DeepSeek V4 y GLM-5 Lideran el Open-Source Chino: El Mapa Global de la IA en Junio 2026

El open-source chino consolida su liderazgo

El mapa global de la IA en junio de 2026 ya no tiene un solo centro. Los modelos chinos de pesos abiertos no solo compiten en coste: encabezan leaderboards específicos y ganan cuota de uso real. Según el leaderboard de BenchLM centrado en modelos chinos, el orden de cabeza es elocuente:

Para cualquier profesional que evalúe herramientas de IA, ignorar estos modelos en 2026 es dejar valor sobre la mesa.

DeepSeek V4: el más barato y el de mayor crecimiento de uso

DeepSeek sigue siendo la opción más económica del mercado, con $0,14–0,30 por millón de tokens de entrada. Su familia cubre desde cargas intensivas de código hasta flujos agénticos con DeepSeek V4 Pro (Max) a 87 y DeepSeek V4 Flash (Max) a 77.

El dato de adopción es el más llamativo: según Vercel, la cuota de uso de tokens de DeepSeek saltó de menos del 1% al 17% en mayo, aunque su cuota de ingresos se mantuvo cerca del 1%. Es la paradoja del open-source barato: enorme tracción técnica, monetización todavía marginal.

Qwen3-Max y la apuesta multilingüe de Alibaba

Qwen de Alibaba lidera en soporte multilingüe y ofrece el rango de tamaños más amplio, de 9B a 397B parámetros. Su buque insignia, Qwen3-Max, encabeza Arena-Hard con 90,5, con un contexto de 262K tokens (1M extendido) y un entrenamiento sobre 36 billones de tokens. Para empresas con necesidades multilingües —especialmente en idiomas no ingleses— Qwen se ha vuelto una opción de primera línea.

Kimi K2.5: enjambres de hasta 100 subagentes

Kimi K2.5 de Moonshot AI lidera en tareas agénticas gracias a su arquitectura de enjambre de agentes, capaz de coordinar hasta 100 subagentes en paralelo. Es una de las propuestas más ambiciosas en orquestación multi-agente, un terreno donde la coordinación importa tanto como la capacidad individual del modelo.

GLM-5 de Zhipu AI: open-weight que se acerca a la frontera

GLM-5, de Zhipu AI, fue el mejor modelo chino de abril y mantiene una posición destacada: 85 en el leaderboard open-weight de BenchLM con un 77,8% en SWE-bench Verified, superando a Gemini 3.0 Pro y acercándose a Claude Opus 4.5 en tareas de código agéntico. GLM-5.1 sostiene el liderazgo de la familia con 83.

Europa: Mistral y el reto de no quedarse atrás

En Europa, Mistral sigue siendo el laboratorio más prominente, pero arrastra una desventaja: puntúa por debajo de la media en benchmarks y por debajo de la mayoría de modelos estadounidenses y chinos en LMArena. Su propuesta de valor no es el rendimiento absoluto, sino el cumplimiento normativo, la soberanía de datos y el procesamiento bajo marco europeo — argumentos decisivos para empresas que no pueden enviar datos sensibles fuera de la UE, pero insuficientes para liderar el ranking técnico.

Lo que esto significa para los profesionales

• Incluye los modelos chinos en tu evaluación. DeepSeek V4 y GLM-5 ofrecen calidad de frontera a una fracción del coste para código y tareas agénticas.
• Aprovecha el coste de DeepSeek para volumen. A $0,14–0,30 por millón de tokens de entrada, es la opción obvia para cargas de alto volumen donde la calidad estándar basta.
• Considera Qwen para multilingüe. Si trabajas en varios idiomas, Qwen3-Max y su contexto extendido son una ventaja concreta.
• Pondera soberanía frente a rendimiento. Si tus datos no pueden salir de la UE, Mistral on-premise sigue siendo una opción válida pese a su menor puntuación. Profundiza en la decisión con nuestros frameworks de IA.