Durante la primera gran oleada de inteligencia artificial generativa parecía evidente dónde estaba el centro de gravedad: Estados Unidos. OpenAI abrió la carrera de ChatGPT, Google respondió con Gemini, Anthropic con Claude y Meta convirtió Llama en la gran referencia de los modelos descargables occidentales.
Después el mapa empezó a cambiar. Mientras buena parte de los laboratorios estadounidenses protegían sus mejores modelos detrás de APIs, China empezó a publicar sistemas con pesos abiertos cada vez más competitivos. Qwen, DeepSeek, GLM o Kimi dejaron de ser alternativas curiosas para convertirse en modelos que muchos desarrolladores utilizan a diario.
Ahora aparecen dos respuestas especialmente ambiciosas desde Occidente: Mistral Large 4, desarrollado en Europa, y Beam, de la estadounidense Reflection AI.
Beam quiere ser una base para programadores y agentes
Reflection AI presenta Beam como un Mixture-of-Experts de 501.000 millones de parámetros totales y unos 23.000 millones activos durante la inferencia. Su foco está especialmente en programación, razonamiento y agentes, tres áreas que están ganando peso a medida que dejamos de utilizar la IA únicamente como chatbot.
La compañía asegura haberlo preentrenado con 23,8 billones de tokens y haber utilizado posteriormente un enorme proceso de aprendizaje por refuerzo. Sus pesos todavía deben pasar las evaluaciones y pruebas de seguridad previstas antes de publicarse.
Mistral juega la carta europea
Mistral Large 4 lleva la escala todavía más lejos: alrededor de un billón de parámetros totales y aproximadamente 49.000 millones activos. Su objetivo es más amplio y abarca programación, agentes, multimodalidad y sectores empresariales como finanzas, fabricación o ciberseguridad.
Pero la similitud importante entre Beam y Large 4 no está en contar parámetros. Ambos muestran que Estados Unidos y Europa vuelven a tomarse muy en serio los modelos con pesos abiertos.
China entendió pronto el valor de regalar la base
Un modelo abierto no es simplemente un ChatGPT gratuito. Una empresa puede desplegarlo en sus servidores, un investigador puede estudiarlo, un desarrollador puede adaptarlo a una tarea específica y una administración puede mantener datos sensibles dentro de su propia infraestructura.
Eso crea dependencia de otra manera. Si miles de proyectos empiezan a construirse sobre Qwen, DeepSeek o cualquier otra familia, alrededor del modelo aparece un ecosistema de herramientas, cuantizaciones, documentación y conocimiento técnico. No hace falta cobrar por cada consulta para que esa posición tenga valor estratégico.
Para la IA local esta batalla es mucho más importante de lo que parece
Cuando hablamos de IA solemos mirar a ChatGPT, Gemini o Claude porque son los productos que llegan directamente al consumidor. Pero quienes estamos experimentando con modelos locales vivimos otra carrera paralela: encontrar el mejor cerebro que podamos descargar, adaptar y ejecutar sin enviar cada dato a un servidor externo.
Ahí China ha avanzado muchísimo. Mistral y Reflection quieren recortar esa distancia, y seguramente no serán los últimos.
Puede que el modelo que más cambie la próxima etapa de la IA no sea el chatbot que consiga más usuarios. Puede ser el modelo que miles de empresas y desarrolladores decidan utilizar como base para construir todo lo demás.
