Qwen alcanza casi 60% de adopción, mientras Llama y Mistral pierden terreno
China concentra mitad del uso de modelos abiertos en investigación académica
La comunidad académica global utiliza cada vez más modelos de inteligencia artificial de código abierto descargables en experimentos de investigación, pero aproximadamente la mitad de estos casos se concentra en un único modelo: Qwen de Alibaba, la empresa china. Según los análisis, esta tendencia refleja que los investigadores optan por modelos desarrollados en sus propios países, más que por consideraciones sobre el carácter abierto de la plataforma.
Según reportes de la industria tecnológica del 20 de agosto, Zachary O'Kuhn, investigador del Instituto de Ciencias Sociales de la Universidad de Stuttgart, Alemania, publicó recientemente un artículo titulado "¿Quién utiliza realmente los modelos de código abierto y cómo está cambiando el panorama de uso con epicentro en China?" en el archivo arXiv.
El estudio analizó 157.446 trabajos de investigación que utilizaban modelos de inteligencia artificial como herramientas experimentales reales, seleccionados de entre 21 millones 338.177 artículos registrados en la base de datos académica S2ORC. Se examinaron los patrones de uso por familia de modelos y por país.
Los resultados muestran que en el primer semestre de 2026, entre 16.125 artículos que utilizaban una única familia de modelos, el 44% optó por modelos de código abierto. Esta cifra es prácticamente igual a la del 44,2% de artículos que utilizan modelos propietarios de la familia GPT. Sin embargo, la composición interna del sector de código abierto revela el verdadero problema. Del total de artículos que eligieron modelos abiertos, casi la mitad, es decir, el 49,9%, utilizó Qwen. Si se considera el conjunto de modelos de código abierto de origen chino, esta proporción aumenta hasta el 60,5%. Esto significa que la expansión del uso de modelos abiertos se concentra en un único modelo de un país específico.
En el mismo período, Llama, desarrollado por Meta de Estados Unidos, representó solo el 8,6%, mientras que Mistral, de la empresa francesa Mistral AI, alcanzó apenas el 0,8%. Ambos modelos experimentaron una reducción significativa en su cuota de uso comparado con hace dos años. El artículo identifica como factores clave en la expansión de Qwen y DeepSeek, frente al declive de Llama y Mistral a pesar de que estos últimos publicaron sus pesos, los siguientes: competitividad en rendimiento, costos de uso reducidos y ciclos de lanzamiento más rápidos para nuevos modelos. El estudio concluye que la publicación de pesos es una estrategia industrial para expandir el mercado y que su disponibilidad por sí sola no explica la adopción real en la comunidad académica.
La investigación también cuantificó las disparidades en la selección de modelos según el país de afiliación. Los investigadores afiliados a instituciones chinas optaban por modelos de código abierto con una frecuencia 2,23 veces mayor que los investigadores de otros países.
Sin embargo, el análisis principal del estudio cuestiona interpretar esta brecha como evidencia de que "los investigadores chinos prefieren la apertura". Los investigadores afiliados a instituciones chinas presentaban una probabilidad del 15% de elegir modelos abiertos no chinos (como Llama o Mistral), cifra inferior al 18,5% observado entre investigadores sin vinculación china.
Esta evidencia fundamenta la conclusión de que la concentración de uso de código abierto en la comunidad académica china no responde a una preferencia por la apertura en sí, sino a la adopción prioritaria de modelos desarrollados en el propio país. Entre 2023 y el primer semestre de 2026, la tasa de adopción de código abierto aumentó del 12,8% al 35,8%, y los investigadores chinos contribuyeron con el 60,2% de este incremento.
El estudio también divulgó limitaciones en la disponibilidad de datos. Mientras que la identificación del país de afiliación del autor fue posible en el 77,1% del total de artículos, esta cifra descendió al 65,9% en trabajos que utilizaban modelos abiertos y al 49,6% en aquellos que usaban Qwen. Los investigadores observaron una tendencia clara: los artículos más recientes, los que utilizan código abierto y aquellos con autores chinos presentaban mayor probabilidad de tener información de afiliación incompleta. El equipo de investigación no ocultó estas limitaciones e incluyó análisis de sensibilidad con correcciones para valores faltantes.
En la competencia por la expansión de mercado centrada en modelos nacionales, la posición de Corea del Sur es prácticamente un vacío. El sistema de clasificación de países del estudio está diseñado en torno a dos ejes: Estados Unidos y China, por lo que Corea del Sur queda agrupada sin identificación específica en la categoría "fuera de China". Aunque Corea del Sur cuenta con modelos de código abierto como Exaone de LG AI Research, HyperCLOVA X de Naver, Kanairo de Kakao y SOLAR de Upstage, aún no existe investigación que cuantifique con esta precisión cuál es su adopción real en la comunidad académica del país.
Mientras Estados Unidos consolida un estándar propietario y China fortalece un estándar de código abierto en sus respectivos ecosistemas, Corea del Sur permanece incapaz de medir siquiera cuánto la propia comunidad académica nacional utiliza sus modelos en ninguno de estos dos estándares. Esta situación explica por qué crece la insistencia en que el debate sobre modelos fundacionales de inteligencia artificial nacional debe ir más allá de la pregunta "¿hemos creado el modelo?" para llegar a "¿está utilizando realmente el ecosistema de investigación e industria nacional ese modelo?"
* Este artículo ha sido traducido por IA.