API de EE.UU. vs. modelos chinos de código abierto: el dilema de soberanía que divide a las empresas europeas

Europa carece actualmente de un modelo cerrado de frontera que iguale a GPT o Claude; su campeón de pesos abiertos más fuerte, Mistral, es competitivo pero no está en la frontera absoluta . Así que la opción realista a corto plazo para la mayoría de las empresas europeas se sitúa entre un modelo propietario estadounidense y uno chino de pesos abiertos, no entre una alternativa europea.

La división más profunda: cumplimiento del GDPR y control de datos

Aquí es donde el modo de despliegue crea un abismo legal. El Sovereign AI Registry califica a DeepSeek R1 como «listo para la contratación pública de la UE» cuando se autoaloja, señalando: «Los flujos de datos pasan íntegramente —mismos pesos, cero flujo de datos a China» . El riesgo del GDPR recae sobre el servicio alojado, no sobre los pesos abiertos en sí mismos .

• API china alojada (ej. deepseek.com): China no tiene una decisión de adecuación del GDPR de la UE, y la política de privacidad de DeepSeek establece explícitamente que los datos se almacenan en China y pueden compartirse con las autoridades chinas. Italia prohibió el servicio alojado en 72 horas . La Comisión Europea confirmó que cualquier transferencia de datos personales a China por parte de DeepSeek debe cumplir con el GDPR, lo que requiere cláusulas contractuales tipo o una decisión de adecuación que actualmente no existen .
• Pesos abiertos autoalojados: Un modelo chino de pesos abiertos autoalojado en infraestructura de la UE no envía datos a China. Múltiples analistas legales confirman que ejecutar modelos de pesos abiertos localmente conlleva el mismo riesgo bajo que ejecutar Qwen o Llama localmente: no hay flujo de datos transfronterizo .
• API propietaria estadounidense: Los proveedores de nube estadounidenses generalmente ofrecen acuerdos de procesamiento de datos conformes con el GDPR y opciones de residencia de datos en la UE. Sin embargo, cada llamada a la API sigue enviando los datos de la query a la infraestructura del proveedor, lo que puede ser problemático para casos de uso altamente sensibles .

Dependencias en la cadena de suministro: una forma diferente de riesgo

El uso de modelos chinos de pesos abiertos crea una dependencia downstream de los laboratorios chinos para obtener actualizaciones, parches de seguridad y futuras versiones del modelo. CNBC señaló el riesgo de que «las empresas estadounidenses se vuelvan dependientes de la tecnología china» — la misma lógica se aplica a Europa . El Centre for European Policy advierte que los modelos chinos pueden contener «puertas traseras que no pueden eliminarse ni siquiera mediante procedimientos intensivos de entrenamiento en seguridad» y que el control político está «profundamente incrustado en la arquitectura de los datos de entrenamiento» .

Sin embargo, ambas opciones dependen en última instancia de chips diseñados en EE. UU. (Nvidia, AMD) o de alternativas chinas sujetas a controles de exportación. Un modelo chino ejecutándose en hardware europeo sigue dependiendo de una cadena de suministro global de semiconductores.

El uso de modelos estadounidenses vincula a la empresa a los proveedores de nube de EE. UU. y a los precios de API de un solo proveedor. A medida que los costes de la IA estadounidense han aumentado, las empresas globales están migrando activamente hacia alternativas más baratas . Goldman Sachs señaló que los modelos chinos de pesos abiertos «están alcanzando un punto crítico de inteligencia que los convierte en alternativas viables» .

La ventaja de coste es drástica

Los modelos chinos de pesos abiertos son entre un 60% y un 90% más baratos que los modelos propietarios emblemáticos de EE. UU. . DeepSeek V4 Flash tiene un precio de 0,14 USD por millón de tokens de entrada, en comparación con los 1,75 USD de GPT-5.2 . Un flujo de trabajo que cueste 10 000 USD al mes en un modelo estadounidense líder podría ejecutarse por 1000 a 4000 USD utilizando una alternativa china de pesos abiertos .

En julio de 2026, las empresas estadounidenses estaban enrutando más del 30% de sus tokens de OpenRouter a modelos chinos abiertos, frente a solo el 4,5% en la primera mitad de 2025 . Coinbase anunció en junio de 2026 que había redirigido las cargas de trabajo rutinarias de ingeniería de OpenAI a modelos chinos de pesos abiertos de Zhipu AI y DeepSeek .

Un término medio práctico: enrutamiento multimodelo

Muchas empresas europeas están adoptando una estrategia de «enrutamiento de cargas de trabajo»: usar modelos de pesos abiertos más baratos para tareas no sensibles y modelos premium para las de alto riesgo, reduciendo la dependencia de un solo proveedor . Este enfoque híbrido permite equilibrar coste, riesgo y rendimiento.

Una estrategia defendible de selección de modelos implica cuatro pasos, según The National Law Review: mapear qué flujos de trabajo tocan qué modelos; identificar dónde entra la tecnología controlada por exportación en esos flujos; establecer una postura de modelo y despliegue para cada carga de trabajo; y documentar la diligencia debida a fondo .

La paradoja de los pesos abiertos no puede ignorarse

Los pesos abiertos son «irrevocables»: una vez publicados, las barreras de seguridad pueden eliminarse con un esfuerzo mínimo, y ya circulan libremente miles de variantes sin salvaguardas . El potencial igualador de los modelos de pesos abiertos y los riesgos de seguridad que los acompañan son inseparables .

La Ley de IA de la UE, que se aplica a los modelos de IA de uso general puestos en el mercado de la UE a partir de agosto de 2025, presume que los modelos entrenados por encima de 10²⁵ operaciones de punto flotante conllevan un riesgo sistémico y deben cumplir con mayores deberes de seguridad y transparencia . Tanto los modelos chinos de pesos abiertos como los propietarios estadounidenses deberán cumplirla.

Conclusión: La elección para las empresas europeas no es entre «chino» y «estadounidense» como categorías monolíticas. Autoalojar un modelo chino de pesos abiertos en infraestructura europea puede ofrecer un mejor control de los datos y mayor soberanía operativa que depender de una API propietaria estadounidense, pero introduce diferentes dependencias en la cadena de suministro, riesgos de seguridad y preocupaciones políticas. El camino más práctico para muchas empresas es una estrategia híbrida que enrute las cargas de trabajo sensibles a modelos abiertos autoalojados y reserve las APIs propietarias de EE. UU. para tareas menos sensibles que requieran el máximo rendimiento .