Los laboratorios de IA chinos están obligando al mercado a competir en el costo de la inteligencia útil. Las restricciones de exportación limitaron el acceso de los laboratorios chinos a chips NVIDIA avanzados. Mantener la competitividad significó extraer más rendimiento del hardware disponible. Durante el entrenamiento, Deepseek mantuvo las GPU funcionando mientras los datos se movían entre ellas y pasó a formatos de menor precisión que reducen a la mitad el uso de memoria y cómputo. Los ahorros más grandes vinieron en la inferencia: los modelos dispersos activan solo una fracción de sus parámetros por token, y la atención rediseñada redujo el costo de memoria de contextos largos. El resultado son modelos más baratos de construir y mucho más baratos de ejecutar. Los modelos chinos de peso abierto pasaron de menos del 1,2% del consumo semanal de tokens en OpenRouter a finales de 2024 a una mayoría en 2026. OpenRouter representa un pequeño porcentaje del volumen global de tokens y sus usuarios son sensibles al precio, por lo que esto no debe interpretarse como cuota de mercado global. Sí muestra que los usuarios elegirán modelos más baratos cuando el cambio sea fácil y el rendimiento sea lo suficientemente bueno. La inferencia más barata también tiene valor estratégico para China. Estos modelos ya pueden ejecutarse en aceleradores domésticos y reducir la dependencia del país en hardware extranjero para inferencia. China aún depende en gran medida de chips extranjeros para el entrenamiento de modelos de vanguardia. China no tendrá independencia completa en cómputo hasta que sus laboratorios puedan entrenar modelos de vanguardia a gran escala en infraestructura doméstica.