✨︎ Resumen (TL;DR):
- El secretario del Tesoro de EE. UU., Scott Bessent, advirtió sobre sanciones si determinan que modelos extranjeros plagiaron tecnología.
- El modelo Kimi K3 de la china Moonshot AI cuenta con 2.8 billones de parámetros y promete liberar sus pesos el 27 de julio de 2026.
- La tensión comercial crece ante el temor de las firmas occidentales de perder el control de precios en el mercado de la IA.
El secretario del Tesoro de Estados Unidos, Scott Bessent, amenazó con imponer sanciones a modelos de inteligencia artificial extranjeros si el gobierno estadounidense determina que copiaron propiedad intelectual de empresas de ese país. La advertencia ocurre tras la presentación de Kimi K3, un modelo desarrollado por la firma china Moonshot AI que compite directamente con los sistemas de OpenAI y Anthropic.
Kimi K3 es un modelo de mezcla de expertos que optimiza la programación de larga duración, el procesamiento de conocimiento y el razonamiento multimodal. La compañía asiática programó la liberación de sus pesos completos para el 27 de julio de 2026, lo que permitirá a desarrolladores externos ejecutarlo en su propia infraestructura.
Esta advertencia escala una disputa comercial y tecnológica en torno a los sistemas de pesos abiertos. Mientras los creadores de software cerrado defienden sus patentes, los modelos distribuidos facilitan que otras empresas compitan de manera global sin depender de un único proveedor extranjero.
La sospecha de extracción de datos y la advertencia de Washington
Bessent detalló a Fox Business que revisarán si los modelos chinos se entrenaron mediante la extracción no autorizada de respuestas de sistemas estadounidenses. “Si vemos, sobre todo, que modelos extranjeros están robando a nuestras grandes empresas, tenemos la capacidad de sancionarlos por ese robo”, declaró el funcionario estadounidense.
Hasta ahora, la administración estadounidense no ha sancionado a Moonshot AI ni ha presentado pruebas concluyentes contra K3. No obstante, la firma ya enfrentaba señalamientos de Anthropic, que en febrero atribuyó a Moonshot más de 3.4 millones de interacciones con Claude mediante cientos de cuentas presuntamente apócrifas.
Por su parte, analistas independientes consideran poco probable que el rendimiento de este desarrollo se deba únicamente a este método. El desarrollo propio de arquitectura y de optimización de infraestructura explicaría mejor el salto técnico de la empresa china.
Características de Kimi K3 y la promesa de apertura
El sistema cuenta con 2.8 billones de parámetros totales y activa 16 de sus 896 expertos para cada token procesado. Además, el modelo ofrece visión nativa y soporta una ventana de contexto de un millón de tokens.
La plataforma de evaluación Arena coloca de forma preliminar a Kimi K3 a la cabeza en desarrollo web con 1,677 puntos. Sin embargo, su despliegue práctico requiere un gasto considerable de hardware, ya que Moonshot sugiere correrlo en supernodos de al menos 64 aceleradores de alto rendimiento.
Respecto a los costos de su API, el modelo se ofrece a 3 dólares por millón de tokens de entrada sin caché, 30 centavos con caché y 15 dólares por millón de tokens de salida. Esto representa una alternativa competitiva para empresas que buscan esquivar el monopolio de las API de los laboratorios estadounidenses.
El impacto real en el mercado global
Aunque un desarrollador independiente en México o América Latina difícilmente podrá operar un sistema de 2.8 billones de parámetros en una computadora común, la disponibilidad de los pesos abiertos abre la puerta para que proveedores locales alojen el modelo, personalicen sus funciones y reduzcan costos.
Esta presión preocupa a laboratorios cerrados como OpenAI y Anthropic, que basan sus ingresos en cobrar por cada consulta en sus propios servidores. Con opciones abiertas de alta capacidad en el mercado, su poder para fijar tarifas podría disminuir drásticamente.
El próximo paso decisivo será la liberación de los pesos el 27 de julio. A partir de esa fecha, investigadores de todo el mundo podrán auditar el código para comprobar la eficiencia del modelo y descartar posibles vulnerabilidades de seguridad o malas prácticas de entrenamiento.
