China ha consolidado su posición en la carrera por la inteligencia artificial al dominar el desarrollo de modelos de lenguaje pequeños, eficientes y capaces de ejecutarse en dispositivos modestos. Empresas como Alibaba con Qwen y OpenBMB con MiniCPM han liderado este segmento, priorizando la reducción de memoria y coste. Sin embargo, la estrategia nacional se está expandiendo hacia la otra frontera: la creación de modelos de escala masiva. En 2026, el salto hacia billones de parámetros se ha acelerado drásticamente. DeepSeek-V3 opera con 671.000 millones de parámetros, mientras que Moonshot AI ha alcanzado el billón con Kimi K2. La nueva generación, como Kimi K3 y Qwen3.8-Max, supera los 2,8 y 2,4 billones de parámetros respectivamente. A pesar de su tamaño, estos sistemas no activan todos los parámetros en cada paso; por ejemplo, Qwen3.8-Max utiliza solo unos 95.000 millones por inferencia, una técnica de Mixture of Experts que optimiza el coste. Estudios previos, como el de DeepMind con Chinchilla, demuestran que la arquitectura y la calidad de los datos son más determinantes que el número bruto de parámetros. Ahora, Alibaba ha confirmado que Qwen 4 está en entrenamiento, con una hoja de ruta que apunta a modelos de 5 a 10 billones de parámetros para Qwen 4.5 y Qwen 5. ByteDance también persigue esta escala, según informes de Financial Times. Esta dualidad permite a China cubrir tanto la necesidad de eficiencia en dispositivos personales como la capacidad para resolver tareas complejas que requieren infraestructura masiva, diferenciándose de la estrategia de OpenAI y Anthropic, cuyos parámetros exactos no se publican.
Noticias agregadas con IA