Las IAs chinas — DeepSeek, Qwen y el otro lado de la carrera

El 7 de octubre de 2022, el Bureau of Industry and Security del Departamento de Comercio de Estados Unidos publicó una regulación que cambió la geopolítica del silicio. Entre otras medidas, prohibió la exportación a China de GPUs por encima de umbrales específicos de interconexión y compute — en la práctica, las Nvidia A100 y H100 quedaron fuera del alcance legal del mercado chino. Doce meses después, en octubre de 2023, la regulación se endureció para cerrar las brechas que Nvidia había abierto con las variantes H800 y L40S.

La lógica estratégica declarada era simple: si China no puede comprar los mejores chips, no puede entrenar los mejores modelos, y Estados Unidos preserva su ventaja de frontera. La lógica era simple y la consecuencia fue la opuesta. Cuando Liang Wenfeng publicó el paper de DeepSeek-V3 en diciembre de 2024, demostró que un laboratorio operando con GPUs H800 degradadas — y un cluster estimado alrededor de 2.000 unidades, chico para estándares de frontera — podía producir un modelo funcional en el rango de GPT-4 a un costo de compute documentado de 5,6 millones de dólares. La restricción produjo el incentivo. El incentivo produjo la innovación. Y la innovación se publicó.

Vale desarmar esta historia con precisión técnica porque la lectura superficial — "China alcanzó a EEUU" — pierde el punto. El punto es que el régimen de eficiencia que DeepSeek documentó redefine qué se considera caro entrenar, y ese nuevo régimen se le aplica también a los laboratorios occidentales que tenían budgets construidos sobre el supuesto anterior.

Arquitectura técnica: qué hace eficiente a DeepSeek-V3

El paper de V3 describe tres innovaciones técnicas centrales que operan en conjunto.

Multi-head Latent Attention (MLA). Transformers clásicos almacenan en memoria un caché de clave-valor (KV cache) proporcional al número de heads de atención. En modelos grandes ese caché domina el costo de memoria durante inferencia. MLA comprime las representaciones KV en un espacio latente de dimensionalidad reducida antes del almacenamiento, descomprimiéndolas on-the-fly. Reduce el tamaño del caché por un factor significativo — DeepSeek reporta reducción de aproximadamente 93 por ciento del KV cache respecto a atención multi-head estándar, a costo de una pérdida marginal de calidad.

Mixture-of-Experts con auxiliary-loss-free load balancing. V3 tiene 671 mil millones de parámetros totales pero solo 37 mil millones se activan por token. La arquitectura MoE no es innovación de DeepSeek — GPT-4 se estima MoE también. La innovación es el método de balancear carga entre expertos. Los MoE clásicos usan una pérdida auxiliar para empujar utilización uniforme de expertos, lo cual interfiere con la pérdida principal de entrenamiento. DeepSeek elimina la pérdida auxiliar y balancea mediante un bias dinámico por experto que se ajusta durante training. Simple conceptualmente, disruptivo en práctica.

FP8 mixed-precision training. Entrenar modelos grandes en FP16 es estándar; en FP8 es más barato en memoria y compute pero numéricamente más frágil. DeepSeek implementa un esquema híbrido donde la mayoría de operaciones corre en FP8 con estrategias específicas para preservar estabilidad numérica en regiones críticas (gradient accumulation, normalización). El resultado es una reducción sustancial en compute requerido por paso de entrenamiento, sin pérdida de calidad medible en benchmarks.

Las tres innovaciones son reproducibles por cualquier laboratorio con equipo técnico competente. El paper las describe con suficiente detalle como para implementarlas. Esa publicación abierta es la diferencia estratégica con el approach occidental cerrado de OpenAI post-GPT-3.

DeepSeek-R1 y la reproducción open-source del paradigma de razonamiento

En septiembre de 2024 OpenAI liberó o1, el primer modelo de razonamiento de frontera — un modelo que dedica compute adicional a generar cadenas de pensamiento internas antes de producir la respuesta final. En benchmarks de matemática olímpica y código competitivo, o1 subió los puntajes en órdenes de magnitud. OpenAI no publicó cómo lo había hecho. La industria especulaba.

DeepSeek-R1, publicado el 20 de enero de 2025, fue la primera reproducción pública abierta del paradigma. El paper acompañante — DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning — describe el método. Punto central: razonamiento emergente se puede obtener mediante reinforcement learning puro sobre recompensas de verificación (correcto/incorrecto en problemas de matemática y código), sin necesidad de chain-of-thought supervisado humano.

El hallazgo intermedio que reportaron — el modelo R1-Zero, entrenado solo con RL sin fine-tuning supervisado previo, exhibiendo comportamiento de auto-reflexión emergente ("aha moments" documentados en el paper) — fue técnicamente llamativo y está bajo escrutinio académico. Pero el modelo final R1, bajo licencia MIT, llegó a benchmarks competitivos con o1 en matemática y código a una fracción del costo de inferencia.

La consecuencia operativa para el campo: cualquier laboratorio competente con cluster de entrenamiento moderado puede ahora reproducir un modelo de razonamiento. El moat técnico de "tener un modelo de razonamiento" se evaporó en noventa días.

Qwen y la estrategia open-weights corporativa

La jugada de Alibaba con Qwen es diferente y complementaria. Alibaba no necesita vender inferencia — tiene el negocio de Alibaba Cloud. Necesita vender infraestructura. Los modelos abiertos son el lead generation.

Qwen2.5, publicado en septiembre de 2024, ofreció la línea más completa de checkpoints abiertos al momento: 0.5B, 1.5B, 3B, 7B, 14B, 32B, 72B parámetros, todos bajo Apache 2.0 salvo el más grande (que requiere licencia comercial para uso a escala, con términos razonables). Qwen2.5-72B-Instruct en benchmarks estándar se ubica en el mismo rango que Llama 3.1-70B y competitivo con Claude 3.5 Haiku en tareas de texto general.

Qwen3, la generación actual, introdujo soporte nativo para razonamiento estilo R1 en algunas variantes. La estrategia es mantener paridad aproximada con la frontera abierta occidental.

Para un arquitecto técnico que evalúa self-hosting, la elección real hoy es entre Llama 3 (Meta, Apache), Qwen2.5/3 (Alibaba, Apache), y DeepSeek-V3 (DeepSeek, MIT). Los tres son competitivos. La diferenciación es licencia, perfil de sesgos, y densidad de idiomas. Qwen tiene ventaja marginal en idiomas asiáticos y español estándar; Llama tiene ventaja en inglés y data occidental; DeepSeek tiene ventaja en matemática y código.

El régimen regulatorio chino: CAC y el data mix

La Cyberspace Administration of China publicó en agosto de 2023 las Medidas Interim para la Gestión de Servicios de IA Generativa. Requisitos operativos para cualquier modelo accesible al público en China:

• Registro previo del modelo con el regulador antes del lanzamiento público.
• Declaración del corpus de entrenamiento con verificación de "legalidad" de las fuentes.
• Filtros activos sobre categorías de contenido prohibidas: subversión del poder estatal, crítica al Partido, cuestionamiento de la soberanía sobre Taiwán, eventos históricos sensibles (Tiananmen), contenido separatista relacionado a Tibet o Xinjiang.
• Mecanismos de auditoría permanente.

La implementación técnica de estos filtros es post-training en la mayoría de los modelos abiertos: se aplican en el layer de servicio, no en los pesos. Esto tiene una consecuencia interesante para quien despliega los pesos en infraestructura propia fuera de China — los filtros de CAC son mayormente removibles con fine-tuning. Lo que no es removible es el sesgo del data mix inicial: los modelos se entrenaron sobre corpus donde ciertas narrativas históricas y políticas estaban sub-representadas o sesgadas por origen.

Para uso técnico neutro (código, matemática, razonamiento científico) el sesgo es irrelevante. Para cualquier aplicación que involucre análisis histórico, político o cultural, es un factor a tener en cuenta — no un deal-breaker automático, pero sí un requisito de validación adicional.

El efecto de retorno sobre Occidente

Lo que Washington no anticipó — o anticipó pero subestimó — es que la restricción de hardware produce retorno técnico en dos vías. Vía corta: los laboratorios chinos optimizan y publican. Vía larga: esas técnicas se vuelven estándar de la industria, y los laboratorios occidentales, que tenían margen para ser ineficientes mientras el cómputo era abundante, pierden esa holgura.

Esto ya se está viendo en 2026. Las labs occidentales publicaron en el último año implementaciones de MLA, variantes de auxiliary-loss-free MoE, y experimentos con FP8 training. Los costos reportados de entrenar modelos de frontera en Occidente están bajando en parte por competencia comercial, en parte por migración directa de técnicas originadas en China.

Anthropic hasta ahora ha elegido mantener su stack cerrado y no publica detalles de arquitectura. Es una elección coherente con su tesis — la diferenciación de Anthropic no está en eficiencia de entrenamiento sino en alineamiento y confiabilidad. Pero el punto más amplio es que la frontera técnica ya no se puede tratar como patrimonio geográfico. Washington descubrió que las restricciones a la exportación de hardware son un instrumento más lento que los papers publicados en Hangzhou.

Tesis editorial

Voy a cerrar con una tesis que excede el reporting.

Las restricciones de exportación de GPUs impuestas por EEUU sobre China en 2022-2023 produjeron un resultado contrario al declarado. En lugar de frenar a los laboratorios chinos, los forzaron a convertir restricción de hardware en eficiencia arquitectural publicada. El resultado neto es un nuevo régimen global de costos donde entrenar un modelo competitivo con GPT-4 cuesta un orden de magnitud menos que lo que se creía hace 24 meses, y donde las técnicas que producen ese régimen están documentadas en papers abiertos que cualquiera puede leer.

La consecuencia para el usuario profesional occidental es doble. Por un lado, la elección para trabajo con datos sensibles sigue siendo una herramienta alineada con tu jurisdicción y con tu régimen contractual — para mí, para mi consultora, para mis clientes, sigue siendo Claude, y esa elección no cambia por los eventos de enero 2025. Por el otro, el ecosistema open-weights con licencia permisiva dejó de ser un juguete académico. Qwen2.5-72B y DeepSeek-V3 corriendo en infraestructura propia son opciones de producción real para casos donde el self-hosting importa.

El conflicto geopolítico no se resolvió. Las restricciones a exportación se van a endurecer probablemente en los próximos 18 meses. Pero el genio de la eficiencia ya salió de la botella y la industria va a operar en el nuevo régimen, sean cuales sean las decisiones políticas futuras. Esa es la consecuencia estructural que importa leer con frialdad.

¿Cuál es tu criterio para decidir entre usar un modelo propietario bajo jurisdicción occidental versus self-hostear un modelo open-weights con licencia permisiva para casos con datos sensibles?