HeadlinesBriefing favicon HeadlinesBriefing.com

China lidera descargas de pesos de IA

Hacker News •
×

Recientemente fui invitado a presentar a miembros del Congreso de Estados Unidos sobre el estado actual de los modelos de pesos abiertos en la competencia Estados Unidos-China. Los modelos de lenguaje abiertos ofrecen pesos públicamente disponibles para inspección o uso posterior, contrastando con los modelos cerrados accedidos mediante APIs como GPT-4 o Claude Opus 4.5. Los modelos de pesos abiertos, como los de Meta Llama, Alibaba Qwen, Google Gemma y Deep Seek, están gobernados por licencias y a menudo incluyen código de inferencia.

Desde abril de 2025, las empresas de IA china han liderado en modelos de pesos abiertos. Los modelos de código abierto verdadero incluyen pesos, licencias, código de inferencia, código de entrenamiento y datos de entrenamiento, con ejemplos prominentes de organizaciones sin fines de lucro de Estados Unidos como el Allen Institute con Olmo, Open Athena con Marin y Eleuther AI con Pythia. Los modelos abiertos y cerrados existen en un espectro; las publicaciones de Nvidia Nemotron incluyen datos de entrenamiento pero no todos los datos, mientras que los modelos cerrados varían en transparencia de API.

Los modelos china como GLM-5.2 y Kimi K3 han logrado viabilidad comercial y capacidades agenticas comparables a las de Anthropic Claude Code. Estados Unidos lideró inicialmente con Meta Llama, pero los modelos de pesos abiertos china superaron a sus contrapartes estadounidenses en áreas clave hace 18 meses. Las descargas de Hugging Face muestran que China lidera desde julio de 2025, impulsada por Alibaba Qwen, con una ventaja de 1.6B descargas de un total de 3.2B—dos veces la de Estados Unidos.

En el Artificial Analysis Intelligence Index (AAII), los modelos china principales como de Z.ai GLM-5.3 (45), GLM-5.3-Flash (42) y Moonshot AI Kimi K3 (44) están entre los mejores. Los modelos estadounidenses líderes—Thinking Machines Inkling e Inkling Small (26 cada uno) y Nvidia Nemotron 3 Ultra (23)—se quedan atrás, publicados con menor frecuencia y actualizados más tarde que sus contrapartes china.