Price war en modelos de IA borra 40 puntos de cuota a labs estadounidenses en un año

Lucas Montero · Criptomonedas · 2026-09-02

Google, OpenAI y Anthropic pasaron de 70% a 30% del volumen en OpenRouter mientras DeepSeek y Qwen capturan desarrolladores con precios 90% más baratos. El riesgo: cientos de miles de millones en deuda de datacenters.

Los laboratorios estadounidenses de IA perdieron 40 puntos porcentuales de cuota de mercado en doce meses. Según datos de OpenRouter —marketplace neutral donde desarrolladores eligen entre modelos en competencia—, Google, OpenAI y Anthropic representaban cerca del 70% del volumen de trabajo hace un año; hoy apenas alcanzan el 30%. La causa: modelos chinos que cuestan hasta 90% menos y entregan rendimiento suficiente para la mayoría de cargas empresariales.

DeepSeek lidera ahora como proveedor individual con 17.6% del tráfico de tokens semanal, por delante de cualquier laboratorio estadounidense. Le sigue Qwen de Alibaba con 13.9%. Anthropic, que hace un año controlaba 29.1%, cayó a 13.3% en el mismo período. El dato lo publicó hoy Juniper Research, firma de estrategia tecnológica con sede en Reino Unido, confirmando una tendencia que venía acelerándose desde febrero.

El delta de precio que rompe el mercado

Los números son brutales. DeepSeek V4 Flash costaba $0.14 por millón de tokens de entrada y $0.28 por salida hasta agosto, pero desde el 16 de agosto cambió a precios dinámicos: $0.22/$0.66 en horas valle y $0.44/$1.32 en pico. Claude Sonnet 5 de Anthropic cuesta $2 entrada y $10 salida —aproximadamente 97% más caro en tokens de salida. En agosto, Anthropic hizo permanente este precio introductorio, cancelando un aumento planeado a $3/$15.

Justin Summerville, analista de OpenRouter, lo resumió: «Los modelos chinos abiertos son 60–90% más baratos». Para un desarrollador que procesa 500 millones de tokens al mes —volumen habitual en aplicaciones de clasificación o resumen de documentos—, la diferencia anual entre DeepSeek y Claude Sonnet 5 supera los $58.000 dólares. Con márgenes apretados, esa brecha no se ignora.

Riesgo existencial para el financiamiento de infraestructura

Occidente comprometió cientos de miles de millones de dólares en nuevos datacenters, gran parte mediante deuda o acuerdos de financiamiento estructurado. Esas inversiones asumen que los clientes seguirán pagando premium por los mejores modelos. La adopción masiva de alternativas chinas ataca directamente esa premisa.

Jawad Jahan, analista sénior de Juniper Research, advirtió: «Los modelos de peso abierto están cerrando la brecha de capacidad con modelos frontera a fracción del costo. Si esta tendencia continúa, los ingresos de inferencia que sustentan la construcción de datacenters occidentales se debilitan, y las estructuras de financiamiento que descansan en esos ingresos [también]».

Bancos y fondos de capital riesgo que financiaron este buildout enfrentan ahora riesgo crediticio no anticipado. La apuesta era simple: demanda sostenida a precios altos justifica la inversión en GPUs y capacidad eléctrica. Esa apuesta se tambalea.

Adopción empresarial ya confirmada

No es solo tráfico de desarrolladores independientes. Empresas estadounidenses de primer nivel están migrando. Coinbase, Airbnb, Microsoft, DoorDash y Siemens han adoptado herramientas de IA chinas, según reportes de múltiples fuentes confirmados por Juniper. Airbnb aclaró a CNBC que su uso de modelos de peso abierto es «limitado» y se canaliza «exclusivamente a través de proveedores certificados basados en EE.UU.», pero el hecho de que lo aclaren confirma la presión.

El modelo GLM 5.2 de Z.ai, lanzado en junio, registró la adopción más rápida de cualquier modelo seguido por Vercel en 2026: el volumen de tokens diario creció ~27 veces y el número de clientes ~80 veces en su primera semana completa, según Harpreet Arora, jefe de infraestructura agente en Vercel.

Brecha de capacidad vs. brecha de precio

Los modelos chinos atrasan a sus contrapartes estadounidenses por aproximadamente 6-9 meses en benchmarks de capacidad, según análisis de Brookings Institution. Pero para cargas de trabajo que consumen la mayoría de tokens de API —clasificación, resumen, procesamiento de documentos, atención al cliente— esa brecha es irrelevante.

Un modelo que entrega 85% de precisión a 10% del costo gana terreno rápido cuando el alternativa premium ofrece 92% de precisión a precio completo. La delta de 7 puntos de rendimiento no justifica multiplicar el gasto por diez, especialmente cuando el volumen de procesamiento escala a millones de consultas diarias.

Desde el 8 de febrero de 2026, modelos de origen chino representaron al menos 30% del volumen de tokens empresariales en OpenRouter; el pico semanal llegó a 46% a mediados de año. Hace un año, esa cifra era ~11%; en la primera mitad de 2025, apenas 4.5%. La curva de adopción es exponencial.

Qué significa para quien opera o desarrolla

Para desarrolladores en LATAM —donde Colombia, México y Argentina concentran la mayor parte de adopción de IA en español— la ecuación es directa. Mismo trabajo, 90% menos costo mensual. Un proyecto que gastaba $5.000 dólares al mes en Claude puede ejecutarse por $500 en DeepSeek manteniendo calidad suficiente. Esa diferencia financia otro desarrollador, más infraestructura o simplemente margen.

El mercado ya eligió. Mientras Anthropic anuncia valuaciones récord y OpenAI cruza $40.000 millones de run rate, su cuota real de uso cae mes a mes. Los benchmarks importan en marketing; en producción, lo que importa es el costo por tarea resuelta. Y en esa métrica, Silicon Valley perdió la ventaja.