Las empresas chinas lleva la delantera en modelos "pequeños" de IA. Ahora lo que quieren es justo lo contrario: modelos colosales
No toda la carrera de la inteligencia artificial se libra dentro de enormes centros de datos. También existe otra, mucho más cerca del usuario, por conseguir modelos suficientemente pequeños como para ejecutarse con menos memoria, menos capacidad de cálculo y en dispositivos mucho más modestos. China se ha convertido en uno de los actores relevantes de ese terreno con familias como Qwen o MiniCPM. Pero mientras esa competición sigue avanzando hacia abajo, algunas de sus mayores tecnológicas están empezando a apostar también por crecer en la dirección contraria.
De cientos de miles de millones. Las cifras permiten ver bastante bien hasta dónde ha llegado esa escalada. DeepSeek-V3 apareció con 671.000 millones de parámetros totales, mientras que Moonshot AI llevó Kimi K2 hasta el billón. El salto se ha acelerado en 2026: Kimi K3 alcanza los 2,8 billones y Alibaba ha situado Qwen3.8-Max en 2,4 billones. Son cantidades totales, y esa última palabra importa mucho: no significa que todos esos parámetros entren en juego en cada paso del procesamiento. Eso es precisamente lo que necesitamos entender a continuación.
Gigantes que no piensan enteros. La arquitectura no es nueva. En 2023, un análisis de SemiAnalysis apuntó a que GPT-4 podía utilizar un diseño Mixture of Experts, o MoE, aunque OpenAI nunca confirmó públicamente ese detalle. La lógica es sencilla: en lugar de poner a trabajar todos los parámetros en cada paso, el sistema activa solo una parte. Qwen3.8-Max lo ilustra bien: reúne 2,4 billones de parámetros, pero utiliza alrededor de 95.000 millones por paso.
Más grande no significa mejor. El número de parámetros nos habla del tamaño, pero no funciona como una clasificación automática de inteligencia o precisión. DeepMind lo demostró en 2022 con Chinchilla: tenía 70.000 millones de parámetros y superó a Gopher, de 280.000 millones, en casi todas las tareas evaluadas utilizando el mismo presupuesto de cómputo para el entrenamiento. Chinchilla había sido entrenado, además, con aproximadamente cuatro veces más datos. La arquitectura, la cantidad y calidad de esos datos y los recursos de computación también condicionan de forma decisiva el resultado.
El salto hacia 10 billones. La siguiente frontera ya está sobre la mesa. Alibaba confirmó el 22 de septiembre que Qwen 4 está en entrenamiento y adelantó que su hoja de ruta para Qwen 4.5 y Qwen 5 contempla modelos de entre 5 y 10 billones de parámetros. ByteDance estaría persiguiendo una escala similar, según Financial Times, aunque la compañía no lo ha confirmado públicamente. Tampoco podemos hacer una comparación directa entre los modelos más recientes chinos y estadounidenses: OpenAI y Anthropic no detallan el número de parámetros en las especificaciones públicas de GPT-5.6 Sol y Claude Fable 5.1.
No todos sirven para lo mismo. Ya lo vimos al principio: los modelos pequeños destacan cuando necesitamos contener memoria, cómputo y costes, o llevar la IA directamente a dispositivos personales. Los de gran escala persiguen otra cosa, una capacidad más amplia para enfrentarse a tareas más exigentes y variadas, aunque hacerlo requiera mucha más infraestructura. La apuesta china no consiste en sustituir unos por otros, sino en cubrir los dos extremos: modelos compactos donde prima la eficiencia y sistemas colosales allí donde compensa pagar el precio de escalar.
Imágenes | Kimi AI
