Las empresas estadounidenses están mirando cada vez más fuera de Estados Unidos para cubrir sus necesidades de IA. A medida que los modelos chinos de peso abierto se acercan a sus contrapartes estadounidenses de código cerrado, un número creciente de compañías se muestra más favorable a las alternativas chinas, y nuevos datos de gasto sugieren que ese cambio, aunque aún modesto, ya está en marcha.

El atractivo es sencillo. "Open weight" significa que los parámetros subyacentes de un modelo se publican para que cualquiera pueda descargarlos, de modo que las empresas pueden ejecutar los sistemas en su propia infraestructura o a través de plataformas de terceros, en lugar de depender de la API de un único proveedor. Eso les da más oportunidades para ajustar finamente los sistemas de IA, hace que el despliegue sea mucho más barato y, en general, otorga a las empresas más control, incluida una mayor seguridad de que sus datos no se usarán para entrenar productos potencialmente competidores. Aunque Anthropic y OpenAI siguen dominando la forma en que las empresas estadounidenses compran IA, las cifras apuntan a un cambio en los márgenes.

Según el último AI Index de Ramp —la firma de gestión del gasto rastrea el gasto en tokens y suscripciones en su base de clientes empresariales, ofreciendo una ventana inusualmente directa a cómo pagan realmente las compañías por la IA—, la proporción de empresas que pagan por plataformas de servicio de modelos, que dan acceso a modelos de código abierto y desarrollados en China, subió a 6.1% del total de empresas que gastan en IA en julio, frente a 4.5% en enero de 2026.

El cambio podría reflejar un mayor interés empresarial en modelos de peso abierto como Kimi K3 de Moonshot, que llamó la atención en su lanzamiento por ser tanto un modelo de peso abierto inusualmente grande como uno que mostró rendimiento en programación y tareas agénticas cercano al de sistemas propietarios líderes.

Z.AI, otro laboratorio chino de IA, confirmó esta semana que construyó Ox Alpha, un modelo que hasta entonces no tenía nombre y que había tenido un buen desempeño en las pruebas de referencia de IA y recibió reseñas entusiastas de desarrolladores de IA durante el fin de semana. La empresa lo ha rebautizado como GLM-5.3-Flash y dijo que cobrará $0.15 por millón de tokens de entrada y $0.50 por millón de tokens de salida, otra oferta china con precios agresivos en un mercado donde DeepSeek y Moonshot ya han presionado los precios de sus rivales. Como el acceso por API a los modelos de IA se vende por token, esas tarifas se traducen directamente en costos operativos, y los precios por debajo de un dólar hacen que las cargas de trabajo de alto volumen sean mucho más baratas de operar que las alternativas de frontera.

También se cree que Z.ai está cerca de lanzar una versión más grande de GLM-5.3 que muchos consideran rivalizará con algunos de los mejores modelos de Anthropic y OpenAI en capacidades cibernéticas, un posible punto de inflexión que muchos temen que inaugure una nueva era de ciberataques impulsados por IA para la cual la industria está muy mal preparada (New York Times). Hasta ahora, ese debate sobre seguridad ha coexistido con el cambio comercial que reflejan los datos de Ramp, no lo ha frenado.

China ahora está claramente por delante en la carrera de los modelos abiertos. Hugging Face encontró que, en casi todos los meses de 2026, el modelo abierto más grande y capaz provenía de un laboratorio chino (State of Open Models). Los desafíos estadounidenses más notables recientes han llegado de Thinking Machines Lab y, más recientemente, de Meta —cuyos primeros lanzamientos de Llama ayudaron a impulsar el movimiento de peso abierto entre los principales laboratorios estadounidenses—, pero esas versiones estadounidenses, en general, no han igualado la escala ni el atractivo para desarrolladores de Kimi K3.

Alex Brunicki, socio de Backed VC, dijo que ya está viendo un cambio en la forma en que las empresas se aproximan a los modelos de código abierto.

"Hemos visto a muchas empresas… desarrollar modelos fundacionales específicos para la industria usando modelos de código abierto que luego se ajustan finamente con conjuntos de datos muy particulares", dijo. "No necesariamente están usando los modelos de frontera para todo el trabajo que realizan. En realidad están usando estos modelos de código abierto, que son gratuitos de usar".

Al menos dos organizaciones consolidadas han anunciado recientemente y de forma pública su paso al código abierto para algunas áreas de su negocio. Thomson Reuters dijo esta semana que ha construido un modelo interno, llamado Thomson-1, basado en Snowdon, un sistema que la empresa desarrolló adaptando el modelo de código abierto Qwen de Alibaba (Computing). El modelo se encargará de tareas de revisión de documentos que antes corrían en Claude. Como parte del anuncio, el CTO Joel Hron dijo que las empresas no necesitan modelos cada vez más grandes y caros para obtener resultados útiles, y que partir de una base abierta sólida y especializarla en profundidad puede producir IA capaz a un costo menor.

Harvey, la firma de tecnología legal respaldada por OpenAI, Sequoia y Andreessen Horowitz, también anunció recientemente que su nuevo modelo, Harvey Tenet, fue post-entrenado sobre Kimi K3 de peso abierto de Moonshot AI (SCMP). La empresa dijo que Harvey Tenet superó tanto a su modelo base como a sistemas de frontera estadounidenses —incluidos Fable 5 y GPT-5.6 Sol— en tareas jurídicas agénticas complejas. Harvey había construido antes su producto personalizando modelos cerrados de Anthropic, OpenAI y Google, un recordatorio de que incluso empresas financiadas por los laboratorios líderes de EE. UU. están dispuestas a cambiar de base cuando la economía lo favorece.

Ara Kharazian, economista jefe de Ramp, escribió que el crecimiento reciente del código abierto todavía no ha afectado directamente el gasto en OpenAI o Anthropic. Los nuevos compradores de IA siguen eligiendo a los laboratorios estadounidenses establecidos: Anthropic fue el que más terreno ganó entre las empresas en julio, al subir 1.1 puntos porcentuales hasta una cuota de mercado de 43.5%, mientras que OpenAI avanzó solo 0.23 puntos hasta 39.7%.

Sin embargo, Fable 5 de Anthropic —considerado el modelo más avanzado del mercado, hasta el punto de que el gobierno de Estados Unidos suspendió brevemente el acceso extranjero por motivos de seguridad nacional— representó solo 6% de los tokens que las empresas compran a Anthropic y 11.4% de los dólares gastados en modelos de Anthropic en general. Esa participación se da pese a que Fable 5 tiene un precio de aproximadamente $10 por millón de tokens, el doble que GPT-5.6 Sol de OpenAI, y muchas veces por encima de las tarifas por debajo de un dólar que están cotizando los proveedores chinos de peso abierto. GPT-5.6 Sol, en comparación, representa 25% de los tokens de OpenAI y 23% de su gasto.

Kharazian sostiene que Fable 5 ha encontrado efectivamente el techo del mercado: las empresas no están dispuestas a pagar una prima por el mejor modelo del mercado cuando uno más barato es suficiente.

En conjunto, estos datos podrían sugerir que los laboratorios estadounidenses de frontera han encontrado el límite de lo que los clientes pagarán por el modelo más nuevo y caro, y que el código abierto simplemente está entrando para cubrir ese espacio. Los próximos indicadores más claros serán las siguientes lecturas del índice de Ramp, que mostrarán si la participación de plataformas de servicio de modelos sigue subiendo, y el GLM-5.3 más grande de Z.AI, que pondrá a prueba tanto hasta dónde pueden llegar los pesos abiertos chinos en capacidad como las preocupaciones de seguridad que los acompañan.

En otras noticias de IA:

• Google DeepMind está perdiendo su ventaja en talento élite de IA, muestran nuevos datos.
• DeepSeek busca $7.4 billion con una valoración de $74 billion.
• El responsable de centros de datos de OpenAI deja la empresa en medio de una salida más amplia.
• OpenAI publicó más detalles sobre el hackeo de Hugging Face.

Informado por Beatrice Nolan para Fortune (beatrice.nolan@fortune.com, @beafreyanolan). Publicado originalmente en Fortune.com.