--- title: "Los modelos de IA chinos ganan terreno entre las empresas de EE.UU. mientras suben los costos de OpenAI y Anthropic" description: "Modelos abiertos como DeepSeek y GLM-5.2 de Z.ai son 60% a 90% más baratos que sus pares de EE.UU. Las empresas ya dirigen más del 30% de su consumo de tokens a modelos chinos, con picos de 46%." slug: "modelos-ia-chinos-ganan-empresas-eeuu-costos-openai-anthropic-26-07-07" canonical: "https://www.revenuehublatam.com/noticias/tendencias-saas/modelos-ia-chinos-ganan-empresas-eeuu-costos-openai-anthropic-26-07-07" language: "es" section: "Noticias" category: "Tendencias SaaS" published: "2026-07-07T20:20:00+00:00" updated: "2026-07-07T20:20:00+00:00" tags: ["IA", "modelos de lenguaje", "costos de IA", "DeepSeek", "OpenAI"] keywords: ["modelos de IA chinos", "costos de OpenAI y Anthropic", "DeepSeek", "GLM-5.2 Z.ai", "costo por token", "IA para empresas Chile", "IA Latinoamérica"] source_name: "CNBC" source_url: "https://www.cnbc.com/2026/07/07/chinese-ai-models-costs-us-openai-anthropic.html" publisher: "Revenue Hub Latam" publisher_url: "https://www.revenuehublatam.com" --- # Los modelos de IA chinos ganan terreno entre las empresas de EE.UU. mientras suben los costos de OpenAI y Anthropic > El 7 de julio de 2026, CNBC reportó que cada vez más empresas de EE.UU. enrutan trabajo hacia modelos de IA chinos porque los costos de OpenAI y Anthropic subieron. Modelos abiertos como DeepSeek y GLM-5.2 de Z.ai cuestan entre 60% y 90% menos. En el marketplace OpenRouter, los modelos chinos superan el 30% del consumo de tokens de empresas estadounidenses cada semana desde febrero, con un pico de 46%, frente al 4,5% de inicios de 2025. Para un líder B2B en Chile y Latinoamérica, la señal es clara: la decisión de IA dejó de ser «qué modelo es mejor» y pasó a ser «qué modelo rinde por peso gastado». Las empresas de Estados Unidos están adoptando modelos de inteligencia artificial construidos en China a un ritmo creciente a medida que sube el costo de usar los sistemas líderes de **OpenAI** y **Anthropic**, según reportó **CNBC** el 7 de julio de 2026. En **OpenRouter**, un marketplace que da a los desarrolladores acceso a modelos que compiten entre sí, las empresas estadounidenses dirigieron más del 30% de su consumo de tokens a modelos chinos en cada semana desde el 8 de febrero, con un pico de 46%. Un año atrás esa cifra promediaba 11%, y en la primera mitad de 2025 los modelos chinos apenas capturaban 4,5% del tráfico. ## ¿Por qué las empresas están cambiando a modelos chinos? La respuesta es el precio. Justin Summerville, especialista de datos y analítica en OpenRouter, resumió la brecha: los modelos abiertos chinos corren «entre 60% y 90% más baratos» que sus pares estadounidenses de Anthropic y OpenAI. Kyle Chan, investigador del John L. Thornton China Center de la Brookings Institution, apuntó a la presión de costos como el motor del cambio: «Los modelos de IA chinos son particularmente atractivos para las empresas estadounidenses ahora que los costos de IA se disparan. Donde antes las empresas priorizaban adoptar IA sin importar el modelo, ahora se están volviendo más conscientes del costo». Chan ubicó la brecha de capacidad entre seis y nueve meses por detrás de los mejores sistemas frontera de EE.UU., un rezago que viene acompañado de precios drásticamente menores. ## ¿Qué modelo chino está creciendo más rápido? Entre los lanzamientos recientes, **GLM-5.2**, de la empresa **Z.ai** con sede en Pekín, fue el que más ruido hizo. Harpreet Arora, jefe de infraestructura agéntica en **Vercel**, dijo que superó a cualquier otro modelo que la plataforma rastreó en 2026 por velocidad de adopción: «En su primera semana completa tras el lanzamiento, el volumen diario de tokens creció cerca de 27 veces y el número de clientes que lo usan creció alrededor de 80 veces». En un benchmark agéntico destacado, el modelo de Z.ai quedó a un punto porcentual de **Opus 4.8** de Anthropic, con un precio aproximadamente cinco veces menor. LaunchLemonade, que opera una plataforma de agentes de IA para industrias reguladas, ya lo tiene entre sus cinco modelos más usados, junto a Claude y ChatGPT. ## ¿El ahorro es real o es teoría? El mes pasado, la startup **Lindy** se volvió un ejemplo concreto: redirigió a **DeepSeek** todas las solicitudes que enviaba al Claude de Anthropic. Su CEO, Flo Crivello, dijo que el impacto financiero fue inmediato: «Lo hicimos, y se podía ver esa curva de costo bajar, como estrellarse contra el piso». Proyectó que el cambio devolvería millones de dólares al balance de la compañía en cuestión de meses. El giro coincide con un patrón más amplio de clientes empresariales que frenan el gasto en OpenAI y Anthropic y exigen retornos más claros de su inversión, en medio de la turbulencia regulatoria de fines de junio que dejó a muchas empresas buscando alternativas. «¿Quién sabe cuál será el mejor modelo en tres semanas?», resumió Summerville. ## ¿Qué frena todavía a los modelos chinos? El camino no está libre de obstáculos. El Departamento de Comercio de EE.UU. incluyó a Z.ai en su lista negra comercial en 2025, y los desarrolladores siguen expresando inquietud por la seguridad de sus datos y por la relación de la empresa con Pekín, según reportó The New York Times. Las compañías que autoalojan los modelos o que enrutan el tráfico a través de un intermediario pueden esquivar por completo el problema de transferencia de datos. En Chile y Latinoamérica, donde muchos equipos comerciales recién están dimensionando cuánto les cuesta operar agentes de IA, esa combinación de menor precio y mayor carga de gobernanza es exactamente el trade-off que habrá que administrar. ## Análisis de Revenue Hub La lectura para un líder comercial B2B en Chile y Latinoamérica no es «cambia a un modelo chino». Es que el mercado de IA acaba de dividir la decisión en dos preguntas distintas: cuál es el mejor modelo y cuál rinde mejor por peso gastado. Cuando la brecha de capacidad se mide en seis a nueve meses pero la brecha de precio se mide en 60% a 90%, la mayoría de las tareas rutinarias de un motor de ingresos (calificar leads, redactar seguimientos, resumir llamadas, enriquecer datos) dejan de justificar el modelo más caro. El costo por resultado, no el prestigio del proveedor, pasa a mandar. El riesgo espejo es la gobernanza. Enrutar datos de clientes a un modelo de terceros con dudas de seguridad y sin claridad sobre dónde se procesan es un problema regulatorio y reputacional antes que técnico, sobre todo para empresas que manejan datos personales bajo la ley chilena. La jugada sensata no es elegir bando, sino construir la capacidad de enrutar por caso de uso: modelo premium donde el error es caro, modelo barato y autoalojado o vía intermediario donde el volumen manda y el dato lo permite. Eso exige medir el gasto de IA por proceso, algo que casi nadie hace todavía y que conviene resolver antes de que el consumo de agentes desborde el presupuesto, un tema que ya cubrimos en [los nuevos controles de costos de Claude Enterprise](/noticias/tendencias-saas/anthropic-claude-enterprise-controles-costos-gasto-ia-26-07-06). La conclusión práctica: trata tu stack de IA como una cartera, no como una lealtad. Empieza por mapear qué tareas de tu operación comercial son «buenas suficientes» para un modelo barato y cuáles exigen el tope de gama, y deja la arquitectura preparada para cambiar de proveedor sin rehacer todo. Puedes seguir cómo evoluciona esta guerra de precios en nuestra sección de [Tendencias SaaS](/noticias/tendencias-saas) y en el [blog de Revenue Hub](/blog). ## Preguntas frecuentes ### ¿Qué reportó CNBC sobre los modelos de IA chinos? Que las empresas de EE.UU. están enrutando cada vez más trabajo hacia modelos de IA chinos porque los costos de OpenAI y Anthropic subieron. En el marketplace OpenRouter, los modelos chinos superan el 30% del consumo de tokens de empresas estadounidenses cada semana desde el 8 de febrero de 2026, con un pico de 46%, frente al 4,5% de inicios de 2025. ### ¿Cuánto más baratos son los modelos chinos? Según Justin Summerville, de OpenRouter, los modelos abiertos chinos corren entre 60% y 90% más baratos que los modelos líderes de Anthropic y OpenAI. El benchmark de GLM-5.2 quedó a un punto porcentual de Opus 4.8 con un precio cinco veces menor. ### ¿Qué es GLM-5.2 y por qué importa? GLM-5.2 es un modelo de la empresa Z.ai, con sede en Pekín. Vercel dijo que fue el modelo de más rápida adopción que rastreó en 2026: en su primera semana el volumen diario de tokens creció cerca de 27 veces y los clientes que lo usan crecieron unas 80 veces. Ya figura entre los cinco modelos más usados en plataformas como LaunchLemonade. ### ¿Qué tan atrás están los modelos chinos frente a los de EE.UU.? Kyle Chan, de la Brookings Institution, estimó la brecha de capacidad entre seis y nueve meses por detrás de los mejores sistemas frontera de EE.UU. Esa distancia viene acompañada de precios drásticamente menores, lo que los vuelve atractivos para tareas rutinarias. ### ¿Qué riesgos tiene adoptar un modelo chino? El principal es de gobernanza y datos. El Departamento de Comercio de EE.UU. incluyó a Z.ai en su lista negra comercial en 2025, y persisten dudas sobre la seguridad de los datos y la relación de la empresa con Pekín. Autoalojar el modelo o usar un intermediario permite esquivar el problema de transferencia de datos. ### ¿Qué significa esto para una empresa B2B en Chile y Latinoamérica? Que la decisión de IA pasó de «qué modelo es mejor» a «qué modelo rinde por peso gastado». Conviene tratar el stack de IA como una cartera: modelo premium donde el error es caro y modelo barato donde manda el volumen y el dato lo permite, midiendo el gasto de IA por caso de uso. ### ¿Por qué las empresas están recortando gasto en OpenAI y Anthropic? Porque el consumo de los agentes de IA disparó los costos y los directorios exigen retornos más claros. La startup Lindy, por ejemplo, movió todo su tráfico de Claude a DeepSeek y su CEO dijo que la curva de costo se «estrelló contra el piso», proyectando millones de dólares de ahorro en meses. ### ¿Cómo se puede aprovechar el ahorro sin asumir el riesgo? Enrutando por caso de uso: usar modelos caros solo donde el error sale caro y modelos baratos, autoalojados o vía intermediario, donde el volumen manda y el dato lo permite. La clave es medir el costo por resultado de cada proceso y dejar la arquitectura preparada para cambiar de proveedor sin rehacer todo. --- Fuente original: [CNBC](https://www.cnbc.com/2026/07/07/chinese-ai-models-costs-us-openai-anthropic.html) (cnbc.com)