Amazon y Anthropic enfrentan una reacción adversa por la IA abierta mientras OpenAI cambia de postura
Los vínculos entre Amazon y Anthropic enfrentan un nuevo escrutinio después de que Anthropic rechazara un compromiso sectorial contra las restricciones prematuras a los modelos de IA descargables. La negativa situó a Anthropic frente a Nvidia, Microsoft, Meta, Google y, finalmente, OpenAI, pese a los informes de que ambos laboratorios de modelos cerrados compartían inquietudes regulatorias pocos días antes.
El conflicto siguió a la rápida adopción de modelos chinos de pesos abiertos, especialmente Kimi K3 de Moonshot AI. Los modelos de pesos abiertos publican sus parámetros aprendidos, lo que permite a los desarrolladores descargarlos, modificarlos y ejecutarlos sin depender de la API del proveedor original.
Esa decisión técnica se ha convertido en una línea divisoria política. Anthropic advierte que los sistemas descargables de alta capacidad no pueden retirarse ni actualizarse de forma centralizada tras su lanzamiento. El CEO de Nvidia, Jensen Huang, Elon Musk, Meta, Microsoft y cientos de empresas tecnológicas más pequeñas sostienen que unas restricciones amplias debilitarían a los desarrolladores estadounidenses.
Por tanto, la historia original quedó superada por un giro revelador. OpenAI inicialmente se mantuvo al margen de la carta sectorial, pero la firmó durante el fin de semana. Anthropic siguió siendo el principal disidente, aunque el CEO Dario Amodei negó explícitamente respaldar una prohibición de los pesos abiertos.
OpenAI cambió de postura, pero Anthropic mantuvo su posición
El cambio inmediato no es una prohibición propuesta. Es la formación de una coalición inusualmente amplia contra una.
El 24 de julio, Nvidia, Microsoft, Meta, IBM, Dell, Palantir, Hugging Face y otras empresas respaldaron una carta de política titulada “Open Weights and American AI Leadership”. El documento inicial incluía 25 firmantes y advertía a los responsables políticos contra restricciones prematuras a los modelos descargables.
La coalición sostuvo que los modelos abiertos favorecen la competencia, la investigación, la ciberseguridad y el control nacional sobre la infraestructura de IA. También instó a Washington a distinguir la destilación ordinaria de modelos de la extracción ilegal de sistemas propietarios.
La destilación consiste en entrenar un modelo con resultados producidos por otro. El método es común en todo el sector, pero se vuelve polémico cuando los desarrolladores utilizan cuentas fraudulentas o vulneran restricciones de acceso a gran escala.
La lista original de firmantes de la carta no incluía a OpenAI, Anthropic ni Google. Esa ausencia respaldaba una interpretación sencilla: las empresas que venden sistemas frontera cerrados se resistían a una campaña respaldada por desarrolladores de modelos abiertos y proveedores de infraestructura.
La alineación cambió durante el fin de semana. Google y OpenAI añadieron sus nombres, dejando a Anthropic como el principal laboratorio estadounidense de IA de frontera que seguía fuera del acuerdo. Esta cronología actualizada importa porque contradice las afirmaciones de que OpenAI y Anthropic siguen unidos a favor de restricciones amplias.
Según la información más reciente sobre la coalición sectorial, OpenAI ahora respalda la advertencia contra los límites prematuros. La empresa sigue defendiendo un marco nacional para evaluar modelos y responder a riesgos de seguridad.
Esa distinción es importante. Respaldar la disponibilidad de pesos abiertos no exige aceptar lanzamientos sin restricciones de todos los sistemas futuros. En cambio, rechaza que la apertura en sí misma sea el detonante de una regulación generalizada.
Anthropic ha adoptado una postura más limitada, pero también más escéptica. Coincide en que muchos modelos abiertos aportan valor público, aunque cuestiona si los modelos de nivel frontera deberían seguir siendo libremente descargables a medida que aumentan sus capacidades.
Dario Amodei respondió directamente el 27 de julio. Escribió que Anthropic “nunca ha defendido” una prohibición de los pesos abiertos y afirmó que los modelos menos peligrosos pueden ser un bien público.
En cambio, Amodei propuso controles dirigidos a tres áreas específicas. Quiere restricciones más estrictas a las exportaciones de chips avanzados, medidas contra la destilación a escala industrial y pruebas obligatorias para modelos suficientemente capaces, independientemente de su modelo de distribución.
Esa postura es más precisa que una exigencia de bloquear los modelos chinos. Sin embargo, la ausencia de Anthropic en la carta permite a los críticos preguntarse si sus salvaguardas preferidas producirían efectos similares de forma indirecta.
La firma de OpenAI hace que esa cuestión sea más difícil para Anthropic. Ambas empresas dependen principalmente del acceso controlado a modelos propietarios. Solo una se unió a la coalición que defiende alternativas descargables.
El resultado es un debate político fragmentado, no una confrontación clara entre empresas estadounidenses y chinas. OpenAI se ha acercado a la coalición de modelos abiertos mientras mantiene sus preocupaciones sobre la destilación. Anthropic rechaza una prohibición, pero sigue sin estar convencida por el argumento más amplio de seguridad de la coalición.
Por qué la economía de Amazon y Anthropic importa en el debate
El desacuerdo político también refleja cómo gana dinero cada empresa con la IA y dónde se benefician sus socios estratégicos.
Los laboratorios de frontera suelen vender acceso medido a los modelos que alojan. Los clientes envían solicitudes a una API, y el proveedor controla los pesos subyacentes, la infraestructura, los sistemas de seguridad y las condiciones del servicio.
Los modelos de pesos abiertos trasladan más control a los usuarios. Una empresa puede descargar un modelo, adaptarlo e implementarlo en su propia infraestructura. También puede mover cargas de trabajo entre proveedores de nube o empresas de alojamiento especializadas.
Esa flexibilidad crea presión directa sobre los precios de los proveedores de API cerradas. Un modelo descargable capaz ofrece a los desarrolladores otro punto de referencia al negociar costes, diseñar sistemas de respaldo o decidir si las cargas de trabajo sensibles deben salir de sus propias redes.
La conexión comercial de Anthropic con Amazon hace que esta competencia sea especialmente relevante. Amazon ha invertido miles de millones en Anthropic y ha posicionado AWS como el principal socio de nube y entrenamiento de la empresa. Claude también se distribuye a través de Amazon Bedrock, lo que brinda a las empresas acceso gestionado a modelos de varios proveedores.
La asociación entre Amazon y Anthropic no demuestra que la postura de seguridad de Anthropic esté motivada comercialmente. Las preocupaciones de seguridad pueden ser genuinas incluso cuando una política también protege los ingresos. Aun así, los incentivos económicos merecen examen porque las restricciones podrían transformar las compras empresariales.
Amazon ocupa ambos lados de la cuestión. Se beneficia cuando los clientes usan Claude a través de Bedrock, pero también obtiene ingresos en la nube cuando los clientes implementan modelos abiertos en la infraestructura de AWS. Una mayor actividad de modelos generalmente crea más demanda de servicios de computación, almacenamiento, redes e inferencia.
Los incentivos de Nvidia son más claros. Los modelos descargables pueden ejecutarse en centros de datos empresariales, nubes regionales, clústeres de investigación e infraestructura local. Cada nuevo modelo puede generar demanda adicional de aceleradores y sistemas de apoyo.
Por ello, Huang sostiene que el mercado necesita sistemas tanto abiertos como cerrados. La carta de Nvidia sobre modelos abiertos afirma que el desarrollo abierto puede reforzar la ciberseguridad al permitir que los defensores inspeccionen y adapten modelos en infraestructura que controlan.
Microsoft también se beneficia de ambas vías. Mantiene una estrecha relación con OpenAI, vende modelos propietarios gestionados y ofrece infraestructura para implementaciones abiertas. Meta publica pesos de modelos descargables y utiliza la apertura para ampliar la adopción más allá de sus propios productos.
Estas empresas no son organizaciones neutrales de interés público. Su apoyo a la apertura encaja con sus posiciones comerciales, del mismo modo que la cautela de Anthropic encaja con su negocio de acceso controlado. Eso no invalida ninguno de los argumentos.
La cuestión más útil es si las reglas propuestas abordan daños demostrables sin eliminar la competencia de menor coste. Una política dirigida a la extracción fraudulenta debería centrarse en el comportamiento fraudulento. Una política dirigida a capacidades peligrosas debería aplicar pruebas comparables a sistemas abiertos y cerrados.
Las restricciones generales favorecerían a los proveedores que conservan por sí solos el acceso a los modelos. También podrían aumentar la dependencia de un pequeño grupo de proveedores estadounidenses, elevando los costes para las startups sin impedir que los desarrolladores extranjeros utilicen pesos que ya circulan en otros lugares.
Por eso el debate no puede reducirse a tecnología abierta frente a seguridad nacional. También es una disputa sobre quién controla la distribución, quién captura los ingresos de inferencia y quién puede modificar las condiciones de servicio después de que los clientes construyan en torno a un modelo.
Para los compradores empresariales, las consecuencias van más allá de las clasificaciones de benchmarks. Un modelo descargable puede facilitar implementaciones privadas, controles de seguridad personalizados, capacidad predecible y protección frente a cambios repentinos en la API. Un sistema alojado puede ofrecer actualizaciones más sencillas, una supervisión centralizada más sólida y menos trabajo operativo.
Ninguna de las dos vías es la mejor para todas las cargas de trabajo. El peligro procede de una regulación que selecciona un modelo de distribución antes de medir los riesgos del propio sistema.
Los modelos abiertos chinos presionan tanto los precios como la política
Washington está reaccionando ahora porque los modelos chinos de pesos abiertos se han vuelto lo bastante útiles como para que las empresas estadounidenses los consideren infraestructura práctica.
Los desarrolladores chinos han lanzado una serie de modelos que compiten estrechamente con los principales sistemas estadounidenses en tareas importantes. Moonshot, DeepSeek, Alibaba y Z.ai también han utilizado lanzamientos descargables para lograr distribución internacional.
Kimi K3 de Moonshot intensificó el debate en julio. El modelo atrajo a desarrolladores por sus capacidades competitivas y menores costes operativos, al tiempo que ofrecía a las organizaciones la opción de ejecutar o modificar sus pesos.
Su adopción fue medible. Sensor Tower estimó que Kimi recibió más de 930.000 descargas durante la semana posterior al lanzamiento de K3. Eso representó un aumento del 200 por ciento respecto de la semana anterior.
Aproximadamente 86.000 de esas descargas procedieron de Estados Unidos, un aumento semanal del 387 por ciento. La demanda llegó a ser lo suficientemente fuerte como para que Moonshot suspendiera temporalmente las nuevas suscripciones cuando la capacidad se acercó a sus límites.
Los modelos chinos también ocuparon las cinco primeras posiciones de OpenRouter por uso durante el mes medido, según cifras citadas por el análisis de adopción. Eso no demuestra una superioridad técnica general, pero confirma una demanda significativa entre desarrolladores.
Los evaluadores siguen observando limitaciones. El CEO de Arena, Anastasios Angelopoulos, dijo a Associated Press que los sistemas chinos seguían por detrás de los líderes estadounidenses en toda su gama de capacidades.
Por tanto, la amenaza competitiva procede del conjunto, no necesariamente de la mejor puntuación absoluta. Los desarrolladores pueden aceptar un rendimiento ligeramente inferior cuando un modelo es más barato, personalizable, descargable o suficiente para una tarea definida de forma limitada.
Ese conjunto presiona a OpenAI y Anthropic al mismo tiempo. Si las empresas pueden utilizar un modelo chino para programación rutinaria, clasificación, procesamiento de documentos o tareas de agentes, pueden reservar las costosas API de frontera para las solicitudes más difíciles.
Una arquitectura mixta reduce la dependencia de cualquier laboratorio individual. También convierte los sistemas propietarios en componentes prémium, en lugar de ser el motor predeterminado detrás de cada interacción.
Los funcionarios estadounidenses han planteado una preocupación distinta. Anthropic alega que desarrolladores chinos utilizaron campañas a escala industrial para extraer resultados de Claude y entrenar sistemas competidores.
En una carta obtenida por The Washington Post, Anthropic afirmó que el equipo de Qwen de Alibaba utilizó aproximadamente 25.000 cuentas fraudulentas. Esas cuentas presuntamente generaron más de 28,8 millones de intercambios con Claude.
Alibaba no respondió a ese informe. Anthropic ha formulado acusaciones relacionadas contra DeepSeek, Moonshot y MiniMax, describiendo campañas que eluden controles geográficos y restricciones de servicio.
Esa conducta, de confirmarse, plantea un problema legítimo de aplicación de la ley. Las cuentas fraudulentas, la elusión de controles y la extracción masiva no autorizada no se vuelven aceptables porque la destilación sea un método de entrenamiento reconocido.
Sin embargo, demostrar un uso indebido por parte de empresas concretas es distinto de demostrar que la distribución de pesos abiertos sea inherentemente insegura. La disputa sobre la destilación también muestra lo difícil que puede resultar la atribución.
A veces, los investigadores pueden detectar patrones que sugieren que un modelo aprendió de otro. Un sistema puede reproducir frases, estilos de razonamiento o incluso identificarse erróneamente como el modelo que generó sus datos de entrenamiento.
Esas señales no siempre revelan cómo se adquirieron los datos. Los desarrolladores pueden utilizar datos sintéticos con licencia, resultados públicos, registros generados por clientes, extracción fraudulenta o una combinación de fuentes.
Las empresas estadounidenses también utilizan la destilación. OpenAI ha ofrecido herramientas que ayudan a los clientes a generar datos de entrenamiento a partir de sus sistemas, mientras que Elon Musk ha descrito la técnica como habitual en toda la industria.
La cuestión legal y de política pública gira en torno a la autorización, la escala y el método. Tratar cada modelo destilado como propiedad robada incluiría desarrollos legítimos en una categoría diseñada para el abuso.
También podría alentar a los responsables políticos a subestimar la ingeniería china. Los controles de exportación han llevado a los laboratorios chinos a mejorar la eficiencia, optimizar hardware limitado y competir mediante distribución abierta. No todos los avances pueden explicarse por la copia.
La coalición de pesos abiertos ve una barrera regulatoria
Los defensores de los modelos abiertos temen que las normas de seguridad protejan a los laboratorios cerrados de la competencia antes de que el gobierno defina un umbral de seguridad medible.
La resistencia va mucho más allá de Nvidia y Meta. Más de 200 startups, inversores y organizaciones tecnológicas se sumaron a un llamamiento independiente organizado por la Little Tech Association.
El grupo escribió al asesor científico de la Casa Blanca, Michael Kratsios, y al secretario de Comercio, Howard Lutnick. Instó a la administración a no imponer una prohibición total sobre los sistemas chinos de pesos abiertos.
Sus miembros sostienen que los modelos descargables y asequibles se han convertido en un insumo para las startups estadounidenses. Eliminar el acceso elevaría los costes de desarrollo, afectaría a productos existentes y concentraría aún más poder en unos pocos laboratorios de frontera.
Esa preocupación no es hipotética. Las empresas más pequeñas a menudo carecen del capital para entrenar grandes modelos fundacionales. Crean productos adaptando sistemas existentes, distribuyendo tareas entre varios modelos o alojando versiones especializadas para clientes concretos.
Un modelo abierto también puede seguir disponible cuando un proveedor cambia una API, restringe una región, retira una versión o experimenta problemas de capacidad. Para una startup, ese control puede determinar si un producto sigue funcionando.
La oposición de las startups acepta que pueden ser necesarias salvaguardas. Su objeción central es que negar el acceso a los estadounidenses perjudicaría a los creadores nacionales más rápidamente que a los laboratorios chinos.
La carta original de Nvidia incluía a Microsoft, Meta, Palantir, IBM, Dell, Hugging Face, Replit, Perplexity, ServiceNow, CrowdStrike y Y Combinator. Elon Musk expresó por separado su pleno apoyo a la iniciativa.
Mark Zuckerberg no necesitaba firmar personalmente porque Meta se unió como empresa. El negocio de Meta se ha beneficiado durante mucho tiempo de distribuir ampliamente los pesos de los modelos, animando a los desarrolladores a crear fuera de una única API controlada.
El asesor de IA de la Casa Blanca, David Sacks, ha presentado la cuestión como una posible captura regulatoria. Sostiene que los laboratorios cerrados dominantes podrían utilizar la política de seguridad para eliminar la competencia abierta de menor coste.
Esa es la principal estructura de oposición en esta disputa: el control de los proveedores cerrados frente a la competencia de modelos descargables. La nacionalidad importa, pero la división comercial explica por qué las empresas estadounidenses han adoptado posturas opuestas.
La crítica se intensifica porque el gobierno no ha establecido estándares de seguridad detallados y coherentes para los modelos estadounidenses. Por tanto, las restricciones dirigidas a sistemas abiertos extranjeros podrían llegar antes de que existan obligaciones comparables para los sistemas cerrados nacionales.
La respuesta de Anthropic es que la igualdad de trato debe depender de la capacidad, no de la nacionalidad ni del formato de licencia. Amodei ha pedido pruebas obligatorias para modelos con capacidades suficientemente avanzadas, sean abiertos o cerrados.
Esa propuesta podría tender un puente entre los dos bandos si los responsables políticos definen los umbrales de capacidad de forma transparente. Requeriría evaluaciones reproducibles, normas claras de aplicación y salvaguardas contra el diseño de estándares a medida de la arquitectura preferida de una empresa.
Anthropic también sostiene que los pesos abiertos crean un problema distinto tras su lanzamiento. Un proveedor alojado puede corregir un modelo, reforzar la supervisión, cerrar cuentas o retirar el acceso. Un modelo descargado no puede recuperarse de todos los operadores.
La distinción es real. Cobra mayor importancia cuando un modelo posee capacidades que facilitan de forma significativa ataques biológicos, operaciones cibernéticas, vigilancia masiva u otros daños graves.
Sin embargo, el control centralizado también tiene limitaciones. Un proveedor cerrado puede cambiar las condiciones, bloquear investigaciones legítimas o convertirse en un punto único de fallo. Los usuarios no pueden inspeccionar de forma independiente el sistema completo, y los investigadores externos deben depender del acceso que la empresa permita.
Los sistemas abiertos dan a los defensores más libertad para inspeccionar, modificar y ejecutar herramientas de forma privada. Los sistemas cerrados dan a los proveedores más libertad para supervisar e intervenir. La regulación debe afrontar esta disyuntiva en lugar de declarar universalmente más segura cualquiera de las dos vías.
Anthropic no ha demostrado que los modelos chinos actualmente disponibles superen un umbral de capacidad catastrófica claramente definido. Los defensores de los modelos abiertos no han demostrado que la inspección y la personalización siempre otorgarán a los defensores una ventaja sobre los atacantes.
Ambas partes formulan afirmaciones orientadas al futuro. La respuesta política responsable consiste en poner esas afirmaciones a prueba frente a las capacidades y al uso indebido observado, no solo frente a la identidad corporativa.
Esta es también la razón por la que la afirmación de que Anthropic está haciendo lobby a favor de una prohibición generalizada necesita matices. Los informes indican que la empresa ha presionado a funcionarios gubernamentales sobre destilación, controles de exportación y riesgos de seguridad. Amodei afirma ahora que una prohibición de modelos chinos no resolvería sus preocupaciones más graves.
Su aclaración de política delimita la postura pública de Anthropic. Los críticos aún pueden cuestionar sus incentivos y los umbrales propuestos, pero no deberían tratar una política negada como una exigencia establecida.
Lo que Washington haga a continuación definirá el mercado
La siguiente fase depende de tres señales: una acción gubernamental focalizada, pruebas basadas en capacidades y la adopción continuada de modelos chinos en Estados Unidos.
La primera señal es si la administración adopta sanciones específicas para empresas en lugar de una restricción general sobre pesos descargables. La inclusión en la Entity List del Departamento de Comercio, las normas de contratación federal o las sanciones vinculadas a campañas de extracción documentadas indicarían un enfoque focalizado.
Ese resultado reforzaría la idea de que Washington está separando la seguridad nacional del debate más amplio sobre modelos abiertos. Podría penalizar conductas específicas al tiempo que preserva el acceso a sistemas desarrollados de forma independiente.
Un aviso más amplio que desaconseje todos los modelos chinos apuntaría en la dirección contraria. Incluso sin una prohibición legal, las restricciones de contratación y la presión pública podrían llevar a los equipos jurídicos a rechazar esos sistemas.
La segunda señal es si los funcionarios publican pruebas de capacidad coherentes para modelos tanto abiertos como cerrados. La política preferida de Anthropic depende de identificar cuándo un sistema se vuelve lo suficientemente peligroso como para requerir una evaluación obligatoria.
Esas pruebas deben revelar qué capacidades activan la supervisión y cómo los proveedores pueden impugnar las conclusiones. Aplicarlas solo a modelos descargables reforzaría la crítica de la barrera regulatoria.
Aplicar los mismos umbrales a todos los métodos de distribución respaldaría el argumento de Anthropic de que busca controles de riesgo, no protección frente a la competencia. También obligaría a los laboratorios cerrados a aceptar escrutinio junto con los desarrolladores abiertos.
La tercera señal es la adopción en el mundo real. Los recuentos de descargas y los datos de enrutamiento de modelos muestran interés, pero los compromisos empresariales revelarán si los sistemas chinos pueden mantener una presencia estadounidense duradera.
Los desarrolladores deberían vigilar el uso de OpenRouter, la disponibilidad en la nube, las divulgaciones de clientes importantes y los lanzamientos continuados de Moonshot, Alibaba, DeepSeek y Z.ai. Una caída del uso tras el ciclo actual de atención debilitaría la afirmación de que los modelos abiertos amenazan el mercado de proveedores cerrados.
Un crecimiento continuado aumentaría la presión sobre OpenAI y Anthropic para mejorar precios, lanzar alternativas descargables o explicar por qué los clientes deberían aceptar el control del proveedor. También haría que las restricciones amplias resultaran más costosas para las empresas estadounidenses.
El comportamiento de Amazon merece especial atención. La empresa puede promocionar Claude mientras respalda un amplio catálogo de modelos a través de AWS. Cualquier cambio en la disponibilidad, los requisitos de cumplimiento o el soporte de implementación ofrecería una visión temprana de cómo la política afecta al acceso empresarial.
La relación entre Amazon y Anthropic podría ilustrar en última instancia el compromiso preferido por el mercado. Los clientes pueden combinar sistemas de frontera controlados con modelos abiertos en lugar de elegir una filosofía para cada tarea.
Ese enfoque requiere una evaluación cuidadosa. Los equipos necesitan registros de versiones de modelos, licencias, resultados de pruebas, hallazgos de seguridad y cambios de política antes de trasladar cargas de trabajo importantes entre proveedores.
Una base de conocimiento con capacidad de búsqueda puede ayudar a los equipos técnicos a preservar esa evidencia a medida que cambian los modelos y las regulaciones. La decisión debe basarse en los requisitos de la carga de trabajo, no en la lealtad a un bando abierto o cerrado.
Por tanto, el conflicto actual es mayor que un informe controvertido. OpenAI cambió su alineamiento público, Anthropic rechazó la acusación de que desea una prohibición y una amplia coalición tecnológica pidió a Washington evitar restricciones prematuras.
La economía entre Amazon y Anthropic sigue formando parte de esa disputa, pero no la resuelve. La cuestión decisiva es si los reguladores pueden abordar abusos demostrados sin convertir la política de seguridad nacional en protección para un pequeño grupo de proveedores de modelos.
Los desarrolladores y compradores empresariales deberían plantearse ahora tres preguntas prácticas. ¿Una norma propuesta identifica conductas perjudiciales específicas? ¿Aplica pruebas equivalentes a sistemas abiertos y cerrados comparables? ¿Preserva suficiente competencia para que los clientes puedan cambiar de proveedor?
Las respuestas determinarán si la política estadounidense de IA genera un desarrollo más seguro o simplemente un mercado más estrecho.
