El 24 de julio de 2026, a las nueve de la mañana, Jensen Huang publicó su primer mensaje en X. Durante décadas, el cofundador de NVIDIA había preferido los escenarios de conferencias, sus chaquetas de cuero negra y las salas abarrotadas de ingenieros. Nunca había necesitado una red social hasta aquella mañana en la que su cuenta mostraba único enlace. Una carta.

La carta llevaba veinticinco firmas, entre ellas, la de NVIDIA, Microsoft, Meta, IBM, Dell, Palantir, Mistral, Hugging Face, Andreessen Horowitz y Y Combinator. Defendía los modelos de pesos abiertos, los sistemas de inteligencia artificial que publican los números internos de su entrenamiento para que cualquier empresa pueda descargarlos y ejecutarlos en su propia infraestructura.
En menos de veinticuatro horas, el mensaje de Huang acumulaba más de once millones de vistas.

Durante la tarde del viernes, OpenAI se sumó al documento y después Google y otras empresas hicieron lo mismo, haciendo que la lista creciera de veinticinco a cincuenta firmantes en pocas horas. Entre los nuevos nombres aparecían AMD, GitHub, Cloudflare y algunos de los mayores laboratorios de investigación del país.

La carta se convirtió en la declaración más importante que la industria tecnológica estadounidense había hecho nunca sobre el futuro de la inteligencia artificial.

Solo una gran empresa de modelos de frontera permaneció fuera. Anthropic.

Para entender por qué cincuenta empresas competidoras entre sí se unieron en esa carta, hay que retroceder ocho días.

El anuncio que aceleró el debate

El 16 de julio de 2026, Moonshot AI, la startup china, presentó Kimi K3. Con 2,8 billones de parámetros totales, fue anunciado como el primer modelo de pesos abiertos de su categoría (la de modelos de aproximadamente de tres billones de parámetros) y como el sistema abierto más grande desarrollado hasta ese momento. Moonshot lo puso a disposición de los usuarios mediante su plataforma web, su aplicación de trabajo y su API. Sin embargo, para descargarse el modelo y tener disponibles los pesos completos, habría que esperar al 27 de julio.

Aun así, el anuncio bastó para inquietar a Washington. Kimi K3 no era un experimento académico. En evaluaciones independientes, llegó al primer puesto en Frontend Code Arena, una prueba a ciegas centrada en la creación de interfaces web, por delante de Claude Fable 5 de Anthropic y GPT-5.6 Sol de OpenAI. En tareas de programación y trabajo con agentes también alcanzó resultados sobresalientes. Sin embargo, las evaluaciones generales todavía situaban a Fable 5 y GPT-5.6 Sol por encima de Kimi K3 en el conjunto de capacidades. No se puede decir que sea, en términos globales, el modelo más inteligente del mundo, pero demuestra que la distancia entre los sistemas abiertos y los cerrados se había reducido hasta límites inimaginables hasta ahora.

La administración Trump reaccionó con inquietud y, por supuesto, trató de culpar a Moonshot AI de haber utilizado chips de NVIDIA sujetos a controles de exportación para entrenar su modelo, y hasta se plantearon sanciones e incluso una posible inclusión de la empresa en la lista negra de entidades restringidas. Para la administración Trump, Moonshot AI se convirtió en el símbolo de cómo Beijing podía estar sorteando el cerco tecnológico impuesto por Washington.

La aparición de Kimi K3 coincidió con un debate que ya se estaba desarrollando en el Capitolio y únicamente contribuyó a acelerarlo. Apenas ocho días después de su presentación, una primera coalición de veinticinco empresas publicaría la carta en defensa de los modelos de pesos abiertos.

Qué significa realmente abrir un modelo

Para entender de qué habla la carta, hay que aclarar primero qué distingue a un modelo cerrado de uno abierto, y por qué la expresión pesos abiertos no significa exactamente lo mismo que código abierto u open source.

Un modelo de inteligencia artificial es, en esencia, un sistema matemático que ha aprendido patrones a partir de enormes cantidades de datos. Ese aprendizaje queda representado en los parámetros o pesos del modelo, millones o billones de valores numéricos que codifican los patrones estadísticos aprendidos durante el entrenamiento. No contienen el conocimiento como una enciclopedia almacena textos, pero determinan cómo interpreta una entrada y cómo genera una respuesta.

Un modelo cerrado guarda esos pesos bajo llave. El usuario accede a través de una pantalla o una app, pero nunca ve lo que hay dentro. Es como alquilar un coche con conductor. Te lleva donde necesitas, pero no puedes abrir libremente el capó, no puedes modificar la ruta y, si el conductor decide cambiar de política, no tienes mucha alternativa. OpenAI y Anthropic funcionan así, sus modelos de frontera, GPT-5.6 Sol y Claude Fable 5, solo operan desde los servidores de sus empresas.

Los sistemas cerrados tienen ventajas para los usuarios como que no requieren servidores propios ni hardware demasiado potente, y las empresas se encargan de optimizar la infraestructura y del soporte técnico, de la seguridad, y de actualizar el modelo.

A cambio de eso, los usuarios no podemos examinar cómo funciona el modelo internamente, ni modificarlo, ni ejecutarlo en nuestros propios sistemas. Si el proveedor sube los precios, modifica las condiciones de uso o lo retira temporalmente (como hizo recientemente Anthropic con Claude Fable 5 y Claude Mythos 5 a principios de junio), el usuario no tiene otra opción que acatar esa decisión.

En el otro extremo del espectro se encuentran los modelos de código abierto (open source) en sentido estricto. Publican su código fuente y permiten estudiar, modificar y redistribuir el sistema. En algunos casos también se comparten los pesos y una descripción detallada de los datos utilizados para entrenarlo. Este mayor grado de transparencia permite reproducir experimentos, detectar errores y construir nuevas aplicaciones sin depender por completo de una única empresa.

Sin embargo, en los últimos años ha surgido una categoría intermedia que se ha vuelto cada vez más común: los modelos de pesos abiertos, conocidos como open weights. En este caso, la empresa desarrolladora publica los pesos entrenados del modelo, lo que permite descargarlo y ejecutarlo localmente. Sin embargo, otros elementos del sistema, como los datos de entrenamiento o el proceso completo de entrenamiento, permanecen cerrados.

Esto permite un poco más de equilibrio entre accesibilidad y control: los desarrolladores pueden utilizar el modelo directamente, adaptarlo e integrarlo en aplicaciones propias, y por otro lado, la empresa mantiene cierto control al no desvelar todos sus “secretos”.

Muchos de los modelos que se presentan públicamente como “abiertos” pertenecen en realidad a esta categoría. En inteligencia artificial, la palabra open source se usa de forma ambigua y a veces incorrecta, y por ello creo que es importante entender lo siguiente: la carta no defiende la apertura total, sino un grado de apertura suficiente para que empresas y gobiernos puedan ejecutar la tecnología sin depender de un proveedor único.

Los intereses que se esconden detrás de cada firma

La carta fue una coordinación silenciosa entre empresas competidoras que, en circunstancias normales, se dedican a enfrentarse en los tribunales y en los mercados.

Jensen Huang tenía un interés evidente porque NVIDIA vende los chips que entrenan y ejecutan todos los modelos, abiertos o cerrados. Pero para ellos, los modelos de pesos abiertos tienen una ventaja comercial concreta porque cuando una organización decide ejecutar un modelo en su propia infraestructura, necesita comprar más GPUs. Más modelos abiertos significan más demanda de hardware. Además, NVIDIA se había comprometido a invertir 26.000 millones de dólares durante los siguientes cinco años en el desarrollo de sus propios modelos de pesos abiertos, como la familia Nemotron, y había optimizado el rendimiento de versiones anteriores de Kimi para sus tarjetas gráficas. La empresa china era, paradójicamente, una aliada comercial. De ahí que reactive su cuenta de X después de tantísimos años para compartir esta carta.

Mark Zuckerberg, por su parte, había apostado abiertamente por los modelos de pesos abiertos desde hacía años. Llama, la familia de modelos de Meta, se publicaba con pesos abiertos precisamente para evitar depender de los proveedores cerrados que Zuckerberg consideraba una amenaza para la independencia tecnológica de su empresa. Para Meta, esta apertura funcionaba como una estrategia de supervivencia porque cuanto más fuerte fuera el ecosistema de modelos descargables, menor sería el riesgo de que la compañía dependiera de OpenAI, Anthropic o Google para incorporar inteligencia artificial a sus productos.

Microsoft era un caso más complejo. La empresa de Satya Nadella mantenía una alianza multimillonaria con OpenAI, el principal defensor de los modelos cerrados de frontera. Pero Microsoft también publicaba sus propios modelos de pesos abiertos, como Phi, y entendía que muchos de sus clientes corporativos, desde bancos hasta administraciones públicas, exigían poder ejecutar inteligencia artificial en sus propios servidores por razones de privacidad y soberanía digital. Firmar la carta le permitía mantener las dos puertas abiertas.

La incorporación de OpenAI fue la que más sorprendió. Durante años, Sam Altman había defendido la centralización como la forma más segura de desplegar inteligencia artificial de alta capacidad. Sin embargo, OpenAI también había publicado la familia gpt-oss de pesos abiertos con licencia Apache 2.0, diseñados para ejecutarse en infraestructura propia. Su adhesión a la carta reflejaba una estrategia híbrida más que un rechazo completo de la apertura. Altman publicó en X que quería que Estados Unidos ganase tanto en modelos open source como propietarios.

Del otro lado de la mesa, ausente de la firma, permanecía Anthropic. Dario Amodei había llevado la lógica del control más allá que ningún otro competidor. Su modelo de ciberseguridad más avanzado, Claude Mythos, ni siquiera se ofrecía al público general y solo un grupo reducido de socios verificados podía acceder a él. Para Anthropic, la seguridad pasa inevitablemente por el control y, para ellos, publicar los pesos de un modelo es peligroso porque una vez en internet no se pueden revocar. Si alguien utiliza esos pesos para generar desinformación o malware, no hay forma de parchear el sistema, dicen. El daño sería irreversible.

El contenido de la carta y los motivos para escribirla

Ya sabemos quienes firmaron pero ¿qué contenía la carta? El texto de la carta era un documento político diseñado para llegar a los despachos del Congreso y del Departamento de Comercio y sus argumentos podían resumirse en cinco ideas para defender los modelos abiertos:

Primero, que los modelos de pesos abiertos fortalecen la seguridad y la ciberseguridad porque permite que una comunidad amplia de investigadores inspeccione el sistema, encuentre vulnerabilidades y las corrija. Un modelo cerrado, concentrado en pocas manos, se convierte en un punto único de fallo que nadie externo puede examinar.

Segundo, que aceleran la innovación. Una startup no necesita entrenar un modelo desde cero, un proceso que cuesta cientos de millones de dólares, para construir un producto. Puede tomar un modelo de pesos abiertos, ajustarlo a su necesidad específica y lanzar al mercado en semanas.

Tercero, que garantizan la soberanía de datos. Una empresa puede ejecutar el modelo en su propia infraestructura, sin enviar información sensible a servidores ajenos.

Cuarto, que mantienen la competencia. Si solo un puñado de empresas controla los mejores modelos, el resto de la industria queda atrapada en sus ecosistemas, pagando los precios que ellos decidan.

Y quinto, un punto especialmente delicado, defienden la destilación. Esta técnica, que consiste en entrenar un modelo más pequeño usando las respuestas de uno más grande, había sido señalada por OpenAI como una forma de robo intelectual. Anthropic acaba de acusar a Moonshot AI de haber destilado sus modelos para desarrollar Kimi K3. La carta argumenta que la destilación es una práctica legítima y ampliamente usada en investigación académica, y que el verdadero robo de propiedad intelectual debe combatirse con remedios legales específicos, no con restricciones generales sobre una técnica tecnológica.

¿A qué respondía la carta? Con los últimos lanzamientos y avances de la inteligencia artificial china, la administración Trump empezó a considerar seriamente restricciones a los modelos abiertos de origen chino. Para las empresas que habían firmado la carta esto suponía un problema económico y práctico.

La adopción de modelos chinos entre las startups estadounidenses ya era significativa. Martin Casado, socio de Andreessen Horowitz, estimaba que entre el 20% y el 30% de las compañías que veía utilizaban modelos abiertos y que alrededor del 80% de ese grupo recurría a modelos desarrollados en China. No era un estudio formal del mercado, pero sí una señal relevante de la penetración alcanzada por Qwen, DeepSeek, Kimi y GLM en el ecosistema estadounidense.

Empresas como Coinbase habían mostrado públicamente cómo reducir el gasto en inteligencia artificial cerca de un 50% mediante una combinación de medidas que incluían utilizar modelos más económicos como GLM-5.2 y Kimi 2.7 como opciones predeterminadas para muchas tareas, mejorar el encaminamiento de las consultas según su complejidad, aprovechar la caché y controlar mejor el tamaño del contexto. El ahorro no se atribuía exclusivamente a los modelos chinos, sino a una estrategia de infraestructura más amplia.

Prohibir el acceso a esos modelos no los eliminaría de internet. Los pesos abiertos, una vez publicados y replicados internacionalmente, son muy difíciles de retirar por completo. Washington podría limitar su utilización comercial, prohibirlos en contratos públicos o sancionar a sus desarrolladores, pero impedir que todas las copias siguieran circulando sería mucho más complicado. Lo que sí lograría una restricción sería aislar a los desarrolladores estadounidenses de las herramientas que ya usaban masivamente, y consolidar una mayor concentración en manos de los grandes proveedores de modelos cerrados.

La división que define la industria

El mensaje de Jensen Huang en X no fue un simple “tuit”, sino la culminación de una estrategia que NVIDIA viene construyendo desde hacía años. La empresa ha invertido miles de millones en desarrollar sus propios modelos de pesos abiertos, ha optimizado su hardware para ejecutar modelos chinos y ha convertido a los desarrolladores de código abierto en una de sus bases de clientes más fieles.

Todos recordamos a Jensen Huang en la última visita de Trump a China, paseando por las calles, acercándose a la gente y queriendo decir, sin decirlo, de qué parte estaba.

Pero la carta también reveló algo que la narrativa oficial de Washington prefería no admitir: mientras el discurso político estadounidense presentaba a China como una amenaza que competía con modelos cerrados y controles de exportación, la realidad del ecosistema era otra.

Las empresas chinas habían sido, durante años, las principales impulsoras de los modelos de pesos abiertos a gran escala. DeepSeek, Qwen, GLM, Kimi y otros modelos desarrollados en Beijing, Hangzhou y Shenzhen se habían publicado con pesos descargables mientras los grandes laboratorios estadounidenses guardaban los suyos bajo llave. No eran modelos de segunda categoría, pese a las restricciones a las que EEUU sometía a su industria, sino sistemas que las startups de Silicon Valley utilizaban cada día para reducir costes, proteger datos y acelerar productos.

La carta de cincuenta empresas estadounidenses, lejos de ser una declaración de liderazgo, era en parte una reacción a una apuesta que China había hecho antes y con más convicción. Moonshot AI no había copiado una estrategia occidental, sino que había llevado al extremo la filosofía que las empresas chinas venían cultivando desde hacía tiempo: la de que publicar los pesos era una forma de democratizar el acceso y de multiplicar la influencia tecnológica sin depender de la infraestructura de otros.

Esto no significa que los modelos chinos carezcan de riesgos. Las acusaciones sobre el uso de chips restringidos o la destilación masiva sobre modelos ajenos son serias y deben investigarse, pero tampoco se puede ignorar que, cuando la industria estadounidense se sentó a firmar su carta conjunta, lo hacía para defender un terreno en el que las empresas chinas llevaban años siendo las referentes. La carta no era Estados Unidos defendiendo la apertura contra un cierre chino. Era Estados Unidos intentando no quedarse atrás en una carrera que China había empezado antes.

Y la carta también reveló una fractura profunda en la industria tecnológica estadounidense. Nunca antes había quedado tan claro quién creía en la apertura y quién en el control. Nunca antes había sido tan evidente que la competencia entre NVIDIA y Anthropic, o entre Meta y los defensores del cierre, no era solo comercial, sino un tremendo desacuerdo sobre el modelo de sociedad que la inteligencia artificial iba a construir.

De un lado, cincuenta empresas defendían que la tecnología más segura es la que más gente puede examinar, y que la innovación más robusta es la que no depende de un solo proveedor. Del otro, Anthropic sostenía que la tecnología más peligrosa es la que nadie puede controlar una vez que ha salido al mundo.

Lo que esta historia nos enseña

El anuncio de Kimi K3 y la carta de cincuenta empresas son dos caras de la misma moneda.

La lección que deja esta historia es incómoda pero creo que también muy necesaria: en tecnología, el control nunca es solo una cuestión técnica, sino una cuestión de poder.

Cuando una empresa decide publicar los pesos de su modelo, puede hacerlo por convicción tecnológica, por estrategia competitiva y porque ese modelo de negocio le conviene.
Cuando otra decide mantenerlos cerrados, puede responder a preocupaciones reales de seguridad, pero también a la necesidad de proteger su ventaja comercial y controlar el acceso a su tecnología.

Lo que distingue a esta historia de otras guerras tecnológicas es que el bando que más ha apostado por la apertura no ha sido el estadounidense sino el chino. Y eso ha obligado a una industria entera a replantearse sus propias reglas. Jesen Huang y Elon Musk han defendido los modelos abiertos y las formas de “hacer las cosas al estilo chino” en el campos de la IA muchas veces. Así que la carta del 24 de julio solo hizo visible este debate. Y hay que destacar también que, en un sector donde las decisiones más importantes suelen tomarse a puerta cerrada, que cincuenta competidores se sienten a firmar el mismo documento es, en sí mismo, un mensaje. Y que Mark Zuckerber y Jensen Huang publiquen por primera vez en la red social X para mostrar su apoyo a los modelos de pesos abiertos, solo da una idea de la importancia de este asunto.

La industria de la inteligencia artificial ha llegado a un punto donde ni siquiera los más poderosos pueden imponer su visión solos. Tienen que aliarse, y esa alianza, por improbable que parezca, dice más sobre el futuro de la tecnología que cualquier modelo que se anuncie este verano.

El día antes de que se publicara la carta, en una entrevista en Aragón TV para hablar del incidente entre OpenAI y Hugging Face, señalaba que, pese a los peligros reales de la inteligencia artificial, cada vez hay más regulación, más control y más modelos abiertos que harán que no estemos únicamente en manos de empresas con intereses comerciales. Ver confirmada esa tendencia apenas veinticuatro horas después, con cincuenta gigantes tecnológicos defendiendo públicamente que la innovación no puede depender de un puñado de proveedores, me parece la mejor noticia.

Podéis leer la carta traducida a español aquí.