Artificial Analysis, una plataforma de evaluación de IA, informa que los principales modelos chinos ahora están solo tres a nueve meses atrás de sus contrapartes estadounidenses, una brecha que hace poco tiempo era de más de un año.
El CEO Micah Hill-Smith dice que los datos de su empresa confirman esta reducción, incluso después del lanzamiento de modelos revolucionarios por ambos lados.
DeepSeek cierra la brecha
El rendimiento destacado del lado chino es DeepSeek. Al mayo de 2025, el modelo R1 0528 de la empresa empató en el segundo lugar mundial entre los laboratorios en general, convirtiéndose en el claro líder entre los desarrolladores chinos de IA.
En el lado estadounidense, el modelo o3 de OpenAI sigue ocupando el primer lugar.
Los modelos de lenguaje grandes chinos aumentaron del 3% al 13% de la cuota de mercado global en un período de dos meses, según el informe State of AI del segundo trimestre de 2025 de Artificial Analysis.
Los modelos estadounidenses siguen dominando por uso bruto, captando aproximadamente el 93% de las visitas a sitios de LLM hasta agosto de 2025.
Se informa que DeepSeek entrenó su modelo V3 por aproximadamente $5.6 millones, logrando esto mediante un co-diseño optimizado de hardware y software.
Por qué el cripto se interesa por los benchmarks de IA
Los precios de los activos digitales relacionados con la IA bajaron tras el lanzamiento de los modelos competitivos de DeepSeek.
En una competencia de trading, se informó que el modelo DeepSeek Chat V3.1 logró un rendimiento del 126% sobre una inversión de $10,000 en nueve días.
La imagen más grande para los inversores
Si los LLM chinos continúan su ascenso desde el 13% hacia el 20% o más, espere mayor volatilidad en tokens relacionados con IA que ya han preciado la dominancia estadounidense. El costo de entrenamiento de DeepSeek de $5.6 millones es un desafío directo a la narrativa de que la IA de vanguardia requiere miles de millones en gastos de cómputo, lo cual es relevante para los tokens vinculados a alquiler de GPU y redes de entrenamiento descentralizadas.