Modelos chinos procesaron cerca de 61,2 billones de tokens en OpenRouter entre el 7 y el 13 de septiembre, casi tres veces los 21,8 billones atribuidos a modelos estadounidenses en el mismo análisis. Fue la vigésima semana consecutiva en que el volumen agregado chino se mantuvo por encima del estadounidense en la plataforma. La diferencia llama la atención porque el liderazgo en uso no acompaña necesariamente el liderazgo en capacidad: los modelos de Estados Unidos siguen entre los más fuertes en evaluaciones de inteligencia, mientras que las opciones chinas ganaron espacio sobre todo donde el precio y la eficiencia pesan tanto como el desempeño absoluto.
La distancia abre una pregunta más importante que la posición en un ranking: si un modelo no necesita ser el mejor para ejecutar gran parte de las cargas de trabajo de producción, ¿cuánto vale una ventaja de benchmark frente a diferencias de varias veces en el costo por tarea?
OpenRouter muestra una disputa diferente de la de los benchmarks
El análisis de Yicai muestra que OpenRouter procesó 127 billones de tokens en la semana del 7 al 13 de septiembre. Los modelos chinos representaron 61,2 billones, frente a 21,8 billones de los estadounidenses considerados en la comparación. Siete modelos chinos aparecieron entre los diez de mayor volumen, frente a solo dos un año antes.
Esto no significa que un modelo chino haya superado individualmente a todos los competidores. El GPT-5.6 Luna, de OpenAI, fue el modelo individual de mayor volumen en ese período, con 18,2 billones de tokens. El avance chino aparece principalmente en la suma de Tencent, Z.AI, DeepSeek, Xiaomi y otros proveedores, que pasaron a ocupar varias posiciones simultáneamente entre los modelos más utilizados.
También es importante medir correctamente qué se está comparando. El ranking de OpenRouter contabiliza tokens de entrada y salida procesados por su API, y no la cantidad de llamadas. Las solicitudes mantenidas privadas quedan excluidas, y el propio OpenRouter destaca que el dato no representa número de usuarios, peticiones ni gasto. Tampoco incluye todo el tráfico realizado directamente en las APIs de OpenAI, Anthropic y Google o en otras nubes e infraestructuras privadas.
El dato, por lo tanto, no demuestra que los modelos chinos sean más usados globalmente. Muestra algo más específico: en el mercado multicloud y multimodelo visible a través de OpenRouter, una porción creciente de las cargas de trabajo se está dirigiendo a proveedores chinos.
Cuando el modelo ya es suficientemente bueno, el precio cambia la decisión
La explicación económica aparece cuando el desempeño y el costo se analizan juntos.
Artificial Analysis encontró, en agosto, un contraste extremo en DeepSeek V4-Flash. El modelo costaba en promedio cerca de US$ 0,03 por tarea en las pruebas de la empresa, frente a US$ 1,86 para GPT-5.6 Sol y US$ 3,15 para Claude Fable 5. En ese momento, el modelo de DeepSeek quedaba detrás de las opciones más fuertes de OpenAI y Anthropic en inteligencia, pero su costo por tarea era más de cien veces inferior al de Claude usado en la comparación.
La diferencia no desaparece cuando se comparan modelos con desempeño más cercano. En la versión 4.3 del Intelligence Index de Artificial Analysis, el GLM-5.3 Flash alcanzó la misma puntuación de 42 que GPT-5.6 Terra en determinada configuración, pero presentó un costo promedio de US$ 0,25 por tarea, frente a US$ 1,40 del modelo de OpenAI —alrededor del 18% del costo.
Ese tipo de relación altera la matemática para aplicaciones que hacen miles o millones de inferencias. Una diferencia pequeña de calidad puede ser económicamente aceptable cuando la carga de trabajo implica clasificación, transformación de datos, extracción, automatizaciones, etapas intermedias de agentes o tareas de código que no exigen el modelo más capaz disponible en todas las llamadas.
En ese escenario, la pregunta deja de ser solo “¿qué modelo obtiene la mayor puntuación?” y pasa a incluir cuánto cuesta completar la tarea con calidad suficiente.
Caché y agentes amplían la importancia de la eficiencia
DeepSeek V4.1 Flash muestra cómo esa competencia está migrando hacia componentes menos visibles de la inferencia.
El modelo se lanzó el 10 de septiembre con una arquitectura de 552 mil millones de parámetros, pero activa solo 8 mil millones de ellos durante la entrada y 16 mil millones en la salida. DeepSeek afirma también haber reducido significativamente los requisitos de memoria de su caché KV, mecanismo utilizado para reutilizar contexto ya procesado.
En OpenRouter, los proveedores de V4.1 Flash ofrecen lecturas de caché por valores que llegan a cerca de US$ 0,006 por millón de tokens. Yicai relata que aproximadamente el 90% del volumen del modelo observado tras el lanzamiento provenía justamente de lecturas de caché.
Esto importa especialmente para agentes y flujos de trabajo largos, en los que grandes bloques de contexto pueden reutilizarse repetidamente. Cuanto mayor sea el número de etapas ejecutadas por una aplicación, mayor será la posibilidad de que diferencias aparentemente pequeñas en el costo de una única inferencia se multipliquen en la operación completa.
La competencia, por lo tanto, comienza a salir del precio nominal por token y avanzar hacia métricas como costo por tarea, eficiencia de caché, cantidad de cómputo necesaria y precio total de ejecución de un flujo de trabajo.
El liderazgo en capacidad sigue siendo relevante
El cambio no elimina la ventaja de los modelos de frontera.
En las evaluaciones más recientes de Artificial Analysis, los modelos de Anthropic y OpenAI siguen entre los sistemas de mayor puntuación, aunque los competidores chinos ya ocupan posiciones cercanas y algunos resultados cambian rápidamente con cada nueva versión. El propio OpenRouter separa explícitamente su ranking de utilización de los benchmarks de capacidad porque una métrica no sustituye a la otra.
Hay tareas en las que algunos puntos adicionales de desempeño pueden valer mucho más que el ahorro obtenido con un modelo más barato: investigaciones complejas, agentes de programación avanzados, problemas científicos, decisiones con alto costo de error y flujos de trabajo en los que un fallo inicial se propaga por las etapas siguientes.
Por eso, el movimiento observado en OpenRouter no indica que las empresas abandonarán los modelos más capaces. Abre espacio para una arquitectura diferente: reservar los modelos de frontera para etapas que realmente exigen su capacidad y dirigir las tareas más simples o repetitivas a modelos de menor costo.
Esa lógica favorece entornos de enrutamiento, en los que las aplicaciones pueden cambiar de modelo según el precio, la latencia y la dificultad de la tarea.
La presión pasa de la inteligencia absoluta a la economía de producción
La estrategia china ya empieza a aparecer también en los resultados financieros de las empresas.
Reuters Breakingviews observó que los laboratorios chinos vienen compitiendo agresivamente en eficiencia, precio y modelos open-weight. Z.AI afirmó haber reducido su costo unitario de inferencia en 80% desde principios del año, mientras que el margen bruto de su división de APIs alcanzó el 25% en el primer semestre. Al mismo tiempo, DeepSeek, Z.AI, Tencent y Alibaba sumaron el 45% del mercado observado por OpenRouter en la semana finalizada el 14 de septiembre.
El modelo económico todavía tiene limitaciones. Los precios bajos comprimen los márgenes, y los laboratorios chinos siguen gastando fuertemente en investigación e infraestructura. El mismo análisis de Reuters muestra que Z.AI y MiniMax todavía invierten en I+D cifras elevadas en relación con sus ingresos. Ganar volumen, por lo tanto, no garantiza por sí solo un negocio más rentable.
Pero el crecimiento del uso crea una presión competitiva diferente para OpenAI, Anthropic y Google. No solo deben defender el liderazgo en los benchmarks; deben demostrar que la ganancia adicional de capacidad justifica su costo en cargas de trabajo en las que alternativas más baratas ya alcanzan el nivel necesario.
La próxima señal será el costo por tarea, no solo el próximo benchmark
OpenRouter sigue siendo solo una ventana del mercado, y una ventana particularmente favorable a la comparación entre varios proveedores. La confirmación de un cambio estructural dependerá de señales más allá de esa plataforma.
Entre los más relevantes estarán la adopción de modelos chinos en flujos de trabajo empresariales, la evolución de los precios de las APIs estadounidenses, el crecimiento de sistemas que enrutan automáticamente tareas entre modelos y, principalmente, la capacidad de las empresas chinas de transformar un gran volumen de inferencia en márgenes sostenibles.
Los benchmarks seguirán siendo importantes para medir la frontera técnica. Pero los datos recientes muestran que liderar la frontera y capturar el mayor volumen de trabajo ya no son necesariamente la misma competencia.
