El maximizador de ahorro pone en riesgo las OPI de OpenAI y Anthropic.

      Aproximadamente 750,000 palabras de salida de IA cuestan $50 si las compras en Fable de Anthropic. El mismo volumen de V4-Pro de DeepSeek cuesta alrededor de 87 centavos, informó Fortune. GLM-5.2 de Z.AI cobra $4.40. Kimi K3 de Moonshot, caro según los estándares chinos, cobra $15.

      América corporativa se ha dado cuenta. Las empresas pasaron un año compitiendo para quemar tokens. Ahora buscan el modelo más barato que pueda terminar el trabajo, informó el Wall Street Journal. La insignia de honor solía ser el tokenmaxxing. La nueva es el thrift-maxxing.

      La primera respuesta a las facturas fue el racionamiento, cuando las empresas limitaron lo que el personal podía gastar. La segunda es la sustitución, y es un problema mucho mayor para OpenAI y Anthropic.

      “Es como conducir un Lamborghini para ir al supermercado a recoger leche cuando fue diseñado para ser conducido en una pista”, dijo Mike Saeks, director de tecnología de campo en Cursor, quien asesora a las empresas sobre sus retornos de IA.

      Él tiene los recibos. Cursor calculó el costo de construir un navegador web desde cero. Ejecutar todo el trabajo en GPT-5.5 de OpenAI costó poco más de $10,000. Dividirlo entre el propio modelo Composer de Cursor y Opus 4.8 de Anthropic costó $1,339.

      La orquesta, no el solista

      Esto no significa que las empresas estén abandonando los laboratorios estadounidenses. Se trata de que las empresas los están degradando a las partes del trabajo que justifican el precio.

      Telnyx, que construye infraestructura para agentes de IA, ejecutó 1,000 de ellos en un modelo superior de Anthropic bajo una suscripción de $200 por empleado. Luego Anthropic dejó de permitir sistemas operativos de terceros en sus suscripciones, tratándolo como una violación de sus términos. Pagar por uso en su lugar habría costado “como 100 mil por día”, dijo el director ejecutivo David Casem al Journal.

      Así que Telnyx reconstruyó la pila. Los modelos de Z.AI ahora ejecutan sus 1,400 agentes. Fable de Anthropic actúa como el director de orquesta y planifica el trabajo. Los modelos de peso abierto manejan la implementación. Sol de OpenAI revisa lo que producen.

      La startup legal de IA Harvey entrenó GLM-5.2 por sí misma. Luego le dio al modelo un botón para llamar a Fable 5 cuando una tarea parece genuinamente difícil. “Trabajamos con todos ellos”, dijo el presidente Gabe Pereyra. El director de tecnología de Zoom, Xuedong Huang, recurrió a una antigua historia china. En ella, tres personas ordinarias combinan su ingenio para igualar a un genio. Eso, dijo, es la salsa secreta.

      “Realmente se siente como una masacre”

      Los laboratorios están reaccionando como lo hace cualquier proveedor cuando los costos de cambio colapsan. Están pagando a los clientes para que se queden.

      “No veo ninguna lealtad”, dijo Marty Kausas, director ejecutivo de la plataforma de soporte al cliente Pylon. “Realmente se siente como una masacre en este momento”. A Pylon se le han otorgado meses de uso ilimitado gratuito. Kausas estima que ha recibido alrededor de $1.6 millones en tokens gratuitos de un proveedor este año. Otro dio $65,000, y un tercero dio $10,000.

      Ambos laboratorios dicen que se están adaptando. Una portavoz de OpenAI dijo que GPT-5.6 Sol fue entrenado para ser mucho más eficiente en tokens. Anthropic lanzó un modelo poderoso y de menor costo el viernes. Un ejecutivo dijo que los clientes pueden elegir inteligencia o precio dentro de su propio ecosistema. Ambos dicen que apoyan modelos de peso abierto.

      Por qué la brecha es tan amplia

      La diferencia de precio no es caridad. La electricidad cuesta menos en China, y los nuevos centros de datos allí enfrentan menos resistencia local. Las empresas chinas también están dispuestas a operar con márgenes delgados para ganar cuota y convertirse en la opción predeterminada.

      Los controles de exportación pueden haber ayudado. Cortados de los mejores chips de Nvidia, los laboratorios chinos tuvieron que exprimir más de hardware inferior. “Por el dinero que [una empresa de IA china] gastaría en un chip de Nvidia, puede comprar 10 chips locales de Huawei u otros fabricantes de chips locales”, dijo George Chen del Asia Group a Fortune.

      De Coinbase a DoorDash

      Los nombres conocidos también lo están haciendo. El director ejecutivo de Coinbase, Brian Armstrong, dijo en junio que el intercambio había reducido a la mitad su gasto en IA. Lo hizo empujando al personal hacia Kimi y los modelos GLM de Z.AI.

      DoorDash envía lo que su director de tecnología, Andy Fang, llama “trabajo de nivel inferior” a Kimi, para “mejor calidad [a un] costo más bajo”. Airbnb ha utilizado Qwen de Alibaba para servicio al cliente. Cursor construyó su propio modelo de codificación Composer 2 sobre las bases de Kimi.

      El resultado se refleja en el uso. Los modelos chinos tomaron el 57% de los tokens que las empresas estadounidenses consumieron en OpenRouter durante una semana en julio. En un momento a mediados de mes, los cinco principales modelos del mercado eran chinos.

      Se extiende mucho más allá de los desarrolladores. IDC encuestó a 260 tomadores de decisiones en empresas estadounidenses con más de 1,000 empleados. De esos, el 47% dijo que utilizaba un modelo hecho en China para al menos un caso de uso, informó The Daily Upside. Uno de cada cinco informó un uso extenso.

      El problema de la OPI

      Aquí está la razón por la que esto impacta más que una guerra de precios ordinaria. OpenAI y Anthropic pasaron años compitiendo para construir los modelos más capaces. Luego descubrieron que muchos clientes quieren modelos básicos. Ambos se están preparando para salir a bolsa. El Journal informa que el cambio está amenazando las valoraciones que llevan a esas listas.

      También explica el cabildeo. La lucha por restringir los modelos de peso abierto chinos ha durado todo el mes. Se extiende desde las startups que se oponen a una prohibición hasta los gigantes que firmaron una carta defendiendo los modelos abiertos el viernes. La hoja de precios es de lo que realmente trata ese argumento.

      El mercado ya ha votado una vez. Moonshot anunció K3 el 16 de julio. Nvidia perdió casi $600 mil millones en valor y cedió brevemente su lugar como la empresa más valiosa del mundo a Apple.

      Razones para mantener la calma

      No todos piensan que el cielo se está cayendo. En el podcast Equity de TechCrunch, Sean O’Kane argumentó que la industria hace esto cada vez. “Ahora estamos a una semana y no creo que nadie sienta que el fin está cerca como lo sentía hace una semana”, dijo.

      Su colega Kirsten Korosec hizo la pregunta más aguda sobre una prohibición. “¿Estamos acelerando y asegurando que los estadounidenses ganen la carrera de IA, o estamos asegurando que ciertos laboratorios fronterizos lo hagan mejor que otros?”

      Las fricciones reales permanecen. Igor Marchal de Gartner advirtió sobre hacerlo público. Nombrar un modelo chino invita a la sospecha en el mejor de los casos, escribió, y al daño reputacional y la resistencia a la adquisición en el peor de los casos. El Congreso está investigando a Airbnb y Cursor por su uso de tales modelos.

      Las grandes nubes también están conteniendo. Bedrock de Amazon, Azure Foundry de Microsoft y Vertex AI de Google aún no soportan estos modelos de peso abierto chinos. Los analistas de Bloomberg Intelligence, Mandeep Singh y William Tong, hicieron el punto después de que su mezcla de volumen de tokens alcanzara el 68%, tras los lanzamientos de K3 y GLM-5.2.

      Hoy los pesos llegan

      Moonshot publicará los pesos de K3 para descarga pública el lunes, informó Bloomberg. Cualquiera podrá descargar, modificar y alojar el modelo. Las ventas diarias en la empresa de Pekín han aumentado al menos seis veces desde el lanzamiento de K3.

      Esa fecha siempre estuvo en el calendario. Cuando Moonshot presentó K3 el 16 de julio, los pesos eran la prueba faltante, prometida para el 27 de julio. Llegan a un mercado que pasó la quincena intermedia aprendiendo a comparar precios.

      Sam Altman vio venir el cambio de ánimo. “Este es el primer año en que el gasto en IA ha sido un gran tema”, dijo el director ejecutivo de OpenAI a CNBC este mes. “Y de repente, es un tema muy grande.”