China ha sido un actor clave en el ámbito de la inteligencia artificial, destacando por su habilidad para desarrollar modelos eficientes que operan con menos recursos. Plataformas como Qwen o MiniCPM son ejemplos claros de esta tendencia, permitiendo que la IA sea accesible en dispositivos con capacidades de memoria y procesamiento más limitadas. Sin embargo, esta estrategia está evolucionando. Las principales empresas tecnológicas chinas ahora están virando hacia una dirección opuesta: la creación de modelos de IA de escala colosal.

La escalada de parámetros: de miles de millones a billones

La evolución en el tamaño de los modelos es un indicador clave de esta nueva ambición. Hemos visto cómo modelos como DeepSeek-V3 surgieron con 671.000 millones de parámetros, y Moonshot AI llevó Kimi K2 hasta el billón. Pero el año 2026 ha marcado un punto de inflexión, con Kimi K3 alcanzando los 2,8 billones y Alibaba posicionando Qwen3.8-Max en los 2,4 billones. Es fundamental entender que estos números se refieren a la cantidad total de parámetros, no a los que se activan en cada paso del procesamiento.

Mixture of Experts (MoE): la clave para manejar la inmensidad

La arquitectura Mixture of Experts (MoE) no es una novedad, pero su aplicación en estos modelos gigantes es crucial. Ya en 2023, análisis sugerían que GPT-4 podría estar utilizando este diseño, aunque OpenAI no lo ha confirmado. La lógica es simple y eficiente: en lugar de activar todos los parámetros en cada operación, el sistema solo utiliza una fracción de ellos. Qwen3.8-Max, por ejemplo, con sus 2,4 billones de parámetros totales, solo activa aproximadamente 95.000 millones en cada paso. Esto permite manejar la enorme escala sin sacrificar la eficiencia operativa.

Más grande no siempre es sinónimo de mejor

Es importante destacar que un mayor número de parámetros no garantiza automáticamente una mayor inteligencia o precisión. DeepMind ya lo demostró en 2022 con Chinchilla, un modelo de 70.000 millones de parámetros que superó a Gopher (de 280.000 millones) en diversas tareas, a pesar de tener un presupuesto de cómputo similar. La clave del éxito de Chinchilla radicó en haber sido entrenado con aproximadamente cuatro veces más datos. Esto subraya que el tamaño de un modelo es solo una parte de la ecuación. Otros factores como:

  • La arquitectura del modelo
  • La cantidad y calidad de los datos de entrenamiento
  • Los recursos de computación disponibles

son determinantes para el rendimiento final. La carrera por la IA no solo se trata de construir modelos más grandes, sino también de optimizar cada uno de estos elementos para lograr un rendimiento superior.

“La eficiencia y la escala no son mutuamente excluyentes; son dos caras de la misma moneda en la evolución de la inteligencia artificial.”

Este cambio de enfoque por parte de las empresas chinas sugiere una estrategia dual: seguir innovando en modelos pequeños y eficientes para aplicaciones específicas, mientras se invierte fuertemente en el desarrollo de modelos colosales que puedan competir con los gigantes occidentales en capacidades generales de IA. La batalla por el dominio de la inteligencia artificial sigue evolucionando, y China está demostrando su capacidad para adaptarse y liderar en ambos frentes.