Dario Amodei, consejero delegado de Anthropic, ha salido a matizar la posición de la compañía sobre los modelos de inteligencia artificial open weight. El mensaje central es que Anthropic no defiende una prohibición general de estos modelos, aunque mantiene una postura cautelosa ante sistemas avanzados que puedan facilitar abusos, especialmente en el contexto de la competencia con China.
La aclaración llega después de críticas de parte de la industria por la ausencia de Anthropic en iniciativas y cartas públicas a favor de los modelos abiertos. Amodei sostiene que los modelos sin capacidades peligrosas pueden ser un bien público, pero pide medidas más específicas para modelos de frontera. El debate ya no enfrenta simplemente apertura contra cierre, sino qué capacidades se liberan, a quién y bajo qué pruebas previas.
Sus tres focos son el control de chips avanzados hacia regímenes autoritarios, la prevención de destilación industrial de modelos frontera y la obligatoriedad de evaluaciones de seguridad para sistemas capaces. La destilación es especialmente sensible: permite entrenar un modelo usando salidas de otro, lo que puede reducir costes y acelerar imitaciones si se hace a escala.
La presión china explica buena parte del tono. Modelos open weight de laboratorios como Moonshot o Z.ai han ganado atención por rendimiento, precio y facilidad de despliegue. Para desarrolladores y empresas, poder descargar pesos y ejecutar modelos en infraestructura propia ofrece independencia y ahorro. Para laboratorios cerrados, también abre riesgos de copia, abuso y pérdida de control comercial.
Anthropic intenta situarse en una posición intermedia, aunque no todos sus críticos la aceptan. Quienes defienden más apertura señalan que los modelos descargables permiten auditorías, investigación defensiva y menor dependencia de unos pocos proveedores. Quienes piden prudencia recuerdan que un modelo potente en manos equivocadas puede acelerar ciberataques, fraude o automatización dañina.
Para empresas europeas, la discusión tiene consecuencias prácticas. Elegir un modelo open weight puede reducir costes y mejorar control de datos, pero obliga a asumir tareas de seguridad, actualización y cumplimiento que antes quedaban en el proveedor. Elegir un modelo cerrado simplifica algunas responsabilidades, aunque aumenta dependencia y puede limitar personalización.
Los reguladores tendrán que hilar fino. Una restricción amplia puede frenar startups y centros de investigación; una permisividad total puede dejar sin herramientas a supervisores cuando los modelos alcanzan capacidades críticas. En Europa, la Ley de IA y sus normas técnicas tendrán que convivir con decisiones de Estados Unidos y China, lo que añade complejidad a compras empresariales.
El coste también influye en la discusión. Los modelos abiertos presionan precios porque permiten competencia en alojamiento, ajuste y servicios alrededor del modelo. Esa presión beneficia a clientes empresariales, pero reduce el margen de los laboratorios que invierten miles de millones en entrenamiento. La seguridad y la economía están mezcladas.
Para startups, la decisión puede ser existencial. Construir sobre un modelo cerrado acelera el lanzamiento, pero deja expuesto el margen si cambian precios o condiciones de uso. Construir sobre un modelo descargable exige más ingeniería, aunque mejora control del producto. Ninguna opción es universal.
La intervención de Amodei no cierra la disputa, pero ayuda a separar posiciones. El futuro de la IA empresarial probablemente mezclará modelos cerrados, abiertos y especializados, con controles distintos según riesgo y uso. La decisión importante para compañías no será escoger una ideología, sino construir una arquitectura que pueda cambiar de proveedor sin perder seguridad ni control.
