Hace pocas semanas se lanzó DeepSeek V4-Flash, y esta semana hemos visto cómo han llegado dos espectaculares modelos más: Qwen3.8-Flash y GLM-5.3-Flash. Todos ellos destacan por ser buenos, bonitos y sobre todo, baratos. Antes los modelos de pesos abiertos chinos eran atractivos solo por su precio, pero ahora han logrado algo alucinante: ser casi tan buenos como los modelos frontera más avanzados de OpenAI y Anthropic. Cuidadín.
China aprieta . OpenAI, Anthropic y (a mayor distancia por ahora) Google siguen siendo normalmente los protagonistas a la hora de hablar de modelos frontera con el mayor rendimiento, pero las empresas chinas están comenzando a competir en otra métrica que puede acabar siendo igual de importante: cuánta inteligencia obtiene uno por cada dólar gastado. Los últimos lanzamientos de Alibaba, Z.ai y DeepSeek muestran una estrategia muy parecida: acercarse lo máximo posible a los mejores modelos occidentales mientras reducen el coste de utilizarlos hasta niveles casi imposibles de ignorar . Qwen3.8-Flash, un ejemplo claro .
Alibaba lo presenta como un adelanto de la futura arquitectura Qwen4: un modelo MoE (Mixture-of-Experts) de 125.000 millones de parámetros en el que solo unos 6.000 millones están activos en cada momento. La compañía afirma que compite con modelos mucho mayores en áreas de programación y tareas agénticas, pero lo hace con una API que cuesta apenas 0,16 /0,47 dólares por millón de tokens de de entrada / salida. Es un precio ridículo si lo comparamos con la competencia, y la eficiencia aquí es la que constituye el pilar de una arquitectura que amenaza la de los modelos de OpenAI y Anthropic. En precio/prestaciones no hay nadie que se acerque ahora mismo a GLM-5.3-Flash.
GPT5.6 Luna no lo hace mal, pero es más "tonto", por decirlo de algún modo. Fuente: Artificial Analysis. Pero es que GLM-5.3-Flash es tan bueno o mejor . Lo conocimos estos días como Ox Alpha , el misterioso modelo del que todo el mundo hablaba y que resulta que era este nuevo modelo de Z.ai.
Tiene 320.000 millones de parámetros, aunque activa solo 18.000 millones por token. Además tiene contexto de un millón de tokens y ya han publicado sus pesos abiertos con licencia MIT. Artificial Analysis le da 57 puntos en su Intelligence Index, muy cerca de los 60 de GLM-5.3 Max, pero su coste medio por tarea es de 0,09 dólares, frente a los 0,68 dóares de su hermano mayor. La diferencia de inteligencia es pequeña; la de precio, enorme.
La pregunta que cada vez es más importante . DeepSeek y modelos abiertos de empresas chinas en los últimos meses han planteado constantemente la misma pregunta: ¿cuánto podemos abaratar una IA antes de que deje de tener sentido pagar por otra? En DeepSeek V4-Flash los 0,22/0,66 dólares por millón de tokens de E/S (tras la subida de precios ) ya eran una señal de alarma. Puede que no fuera el modelo más inteligen del mercado, pero sí era mucho más barato que GPT-5.6 Sol (4/20) o Claude Fable 5 (10/50).
GLM-5.3-Flash (57 puntos), Qwen3.9 Flash Next (56) y DeepSeek v4 Flash (51) están muy, muy cerca de Opus 5 (63), el modelo más "inteligente" en la actualidad. Y lo logran a un precio que es 100 veces menor. Fuente: Artificial Analysis. Independencia occidcental .
Las empresas chinas están descubriendo cómo diseñar sus modelos para que sean cada vez más eficientes y, por tanto, baratos. Técnicas como Mixture of Experts (para activar solo una pequeña parte de los parámetros totales), atención dispersa o lineal para evitar procesar innecesariamente todo el contexto, cachés más pequeñas y arquitecturas optimizadas para servir enormes cantidades de tokens demuestran cada vez más estar logrando hitos espectaculares. Tokens a tutiplén . En el caso de GLM-5.3-Flash hay además otra señal llamativa: la infraestructura.
Ox Alpha se ofreció gratuitamente con una capacidad anunciada de hasta 100 billones de tokens diarios , y Z.ai ha confirmado ahora que funcionaba íntegramente sobre chips chinos. SemiAnalysis añade que esa infraestructura logró una eficiencia de hardware y un coste por token comparables a los de GPU Nvidia. Los 100 billones de tokens cada día eran la capacidad anunciada, no el tráfico real, pero todo ello demuestra hasta qué punto China está empezando a construir no solo modelos competitivos, sino también la infraestructura doméstica necesaria para servirlos a gran escala. La industria IA necesitaba urgentemente abaratar costes para empezar a ser rentable.
Y eso es lo que está sucediendo La frontera de Pareto . En los últimos tiempos los responsables de Artificial Analysis destacan especialmente una gráfica a la que llaman "Índice de Inteligencia vs. Coste por tarea del Índice de Inteligencia". En el eje X está el coste por tarea.
En el Y, lo "inteligente" que es el modelo. Ahí GLM-5.3-Flash rompe las métricas, y es el que mejor supera la denominada Frontera de Pareto. Un modelo resulta especialmente atractivo cuando no puedes conseguir mucha más capacidad sin pagar bastante más, y tanto GLM como Qwen logran desplazar esa frontera. No son los mejores, desde luego, pero ¿ cuánto estás dispuesto a pagar para conseguir ese 5 o 10% más de "inteligencia"?
Modelos suficientemente buenos . Para usuarios y sobre todo empresas que necesitan resolver millones de consultas , programar tareas relativamente rutinarias o desplegar cientos de agentes no es necesario usar GPT-5.6 Sol o Claude Fable 5. Lo que necesitas es un modelo suficientemente bueno, fiable y barato. Ya hemos visto algo así otras veces en la industria tecnológica: el producto técnicamente mejor pude dominar la gama alta, pero el producto suficientemente bueno es el que logra hacerse con el volumen mayoritario gracias a su precio y disponibilidad.
En Xataka | Apple ha decidido no entrar en la guerra de la IA porque cree que tiene algo más importante: la "puerta" de entrada