Un año después de DeepSeek: cómo China aceleró la IA de código abierto
El modelo chino DeepSeek-V3 demostró que se puede entrenar IA avanzada con menos recursos de lo que creían las grandes tecnológicas, y eso cambió el sector para siempre.
Hace exactamente un año, en enero de 2024, DeepSeek (una startup china relativamente desconocida) publicó DeepSeek-V3, un modelo de lenguaje de gran tamaño o LLM (sistemas de IA entrenados con billones de palabras para generar y entender texto) que rivalizaba con los mejores de OpenAI y Google, pero con una fracción del coste. Según informó Hugging Face en su blog, el modelo costó apenas 5,5 millones de dólares entrenar, frente a los cientos de millones que invirtieron sus competidores estadounidenses. Ese momento marcó un antes y un después: la IA de punta ya no era monopolio de Silicon Valley.
El impacto fue inmediato. DeepSeek demostró que la eficiencia importa tanto como la escala bruta, y que publicar los pesos del modelo (los datos internos que determinan cómo funciona una IA, permitiendo que cualquiera lo descargue y modifique) no solo era posible, sino estratégicamente inteligente. En los meses siguientes, empresas chinas como Alibaba, Tencent y ByteDance aceleraron sus propios lanzamientos de modelos abiertos, mientras que en Occidente Meta reforzó su apuesta por Llama (su familia de modelos de código abierto) y startups europeas como Mistral AI ganaron tracción. Hoy, más del 60% de los modelos descargados en Hugging Face (una plataforma donde desarrolladores comparten y descargan modelos de IA ya entrenados) son de pesos abiertos.
Pero el ecosistema también se fragmentó. China construyó su propia infraestructura alrededor de plataformas locales como ModelScope, mientras Occidente endureció controles de exportación sobre chips avanzados (las GPU, procesadores gráficos especializados que aceleran el entrenamiento de IA) para limitar el acceso chino. Según Hugging Face, eso no frenó la innovación: empujó a equipos chinos a optimizar algoritmos para hardware menos potente, lo que paradójicamente benefició a todo el sector al hacer la IA más accesible para universidades, ONGs y empresas pequeñas.
Ahora, el foco se desplaza hacia la IA multimodal (sistemas que combinan texto, imagen, audio y vídeo) y los agentes autónomos (IAs capaces de tomar decisiones y realizar tareas complejas sin supervisión constante). DeepSeek ya lanzó versiones multimodales de sus modelos, y startups como 01.AI en China o Cohere en Canadá exploran aplicaciones en robótica y automatización industrial. La pregunta ya no es si habrá IA de código abierto competitiva, sino quién liderará la próxima generación de aplicaciones prácticas.
Para Hugging Face, el legado de DeepSeek es claro: demostró que la colaboración abierta, incluso entre rivales geopolíticos, acelera el progreso tecnológico más que el secretismo corporativo. La comunidad global de desarrolladores ahora trabaja sobre estándares comunes, comparte benchmarks (pruebas estandarizadas para medir el rendimiento de modelos de IA) y publica herramientas que funcionan tanto en servidores de Google como en ordenadores Raspberry Pi. Un año después, el ecosistema es más diverso, más eficiente y menos dependiente de un puñado de empresas. Y eso, argumentan, es lo que mantendrá viva la innovación.
