La carta de Nvidia sobre pesos abiertos expone la división entre Anthropic y Google mientras OpenAI se suma

Nvidia reclutó a otras 24 organizaciones para defender la IA de pesos abiertos, mientras Anthropic y Google quedaron fuera de la coalición original. La división surgió mientras Washington consideraba restricciones sobre modelos chinos descargables. Esto sitúa la postura de Anthropic y Google frente a una industria de infraestructura que se beneficia cuando los clientes pueden ejecutar modelos donde elijan.

Nvidia publicó la carta de tres páginas el 24 de julio de 2026. Microsoft, Meta, IBM, Dell Technologies, Palantir, Hugging Face y firmas de capital riesgo se unieron al grupo inicial. La coalición pidió a los responsables políticos que evitaran restricciones prematuras que pudieran limitar la competencia o trasladar el desarrollo al extranjero.

Ya hay una actualización importante. OpenAI no figuraba cuando se informó sobre la lista inicial de 25 empresas, pero su nombre aparece ahora en el documento alojado por Nvidia. El archivo también incluye firmantes adicionales, aunque no ofrece un historial de revisiones visible que explique cuándo se unió cada organización.

Ese cambio hace más reveladoras las ausencias restantes. Anthropic y Google no se han sumado a la lista actual, mientras OpenAI ahora respalda un lenguaje favorable a los modelos descargables. La disputa política ya no es una simple lucha entre proveedores de modelos abiertos y todos los grandes laboratorios de modelos cerrados.

La división central se refiere al control. Los desarrolladores de pesos abiertos permiten a los clientes descargar parámetros entrenados y operar modelos en infraestructura privada. Los proveedores de modelos cerrados, por lo general, conservan esos parámetros y ofrecen inteligencia mediante servicios gestionados o interfaces de programación.

Washington debe decidir si el acceso a los pesos fortalece la competencia estadounidense o crea riesgos de seguridad irreversibles. La coalición de Nvidia sostiene que restringir la tecnología concentraría la influencia en unos pocos proveedores. Los críticos responden que los modelos descargados pueden perder salvaguardas y resultar difíciles de supervisar.

La coalición creció tras su primera aparición pública

El anuncio original de 25 empresas se convirtió en un documento cambiante en cuestión de horas, lo que debilita las afirmaciones basadas únicamente en su primera lista de firmantes.

El CEO de Nvidia, Jensen Huang, promovió la carta mediante su primera publicación en X. El informe inicial sobre pesos abiertos identificó a 25 organizaciones y destacó tres empresas ausentes: OpenAI, Anthropic y Google.

Los firmantes iniciales representaban casi todas las capas situadas por debajo de los principales laboratorios de modelos cerrados. Nvidia suministra procesadores y software de IA. Dell vende servidores, mientras Microsoft opera infraestructura en la nube y distribuye modelos a través de varios productos.

IBM, ServiceNow, Box, Palantir y Replit desarrollan aplicaciones empresariales o herramientas de desarrollo. CrowdStrike y otras firmas de seguridad trabajan en sistemas defensivos. Andreessen Horowitz, Y Combinator y Emergence Capital financian empresas que necesitan acceso asequible a modelos.

Meta, Mistral, Black Forest Labs, Arcee AI y Reflection aportaron la perspectiva de los desarrolladores de modelos. Estas empresas ya distribuyen pesos de modelos, por lo que la carta respalda su estrategia de lanzamiento establecida. Hugging Face y la Linux Foundation proporcionan infraestructura y gobernanza en torno al software y los modelos descargables.

La composición de la coalición es comercialmente coherente. Los fabricantes de chips se benefician cuando más organizaciones operan sus propios modelos. Los proveedores de servidores se benefician cuando la inferencia se desplaza a centros de datos privados, nubes regionales y sistemas locales.

Los proveedores de nube pueden respaldar ambos enfoques. Pueden vender acceso gestionado a modelos cerrados mientras alquilan capacidad informática para implementaciones de pesos abiertos. La participación de Microsoft refleja esa posición flexible más que un compromiso exclusivo con una única filosofía de modelos.

La carta actual de la coalición contiene más nombres que el informe original. OpenAI aparece ahora junto a Cisco, Cohere, DoorDash, GitHub, Mozilla, Palo Alto Networks y otras incorporaciones.

Sin embargo, el PDF de Nvidia no muestra un registro de cambios. No identifica cuándo firmó OpenAI, si cada incorporación respaldó un lenguaje idéntico o si la versión original de 25 empresas sigue archivada. Por tanto, los lectores deberían considerar la ausencia de OpenAI como un detalle preciso del lanzamiento, no como su postura actual.

Anthropic y Google siguen ausentes del documento actualizado. Amazon también falta, a pesar de su gran negocio de nube e inversiones en desarrollo de modelos. Estas ausencias importan, pero no demuestran automáticamente oposición a cada afirmación de la carta.

Una empresa puede respaldar el acceso a modelos abiertos sin suscribir un documento político específico. También puede distribuir determinados modelos de pesos abiertos mientras mantiene cerrados sus sistemas más capaces. Las estrategias de lanzamiento suelen variar según la capacidad del modelo, el cliente y el riesgo identificado.

OpenAI ilustra esa complejidad. Construyó principalmente su negocio en torno a modelos alojados, pero también lanzó sistemas de pesos abiertos e investigó la seguridad de su distribución. Su incorporación tardía convierte la lista de firmantes en evidencia de una alineación cambiante, más que en un mapa permanente del sector.

La conclusión más firme es más limitada. Nvidia reunió una amplia coalición comercial en torno al acceso a pesos abiertos, y esa coalición se expandió tras la publicación. Anthropic y Google no se habían unido hasta el 25 de julio, por lo que quedaron fuera de una declaración que ahora incluye a OpenAI.

Por qué Washington está reconsiderando los modelos de IA chinos

La carta se dirige a un debate político interno, pero el rendimiento de los modelos chinos aportó la presión inmediata.

Según informes, la administración Trump examinaba restricciones sobre modelos avanzados de IA chinos después de que Moonshot AI presentara Kimi K3. Una investigación de Axios señaló que funcionarios estaban revisando esfuerzos anteriores relacionados con DeepSeek y otros desarrolladores chinos.

La preocupación combina ciberseguridad, propiedad intelectual y política industrial. Los modelos descargables pueden copiarse entre sistemas tras su lanzamiento. Esto hace que una prohibición convencional de servicios sea más difícil de aplicar que las restricciones sobre un sitio web o una interfaz de programación alojada.

Los funcionarios de la administración también se centraron en la destilación. Esta técnica de entrenamiento utiliza las salidas de un modelo para mejorar otro, y a menudo transfiere comportamientos sin copiar los pesos originales. Desarrolladores de modelos cerrados han alegado que algunos competidores extranjeros extrajeron capacidades mediante grandes volúmenes de respuestas generadas.

La carta de Nvidia evita mencionar a China, DeepSeek, Moonshot, Anthropic o Google. Aun así, su momento de publicación la sitúa directamente dentro de esa disputa. Apareció cuatro días después de los informes sobre una renovada prohibición de modelos chinos y dos días después de que Huang defendiera públicamente el acceso.

Huang sostuvo que las empresas estadounidenses deberían seguir siendo libres de usar modelos chinos. En su defensa de los modelos chinos, rechazó las afirmaciones generalizadas de que los sistemas chinos contienen inherentemente puertas traseras gubernamentales. También advirtió que depender de un solo modelo crea un punto de fallo concentrado.

Esa postura responde a la filosofía política de Nvidia y a sus intereses comerciales. Los modelos descargables suelen requerir procesadores de terceros, servidores, redes, software de implementación y soporte. Un mercado diverso de modelos mantiene la demanda repartida en la capa informática donde Nvidia ejerce influencia.

Anthropic tiene una exposición diferente. Sus sistemas más capaces se ofrecen como productos gestionados, y la empresa enfatiza la implementación controlada y las evaluaciones de seguridad. Los sistemas chinos de pesos abiertos pueden presionar ese modelo al ofrecer a los clientes mayor control y una personalización más sencilla.

Google ocupa ambas posiciones. Opera Gemini como una familia de modelos gestionados, proporciona infraestructura en la nube y ha lanzado sistemas descargables más pequeños. Su ausencia de la carta de Nvidia no puede reducirse a una oposición a los pesos abiertos.

La administración también enfrenta un problema de aplicación. Una restricción puede impedir que agencias federales o empresas reguladas adopten modelos específicos. No puede recuperar de forma fiable los pesos ya descargados y redistribuidos en sistemas privados.

Por tanto, las restricciones amplias podrían modificar el comportamiento corporativo legítimo más que el de adversarios decididos. Las empresas estadounidenses podrían perder acceso a modelos eficientes, mientras los usuarios extranjeros siguen modificándolos. Ese desequilibrio sustenta el argumento de competitividad de la coalición.

Sin embargo, la disponibilidad sin restricciones también conlleva costes propios. Una vez que se publican pesos capaces, el desarrollador original no puede retirar de forma fiable todas las copias. Los operadores pueden eliminar controles de seguridad, ocultar modificaciones o implementar versiones vulnerables sin actualizaciones centralizadas.

En consecuencia, Washington elige entre controles imperfectos. Puede regular empresas, infraestructura informática, compras gubernamentales, plataformas de distribución o capacidades de los modelos. Una categoría general como “modelo chino de pesos abiertos” no resuelve qué riesgo aborda cada control.

La carta impulsa a los responsables políticos hacia una aplicación selectiva. Afirma que la extracción ilegal de sistemas cerrados debería abordarse mediante mecanismos legales y comerciales. Rechaza tratar toda la técnica de destilación como apropiación indebida.

Esa distinción también importa para los desarrolladores estadounidenses. La destilación de modelos se utiliza ampliamente para evaluación, especialización y eficiencia. Una prohibición amplia podría restringir la investigación nacional sin lograr detener a actores que operan fuera de la jurisdicción estadounidense.

La disputa inmediata se refiere a los modelos chinos, pero el precedente político tendría un alcance mayor. Las normas redactadas en torno a Kimi o DeepSeek podrían aplicarse más adelante a Meta, Mistral, OpenAI o laboratorios estadounidenses más pequeños. Esa posibilidad explica por qué las empresas de infraestructura entraron en el debate antes de que Washington publicara una restricción definitiva.

La ausencia de Anthropic y Google revela una disputa por el control

El conflicto principal enfrenta la inteligencia controlada por proveedores con la implementación controlada por clientes, no a empresas que simplemente favorecen la seguridad o la apertura.

Los pesos abiertos son parámetros de modelos entrenados disponibles para descargar. Permiten a una organización inspeccionar, modificar, ajustar y ejecutar un modelo sin enviar cada solicitud a su desarrollador original. No incluyen necesariamente los datos de entrenamiento ni el código fuente completo.

Esta definición importa porque “IA de código abierto” puede implicar una transparencia más amplia. Un modelo puede ofrecer pesos bajo una licencia permisiva mientras retiene su conjunto de datos de entrenamiento. Otro puede limitar determinados usos comerciales o posteriores.

La coalición de Nvidia se centra en el control operativo. Su carta afirma que las organizaciones deberían elegir dónde se ejecutan los modelos, proteger sus datos y conservar conocimientos especializados. Presenta la portabilidad como una defensa frente a la dependencia de un único proveedor.

Para los compradores empresariales, esta diferencia se vuelve concreta durante la implementación. Un hospital podría querer que las cargas de trabajo sensibles permanezcan dentro de una infraestructura aprobada. Un fabricante podría necesitar inferencia cerca de equipos donde la conectividad es irregular.

Una empresa de software también podría querer ajustar un modelo más pequeño a documentación interna. Mantener ese sistema local puede simplificar algunos requisitos de control de datos. No resuelve automáticamente los problemas de precisión, seguridad o gobernanza.

Los servicios cerrados ofrecen un acuerdo diferente. Sus proveedores operan la infraestructura, actualizan los modelos, supervisan el abuso y mantienen salvaguardias centralizadas. Los clientes sacrifican parte del control a cambio de rendimiento gestionado y menos trabajo operativo.

La ausencia de Anthropic encaja con su énfasis ya establecido en el acceso controlado a sistemas avanzados. La empresa puede supervisar patrones de uso y modificar salvaguardias cuando los modelos permanecen en sus servidores. Esas opciones desaparecen en gran medida una vez que los pesos circulan.

La posición de Google es más ambivalente. Sus modelos alojados respaldan una estrategia de plataforma gestionada, pero sus lanzamientos descargables permiten usos locales y personalizados. Permanecer fuera de la carta puede reflejar cautela política, complejidad interna o desacuerdo con un lenguaje específico.

Ninguna declaración pública citada por la coalición establece el motivo de Google. Lo mismo se aplica a Anthropic. Su falta de participación es una señal relevante, pero atribuirles un motivo preciso iría más allá de la evidencia disponible.

La incorporación de OpenAI complica las afirmaciones de un bloque unificado de laboratorios cerrados. El nombre de la empresa aparece ahora junto al de compañías cuyos negocios dependen en gran medida de modelos descargables. Por tanto, ha aceptado el argumento general de la carta aun cuando opera importantes servicios cerrados.

Los incentivos económicos siguen siendo visibles. Nvidia vende capacidad de cómputo entre distintas marcas de modelos. Meta se beneficia cuando los modelos abiertos reducen la capacidad de sus rivales para cobrar por un acceso escaso. Hugging Face se beneficia cuando los desarrolladores pueden distribuir, adaptar y alojar artefactos de modelos.

Anthropic y Google obtienen valor de la inteligencia gestionada, aunque Google también obtiene ingresos de la computación en la nube. Sus modelos más potentes ayudan a diferenciar sus servicios. Publicar pesos equivalentes debilitaría el control sobre la distribución y las salvaguardias.

Eso no hace que el argumento de la coalición sea insincero. El interés comercial suele determinar qué riesgos detecta primero una empresa. Nvidia ve concentración y despliegue restringido, mientras que un laboratorio de frontera ve la eliminación de salvaguardias y el robo de capacidades.

El desafío político consiste en separar esos intereses de las afirmaciones comprobables. ¿Descargar pesos mejora de forma sustancial la competencia para las empresas más pequeñas? ¿El control local reduce la exposición de datos en implementaciones reales?

Por el contrario, ¿cuánto riesgo cibernético o biológico adicional implica publicar un modelo específico? ¿Pueden las evaluaciones de capacidad identificar ese umbral antes de la distribución? Estas preguntas requieren evidencia más allá del número de logotipos en una carta.

El análisis de apertura de la OCDE trata la apertura de los modelos como un espectro con beneficios y riesgos. Ese marco es más útil que etiquetar un enfoque de lanzamiento como inherentemente responsable.

Para los trabajadores del conocimiento, la misma cuestión de control aparece en las herramientas cotidianas. Los asistentes alojados procesan información mediante sistemas gestionados por el proveedor, mientras que los sistemas locales pueden mantener determinados materiales más cerca del usuario. Una base de conocimiento personal sigue necesitando permisos cuidadosos, recuperación fiable y límites claros para los datos.

La división entre Anthropic y Google, por tanto, va más allá de Washington. Influye en cómo los compradores evalúan la dependencia de proveedores, la ubicación de los datos, la personalización y la portabilidad a largo plazo. La política que prevalezca determinará cuáles de esas opciones seguirán siendo prácticas.

Los pesos abiertos intercambian la dependencia por un riesgo irreversible

Los modelos de pesos abiertos reducen la dependencia de proveedores centrales, pero su libertad más valiosa también dificulta hacer cumplir sus salvaguardias.

La coalición reconoce este problema de forma directa. Una vez que se publican los pesos, el desarrollador original pierde el control sobre las copias. Las versiones modificadas pueden resultar difíciles de rastrear, y un lanzamiento defectuoso no puede retirarse por completo.

Esa admisión otorga a la carta más credibilidad que una simple declaración de presión política. No afirma que la apertura elimine el peligro. En cambio, sostiene que el acceso distribuido ayuda a los defensores a inspeccionar los modelos, identificar debilidades y desarrollar protecciones.

Los equipos de seguridad pueden usar modelos descargables para simular ataques sin exponer datos sensibles a un servicio externo. Los investigadores pueden reproducir evaluaciones e investigar comportamientos sospechosos. Las organizaciones más pequeñas pueden adaptar modelos a tareas defensivas especializadas.

El mismo acceso ayuda a los atacantes. Pueden eliminar mecanismos de rechazo, ajustar los modelos para objetivos dañinos o combinar capacidades con conjuntos de datos privados. Las políticas de uso centralizadas no pueden bloquear esas modificaciones después de la distribución.

Los modelos cerrados tampoco eliminan el abuso. Los atacantes pueden sondear servicios alojados, robar credenciales, explotar aplicaciones o encontrar prompts que eludan las protecciones. Los sistemas centralizados también pueden crear objetivos atractivos con efectos posteriores generalizados.

La disyuntiva se refiere al riesgo marginal, es decir, el peligro adicional creado al distribuir pesos en lugar de ofrecer una capacidad equivalente mediante un servicio. Ese riesgo cambia según la capacidad del modelo, las alternativas disponibles, los costes de despliegue y las salvaguardias existentes.

Un modelo descargable muy capaz plantea un problema distinto al de un sistema compacto que realiza clasificación rutinaria. Una política basada únicamente en el formato de lanzamiento pasa por alto esas diferencias. Las evaluaciones basadas en capacidades ofrecen un punto de partida más preciso, aunque las mediciones siguen siendo incompletas.

El propio estudio de evaluación de riesgos de OpenAI demuestra por qué su firma posterior es plausible. La empresa evaluó si el ajuste malicioso podía llevar un lanzamiento de pesos abiertos hacia capacidades peligrosas. Utilizó esos hallazgos en su decisión de lanzamiento.

Ese enfoque no respalda ni la publicación automática ni la prohibición automática. Trata cada modelo como un problema de evidencia. Los desarrolladores estiman posibles usos indebidos, prueban salvaguardias y comparan el lanzamiento con sistemas ya disponibles.

La carta de Nvidia va más allá al sostener que la apertura puede mejorar la seguridad. Los investigadores independientes pueden examinar comportamientos que un proveedor cerrado podría pasar por alto. Varios equipos defensivos también pueden probar modelos sin esperar permiso.

Sin embargo, la transparencia no garantiza la corrección. Una vulnerabilidad descubierta en un modelo abierto puede persistir en copias antiguas. Los operadores posteriores pueden omitir actualizaciones, ocultar cambios o carecer de la experiencia necesaria para aplicar mitigaciones.

Por tanto, el argumento de seguridad de la coalición es condicional. El acceso abierto respalda una inspección más amplia solo cuando las instituciones financian evaluaciones, publican hallazgos y mantienen prácticas de despliegue. La disponibilidad por sí sola no crea una comunidad de seguridad eficaz.

Sus recomendaciones de política reconocen parte de este requisito. La carta solicita conjuntos de datos compartidos, marcos de evaluación y un mayor acceso a cómputo para investigadores y startups. Esos recursos podrían hacer más creíbles las pruebas independientes.

El documento ofrece menos detalles sobre responsabilidad legal, notificación de incidentes o responsabilidad por versiones modificadas. No especifica umbrales de capacidad que deberían retrasar un lanzamiento. Tampoco explica cómo deberían abordar los reguladores los modelos originados fuera de la jurisdicción estadounidense.

Estas omisiones importan porque el debate sobre los modelos chinos no es puramente interno. Las normas de lanzamiento estadounidenses no pueden vincular a todos los desarrolladores. Unas reglas nacionales restrictivas podrían reducir la apertura interna sin impedir que aparezcan en línea pesos extranjeros comparables.

Un marco útil distinguiría el origen del modelo, la capacidad medida, el despliegue previsto y el acceso real. Las normas de contratación pública podrían exigir cadenas de suministro verificadas. La infraestructura crítica podría enfrentarse a pruebas más estrictas que la experimentación de consumidores.

Las plataformas de distribución también pueden proporcionar tarjetas de modelo, sumas de verificación, avisos de seguridad y registros de procedencia. Estas medidas no restaurarían el control central, pero podrían ayudar a los operadores responsables a identificar versiones aprobadas. Los proveedores de hardware podrían respaldar la supervisión sin inspeccionar datos privados de los clientes.

Ninguna de estas opciones crea una aplicación perfecta. En cambio, distribuyen la responsabilidad entre desarrolladores, hosts, implementadores y usuarios. Ese enfoque por capas se ajusta mejor al carácter distribuido de los sistemas de pesos abiertos que una única prohibición nacional.

La lectura escéptica de la campaña de Nvidia sigue siendo válida. Sus miembros se benefician cuando los modelos abiertos incrementan la demanda de hardware y servicios de despliegue. Por tanto, las afirmaciones de la carta sobre seguridad deben ponerse a prueba, no aceptarse porque las hayan firmado empresas respetadas.

La lectura escéptica de los proveedores cerrados es igualmente necesaria. Las restricciones a rivales descargables pueden proteger los ingresos de los servicios gestionados y reforzar la concentración existente del mercado. Los argumentos de seguridad no deberían convertirse en un escudo automático contra la competencia.

Washington necesita normas que sobrevivan a ambas formas de interés propio. Eso implica probar capacidades, documentar incidentes y abordar daños identificables. También implica preservar la investigación legítima y el despliegue empresarial allí donde los riesgos sigan siendo manejables.

Tres señales mostrarán qué lado está ganando

La próxima etapa se decidirá por el lenguaje regulatorio, los cambios entre los firmantes y la adopción empresarial medida, no por otra ronda de declaraciones públicas.

La primera señal es el tratamiento de Washington a los modelos chinos. Los funcionarios pueden perseguir una prohibición amplia, límites selectivos a la contratación pública, sanciones contra desarrolladores identificados o normas basadas en capacidades. Cada opción crearía un precedente diferente para los lanzamientos estadounidenses de pesos abiertos.

Una restricción amplia basada en el origen nacional reforzaría la advertencia de Nvidia sobre el acceso fragmentado. Podría empujar a las empresas multinacionales hacia pilas de modelos separadas para distintos mercados. También pondría a prueba si los pesos descargables pueden contenerse de forma significativa después de su publicación.

Las normas de contratación selectivas producirían un resultado más limitado. Las agencias federales y los contratistas críticos podrían enfrentarse a controles de cadena de suministro, mientras que investigadores y empresas ordinarias conservarían el acceso. Ese resultado debilitaría las afirmaciones de que todos los pesos abiertos enfrentan una restricción inmediata.

Las normas basadas en capacidades desplazarían la atención hacia las evaluaciones. Los reguladores necesitarían umbrales para ciberseguridad, asistencia biológica, acción autónoma u otros riesgos identificados. La credibilidad de esas normas dependería de pruebas repetibles y una aplicación transparente.

La segunda señal es si Anthropic o Google modifican su postura pública. Unirse a la carta ampliaría la coalición entre distintas estrategias de lanzamiento. Publicar una propuesta rival aclararía dónde cree cada empresa que falla el marco de Nvidia.

El silencio seguiría siendo ambiguo. Ninguna de las dos empresas tiene que firmar el documento de otra para respaldar determinadas políticas sobre modelos abiertos. Una presentación política directa, un marco de seguridad o un testimonio ofrecerían evidencia más sólida que la ausencia de un logotipo.

La incorporación de OpenAI también merece verificación. Nvidia debería publicar un registro de revisiones fechado o versiones archivadas de la carta. Eso permitiría a los lectores distinguir la coalición original de los apoyos posteriores y evitar informes desactualizados.

La tercera señal es la adopción empresarial de modelos de pesos abiertos. Las descargas por sí solas no demuestran un uso sostenido. Entre las pruebas más útiles figuran los despliegues en producción, los compromisos de infraestructura, los incidentes de seguridad y las organizaciones que alternan entre sistemas alojados y autogestionados.

Si las empresas adoptan modelos abiertos para cargas de trabajo sensibles o especializadas sin que aumenten las tasas de incidentes, el argumento de control de la coalición gana fuerza. Si la eliminación de salvaguardias o las variantes vulnerables causan daños repetidos, se fortalece el caso para condiciones de lanzamiento más estrictas.

La calidad del modelo determinará esa adopción. Los compradores rara vez eligen la apertura como un principio abstracto. Comparan precisión, latencia, complejidad operativa, requisitos de datos, experiencia disponible y el coste de mantener la infraestructura.

Los desarrolladores chinos añaden otra variable. Un modelo que rinde bien y permite el despliegue local puede atraer a usuarios estadounidenses pese a las preocupaciones políticas. Un lanzamiento más débil no generará la misma urgencia regulatoria, independientemente de su origen.

Los desarrolladores deben vigilar las licencias de los modelos con tanto cuidado como los benchmarks. El acceso a los pesos no siempre permite todos los usos comerciales o métodos de redistribución. Un despliegue que ignore las condiciones de la licencia puede generar exposición legal además de riesgo técnico.

Los compradores empresariales también deben evitar tratar el autoalojamiento como una independencia automática. Ejecutar un modelo requiere procesadores, software de orquestación, monitoreo, actualizaciones y personal especializado. Esa infraestructura puede sustituir una forma de dependencia de proveedores por varias otras.

Los servicios cerrados conservan ventajas claras para los equipos que necesitan un despliegue rápido y operaciones gestionadas. Los pesos abiertos se vuelven más atractivos cuando la personalización, la ubicación de los datos, la latencia o la portabilidad superan esa conveniencia. La mayoría de las grandes organizaciones probablemente utilizarán ambos enfoques.

Ese resultado híbrido respaldaría la afirmación de la carta de que el mundo necesita modelos de frontera cerrados y abiertos. No resolvería qué modelos deberían poder descargarse. La difícil cuestión de política comienza cuando la capacidad alcanza un nivel con daños irreversibles creíbles.

El titular original presentaba a OpenAI, Anthropic y Google como un bloque ausente. En un día, ese encuadre ya había cambiado porque OpenAI aparecía en el documento alojado. La ausencia restante de Anthropic y Google ahora tiene más peso, pero ofrece menos certeza sobre una posición unificada a favor de modelos cerrados.

Los lectores deben resistirse a convertir la lista de firmantes en un marcador moral. Las empresas defienden distintas combinaciones de ingresos, seguridad, control del cliente e influencia estratégica. Esos incentivos pueden producir argumentos útiles sin volverlos neutrales.

La mejor prueba es práctica. ¿Una norma propuesta aborda un riesgo medido o principalmente limita un modelo de distribución competidor? ¿Un lanzamiento abierto aporta suficiente beneficio para justificar el control al que su desarrollador renuncia permanentemente?

Durante los próximos tres meses, observe el objetivo regulatorio exacto, cualquier contrapropuesta de Anthropic o Google y la adopción verificada en producción. Esas señales mostrarán si Nvidia construyó una coalición política duradera o si solo capturó un momento de rápida evolución.

El debate debe seguir abierto a la evidencia de ambas partes. Los desarrolladores y compradores empresariales pueden ayudar exigiendo documentos de política fechados, evaluaciones reproducibles y condiciones de despliegue claras. La división entre Anthropic y Google importa, pero las reglas que se creen a su alrededor importarán durante mucho más tiempo.