La jugada de IA de código abierto de EE. UU.: Dos laboratorios, una pregunta: ¿Puede competir Estados Unidos?

Centro de Arte, Moda y Entretenimiento de Decrypt.

Descubre SCENE

Dos laboratorios de IA estadounidenses lanzaron modelos de código abierto esta semana, cada uno adoptando enfoques drásticamente diferentes para el mismo problema: cómo competir con el dominio de China en sistemas de IA de acceso público.

Deep Cogito lanzó Cogito v2.1, un modelo masivo de 671 mil millones de parámetros que su fundador, Drishan Arora, llama “el mejor LLM de peso abierto por una empresa estadounidense.”

No tan rápido, contraatacó The Allen Institute for AI, que acaba de lanzar Olmo 3, presentándolo como “el mejor modelo base completamente abierto.” Olmo 3 cuenta con total transparencia, incluyendo sus datos de entrenamiento y código.

Irónicamente, el modelo insignia de Deep Cognito se construye sobre una base china. Arora reconoció en X que Cogito v2.1 “se bifurca del modelo base de Deepseek con licencia abierta de noviembre de 2024.”

Eso generó algunas críticas e incluso un debate sobre si el ajuste fino de un modelo chino cuenta como un avance en la IA estadounidense, o si simplemente demuestra cuán rezagados han quedado los laboratorios de EE. UU.

​ pic.twitter.com/N7x1eEsjhF

— Luca Soldaini 🎀 (@soldni) 19 de noviembre de 2025

mejor LLM de peso abierto de una empresa estadounidense

esto es genial pero no estoy seguro de enfatizar la parte “US” ya que el modelo base es deepseek V3

— elie (@eliebakouch) 19 de noviembre de 2025

Sin embargo, las ganancias de eficiencia que muestra Cogito sobre DeepSeek son reales.

Deep Cognito afirma que Cogito v2.1 produce cadenas de razonamiento un 60% más cortas que DeepSeek R1, manteniendo un rendimiento competitivo.

Usando lo que Arora llama “Destilación y Amplificación Iteradas”—enseñando a los modelos a desarrollar una mejor intuición a través de bucles de auto-mejora—la startup entrenó su modelo en apenas 75 días con infraestructura de RunPod y Nebius.

Si los puntos de referencia son ciertos, este sería el LLM de código abierto más poderoso actualmente mantenido por un equipo de EE. UU.

Por qué es importante

Hasta ahora, China ha estado marcando el ritmo en la IA de código abierto, y las empresas estadounidenses dependen cada vez más—silenciosamente o abiertamente—de los modelos base chinos para mantenerse competitivas.

Esa dinámica es arriesgada. Si los laboratorios chinos se convierten en la plomería predeterminada para la inteligencia artificial abierta en todo el mundo, las startups estadounidenses pierden independencia técnica, poder de negociación y la capacidad de dar forma a los estándares de la industria.

La IA de peso abierto determina quién controla los modelos en bruto de los que depende cada producto en la cadena de suministro.

En este momento, los modelos de código abierto chinos (DeepSeek, Qwen, Kimi, MiniMax) dominan la adopción global porque son baratos, rápidos, altamente eficientes y se actualizan constantemente. Imagen: Artificialanalysis.ai

Muchas startups en EE. UU. ya se basan en ellos, incluso cuando públicamente evitan admitirlo.

Eso significa que las empresas estadounidenses están construyendo negocios sobre propiedad intelectual extranjera, cursos de formación extranjeros y optimizaciones de hardware extranjeras. Estratégicamente, eso coloca a Estados Unidos en la misma posición que una vez enfrentó con la fabricación de semiconductores: cada vez más dependiente de la cadena de suministro de otra persona.

El enfoque de Deep Cogito—comenzando a partir de un fork de DeepSeek—muestra el lado positivo ( de la rápida iteración ) y el lado negativo ( de la dependencia ).

El enfoque del Instituto Allen—construir Olmo 3 con total transparencia—muestra la alternativa: si EE. UU. quiere liderazgo en IA abierta, tiene que reconstruir la pila por sí mismo, desde los datos hasta las recetas de entrenamiento y los puntos de control. Eso es laborioso y lento, pero preserva la soberanía sobre la tecnología subyacente.

En teoría, si ya te gustaba DeepSeek y lo usas en línea, Cogito te dará mejores respuestas la mayor parte del tiempo. Si lo usas a través de la API, serás el doble de feliz, ya que pagarás menos dinero para generar buenas respuestas gracias a sus ganancias de eficiencia.

El Instituto Allen tomó el enfoque opuesto. Toda la familia de modelos Olmo 3 llega con Dolma 3, un conjunto de datos de entrenamiento de 5.9 billones de tokens construido desde cero, además de código completo, recetas y puntos de control de cada etapa de entrenamiento.

La organización sin fines de lucro lanzó tres variantes de modelos—Base, Think e Instruct—con 7 mil millones y 32 mil millones de parámetros.

“La verdadera apertura en la IA no solo se trata de acceso—se trata de confianza, responsabilidad y progreso compartido,” escribió el instituto.

Olmo 3-Think 32B es el primer modelo de razonamiento completamente abierto a esa escala, entrenado con aproximadamente una sexta parte de los tokens de modelos comparables como Qwen 3, mientras logra un rendimiento competitivo. Imagen: Ai2

Deep Cognito aseguró $13 millones en financiación inicial liderada por Benchmark en agosto. La startup planea lanzar modelos frontera de hasta 671 mil millones de parámetros entrenados en “significativamente más computación con mejores conjuntos de datos.”

Mientras tanto, Nvidia respaldó el desarrollo de Olmo 3, con la vicepresidenta Kari Briski llamándolo esencial para “que los desarrolladores escalen la IA con modelos abiertos, construidos en EE. UU.”

El instituto se entrenó en los clústeres de GPU H100 de Google Cloud, logrando un 2.5 veces menos requisitos de computación que el Llama 3.1 8B de Meta.

Cogito v2.1 está disponible para pruebas en línea gratis aquí. El modelo se puede descargar aquí, pero ten cuidado: requiere una tarjeta muy poderosa para funcionar.

Olmo está disponible para pruebas aquí. Los modelos se pueden descargar aquí. Estos son más amigables para el consumidor, dependiendo de cuál elijas.