido: hoy existe una alternativa creíble y barata que obliga a todos a justificar sus precios.
Fuentes: documentación de DeepSeek, Moonshot AI en Hugging Face, MiniMax, Z.ai en Hugging Face, blog oficial de Qwen3 y ERNIE de Baidu.
Sigue leyendo
No te pierdas lo próximo que publiquemos
Cada día, las noticias y guías de inteligencia artificial que importan, directas a tu correo.
Es gratis. Sin spam. Puedes darte de baja cuando quieras.