En 6 meses, la IA china iguala a GPT-5.6
El 16 de julio de 2026, una empresa china llamada Moonshot (月之暗面) lanzó un nuevo modelo, Kimi K3. Dos días después, el 18 de julio, el programador de Silicon Valley Stephen Bochinski escribió un blog con el título The Kimi K3 Moment. El post voló en Hacker News: 254 votos y casi 300 comentarios. En el artículo decía algo muy directo: “en mi trabajo diario uso Kimi K3 y Claude juntos, y no distingo cuál es cuál.”
No es “cerca”, no es “alcance parcial”: es no distinguir la diferencia.
Lo que más molesta a Silicon Valley es el precio. El precio de la API de K3 es un tercio del de Claude, y la suscripción arranca en 19 dólares —mientras que Anthropic (la empresa de Claude) ha retirado silenciosamente el acceso a su modelo más potente en el tramo de 20 dólares, porque no le sale a cuenta.
Pero lo que hoy me interesa es una pregunta más profunda: ¿por qué un equipo chino pudo igualar en 6 meses la ventaja que los estadounidenses tardaron años en construir?
Crédito de la imagen: blog de Stephen Bochinski, “The Kimi K3 Moment”
El expediente: sin equipo, directo al ruedo
Miremos los datos primero.
En GPQA Diamond, la prueba de razonamiento científico a nivel de doctorado, K3 sacó 93,5 % —la puntuación más alta de todos los modelos abiertos hasta entonces. En los problemas de matemáticas AIME y en HLE (Humanity’s Last Exam, un banco de preguntas extremadamente difíciles diseñado para que “la IA no pueda”), K3 empató con GPT-5.6 sin recurrir en absoluto a herramientas externas como búsqueda, calculadora o ejecución de código.
¿Qué significa? Pongamos una analogía: es como una carrera donde los demás salen con navegador y equipo de boxes, y K3 entra con las manos vacías y saca una vuelta casi igual.
La propia Moonshot fue honesta y escribió en su anuncio: “K3 sigue por detrás de Claude Fable 5 y GPT-5.6 Sol en rendimiento global”. Pero la clave es que la distancia ya pasó de “inalcanzable” a “se puede poner en la misma tabla”.
De la primera conmoción de DeepSeek a principios de año, hasta el empate de Kimi K3 en julio, van justos 6 meses. La Casa Blanca decía en enero de 2025 que “EE. UU. lleva a China entre 3 y 6 meses de ventaja en IA”, y visto ahora, la predicción acierta de forma inquietante.
Crédito de la imagen: blog técnico oficial de Kimi K3, que muestra la comparación multidimensional de K3 con modelos de frontera como GPT-5.6 Sol y Claude Fable 5
La destilación no es robar, es una ley física
Aquí hay una palabra que no se puede evitar: “destilación” (distillation).
No es la torre de destilación de una planta química. En el mundillo de la IA, la destilación es esto:
Supón que tienes un director de tesis que lo sabe todo, pero contratarlo para una clase cuesta mucho y ya es mayor y algo lento. Quieres formar a un profesor joven con un nivel parecido, pero que dé clase barata y reaccione rápido. ¿Cómo? Lo más listo es sentar al profesor joven en las clases del director, apuntar cada pregunta que respondió y cada explicación, y practicar una y otra vez.
El profesor joven no necesita aprender el cálculo desde cero; solo tiene que aprender “ante este problema, el director respondería así”.
Esa es la destilación: usar los datos de salida de un modelo fuerte (el director) para entrenar a uno nuevo (el profesor joven). En teoría, el nuevo modelo puede aprender la mayor parte de la capacidad del fuerte en muy poco tiempo.
Esto se lleva discutiendo años en la industria. Anthropic dice que la destilación es “robo a escala industrial”; OpenAI dice que DeepSeek “destiló claramente nuestros modelos”. Y el comentario más votado en Hacker News decía:
“Distillation attacks aren’t attacks. Frontier US labs distilled all of humanity’s writing into their models, so it was inevitable that second-tier labs would distill their models into cheaper versions. Nobody can stop someone from saving chat logs to train their own model. The ending was written from the start. Invest in hardware companies, not model companies.”
Suena duro, pero la lógica no es fácil de rebatir. Cuando entrenas tu modelo con todo el texto de internet, no fuiste preguntando a cada autor por permiso. Ahora otros usan la salida de tu modelo para entrenar uno nuevo, y dices que es robo —esa postura moral no es muy sólida.
Un foso que se hace cada vez más superficial
La destilación es letal porque entierra el foso del que va por delante.
En las industrias tradicionales, ¿qué barrera tiene el líder? Patentes, marca, cadena de suministro, relación con clientes. Cosas que no desaparecen porque un competidor mire tu producto una vez.
Pero el “conocimiento” de un modelo de IA es, en esencia, parámetros: unos números. Tu modelo responde una pregunta y escupe un texto. Ese texto es una fuga de conocimiento. Con que alguien se tome el trabajo de recopilar unos millones de pares pregunta-respuesta y se los dé a un modelo nuevo para entrenarlo a fondo, ese modelo nuevo aprende a “responder como tú”.
Este proceso no necesita robar el código fuente, ni piratear ingenieros, ni siquiera un hardware especialmente potente: solo paciencia para recoger datos y luego entrenar. La ventaja de los equipos chinos está justo ahí: mano de obra barata, ejecución de ingeniería fuerte y, además, cero sujeción a la ley de derechos de autor estadounidense.
Un usuario de HN señaló que, en pruebas tempranas, a Kimi K3 le preguntaron “¿cómo te llamas?” y respondió “Claude” —lo que prácticamente delata que metieron montones de conversaciones de Claude en los datos de entrenamiento.
Pero lo triste es: ¿y qué si se confirma? Los tribunales estadounidenses no llegan a una empresa china, y la demanda de Anthropic en un contexto transfronterizo es, básicamente, papel mojado. Como dijo un comentarista: “los laboratorios chinos pueden entrenar libremente sobre datos pirateados, mientras que los laboratorios estadounidenses tienen que pagar 1.500 millones de dólares para cerrar una demanda colectiva”.
¿Quién gana? ¿Quién pierde?
Primero los perdedores.
Las empresas de modelos, especialmente las que construyeron su foso sobre “mi modelo es el más listo”. Si tu ventaja te la igualan cada 6 meses, ¿dónde está tu poder de fijar precio? Que Anthropic retire el acceso a Fable en el tramo de 20 dólares es, en el fondo, decir: nuestro modelo de negocio no aguanta ese precio. Cuando el coste de un producto supera su precio de venta y el competidor vende algo parecido por un tercio —este negocio no funciona.
La política de regulación de IA de EE. UU. Bochinski tiene un juicio muy afilado en su artículo: el gobierno estadounidense retiene sus propios modelos y les pone capas de revisión de seguridad, ¿y el resultado? Un laboratorio chino fuera de su jurisdicción libera de golpe un modelo de nivel equivalente como código abierto. “Lo único que reguló este sistema fue a los usuarios estadounidenses.”
Ahora los ganadores.
Las empresas de hardware. Da igual qué modelo uses: para ejecutarlo tienes que comprar tarjetas gráficas. A Nvidia no le importa si entrenas un modelo estadounidense o chino —las chips son de ella. Esta es también la lógica central del comentario más votado en HN.
El usuario corriente. Si eres un lector cualquiera en WeChat, no necesitas preocuparte de si la destilación es legal o de si los parámetros llegan a 2,8 billones. Solo necesitas saber: antes pagabas 20 dólares al mes por un asistente de IA capado, y ahora con 19 dólares tienes algo de primer nivel, y encima abierto —en teoría puedes descargártelo y ejecutarlo tú mismo, sin pasar por ninguna empresa.
Esto beneficia especialmente a los usuarios chinos. En los últimos dos años, los productos de IA estadounidenses se volvieron cada vez más hostiles con los usuarios chinos: registro que exige número de móvil de EE. UU., pago que exige tarjeta de crédito estadounidense, censura cada vez más estricta. Ahora la capacidad de frontera está en manos de una empresa china, sin restricción de acceso ni recorte por censura.
Crédito de la imagen: blog técnico oficial de Kimi K3, que muestra la comparación integral de K3 en todas las dimensiones de capacidad frente a los modelos de frontera
¿Hacia dónde ahora?
Creo que esta historia apenas empieza. Kimi K3 no será el último modelo chino en igualar a los demás.
Si la vía de la destilación efectivamente funciona, significa que cualquier avance en capacidad de los laboratorios estadounidenses será alcanzado en cuestión de meses. La ventaja de décadas de dólares que quemaron OpenAI y Anthropic quizá solo valga 6 meses de exclusividad.
Eso obligará a la industria a ir por dos direcciones:
Una es hacer aplicaciones. No vender el modelo, vender la capacidad de resolver problemas. Como la electricidad: a nadie le importa qué central la genera; lo que importa es si la nevera enfría y la tele se enciende.
Otra es hacer hardware. Aquel comentario de HN, “invierte en empresas de hardware, no en empresas de modelos”, aunque es un consejo de inversión, señala un hecho: en la cadena de la IA, el hardware es el único eslabón ineludible.
Pero lo que más me preocupa es una tercera dirección posible: la reacción del gobierno estadounidense. Bochinski escribe al final de su artículo algo así como: el gobierno estadounidense muy probablemente repita la historia de la industria automotriz: usar subsidios, aranceles y proteccionismo para sostener una hornada de modelos nacionales que solo sirven dentro de la muralla, caros y no del todo buenos. Al final, EE. UU. se convierte en el único país del mundo sin acceso a la mejor IA.
Suena a amenaza, pero pensando en el estado actual de la industria automotriz estadounidense, no parece del todo imposible.
Al escribir esto, recordé otro comentario en HN:
“US labs scraped everything off the internet to train their models, and now that someone ‘distills’ their models, they’re crying.”
A decir verdad, estas dos cosas no son del todo iguales jurídicamente. Pero desde la perspectiva de la gente corriente, se parecen bastante: tomas gratis el conocimiento de toda la humanidad y luego exiges que los demás paguen por usar lo tuyo.
Tras el lanzamiento de K3, cómo responden Anthropic y OpenAI, hacia dónde tuerce la política estadounidense, quién se come el negocio primero —hardware o modelos—, cada pregunta merece seguirse. Pero una cosa ya está clara: la ventaja de los modelos de IA es fina como una hoja de papel.
Enlaces de referencia:
- Stephen Bochinski: The Kimi K3 Moment
- HN discussion (item?id=48960218)
- Kimi K3 official tech blog
- Codersera: Kimi K3 Benchmarks vs Fable 5, GPT-5.6 & Opus
Declaración: Este artículo se basa en blogs públicos, discusiones de la comunidad HN y datos públicos de la industria. Representa únicamente las observaciones personales del autor y no constituye asesoramiento de inversión.
