La carrera de la inteligencia artificial ya no avanza por años ni meses. Avanza por semanas. Cada lanzamiento importante dura poco antes de que otro lo alcance o lo supere.
Hace apenas dos semanas, Anthropic presentó Opus 4.6, que logró resultados de primer nivel en varias áreas y se posicionó como uno de los modelos más potentes del momento.
Pero la celebración duró poco. En menos de una semana, la empresa china Z.ai lanzó GLM-5, un modelo muy parecido en capacidades.
En redes sociales lo llamaron la versión barata de Opus. No hay pruebas de copia directa, pero la comparación fue inmediata y masiva.
El liderazgo de GLM-5 tampoco duró mucho. Otros desarrolladores lo descargaron, lo comprimieron y lo relanzaron en versiones que funcionan sin conexión a internet.
Competencia
Ahí empezó la polémica. Varias compañías estadounidenses acusan a competidores de usar técnicas para imitar modelos avanzados en tiempo récord.
Google lleva años advirtiendo sobre la “destilación”, una técnica que bombardea a un modelo con miles de preguntas para extraer patrones internos y replicarlos.
Según denuncias, alguien hizo más de 100 mil consultas a Gemini intentando descifrar su funcionamiento profundo y reproducirlo en sistemas más baratos.
Shayne Longpre, investigador del Massachusetts Institute of Technology, cree que la ventaja competitiva se está reduciendo. El foso entre líderes y perseguidores se hace cada vez más estrecho.
Dice que la distancia entre modelos cerrados y alternativas abiertas ya es de apenas tres a seis meses. Antes era mucho mayor.
Gran parte del avance ahora ocurre después del lanzamiento. Las empresas ajustan el modelo con aprendizaje por refuerzo, afinan parámetros o amplían el contexto.
Eso evita entrenar desde cero cada vez. En lugar de reconstruir todo, aplican mejoras rápidas, como actualizaciones de software. Publican variantes cada una o dos semanas. Cada mejora pequeña se acumula y acelera el ritmo general.
Quejas
Empresas como OpenAI han acusado públicamente a competidores como DeepSeek de entrenar sistemas usando resultados de modelos estadounidenses.
Aunque nadie robe en sentido estricto, el ecosistema abierto aprende rápido. Replica técnicas exitosas apenas aparecen.
El concepto de “código abierto” también genera confusión. El profesor Thibault Schrepel, de la Vrije Universiteit Amsterdam, dice que muchas licencias limitan más de lo que parece.
Por ejemplo, Meta impone condiciones especiales en la licencia de Llama 3 para servicios con más de 700 millones de usuarios. Ese sistema de dos niveles crea zonas grises donde surgen prácticas cuestionables.
Longpre cree que el mercado se dividirá. Habrá modelos baratos y potentes para tareas cotidianas, y sistemas premium para trabajos complejos y delicados.
La base tecnológica está subiendo. Cada vez habrá modelos más accesibles y capaces funcionando en computadoras propias. Pero para tareas críticas, muchos seguirán recurriendo a gigantes como OpenAI, Google y Anthropic.
Evitar la destilación por completo parece imposible. Cada nuevo modelo atraerá intentos de analizarlo y copiar sus mejores trucos.