DeepSeek R1 Logra Precisión de GPT con Menos GPU y OpenAI Entra en Alerta Máxima

¿Alguna vez sentiste que te costó años armar una biblioteca en casa, y de pronto alguien aparece con “una colección igual” montada en semanas? Esa sensación de ventaja que se evapora es el telón de fondo de la nueva disputa entre OpenAI y la empresa china DeepSeek, con Estados Unidos mirando de reojo.

Según OpenAI, DeepSeek habría usado modelos de inteligencia artificial estadounidenses para entrenar su propia IA mediante destilación (copiar habilidades de un modelo a otro). El hallazgo, que llega tras meses de tensión tecnológica entre EE. UU. y China, toca un engranaje central: quién paga el costo de construir la IA y quién se beneficia.

La acusación se da en un contexto sensible. Estados Unidos había apostado a sostener su liderazgo en IA restringiendo a China el acceso a chips y maquinaria avanzada. La idea era simple: si se corta el “cableado” del hardware, el rival queda obsoleto. Pero China logró ponerse al día y DeepSeek se volvió un nombre imposible de ignorar.

OpenAI sostiene que tiene pruebas de que DeepSeek no solo se apoyó en GPT, sino en varios modelos estadounidenses, y que además habría aplicado métodos para permanecer oculto y eludir defensas contra el uso indebido. En paralelo, la discusión ya no es solo técnica: es una pelea por una oportunidad económica y estratégica.

La pieza que ordena este tablero es la destilación. Dicho sin mística: es un mecanismo que toma un modelo “profesor” (grande, caro, complejo) y lo convierte en guía para un “alumno” (más chico, rápido y barato), transfiriéndole comportamientos y respuestas.

La analogía doméstica ayuda a verlo. Es como cocinar durante años hasta dominar una receta difícil y, de pronto, alguien aprende mirando tus platos servidos: no necesita comprar todos tus utensilios ni quemar tantas pruebas. El “alumno” no hereda la cocina, pero sí muchos trucos del chef.

Y ahí aparece el interruptor que preocupa: si el camino corto funciona, la ventaja de tener la mejor infraestructura se vuelve menos automática.

DeepSeek lanzó a principios de 2025 su modelo R1. De acuerdo con la comparación citada en el debate, mostró un nivel de precisión muy alto y resultados comparables a los mejores modelos estadounidenses del momento, incluido GPT, considerado entonces el más popular de EE. UU. El detalle que encendió las alarmas es que lo habría logrado con menos recursos y en menos tiempo, pese a tener prohibida la compra de chips de IA estadounidenses.

El costo real: GPU, miles de millones y una pregunta incómoda

OpenAI invierte miles de millones de dólares en infraestructura para sostener ChatGPT para cientos de millones de usuarios. Parte de ese gasto se traduce en la compra masiva de GPU (chips especializados en cálculos) de NVIDIA, que funcionan como motores de alto rendimiento para entrenar y operar modelos grandes.

Por eso el impacto de DeepSeek fue también financiero. Su aparición, según los insights del caso, contribuyó a pérdidas de miles de millones de dólares en varias empresas, con NVIDIA identificada como la más afectada. El mensaje implícito fue incómodo: si un modelo “alumno” puede acercarse al “profesor”, ¿hace falta gastar tanto en GPU?

La alerta de seguridad que OpenAI pone sobre la mesa

OpenAI advierte que la destilación puede priorizar capacidad por encima de seguridad. En concreto, sostiene que el foco en “transferir habilidades” puede dejar en segundo plano controles finos, algo delicado en salud, química o biología. En esos campos, un error no es un simple fallo de texto: puede ser una recomendación peligrosa.

En el plano político, el congresista John Moolenaar fue categórico al describir una supuesta estrategia china de “robar, copiar y destruir” en IA, y la comparó con tácticas que, según él, ya se vieron en otros dispositivos electrónicos.

Para el usuario común, todo esto parece lejano, pero deja una consecuencia concreta: el mercado podría llenarse más rápido de modelos potentes, baratos y difíciles de auditar. Y eso obliga a mirar no solo el rendimiento, sino el “cableado” de cómo se entrenaron.

Si la IA es la nueva electricidad, la pregunta ya no es quién tiene la central más grande, sino quién aprendió a hacer pasar la misma energía por un circuito más pequeño sin que salten chispas.