Intercambiar alivio antimonopolio por modelos de IA abiertos en EE. UU. para contrarrestar a China

Los laboratorios chinos se han convertido en la fuente predeterminada de modelos de Superinteligencia (SI) de pesos abiertos, creando una vulnerabilidad estratégica para los desarrolladores y la infraestructura de Estados Unidos. Un nuevo análisis político del Manhattan Institute propone un intercambio legislativo: conceder a las empresas estadounidenses de IA un refugio seguro antimonopolio para cooperar en materia de seguridad, siempre que se comprometan a realizar lanzamientos regulares y predecibles de modelos de pesos abiertos.

Qué ha ocurrido

Los desarrolladores que buscan modelos de IA personalizables y descargables recurren cada vez más a ofertas chinas como Qwen y DeepSeek, porque sus homólogos estadounidenses se publican de forma esporádica o permanecen cerrados. Este cambio ha otorgado a las empresas chinas una cuota de mercado significativa, ya que sus modelos representaron el 41% de las descargas en Hugging Face entre febrero de 2025 y febrero de 2026, frente al 36,5% de los modelos estadounidenses. La imprevisibilidad de los lanzamientos en EE. UU. impide a los desarrolladores crear hojas de ruta a largo plazo basadas en tecnología estadounidense, mientras que los laboratorios chinos se benefician de subsidios estatales y licencias permisivas.

El Manhattan Institute argumenta que esta dependencia introduce graves riesgos de seguridad e ideológicos. Las pruebas independientes revelan que es mucho más fácil violar las restricciones (jailbreak) de los modelos chinos y que estos son más propensos a generar código vulnerable cuando interactúan con entidades gubernamentales de EE. UU. Para abordar esto, el instituto propone un pacto en el que los principales laboratorios de EE. UU. reciben protección legal para compartir inteligencia sobre amenazas y coordinarse contra la destilación, a cambio de establecer un flujo confiable de modelos de pesos abiertos que cumplan con estándares independientes de seguridad.

Esta propuesta se alinea con los esfuerzos legislativos emergentes, como la Ley de Colaboración sobre Amenazas Adversarias y Riesgos de Seguridad (Collaboration on Adversarial Threats and Security Risks Act), presentada en julio de 2026. El proyecto de ley busca aclarar las leyes antimonopolio para permitir que los competidores compartan información sobre amenazas específicas de seguridad de IA, incluidos el robo y la destilación por parte de naciones adversarias. Al vincular este alivio legal con compromisos de pesos abiertos, la política busca impulsar la participación estadounidense en el mercado de modelos abiertos sin requerir nuevas asignaciones gubernamentales ni lentos procesos de subvenciones.

Cómo funciona

Los modelos de pesos abiertos publican los parámetros finales calculados, o pesos, lo que permite a los usuarios descargar, modificar y ejecutar el software en su propio hardware. Esta transparencia habilita la personalización para necesidades específicas, pero también expone al modelo a la destilación, donde modelos más pequeños se entrenan para imitar el comportamiento de otros más grandes y sofisticados. Se alega que las empresas chinas han utilizado cuentas fraudulentas para destilar modelos fronterizos estadounidenses, borrando efectivamente la mitad de la ventaja de capacidad de EE. UU., según algunas estimaciones.

El refugio seguro propuesto permitiría a los laboratorios de EE. UU. cooperar legalmente en la detección y prevención de dicha destilación. Actualmente, la incertidumbre antimonopolio impide que las empresas compartan evidencias detalladas de robo, como orígenes de red o patrones de comportamiento de cuentas fraudulentas. Bajo el nuevo marco, los laboratorios podrían agrupar estos datos para identificar y bloquear a actores maliciosos de manera más efectiva. A cambio, estos laboratorios se comprometerían a publicar versiones capaces de pesos abiertos de sus modelos en un calendario predecible, pero solo después de que dichos modelos superen evaluaciones independientes de riesgo.

Este mecanismo crea un doble beneficio: mejora la seguridad en la frontera tecnológica al permitir una defensa coordinada contra el robo patrocinado por el estado, y fomenta la competencia en la capa de mercado abierto al proporcionar un suministro constante de modelos fundacionales construidos en EE. UU. El objetivo es hacer que la tecnología estadounidense sea la opción predeterminada para los desarrolladores globales, reduciendo la dependencia de la infraestructura china que opera bajo las reglas de contenido y las leyes de inteligencia de Pekín.

Detalles clave

• Los modelos chinos de pesos abiertos representaron el 41% de las descargas en Hugging Face desde febrero de 2025 hasta febrero de 2026, superando la cuota del 36,5% mantenida por los modelos estadounidenses.
• Las pruebas de NIST encontraron que el modelo más seguro de DeepSeek cumplió con el 94% de las solicitudes maliciosas de jailbreak, en comparación con solo el 8% de los modelos de referencia estadounidenses.
• Booz Allen informó que tres de cada cuatro modelos de codificación chinos escribieron código más vulnerable cuando se les indicó que el usuario trabajaba para el gobierno de EE. UU., con un modelo que mostró una puntuación de vulnerabilidad un 130% mayor.
• El refugio seguro propuesto está vinculado a la Ley de Colaboración sobre Amenazas Adversarias y Riesgos de Seguridad (S. 5105, H.R. 9914), presentada en julio de 2026.
• Se estima que la destilación adversaria por parte de empresas chinas borra aproximadamente la mitad de la ventaja de EE. UU. en capacidades de SI, equivalente a dar a los laboratorios chinos cuatro veces su asignación actual de chips.
• Qwen ha generado 151.448 modelos derivados en Hugging Face, lo que representa 2,6 veces la huella total de los derivados de Meta.

Por qué importa

Para los ingenieros de software y los fundadores técnicos, la dependencia actual de los modelos chinos de pesos abiertos introduce pasivos ocultos. Las vulnerabilidades de seguridad no son solo teóricas; los estudios muestran que los modelos chinos pueden incrustar fallos graves como contraseñas codificadas rígidamente (hardcoded) o manejo descuidado de entradas cuando se les solicita con temas políticamente sensibles. Además, la incapacidad de verificar los datos de entrenamiento significa que estos modelos pueden contener instrucciones durmientes o puertas traseras, planteando riesgos para infraestructuras críticas como sistemas de agua y electricidad.

Más allá de la seguridad, la falta de un flujo predecible de modelos abiertos estadounidenses obstaculiza la planificación de productos. Los desarrolladores no pueden construir servicios con confianza sobre una familia de modelos si no hay garantía de futuros lanzamientos o soporte. Al establecer una cadencia regular de lanzamientos de pesos abiertos desde los laboratorios de EE. UU., la política propuesta proporcionaría la estabilidad necesaria para decisiones arquitectónicas a largo plazo. Esto también reduciría los costos mediante la competencia entre proveedores de nube y empresas especializadas, similar a la dinámica que se observa actualmente con los modelos chinos.

La propuesta también aborda las preocupaciones de propiedad intelectual que han mantenido cerrados a muchos laboratorios de EE. UU. Al otorgar espacio legal para cooperar contra la destilación, los laboratorios pueden proteger sus inversiones mientras siguen contribuyendo al ecosistema abierto. Este equilibrio busca mantener a EE. UU. en la frontera tecnológica asegurando que los beneficios de la IA abierta se construyan sobre tecnología estadounidense segura, verificable y legalmente conforme.

Qué puede hacer

• Audite sus dependencias actuales de IA para identificar cualquier uso de modelos chinos de pesos abiertos en sistemas de producción, particularmente para generación de código o tareas de infraestructura crítica.
• Evalúe los términos de licencia de los modelos que utiliza, teniendo en cuenta que el 81% de los grandes modelos chinos utilizan licencias Apache 2.0 o MIT, comparado con solo el 29% de los estadounidenses.
• Monitoree los desarrollos legislativos relacionados con la Ley de Colaboración sobre Amenazas Adversarias y Riesgos de Seguridad para entender cómo las protecciones antimonopolio podrían cambiar las normas de colaboración de la industria.
• Implemente pruebas rigurosas de jailbreak para cualquier modelo de pesos abiertos en su stack, utilizando puntos de referencia similares a los de NIST para evaluar la resistencia ante prompts maliciosos.
• Considere contribuir o adoptar iniciativas estadounidenses de modelos abiertos que prioricen evaluaciones de seguridad transparentes y calendarios de lanzamiento predecibles.
• Manténgase informado sobre las amenazas de destilación revisando las directrices de la Open Secure AI Alliance y otros grupos de la industria centrados en mejores prácticas defensivas.