Los modelos de inteligencia artificial chinos cuestan, de media, un 87% menos que sus equivalentes estadounidenses para tareas comparables, según una encuesta de Bloomberg publicada el 20 de agosto de 2026. La brecha de rendimiento entre ambos países se ha reducido a solo un 2,7%, de acuerdo con el Índice de IA 2026 de la Universidad de Stanford.
El 87% de diferencia de coste que redefine la competencia entre DeepSeek y OpenAI
Durante años, la carrera por la inteligencia artificial parecía decidida: Estados Unidos lideraba en modelos de frontera, acceso a chips avanzados e inversión privada. Ese relato ha cambiado de forma medible.
El informe de Stanford señala que los modelos estadounidenses y chinos han alternado posiciones en lo alto de los rankings de rendimiento desde principios de 2025. A marzo de 2026, el modelo líder de EE. UU. aventajaba al chino líder en apenas un 2,7%. Stanford advierte, además, que los benchmarks son cada vez menos fiables por la posible manipulación de pruebas.
La encuesta de Bloomberg del 20 de agosto de 2026 cuantifica el otro frente: los modelos chinos más recientes replican las capacidades de los estadounidenses a un coste medio un 87% inferior. Esa cifra convierte el debate sobre quién tiene el modelo más inteligente en una pregunta secundaria frente a quién tiene el más barato y accesible.
La arquitectura sparse de DeepSeek: cómo hacer más con menos chips
El punto de inflexión llegó a principios de 2025 con DeepSeek-R1. Su rendimiento demostró que la eficiencia algorítmica y el diseño de la arquitectura pueden compensar, al menos parcialmente, las restricciones en el acceso a los chips más avanzados de diseño estadounidense.
DeepSeek utiliza una arquitectura de mezcla de expertos dispersa (sparse mixture-of-experts). En lugar de activar todos los parámetros del modelo para cada tarea, el sistema selecciona solo la fracción de la red necesaria para cada consulta. El resultado es un coste computacional sustancialmente menor por nivel de rendimiento equivalente.
Este enfoque no es exclusivo de DeepSeek. Modelos de Alibaba, Z.ai y Moonshot han consolidado la misma lógica: extraer el máximo rendimiento de los recursos disponibles, no escalar indefinidamente el hardware.
Kimi K3 de Moonshot frente a Claude y ChatGPT: el caso que mide la paridad
El ejemplo más concreto de esa paridad lo aporta Kimi K3, desarrollado por Moonshot, una startup con sede en Pekín. Según el Centro de Estudios Estratégicos e Internacionales (CSIS) en un estudio de julio de 2026, Kimi K3 compite directamente con las versiones más avanzadas de Claude, de Anthropic, y de ChatGPT, de OpenAI, en tareas del mundo real.
El CSIS concluye que los modelos chinos resultan especialmente atractivos cuando se evalúan no solo por rendimiento bruto, sino por coste y apertura. Un modelo un 2% menos preciso pero que cuesta una fracción del precio y puede desplegarse localmente es, en muchos contextos empresariales, la opción racional.
CNBC señaló en agosto de 2026 que la ventaja de EE. UU. sobre China en modelos de IA ha desaparecido en la práctica.
285.900 millones frente a 12.400 millones: la asimetría de inversión privada
La ventaja estadounidense más clara sigue siendo el capital. Stanford estima que la inversión privada en IA en EE. UU. alcanzó 285.900 millones de dólares en 2025, frente a 12.400 millones en China. La diferencia es de más de veinte veces.
EE. UU. también lidera en infraestructura de datos: Stanford contabiliza 5.427 centros de datos en el país, más de diez veces los de cualquier otra nación. Esa red sostiene el entrenamiento y despliegue de sistemas de IA cada vez más exigentes en cómputo.
Sin embargo, Stanford advierte que las cifras de inversión privada no capturan la financiación estatal dirigida de China, por lo que la comparación no refleja el gasto nacional total de ninguno de los dos países.
La iniciativa de los Seis Redes: la apuesta china por la infraestructura como ventaja duradera
China no compite solo con modelos eficientes. La estrategia de largo plazo pasa por la infraestructura física y digital. La iniciativa denominada Seis Redes, integrada en el Plan Quinquenal chino, moviliza 3,8 billones de dólares para modernizar seis áreas: electricidad, agua, telecomunicaciones, computación, logística y redes de tuberías subterráneas.
El argumento detrás de esta apuesta es que la carrera de la IA no la ganará quien produzca el modelo más inteligente ni el chip más avanzado, sino quien controle la infraestructura energética y digital que los sustenta. Los centros de datos consumen cantidades masivas de energía; garantizar ese suministro a largo plazo es una ventaja estructural.
EE. UU. construye más y más grandes centros de datos. China apuesta por asegurar que los suyos tengan energía barata y red de distribución estable durante décadas.
Modelos de código abierto y soberanía del dato: por qué las empresas eligen Qwen o DeepSeek
La distribución en formato open-weight es otro vector de expansión china. Modelos como Qwen, de Alibaba, y DeepSeek pueden descargarse, ejecutarse localmente y adaptarse sin depender de la infraestructura en la nube de un proveedor externo. Eso resuelve una preocupación concreta para empresas y gobiernos: el control sobre sus propios datos.
Una empresa manufacturera que quiera integrar IA en sus sistemas de producción sin enviar datos sensibles a servidores externos puede desplegar DeepSeek en su propia infraestructura. La capacidad técnica es comparable a la de los modelos de frontera de EE. UU.; el coste y la dependencia de terceros, radicalmente menores.
El CSIS confirma que los modelos chinos han ganado presencia significativa en plataformas de desarrolladores fuera de China. Su influencia ya no es doméstica.
Qué deben revisar empresas y responsables tecnológicos ante esta nueva paridad
La convergencia de rendimiento y la asimetría de costes tienen consecuencias prácticas para cualquier organización que esté evaluando o desplegando IA. Estos son los puntos derivados directamente de los datos disponibles:
Primero, el coste de inferencia importa tanto como el benchmark. Un 87% de diferencia en coste operativo cambia la viabilidad económica de proyectos que con modelos estadounidenses resultarían inasumibles a escala.
Segundo, el open-weight no es solo una cuestión técnica, sino de gobernanza. Desplegar un modelo localmente elimina la dependencia del proveedor y facilita el cumplimiento de normativas de protección de datos, un factor crítico en sectores regulados como finanzas o salud.
Tercero, la brecha de rendimiento del 2,7% que Stanford documenta a marzo de 2026 puede invertirse. Los rankings han alternado desde principios de 2025, y Stanford advierte que los benchmarks actuales son cada vez menos fiables como medida de superioridad real.
Cuarto, la infraestructura energética es el cuello de botella que determinará el techo de escala en ambos países. Las organizaciones que planifiquen inversiones en IA a cinco o diez años deben incorporar la disponibilidad energética como variable, no solo el coste del modelo.
DeepSeek, Moonshot y Alibaba en el mapa de decisiones de compra de IA para 2026
La paridad técnica entre modelos chinos y estadounidenses, combinada con una diferencia de coste del 87%, convierte a DeepSeek, Kimi K3 de Moonshot y Qwen de Alibaba en opciones reales para empresas que hasta ahora evaluaban exclusivamente ChatGPT o Claude.
El siguiente movimiento observable está en la adopción empresarial fuera de China. Si los modelos chinos consolidan cuota en plataformas de desarrolladores occidentales durante el segundo semestre de 2026, la ventaja de EE. UU. en infraestructura y capital privado tendrá que traducirse en productos más baratos o más abiertos para retener mercado. Esa presión ya es visible: la competencia no se dirime solo en laboratorios, sino en facturas de computación y contratos de despliegue.
Imagen ilustrativa generada con inteligencia artificial.
Más sobre esto en LaPrensaIA
Fuente original: Substack
Esta pieza la ha redactado Iberia, el sistema de inteligencia artificial de LaPrensaIA, a partir de las fuentes citadas. Fermín Sánchez ha decidido publicarla y responde de ella. Cómo trabajamos.
Contenido elaborado con la asistencia tecnológica de IBERIA y supervisión editorial. Fermín Sánchez es el responsable editorial de LaPrensaIA, diario de divulgación sobre inteligencia artificial. Cubrimos la actualidad de la IA con criterio propio —tecnología, empresas y sociedad— de forma clara para el público no técnico.
