DeepSeek reduce a 3% la brecha de IA entre China y Estados Unidos y lidera en coding agéntico
La diferencia entre los modelos estadounidenses y chinos cae a su nivel más bajo, mientras DeepSeek V4.1 Flash supera a los modelos de Anthropic en una de las pruebas con mayor impacto potencial sobre el negocio de la IA: agentes capaces de programar, ejecutar código, detectar errores y corregirlos de manera autónoma.
Durante buena parte de 2026, la discusión sobre la competencia entre Estados Unidos y China en inteligencia artificial podía resumirse en una idea relativamente cómoda para Silicon Valley: China se acercaba, pero todavía estaba detrás en los modelos más avanzados. Esa lectura acaba de complicarse.
El análisis citado por Tech Times sitúa la brecha de desempeño entre ambos países en apenas 3%, el nivel más bajo registrado hasta ahora. El dato coincide con otro cambio que resulta más relevante para las empresas: DeepSeek V4.1 Flash pasó a liderar el benchmark de programación agéntica de LiveBench.
En la medición del 4 de octubre, DeepSeek V4.1 Flash Max Effort obtuvo 77,3 puntos, frente a 66,1 de Claude Fable 5.1 Max Effort, de Anthropic. En su propio informe técnico, DeepSeek también reporta un 74,2% en DeepSWE v1.1, frente a 74,0% de Anthropic Opus 5 y 73,0% de GPT-5.6 Sol de OpenAI. La fuente advierte, sin embargo, que estos resultados todavía no cuentan con una auditoría independiente realizada bajo las mismas condiciones.
La importancia de este resultado está en qué mide exactamente ese benchmark. La programación agéntica no consiste simplemente en generar código a partir de una instrucción. Evalúa la capacidad de un modelo para planificar una tarea compleja, escribir el código, ejecutarlo en un entorno real, interpretar los errores y corregirlos repetidamente sin intervención humana en cada etapa.
Es precisamente el tipo de comportamiento que las empresas están intentando convertir en productividad concreta. Un agente que pueda asumir una tarea de software completa tiene un valor económico potencialmente mayor que un chatbot que simplemente responde preguntas sobre programación.
DeepSeek V4.1 Flash utiliza una arquitectura Mixture of Experts (MoE) con 748.000 millones de parámetros totales. De ellos, 552.000 millones corresponden al núcleo principal y 196.000 millones a Engram, un componente de memoria persistente introducido en esta generación. La arquitectura activa solamente una fracción de los parámetros durante cada inferencia, lo que permite reducir el costo computacional.
Ese diseño también aparece en los precios. DeepSeek ofrece V4.1 Flash a US$0,30 por millón de tokens de entrada y US$1,20 por millón de tokens de salida durante las tarifas pico. En horario valle, los precios se reducen a la mitad.
Pero el avance en benchmarks no elimina los problemas que una empresa debería considerar antes de poner código propietario o información sensible en manos del modelo.
DeepSeek es una compañía china y está sujeta al marco legal de ese país. El artículo recuerda que el artículo 7 de la National Intelligence Law de 2017 establece que organizaciones y ciudadanos deben apoyar, asistir y cooperar con el trabajo de inteligencia nacional. A esto se suman la Cybersecurity Law de 2017 y la Data Security Law de 2021, que incorporan mecanismos adicionales de acceso gubernamental a datos y requisitos de localización.
Para una empresa que utiliza la API, la cuestión deja de ser solamente qué tan bien programa el modelo. También importa dónde se procesa la información y bajo qué jurisdicción legal.
DeepSeek V4.1 Flash es open-weight, por lo que las empresas pueden descargar sus pesos y ejecutarlo sobre infraestructura privada. Eso elimina la transmisión directa del código y otros datos hacia la API de DeepSeek, aunque no resuelve cuestiones relacionadas con el origen de los datos de entrenamiento o posibles reclamos de propiedad intelectual.
La ventaja china tampoco significa que el tablero completo se haya dado vuelta. De los 15 modelos que integraban el nivel superior de LiveBench el 4 de octubre, solamente tres eran chinos. Los laboratorios estadounidenses y europeos siguen ocupando la mayoría de las posiciones superiores.
También persiste una diferencia en infraestructura empresarial. El ecosistema de APIs, herramientas, documentación y soporte de DeepSeek todavía aparece menos maduro que el de Anthropic, OpenAI o Google. Esos costos de integración, soporte y compatibilidad no aparecen en los benchmarks.
Hay además una dimensión económica. Bloomberg Intelligence estima que la industria china de IA, incluida DeepSeek, podría continuar siendo no rentable hasta 2030. El mercado chino cuenta con más de 1.100 grandes modelos de lenguaje compitiendo entre sí, mientras DeepSeek y los principales chatbots de Tencent continúan ofreciendo sus servicios gratuitamente a los usuarios finales.
El contraste con Estados Unidos es especialmente llamativo en materia de inversión. El Stanford AI Index 2026 registró US$285.900 millones de inversión privada en IA en Estados Unidos durante 2025, frente a US$12.400 millones en China. Sin embargo, esa diferencia de capital no se tradujo en una ventaja equivalente en rendimiento de modelos.
Incluso la guerra de chips queda bajo presión. La autosuficiencia china en chips de IA pasó de menos del 10% en 2020 al 41% en 2025, según Omdia. Al mismo tiempo, la participación de Nvidia en el mercado chino de aceleradores de IA cayó sustancialmente durante ese período.
El dato que más incomoda a Washington es precisamente ese. Las restricciones a la exportación de semiconductores avanzados buscaban preservar una ventaja duradera para Estados Unidos. La evolución de DeepSeek sugiere que limitar el acceso al hardware más avanzado puede no ser suficiente para mantener una distancia equivalente en capacidad de modelos.
La brecha del 3% no significa que Estados Unidos y China sean tecnológicamente intercambiables. Pero el liderazgo de DeepSeek en programación agéntica obliga a mirar el problema desde otro ángulo: en la economía de los agentes, el país que tenga el modelo más eficiente para ejecutar trabajo real puede tener una ventaja distinta de la que reflejan los rankings generales. Y esa carrera acaba de volverse bastante más estrecha.
Comentarios