La conversación sobre inteligencia artificial suele girar alrededor de los modelos frontera de OpenAI, Anthropic o Google. Sin embargo, el uso real empieza a mostrar una dinámica más compleja. TechCrunch recoge datos de Hugging Face, OpenRouter y Vercel que apuntan a un crecimiento fuerte de modelos abiertos, especialmente de laboratorios chinos, en cargas de trabajo de producción y experimentación empresarial.
Según esa información, los modelos abiertos chinos llegaron a representar el 41% de las descargas en Hugging Face durante la primavera. En OpenRouter, varios de los modelos más populares proceden de firmas como Tencent, Xiaomi, DeepSeek, MiniMax o Z.ai. Vercel, por su parte, observa que los modelos abiertos absorben una parte relevante del volumen de peticiones de aplicaciones de IA, mientras los modelos cerrados quedan para tareas premium. El mercado podría dividirse entre modelos caros para problemas difíciles y modelos abiertos para la mayor parte del trabajo operativo.
La tesis es atractiva para empresas. Muchas compañías quieren evitar dependencia total de una API externa, con términos que pueden cambiar, costes variables y poca visibilidad sobre cómo se usa su información. Tener modelos propios, ajustados o desplegados en entornos controlados no elimina la complejidad, pero da más margen sobre datos, costes y diferenciación.
Hugging Face defiende precisamente ese enfoque: una infraestructura distribuida donde cada empresa pueda controlar su ciclo de aprendizaje. La plataforma aloja millones de modelos y datasets públicos, y su comunidad crea repositorios a gran velocidad. Esa abundancia desmonta la idea de un único modelo dominante para todo. En la práctica, una organización puede combinar modelos pequeños, especializados y privados.
La ventaja económica también pesa. Los modelos frontera requieren inversiones enormes en entrenamiento y cómputo. Si los modelos abiertos cubren suficiente calidad para soporte, clasificación, extracción de datos o automatización interna, muchas empresas reservarán los sistemas más caros para tareas donde la diferencia sea clara. La adopción empresarial de IA será menos una elección de marca y más una arquitectura de costes, control y rendimiento.
El avance de modelos chinos añade una capa geopolítica. Estados Unidos intenta conservar liderazgo en chips y laboratorios frontera, pero los modelos abiertos permiten difusión rápida de capacidades. Eso preocupa a quienes ven riesgos de uso malicioso, ciberseguridad o pérdida de control. También entusiasma a quienes temen concentración de poder en pocas empresas privadas.
Europa puede encontrar una oportunidad en este desplazamiento. Si las empresas quieren modelos adaptados, auditables y desplegados bajo reglas locales, hay espacio para integradores, plataformas de datos, consultoras técnicas y startups especializadas. España, con tejido de pymes y sectores regulados, necesita soluciones que no dependan siempre de enviar datos a proveedores externos.
La carrera de la IA no se decidirá solo en la frontera de capacidad, sino en quién controla el aprendizaje dentro de cada organización. Esa frase resume el cambio: menos espectáculo de benchmarks y más arquitectura empresarial. Los directivos que compren IA tendrán que preguntar dónde se ejecuta, qué datos aprende, cuánto cuesta escalar y cómo se cambia de proveedor.
Los modelos frontera seguirán marcando ambición tecnológica. Pero la economía cotidiana de la IA puede terminar en una capa mucho más distribuida, abierta y pragmática.
