Por primera vez, los modelos desarrollados en China ocuparon los cinco primeros puestos en julio en OpenRouter, la plataforma neutral de enrutamiento que agrega cientos de modelos de decenas de proveedores detrás de una única API y que se ha convertido en lo más parecido que tiene la industria de la IA a una calificación de Nielsen. Xiaomi —conocida sobre todo por sus teléfonos inteligentes y, más recientemente, por sus vehículos eléctricos— vio su MiMo V2.5 ubicarse en el primer lugar por volumen de tokens, seguida de modelos de DeepSeek (el laboratorio de Hangzhou cuyos lanzamientos de bajo costo sacudieron los mercados globales a comienzos de 2025), MiniMax, la familia Qwen de Alibaba y Kimi de Moonshot. Los modelos chinos ahora transportan más del 60% del tráfico de la plataforma, que supera los 20 billones de tokens por semana —siendo los tokens los fragmentos de texto que los modelos leen y generan, y la unidad con la que se mide y se factura el uso de la IA—. Como señala el artículo de opinión de Fortune, eso no es un resultado de benchmark, sino una curva de uso.

Hace un año, los modelos estadounidenses transportaban aproximadamente el 70% del tráfico de OpenRouter; hoy llevan alrededor del 30%. Más llamativo aún: a mediados de julio, los modelos chinos representaron un récord del 58% de los tokens procesados por empresas estadounidenses en la plataforma. Según la evaluación del autor, las empresas de Estados Unidos no están siendo obligadas a usar IA china: la están eligiendo, carga de trabajo por carga de trabajo, porque la matemática de precio/desempeño es imposible de ignorar.

La carrera se dividió en dos

La paradoja, argumenta el autor, merece un lugar en la agenda de cada consejo directivo este otoño. Los laboratorios estadounidenses todavía conservan la frontera absoluta: GPT 5.5 de OpenAI, Claude Fable 5 de Anthropic y Gemini 3.x de Google lideran en el razonamiento más difícil, los agentes de largo horizonte y el trabajo empresarial más exigente, y la brecha de frontera es real, medida en meses. Pero la carrera se dividió en dos competencias —capacidad y distribución— y Estados Unidos está ganando la primera mientras pierde la segunda.

El V4-Pro de DeepSeek tiene un precio de aproximadamente la doceava parte del costo de GPT-5.5 con un desempeño comparable en benchmarks, y DeepSeek V4 Flash cuesta 0,14 dólares por millón de tokens de entrada, frente a 5,00 dólares de GPT-5.5. Los propios analistas de OpenRouter informan que los modelos abiertos chinos funcionan entre un 60% y un 90% más baratos que las ofertas estadounidenses líderes. Para las cargas de trabajo de producción de alto volumen —agentes de programación, procesamiento de documentos y operaciones de atención al cliente— ese diferencial decide la orden de compra.

La distribución es donde los ecosistemas se afianzan, continúa el artículo. La familia Qwen de Alibaba ha superado los mil millones de descargas acumuladas y reemplazó a Llama de Meta como la familia de modelos abiertos más descargada del mundo —los modelos de pesos abiertos publican archivos de parámetros descargables que los desarrolladores pueden ejecutar, inspeccionar y ajustar en su propia infraestructura, a diferencia de los modelos cerrados que solo se acceden mediante la API de pago de un proveedor—, mientras que Llama, que definió la IA de pesos abiertos en 2023 y 2024, ha caído por debajo del 1% del volumen enrutado. Los desarrolladores optimizan lo que pueden descargar y construyen herramientas alrededor de lo que despliegan; así fue como Linux ganó los servidores y Android ganó los teléfonos, y está volviendo a ocurrir a la vista de todos, escribe el autor.

Bienvenidos a la zona muerta

Entre la frontera y el suelo de commodity se encuentra lo que el autor llama una zona muerta: cualquier modelo, producto o estrategia corporativa de IA que no sea claramente el mejor ni claramente el más barato, aplastado desde ambas direcciones a la vez.

Los datos del mercado ilustran la bifurcación. Según un análisis de los datos de uso de OpenRouter, Anthropic —creadora de la familia Claude— posee solo alrededor del 12% de la participación de tokens de la plataforma, pero capta aproximadamente la mitad del gasto total: el carril premium, con menos tokens cuyo precio está justificado por el trabajo que implican. El carril de commodity pertenece a los modelos abiertos eficientes que mueven billones de tokens baratos. El punto medio —modelos cerrados sin una ventaja decisiva de capacidad y despliegues empresariales que pagan precios de frontera por trabajo de commodity— no tiene carril alguno.

La mayoría de los planes estratégicos de IA de las empresas Fortune 500 están parados en ese punto medio, sostiene el autor. La empresa típica firmó un contrato de API de frontera en 2024, enrutó todo a través de él y nunca miró atrás; en 2026, eso equivale a operar toda una logística mediante carga aérea nocturna.

China construyó esto de manera deliberada

Nada de esto ocurrió por accidente, subraya el artículo de opinión. Los controles de exportación de Estados Unidos sobre los chips avanzados de IA, impuestos por primera vez en 2022 y endurecidos varias veces desde entonces, negaron a los laboratorios chinos los mayores clústeres de GPU, por lo que estos trabajaron alrededor de la escasez con eficiencia de tokens, mecanismos de atención novedosos, diseños eficientes de mezcla de expertos, datos de mayor calidad en lugar de volumen bruto y una arquitectura consciente de la inferencia desde el primer día. El apoyo estatal redujo aún más la base efectiva de costos, y Xiaomi recortó los precios de la API de MiMo hasta en un 99% en mayo. La restricción se convirtió en estrategia —y los laboratorios estadounidenses que tratan la eficiencia como una preocupación secundaria arriesgan mantener su ventaja tecnológica mientras pierden volumen de mercado, el interés de los desarrolladores y, en última instancia, todo el ecosistema de IA.

El manual de juego de los constructores para 2026

Para los ejecutivos y fundadores que realmente construyen sobre IA, el autor identifica cuatro movimientos que importan ahora más que nada.

1. Convierta el enrutamiento híbrido en su arquitectura predeterminada. Enrute el trabajo más difícil, más regulado y de mayor riesgo hacia los modelos de frontera, y las tareas de alto volumen y sensibles al costo hacia los modelos abiertos eficientes. Las empresas que hacen esto están reduciendo los costos de inferencia entre un 60% y un 90% en la mayoría de sus cargas de trabajo sin tocar la calidad donde importa; si un presupuesto de IA pasa por una única API cerrada, argumenta el autor, está pagando de más por la mayor parte de lo que hace.

2. Trate la eficiencia como un arma de primera clase. La optimización de la inferencia, la cuantización, la decodificación especulativa y el codiseño de modelo y hardware son hoy prácticas estándar y no meras curiosidades de investigación. Estudie cómo construyeron los laboratorios sujetos a restricciones y luego aplique esas lecciones con el cómputo estadounidense detrás.

3. Diferénciese por encima de la capa del modelo. Los datos propietarios, la capa de aplicación, el ajuste fino por dominio, los marcos de agentes y las baterías rigurosas de evaluación sobreviven a cualquier ventaja de modelo base; los modelos base están convergiendo en infraestructura, y "tu foso defensivo nunca iba a ser el modelo de otra persona".

4. Salga del punto medio. Si un producto depende de un modelo que no es ni el mejor ni el más barato, elija una dirección este año: suba por la curva de capacidad con una diferenciación real o compita con fuerza en costo y apertura. El punto medio no sobrevive a 2027, advierte el autor.

Estados Unidos necesita una respuesta de pesos abiertos ahora

La crítica más aguda está reservada para Washington, que según el autor se está preparando para librar la batalla equivocada. El instinto en el Congreso es restringir los modelos chinos por motivos de seguridad, y para las cargas de trabajo sensibles de gobierno y defensa esa cautela está justificada. Las preocupaciones sobre soberanía de datos ya limitan la adopción de modelos alojados en China en los sectores regulados occidentales, aunque los pesos abiertos autoalojados debilitan gran parte de ese argumento.

"Una prohibición no es una estrategia; es un arancel contra sus propios desarrolladores", argumenta el artículo. Los pesos abiertos chinos triunfan no por engaño, sino porque son de alta calidad, asequibles y accesibles —y porque ningún laboratorio estadounidense publica actualmente modelos de pesos abiertos de clase frontera con regularidad—. La retirada de Meta dejó el campo libre y China lo ocupó rápidamente.

La respuesta propuesta es competir con modelos de pesos abiertos creíbles de Estados Unidos y sus aliados, publicados con regularidad y respaldados por incentivos de compra o compromisos directos de los laboratorios. Los pesos abiertos son la forma en que un país exporta su ecosistema, sus normas de seguridad y sus estándares al resto del mundo; Estados Unidos lo entendió con la pila de internet y necesita recordarlo ahora, escribe el autor. La frontera todavía importa y Estados Unidos debería defenderla, pero la carrera práctica de 2026 se gana dominando ambas competencias a la vez: capacidad absoluta y eficiencia radical, excelencia cerrada y difusión abierta, el mayor cómputo confiable y su uso más inteligente. La innovación bajo restricciones ya no debería ser un premio de consolación.

La pregunta para los altos ejecutivos estadounidenses, los directorios y Washington es la misma, concluye el autor: cuando se construya la próxima generación de software global, ¿sobre qué modelos se construirá? Ahora mismo, los números de descargas están respondiendo —y no es la respuesta que Estados Unidos quiere escuchar—.

Las opiniones expresadas en los artículos de opinión de Fortune.com son únicamente las de sus autores y no necesariamente reflejan las opiniones y creencias de Fortune.

Esta nota fue publicada originalmente en Fortune.com.