IA china: DeepSeek, Qwen, GLM y Kimi comparados (2026)

En unos dieciocho meses, la IA china pasó de un único lanzamiento viral a un sector denso y con credibilidad. Si intentas orientarte entre DeepSeek, Qwen, GLM, Kimi y el resto, el verdadero obstáculo es el ruido: casi toda la cobertura es entusiasta o despectiva, y casi ninguna está al día, porque los laboratorios sacan versiones nuevas cada pocas semanas. Esto es una comparativa directa de los principales modelos de IA chinos tal y como están en agosto de 2026: quién los hace, qué saben hacer de verdad, si es prudente usarlos, y qué cambia su ascenso si te importa aparecer en las respuestas de la IA.

Lo que debes saber

• DeepSeek, Qwen (Alibaba), GLM (Zhipu/Z.ai) y Kimi (Moonshot AI) son los cuatro grandes de la IA china: la mayoría de sus modelos se publican en pesos abiertos y cuestan una fracción de los modelos cerrados estadounidenses como GPT-5 o Claude Opus.
• Casi todos son de «pesos abiertos», no «código abierto»: descargas y usas el modelo, pero el laboratorio no publica ni los datos ni la receta de entrenamiento. Es una distinción que ni la mayoría de fuentes en español ni el resumen con IA de Google hacen con precisión.
• Precios de orientación (API, entrada por millón de tokens): DeepSeek V4 desde unos 0,22 $ en horas valle, GLM-5.2 sobre 1,00 $, Kimi K2.6 unos 0,80 $, Qwen3.8-Max 2 $. Cambian casi cada semana; tómalos como órdenes de magnitud.
• Seguridad: el mayor riesgo para tus datos está en el servicio alojado, no en los pesos que ejecutas tú. Usar la app o la API chinas envía tus prompts a servidores en China; descargar los pesos abiertos y ejecutarlos tú cambia por completo esa ecuación. Ningún gobierno de España o Latinoamérica los ha prohibido a los particulares.
• Para tu marketing, lo importante es la visibilidad: una parte creciente de los agentes que leen tu sitio web funciona con estos modelos, y los grandes asistentes chinos son ya motores de respuesta con cientos de millones de usuarios.

Los principales modelos de IA china de un vistazo

Hace un año, «modelo de IA chino» casi siempre quería decir DeepSeek. En agosto de 2026 quiere decir un sector lleno de laboratorios que publican modelos de primer nivel, la mayoría con pesos abiertos descargables, y casi todos mucho más baratos que los sistemas cerrados estadounidenses. Estados Unidos ha respondido con su propio modelo abierto de frontera, Inkling de Thinking Machines, pero es al pelotón que aparece a continuación al que intenta dar alcance. Esta es la lista actual, con la versión que de verdad está activa hoy por hoy.

Los precios se mueven casi cada semana y dependen del nivel: trátalos como órdenes de magnitud, no como cotizaciones. El patrón que se mantiene: los modelos chinos más potentes cuestan una fracción de GPT-5 o Claude Opus, y la mayoría los puedes descargar y ejecutar tú.

DeepSeek, Qwen, GLM y Kimi: los cuatro grandes

Cuatro laboratorios hacen casi todo el trabajo de fondo en este debate. Son los que aparecen por su nombre en los resúmenes con IA, los que muchas startups occidentales usan como base sin decirlo, y entre los que de verdad eliges cuando te preguntas qué modelo chino usar.

DeepSeek (V4): el que reventó los precios

DeepSeek es el laboratorio que provocó el pánico. Su modelo de razonamiento R1, en enero de 2025, igualó a los sistemas de frontera estadounidenses a una fracción del costo, se convirtió en la app gratuita más descargada de la App Store de EE. UU. en cuestión de días y ayudó a borrar cerca de un billón de dólares de las bolsas tecnológicas en la caída de finales de enero de 2025. El laboratorio está en Hangzhou y lo financia el fondo de cobertura cuantitativo High-Flyer, parte de la razón por la que optimiza el costo de forma tan agresiva. Nuestra guía de precios de DeepSeek tiene las tarifas actuales de Flash y Pro al completo.

El buque insignia actual de DeepSeek es V4, cuya vista previa adelantó TechCrunch a finales de abril de 2026, construido sobre la misma eficiencia de mezcla de expertos por la que se conoce al laboratorio; alcanzó la disponibilidad general el 20 de julio de 2026. Es genuinamente bueno en razonamiento y en código agéntico, y en precio es casi imbatible: el nivel Flash arranca en torno a veintidós centavos de dólar por millón de tokens de entrada en horas valle, donde los modelos occidentales de frontera cobran dólares. El 16 de agosto de 2026, DeepSeek sustituyó su tarifa plana de todo el día por una tarifa de horas pico y horas valle que duplica el precio siete horas al día (las horas pico van de 01:00 a 04:00 y de 06:00 a 10:00 UTC), pero incluso en pico sigue siendo una fracción del precio occidental. Si tu pregunta es «qué modelo chino me da más capacidad por dólar», DeepSeek suele ser la respuesta, y es donde se decide la mayoría de comparativas entre DeepSeek y Qwen, solo por costo.

Alibaba Qwen (Qwen3.8-Max): el modelo base por defecto

Si DeepSeek se llevó los titulares, Qwen se convirtió en silencio en los cimientos. La familia Qwen de Alibaba es la línea de modelos abiertos más descargada del mundo: MIT Technology Review calcula que supuso más del 30 % de todas las descargas de modelos en Hugging Face en 2024, y que en agosto de 2025 las variantes de Qwen eran más del 40 % de los nuevos modelos de lenguaje en Hugging Face, frente a en torno al 15 % de Llama de Meta. Alibaba publica modelos Qwen a un ritmo incesante, varios al mes.

Lo práctico es esto: cuando un desarrollador afina un modelo abierto, muy a menudo hay un Qwen como base. Los modelos Qwen pequeños y medianos se publican en pesos abiertos con licencias permisivas, y eso es lo que los convierte en el punto de partida por defecto. El inconveniente: Alibaba trató durante mucho tiempo sus modelos más grandes como una API cerrada en lugar de una descarga abierta, y solo revirtió eso en parte en agosto de 2026. Las fortalezas de Qwen están en la amplitud: buena cobertura multilingüe, uso agéntico de herramientas y una ventana de contexto de un millón de tokens. El buque insignia actual, Qwen3.8-Max, se lanzó el 3 de agosto de 2026 con 2,4 billones de parámetros y 95.000 millones activos, a 2 $ por millón de tokens de entrada y 6 $ de salida. Alibaba publicó sus pesos el 12 de agosto de 2026, el primer Qwen de nivel Max abierto, aunque como una variante solo de texto bajo una licencia propia «Qwen3.8-Max», no Apache 2.0.

Zhipu GLM (GLM-5.2): el aspirante de frontera

GLM-5.2 es el modelo que cerró la brecha. Viene de Zhipu AI, un laboratorio de Pekín surgido de la Universidad de Tsinghua que opera a nivel internacional como Z.ai, y se lanzó el 13 de junio de 2026 bajo licencia MIT con una ventana de contexto de un millón de tokens. En el ranking independiente BenchLM encabeza el pelotón chino, y Reuters informó de que rivaliza con los modelos cerrados de frontera de OpenAI y Anthropic en código y tareas de agentes, a una fracción del costo. Z.ai salió a bolsa en Hong Kong en enero de 2026, y los inversores vieron en la decisión de regalar los pesos una victoria estratégica más que una pérdida.

Lo que distingue a GLM de DeepSeek es su enfoque. Donde DeepSeek apuesta todo al costo bruto, GLM-5.2 está calibrado para la ingeniería de software de largo recorrido: depuración de bases de código enteras, autocorrección autónoma y ese tipo de ejecuciones de agentes de varios pasos que descarrilan en los modelos más flojos. Si tu trabajo es programación seria u orquestación de agentes y quieres pesos abiertos, esta es la elección actual.

Moonshot Kimi (K2.6): el especialista en agentes

Kimi, de Moonshot AI, está pensado para agentes que funcionan durante horas. La línea K2 se publica en pesos abiertos bajo una licencia MIT modificada, y la generación actual K2.6 está diseñada en torno al contexto largo y a lo que Moonshot llama orquestación de enjambres de agentes: coordinar muchos subagentes en tareas de fondo largas en lugar de responder a un prompt cada vez. Una versión anterior de Kimi se lanzó a alrededor de una séptima parte del precio de Claude Opus y se convirtió deprisa en un modelo muy usado en las plataformas de agentes. A mediados de junio de 2026 Moonshot siguió a K2.6 con Kimi K2.7-Code, una variante especializada en código, y en julio de 2026 lanzó Kimi K3, un modelo mucho mayor de 2,8 billones de parámetros que tratamos en una guía aparte. K3 elevó el listón en escala, pero a un precio entre tres y cuatro veces mayor (3/15 $ por millón de tokens de entrada/salida) y con unos pesos abiertos que llegaron poco después del lanzamiento (publicados el 27 de julio de 2026, bajo una licencia propia «Kimi K3»); de ahí que K2.6 siga siendo la opción práctica para el trabajo diario con agentes; nuestra comparativa Kimi K3 frente a Claude los pone cara a cara tarea por tarea. Del lado del consumidor, Moonshot vende cinco planes de suscripción medidos en créditos en lugar de mensajes, que desglosamos en nuestra guía de precios de Kimi.

En un cara a cara, comparar Kimi con DeepSeek, o Qwen con Kimi, casi siempre se reduce a la forma del trabajo. DeepSeek es el generalista más barato, Qwen es la base más adaptable, GLM es la frontera del código y Kimi es al que recurres cuando un agente tiene que mantener el equilibrio a lo largo de una ejecución muy larga de varios pasos.

El siguiente nivel: MiniMax, Baidu Ernie y ByteDance Doubao

Otros tres laboratorios completan el pelotón y aparecen sin parar en cualquier comparativa seria.

MiniMax lanzó M3 el 1 de junio de 2026, en pesos abiertos. Su gancho es arquitectónico: un diseño de atención dispersa que gestiona una ventana de contexto de un millón de tokens a un costo de cómputo muy inferior al de un transformador estándar, lo que le permite seguir siendo barato aun con contextos muy largos. Salió a bolsa en Hong Kong la misma semana que Z.ai.

Baidu Ernie es el veterano. Su buque insignia actual, Ernie 5.1, se lanzó en la primavera de 2026 y llegó a lo más alto del pelotón chino en el ranking de preferencias LMArena, entrenándose con una fracción del cómputo habitual. La parte genuinamente abierta es la antigua familia Ernie 4.5, que Baidu publicó bajo licencia Apache 2.0 como una gama de modelos de mezcla de expertos que puedes descargar y ejecutar. La ventaja de Ernie es su estrecho anclaje en la búsqueda web, coherente con las raíces de buscador de Baidu.

ByteDance Doubao es la excepción: es cerrado. La gama Doubao Seed 2.1 Pro solo se ofrece a través de Volcano Engine, la nube de ByteDance, y está pensada para la escala bruta: la familia procesa bastante más de cien billones de tokens al día en las apps de ByteDance. Es barato y confiable para producción de gran volumen, pero no lo puedes descargar, y el nombre ByteDance arrastra el mismo lastre político que TikTok en EE. UU.

Una precisión de alcance antes de seguir: esta guía va de modelos de texto y chat, esos con los que razonas, escribes y programas. El otro terreno donde los laboratorios chinos ganan es la generación de medios, donde posiblemente lideran el mundo. Kling de Kuaishou, Hailuo de MiniMax, Seedance de ByteDance y Wan de Alibaba encabezan la mayoría de los rankings de generación de video, y la familia Hunyuan de Tencent completa los grandes laboratorios no cubiertos arriba. Si lo tuyo es el video o la imagen con IA en lugar del chat, esa es una lista distinta de esta.

Pesos abiertos frente a open source: qué significa «abierto» de verdad

Casi todos los artículos sobre este tema llaman a estos modelos «código abierto» (open source), y casi todos son imprecisos con el término. La distinción importa lo suficiente como para acertar, porque cambia lo que de verdad tienes permitido hacer.

La mayoría de los modelos chinos son de pesos abiertos, no de código abierto. El laboratorio publica el archivo del modelo entrenado para que puedas descargarlo, ejecutarlo y afinarlo, pero no publica ni los datos ni la receta completa de entrenamiento. Así que puedes usar el modelo con libertad, pero no reproducir ni auditar del todo cómo se construyó. Un modelo de código abierto de verdad publicaría las tres cosas; un modelo de pesos abiertos publica solo los pesos. Es la diferencia entre que te entreguen un motor que funciona y que te entreguen el motor más los planos de la fábrica. Para el desglose de licencias modelo a modelo, consulta nuestra guía sobre pesos abiertos frente a open source.

«Abierto» tampoco significa automáticamente «libre para cualquier uso». Eso lo decide la licencia asociada a los pesos, y las licencias varían.

La sorpresa para mucha gente es que las permisivas lo son de verdad. MIT y Apache 2.0 están entre las licencias más abiertas que existen, sin límite de usuarios. Eso hace que DeepSeek, GLM y los Qwen y Ernie abiertos sean legalmente más fáciles de convertir en producto comercial que Llama de Meta, cuya licencia añade una restricción por número de usuarios. Lo que conviene vigilar no es la apertura de los modelos pequeños, sino la tendencia en la cima: el Ernie 5.1 de Baidu y todo Doubao siguen cerrados, Kimi K3 pasó a una licencia propia con condiciones para grandes negocios, y Alibaba solo abrió una versión de texto de Qwen3.8-Max, dejando el buque insignia multimodal en API cerrada.

¿Son seguros los modelos de IA chinos? Privacidad, censura y bloqueos

Esta es la pregunta que de verdad frena a la gente, y merece una respuesta directa. Hay tres preocupaciones reales, y en cada una la respuesta depende mucho de cómo uses el modelo.

La primera es la privacidad de los datos. Cuando usas una app china de IA alojada o su API nativa en la nube, tus prompts se procesan en servidores en China, y la Ley de Inteligencia Nacional de China de 2017 puede obligar a las empresas a entregar datos al Estado. Es un problema genuino para el trabajo regulado, y es la razón por la que muchas empresas ya restringen las apps de consumo de DeepSeek y Qwen. La distinción clave es el alojamiento: ese riesgo va unido al servicio alojado, no a los pesos abiertos. Descarga los pesos y ejecútalos en tu propio hardware o en una nube occidental, y tus datos nunca salen de tu entorno. Mismo modelo, camino de datos distinto.

Para un lector en España o Latinoamérica, la pregunta de fondo es de RGPD: enviar datos personales a servidores en China es una transferencia internacional sin decisión de adecuación de la UE. En España, la organización de consumidores OCU trasladó en febrero de 2025 una reclamación a la Agencia Española de Protección de Datos (AEPD) sobre DeepSeek; a fecha de esta redacción, la AEPD no ha publicado ninguna resolución al respecto. En Europa, Italia sí bloqueó la app de DeepSeek a finales de enero de 2025 y el regulador de Berlín cursó en junio de 2025 una notificación a Apple y Google bajo el artículo 16 de la DSA. A día de hoy, en cambio, ningún gobierno de España ni de ningún país de Latinoamérica ha prohibido estas aplicaciones a los particulares. El criterio prudente para el trabajo con datos de clientes es el mismo que con cualquier IA de consumo gratuita: no metas ahí datos personales o confidenciales, o ejecuta los pesos abiertos en tu propia infraestructura. Resulta revelador que la propia AEPD, en su política interna para el uso de IA generativa (versión de diciembre de 2025), incluya a Qwen, DeepSeek y Kimi entre los modelos «de pesos abiertos» aceptables para autoalojar, justo la vía que esquiva el problema de la app alojada.

La segunda es la censura. Los asistentes chinos alojados se niegan o esquivan en temas políticamente sensibles como Tiananmén, Taiwán o los uigures, y un informe de septiembre de 2025 del organismo de seguridad de la IA del Gobierno de EE. UU., recogido por NBC News, halló que los modelos de DeepSeek mostraban salvaguardas debilitadas y un sesgo medible hacia el encuadre pro-chino en comparación con los modelos estadounidenses. Para la mayoría del trabajo de marketing o de código esto no aparece nunca, pero si generas contenido donde la neutralidad política importa, compruébalo. Autoalojar una versión de pesos abiertos reduce el sesgo, pero no lo elimina del todo, porque parte se cuela durante el entrenamiento.

La tercera son los bloqueos. Agencias federales y varios estados de EE. UU. restringen DeepSeek en los dispositivos oficiales, y unos pocos países aliados han actuado contra las apps alojadas. Esos bloqueos casi siempre apuntan al servicio alojado en dispositivos oficiales, no a los pesos abiertos que corren en un despliegue privado. Así que «¿está prohibido DeepSeek?» depende por completo de quién seas y de dónde estés.

La restricción tampoco va en un solo sentido. En junio de 2026, EE. UU. obligó brevemente a Anthropic a retirar de la circulación sus mejores modelos Claude (Fable 5 y Mythos 5) para cumplir una orden que limitaba el acceso extranjero, una restricción levantada el 1 de julio de 2026, pero que, mientras duró, empujó a desarrolladores de otros países hacia justamente estos modelos chinos de pesos abiertos. CrowdStrike ha informado de que DeepSeek-R1 emite hasta un 50 % más de código inseguro cuando los prompts incluyen disparadores políticamente sensibles, algo que la mayoría de analistas interpreta como un efecto colateral del entrenamiento y no como un sabotaje deliberado. Revisa el resultado y mantén estos modelos lejos de sistemas gubernamentales o críticos para la seguridad, igual que harías con cualquier modelo que no puedas auditar del todo.

Frente a ChatGPT, Claude y Gemini

Los modelos chinos han cerrado casi toda la brecha en casi todas las tareas, aunque en la mismísima cima siga habiendo una diferencia real. En los benchmarks públicos de código, matemáticas y razonamiento, los mejores modelos chinos ya se miden de tú a tú con GPT-5, Claude y Gemini. En costo la brecha es amplia: las opciones chinas cuestan de forma habitual una fracción del precio, los veintidós centavos de DeepSeek frente a los dólares de los buques insignia occidentales, que es la razón principal por la que los desarrolladores occidentales recurren a ellos.

Importan dos cautelas. Primera: buena parte de las afirmaciones de que un modelo «supera a GPT-5» procede de los propios laboratorios, y los observadores independientes siguen concediendo a los laboratorios estadounidenses la delantera en la frontera, describiendo a los chinos como seguidores rápidos, bien financiados y veloces, aunque hayan igualado en ejes concretos como los benchmarks de código y de agentes. Segunda: es fácil sobreinterpretar los benchmarks. Muchos rankings tienen poca cobertura en inglés, hay dudas abiertas sobre contaminación de las pruebas, y una sola puntuación llamativa es una evidencia más débil que un patrón constante entre evaluaciones independientes. También conviene recordar que estos laboratorios siguen entrenando en gran medida sobre hardware de Nvidia e infraestructura de nube estadounidense; hablar de «IA china independiente» es, por tanto, una simplificación.

Para el trabajo práctico, el reparto es claro. Si quieres capacidad máxima y tienes presupuesto, los mejores modelos cerrados estadounidenses aún llevan ventaja en las tareas más difíciles y en las herramientas más pulidas. Si quieres casi toda esa capacidad a una décima parte del costo, o necesitas ejecutar un modelo en tu propio entorno, los modelos chinos abiertos son ya una respuesta seria y no una curiosidad. Si estás sopesando uno frente a un sistema occidental concreto, nuestra comparativa Gemini frente a ChatGPT plantea el mismo marco para el lado cerrado.

Qué cambia el ascenso de la IA china para tu visibilidad

Esta es la parte que los repasos de benchmarks se saltan, y la que importa si tu trabajo es marketing y no aprendizaje automático. Los modelos chinos abiertos ya no son un nicho. Crecieron desde prácticamente cero hasta alrededor del 30 % del uso en OpenRouter, un gran enrutador de modelos, en poco más de un año, y en torno al 80 % de las startups que construyen sobre pilas open source funcionan ya sobre ellos. El encuadre de MIT Technology Review es el acertado: estos modelos se han convertido en infraestructura para los que construyen IA en todo el mundo. Microsoft, por ejemplo, añadió el R1 de DeepSeek a su catálogo de Azure AI Foundry a los pocos días del lanzamiento del modelo.

Eso cambia el panorama de la visibilidad de dos formas. La primera es que una parte creciente de los agentes y aplicaciones que leen tu sitio web funciona con estos modelos, y por eso cómo funciona la búsqueda con IA pasa cada vez más por pesos chinos, incluso en productos occidentales. La segunda es que los grandes asistentes chinos (DeepSeek, Kimi, Doubao, Ernie y el Tongyi de Qwen) son ellos mismos motores de respuesta con cientos de millones de usuarios, y casi nadie en el marketing occidental se pregunta si su marca aparece ahí.

Hay una señal de hasta qué punto el terreno sigue despejado. Cuando le preguntas hoy en español a un asistente de IA por «los modelos de IA chinos», tiende a titubear con las versiones actuales y a apoyarse en agregadores SEO en lugar de en la documentación de los propios laboratorios, y ninguno menciona por su nombre la distinción entre código abierto y pesos abiertos, ni el ángulo del RGPD. Dicho de otro modo: el hueco de citas en español sobre este tema está sin cubrir, que es exactamente el tipo de brecha que vale la pena ocupar en lugar de suponer que ya está resuelta.

Según nuestra experiencia en geotoolbox, las marcas que siguen visibles a medida que el campo de modelos se fragmenta son las que tratan la accesibilidad para la IA y la citabilidad como un canal prioritario y no como un añadido. Nuestro comprobador de rastreadores de IA cubre 34 user-agents de rastreo, incluido el de ByteDance, para que al menos veas a qué sistemas de IA deja pasar hoy tu robots.txt.

¿Qué modelo de IA chino deberías usar?

No hay un único ganador, porque la elección correcta depende del trabajo. Aquí va la versión corta. Para el campo global, incluidos Llama, Gemma y gpt-oss, nuestro ranking de mejores LLM de código abierto cubre los diez primeros.

Una nota práctica sobre el acceso: rara vez necesitas una cuenta china para usarlos. Los modelos abiertos están en Hugging Face, y pasarelas amistosas para Occidente como OpenRouter te dejan llamar a la mayoría a través de una sola API sin tocar una nube nativa. Eso evita la cuenta y la nube chinas manteniendo la ventaja de precio, aunque una pasarela sigue enrutando tu prompt a través de un tercero: revisa sus condiciones de retención si la residencia de los datos te importa.

Por eso «cuál es el mejor modelo de IA chino» es la pregunta equivocada. El campo es ya lo bastante bueno como para que la mejor pregunta sea cuál encaja con tu trabajo, tu presupuesto y tu tolerancia al riesgo concretos, y la tabla de arriba es por donde empezar.

Los modelos seguirán cambiando. Tu estrategia de visibilidad no tiene por qué

Los números de versión concretos de esta guía estarán desfasados en cuestión de meses, porque ese es el ritmo al que publican estos laboratorios. Lo que no cambiará tan rápido es el desplazamiento de fondo: la IA capaz se está volviendo más barata, más abierta y más fragmentada entre proveedores, y una parte creciente de ella funciona ya sobre pesos chinos.

Para cualquiera cuyo sustento dependa de que lo encuentren, esa fragmentación es la verdadera historia. Cuando una docena de motores, occidentales y chinos, pueden responder a la pregunta de un comprador, las marcas que ganan son las citadas en todos ellos, no las optimizadas para una sola caja de búsqueda. Ese es el problema para el que está hecho geotoolbox: nuestro Citation Interceptor detecta dónde apareces, y dónde no, en ChatGPT, Perplexity, Gemini, Claude, los resúmenes con IA de Google, Bing Copilot y Grok, para que arregles los huecos en vez de suponerlos. Empieza por los motores que ya te traen compradores, y no pierdas de vista los chinos que vienen deprisa por detrás.

Preguntas frecuentes

¿Cuál es el mejor modelo de IA chino ahora mismo?

No hay uno solo que sea el mejor. En los rankings independientes de código y agentes, GLM-5.2 encabeza el pelotón chino, DeepSeek V4 gana en precio, Qwen es la base abierta más adoptada y Kimi K2.6 es el más sólido para ejecuciones largas de agentes. La elección correcta depende de si te importa más el costo, la programación, el ajuste del modelo o el trabajo con agentes.

¿Está prohibido DeepSeek?

No para el público general. En EE. UU., agencias federales y varios estados prohíben la app de DeepSeek en dispositivos oficiales por motivos de seguridad de los datos, y unos pocos países han restringido la app alojada. Esos bloqueos apuntan al servicio alojado en China, no al modelo de pesos abiertos, que cualquiera puede descargar y ejecutar de forma privada. En España y Latinoamérica, ningún gobierno lo ha prohibido a los particulares.

¿Son seguros los modelos de IA chinos, y mis datos van a China?

Si usas las apps alojadas o las API nativas en la nube, tus prompts se procesan en China y pueden quedar sujetos a las leyes de datos chinas, lo que es una preocupación real para el trabajo sensible. Si autoalojas los pesos abiertos en tu propio hardware o en una nube occidental, tus datos nunca llegan a China. Una pasarela como OpenRouter evita la cuenta y la nube chinas, aunque tu prompt sigue pasando por un tercero: revisa sus condiciones de enrutamiento y retención.

¿Qué diferencia hay entre pesos abiertos y código abierto?

Pesos abiertos significa que el laboratorio publica el modelo entrenado para que puedas descargarlo, ejecutarlo y afinarlo. Código abierto incluiría además los datos y el código de entrenamiento necesarios para reconstruirlo desde cero. La mayoría de los modelos chinos líderes, como DeepSeek y GLM, son de pesos abiertos pero no de código abierto del todo: puedes usarlos con libertad, pero sin poder auditar por completo cómo se hicieron.

¿Puedo ejecutar modelos de IA chinos en local o sin conexión?

Sí, los de pesos abiertos. Las variantes pequeñas de DeepSeek, Qwen y GLM, de entre 7.000 y 14.000 millones de parámetros y cuantizadas, funcionan en una sola GPU de consumo de 8 a 16 GB con herramientas como Ollama. Los buques insignia de un billón de parámetros necesitan hardware de varias GPU o de centro de datos, aunque incluso ese techo empieza a moverse: una prueba de concepto de julio de 2026 llamada Colibri ejecutó de forma nativa GLM-5.2, un modelo de 1,5 TB, en una máquina de consumo con 25 GB de RAM transmitiendo sus expertos desde el disco, pero, a un ritmo de entre 0,05 y 0,1 tokens por segundo (un token cada diez o veinte segundos), es más un anticipo de hacia dónde va la inferencia local que una herramienta para el día a día. Ejecutar en local es la vía más limpia para eliminar el riesgo de residencia de datos alojados, aunque el sesgo o el rechazo aprendidos durante el entrenamiento aún pueden aflorar.

¿A qué modelos de IA chinos citan ChatGPT, Gemini y Perplexity?

Es una pregunta distinta de qué modelos son buenos. Los motores de respuesta occidentales citan fuentes según su propia recuperación, no según qué modelo construyó un laboratorio; que te mencione ChatGPT o Gemini depende de que tu contenido se gane la cita. El matiz nuevo es que los asistentes chinos como DeepSeek y Kimi son ellos mismos motores de respuesta, y cómo citan las fuentes occidentales sigue siendo una cuestión abierta y en gran parte sin medir.

Fuentes

• DeepSeek adelanta un nuevo modelo de IA que cierra la brecha con los modelos de frontera - TechCrunch - techcrunch.com/2026/04/24/deepseek-previews-new-ai-model-that-closes-the-gap-with-frontier-models
• Qué le espera a la IA de código abierto china - MIT Technology Review - technologyreview.com/2026/02/12/1132811/whats-next-for-chinese-open-source-ai
• Más de Silicon Valley está construyendo sobre IA china gratuita - NBC News - nbcnews.com/tech/innovation/silicon-valley-building-free-chinese-ai-rcna242430
• Tras el cierre de Anthropic, la Z.ai china cierra la brecha de frontera - Reuters - reuters.com/world/asia-pacific/after-anthropic-shutdown-chinas-zai-closes-frontier-gap-it-plans-dual-listing-2026-06-25
• Vulnerabilidades ocultas en software escrito por IA - CrowdStrike - crowdstrike.com/en-us/blog/crowdstrike-researchers-identify-hidden-vulnerabilities-ai-coded-software
• El R1 de DeepSeek ya está disponible en Azure AI Foundry - Microsoft Azure - azure.microsoft.com/en-us/blog/deepseek-r1-is-now-available-on-azure-ai-foundry-and-github
• La OCU pide a la AEPD que investigue DeepSeek - Infobae, febrero de 2025 - infobae.com/espana/agencias/2025/02/03/ocu-denuncia-los-posibles-riesgos-de-deepseek-y-pide-a-proteccion-de-datos-que-investigue
• Provvedimento d'urgenza sobre DeepSeek - Garante per la protezione dei dati personali, enero de 2025 - garanteprivacy.it/home/docweb/-/docweb-display/docweb/10097450
• Política general para el uso de IA generativa (Anexo de implementación) - AEPD, diciembre de 2025 - aepd.es/documento/anexo-implementacion-politica-iag-aepd.pdf
• Documentación de la API de DeepSeek - DeepSeek - api-docs.deepseek.com
• Modelos abiertos en Hugging Face - Hugging Face - huggingface.co/models
• Colibri ejecuta el modelo de 1,5 TB de GLM-5.2 en 25 GB de RAM - Tom's Hardware, julio de 2026 - tomshardware.com/tech-industry/artificial-intelligence/colibri-proof-of-concept-gains-frontier-level-1-5-tb-ai-model-novel-approach-runs-on-only-25gb-of-ram-and-shows-promise-for-local-ai-setups