Por el contrario, los modelos cerrados estadounidenses de OpenAI, Anthropic y Google requieren alquilar el acceso a través de una API, cobrando por token y sometiendo a las empresas a los términos, cambios de precio y hoja de ruta del proveedor . Como señaló CNBC, esto crea una dependencia de «un puñado de proveedores de IA» . El Parlamento Europeo también expresó su preocupación de que el dominio de empresas de IA no europeas genera incertidumbre sobre si la IA en el mercado de la UE «salvaguarda los derechos fundamentales y los valores de la UE» .

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 .

Por el contrario, los modelos cerrados estadounidenses de OpenAI, Anthropic y Google requieren alquilar el acceso a través de una API, cobrando por token y sometiendo a las empresas a los términos, cambios de precio y hoja de ruta del proveedor . Como señaló CNBC, esto crea una dependencia de «un puñado de proveedores de IA» . El Parlamento Europeo también expresó su preocupación de que el dominio de empresas de IA no europeas genera incertidumbre sobre si la IA en el mercado de la UE «salvaguarda los derechos fundamentales y los valores de la UE» .

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 .