¡El mercado de valores de EE. UU. pierde 2.8 billones en una noche! Los principales VC de Silicon Valley revelan: el 90% del gasto en modelos de código abierto se destina a China

Fuente: Informe de Xinzhiyuan

Esta madrugada, el mercado de valores de EE. UU. fue arrasado.

El índice Nasdaq cayó un 5.52%, marcando la mayor caída diaria desde abril de 2025, y oficialmente entró en una zona de corrección técnica. El índice de semiconductores de Filadelfia se desplomó un 12.3%, el peor día desde el colapso de la pandemia en marzo de 2020.

NVIDIA cayó un 9.26%, evaporando casi 450 mil millones de dólares en valor de mercado en un solo día; AMD cayó un 17%, SanDisk un 22%, y Broadcom un 10%.

Desde chips, servidores, módulos ópticos hasta proveedores de energía para centros de datos, casi no hay un rincón de toda la cadena de infraestructura de IA que se haya salvado.

Los medios estiman que el mercado de valores de EE. UU. perdió alrededor de 2.8 billones de dólares en un solo día.

Dejando de lado el impacto electoral, hay una capa más profunda: la duda del mercado sobre si el enorme gasto en capital de IA "realmente puede recuperar la inversión" finalmente estalló.

Pero justo hace dos días, el 3 de noviembre, Menlo Ventures, un VC de Silicon Valley con 50 años de historia y uno de los primeros inversores de Anthropic, publicó el "Informe sobre el estado de la IA empresarial en 2026", cuyos números se movieron en dirección completamente opuesta al mercado de valores:

El gasto en la implementación de IA empresarial en 2026 se disparará de 33 mil millones a 177 mil millones de dólares, un aumento de 5.4 veces en un año. Hace tres años, este mercado era de solo 1.7 mil millones, creciendo 100 veces en tres años.

Por un lado, 2.8 billones de dólares se desvanecen, y por otro, 177 mil millones de dólares en efectivo se invierten.

La discrepancia es asombrosa. Wall Street duda de si el gasto en capital del lado de la oferta puede recuperar la inversión, mientras que los CTO del lado de la demanda están aumentando los pedidos hasta que el presupuesto se descontrole.

Este informe también oculta dos pistas más intrigantes:

Los modelos chinos capturan el 89% del gasto en modelos de código abierto empresarial, de los cuales Kimi representa el 61%; al mismo tiempo, el dinero está fluyendo rápidamente hacia modelos insignia más caros, con la participación del gasto en modelos de vanguardia aumentando del 35% al 63%.

Juntas, estas dos cosas son el verdadero espectáculo.

Los modelos chinos dominan las cuentas de las empresas estadounidenses

En el gasto en modelos de código abierto empresarial, el grupo chino ocupa los primeros cuatro lugares con una ventaja abrumadora: Kimi 61%, DeepSeek 15%, GLM 11%, Qwen 3%, sumando un total del 89%. Llama de Meta, el competidor de código abierto más destacado del mundo occidental, solo obtuvo un 7%.

En otras palabras, cuando las empresas estadounidenses ejecutan modelos de código abierto en entornos de producción, en nueve de diez ocasiones, la base proviene de China.

Pero lo más interesante es que los modelos chinos ya no son solo "sustitutos baratos"; están comenzando a "crecer" dentro de los productos de otros.

Justo ayer, el 5 de noviembre, Thinking Machines Lab lanzó su nuevo modelo Inkling 2 Small. Esta empresa no necesita mucha presentación: fue fundada por Mira Murati, ex CTO de OpenAI, y recaudó 2 mil millones de dólares en su primera ronda de semillas, con una valoración reciente de 40 mil millones de dólares, siendo uno de los laboratorios más destacados de Silicon Valley.

El modelo en sí tampoco es insignificante: 594 mil millones de parámetros totales, 17 mil millones de MoE activados, y obtuvo 31 puntos en el índice de inteligencia Artificial Analysis.

Pero eso no es lo más importante. Lo más relevante se esconde en un rincón poco llamativo de un blog técnico------

En la segunda mitad del preentrenamiento, la mayoría de los datos alimentados al modelo no fueron extraídos de Internet, sino que fueron generados por algunos modelos anteriores. El primero mencionado es Kimi K3 de "La cara oscura de la luna".

¿Qué significa esto? Significa que Kimi se convirtió en un maestro para el laboratorio estelar de Silicon Valley.

Para ser un maestro, la condición es: las respuestas que escribes son las que otros quieren copiar. Hace un año, este rol pertenecía casi exclusivamente a GPT y Claude.

Ser un maestro es solo una forma de uso. Kimi K3 también está sirviendo como base para las empresas estadounidenses.

En agosto de este año, el unicornio legal AI Harvey------con una valoración de más de 10 mil millones de dólares, y OpenAI como uno de sus accionistas, lanzó su primer modelo Tenet.

¿Y la base? No es el GPT de OpenAI, que es un accionista, sino Kimi K3.

Harvey utilizó aproximadamente 150 tarjetas NVIDIA B300 y pasó dos meses realizando tareas legales en Kimi K3.

Como resultado, Tenet casi duplicó el número de tareas completadas en su propio benchmark de agentes legales, y en varias tareas legales complejas, compitió de igual a igual con los modelos insignia de Anthropic, OpenAI y Google.

Thinking Machines, que crea modelos, lo toma como maestro, mientras que Harvey, que hace aplicaciones, lo toma como base. Desde el laboratorio hasta la capa de aplicación, Kimi ha logrado entrar.

Para estas empresas, abrir pesos significa tener un cuchillo que pueden afilar por sí mismos, y no solo un cuchillo barato.

Así, los modelos chinos han entrado en la cadena de producción de las principales aplicaciones en el extranjero------desde ser llamados, hasta ser considerados maestros y bases.

Y esta tendencia sigue acelerándose.

El Kimi K3.1 Pro, lanzado el 23 de octubre, reportó un resultado de 65.7% en el Terminal-Bench 4.0; justo después, el 5 de noviembre, llegó a Microsoft Foundry------

Este es el primer modelo de pesos abiertos que utiliza un modelo de "compartición de ingresos" en la nube de Microsoft. En términos simples: cada vez que una empresa llama a Kimi en Microsoft Azure, la cara oscura de la luna también recibe una parte de los ingresos.

Antes de Microsoft, Kimi ya había sido lanzado en Amazon AWS. Microsoft y Amazon, las dos nubes más grandes del mundo, han otorgado "tickets de entrada" a los modelos de código abierto de China.

Otra cuenta: el uso se duplica, pero el dinero no ha aumentado

Con el impresionante rendimiento de los modelos de código abierto de China, ¿deberían preocuparse los modelos cerrados?

La historia no es tan simple.

Si solo miramos el volumen de uso, la tendencia de los modelos de código abierto es realmente fuerte: la participación de tokens aumentó del 11% al 19%, y el volumen mensual de procesamiento se disparó 22.5 veces, alcanzando aproximadamente 29 billones de tokens.

Pero, ¿y el dinero? La participación del gasto, en cambio, disminuyó del 6% al 4%.

La razón es dolorosa: en el último año, la mayoría del campamento de código abierto ha estado compitiendo en una sola cosa------hacer modelos "flash" más pequeños, más rápidos y más baratos, luchando ferozmente en una guerra de precios.

En un año, el precio promedio de los tokens de código abierto cayó 3.3 veces, ahora cada millón de tokens cuesta solo 0.13 dólares; los modelos cerrados promedian 0.70 dólares, más de cinco veces más caros.

El resultado de la guerra de precios es: se ha duplicado el trabajo realizado, pero el dinero recibido ha disminuido------el incremento ha sido devorado por la reducción de precios.

Los modelos Flash de código abierto que luchan en la guerra de precios han ganado en gritos, mientras que los modelos insignia han ganado en billeteras.

El presupuesto de las empresas no distingue entre código abierto y cerrado, solo reconoce quién puede hacer el trabajo. Sin embargo, en el campamento de código abierto, los competidores que pueden considerarse insignia son contados con los dedos de una mano.

Este es el hallazgo más contraintuitivo de todo el informe: la participación del gasto en modelos insignia de vanguardia aumentó del 35% al 63%, y la participación de tokens se duplicó del 18% al 42%.

El año pasado, las opciones principales de las empresas fueron Claude Sonnet 4.5 (3 dólares por cada millón de tokens de entrada) y GPT-5 (1.25 dólares); este año cambiaron a Claude Opus 5.5 (4 dólares) y GPT-6 Astra (10 dólares). Los precios se han multiplicado por varios, y los usuarios no solo no se han ido, sino que han acudido en masa.

¿A quién le ha llegado el dinero? Anthropic ha aumentado del 40% al 55%, OpenAI del 27% al 31%, y ambas han capturado el 86% del gasto empresarial en API de LLM. Google ha caído del 21% al 9%, quedándose atrás.

Mientras tanto, Kimi K3, DeepSeek V4 y GLM-5.3, que ya están cerca del rendimiento insignia, suman menos del 5%. La capacidad ha llegado, pero las empresas aún no se atreven a confiarles sus operaciones críticas.

Lo más grave es la capa intermedia: los modelos cerrados pequeños han bajado más del 80% en precio, pero la participación de tokens ha caído del 29% al 13%. Arriba, los modelos insignia han capturado tareas complejas, y abajo, los modelos de código abierto han robado tareas simples, presionando por ambos lados, y quedando atrapados.

Entonces, ¿por qué las empresas prefieren gastar más dinero?

Imagina esto: hacer que la IA repare una falla en línea, lea código, revise registros, localice problemas, modifique archivos y ejecute pruebas. Con un modelo barato, cada pocos pasos se desvían, y tienes que explicar, revisar y rehacer una y otra vez, al final, aún tienes que hacerlo tú mismo. La factura de tokens se ahorra, pero toda la tarde del ingeniero se pierde.

Por lo tanto, la cuenta que las empresas tienen en mente no se trata de cuántos dólares cuesta cada millón de tokens, sino de cuánto cuesta completar la tarea de principio a fin. La tarifa de llamada al modelo es solo un detalle; el tiempo de los humanos, esperando y corrigiendo, es donde realmente se gasta el dinero.

Por supuesto, lo barato es bueno, pero debe haber un pretexto------la tarea realmente debe completarse.

Sin embargo, ¿significa esto que el código abierto no puede manejar grandes tareas?

Siguiendo con Kimi K3.1 Pro, su arquitectura MoE de 2.8 billones de parámetros admite una ventana de contexto de 1 millón de tokens, y obtuvo un 65.7% en Terminal-Bench 4.0, superando a GPT-6 Astra.

En el benchmark de investigación financiera OfficeQA Pro v2, obtuvo 64.4 puntos, el primero en el mundo. La tasa de error de alucinación se redujo del 23.4% anterior al 6.85%.

Esto ya no es un nivel de "uso aceptable"; es un nivel que puede competir con los modelos insignia cerrados.

Lo que falta en el código abierto nunca ha sido la inteligencia, sino el nivel de confianza que las empresas tienen en él------cumplimiento, servicio postventa, y una ruta a largo plazo, estos "puntos fuera del examen" son el último obstáculo.

En última instancia, la caída del mercado de valores de hoy y los datos de este informe hablan de dos caras de la misma moneda.

Wall Street se centra en el lado de la oferta: enormes gastos de capital, aprobación de centros de datos, costos de energía, cada uno es una espada colgante sobre sus cabezas.

Mientras que el informe de Menlo Ventures se centra en el lado de la demanda: por cada dólar gastado en entrenar un modelo, las empresas gastan 1.70 dólares usándolo------la demanda descendente está respaldando la inversión ascendente.

Wall Street se preocupó a principios de año por "la IA devorando el SaaS". El informe muestra que el 55% del nuevo gasto en IA proviene de nuevos presupuestos, y solo el 9% se ha trasladado del presupuesto de software tradicional a los proveedores nativos de IA.

La IA está ampliando el pastel, no robando porciones del mismo.

Tim Tully, socio de Menlo Ventures, que escribió este informe, dijo una gran verdad:

Wall Street pregunta todos los días si la IA realmente puede recuperar la inversión, pero lo que vemos es que los compradores empresariales no han retrocedido, sino que están buscando formas de hacer que la IA trabaje más.

"Podríamos estar subestimando este mercado."

Las acciones pueden caer, pero la factura no miente

Finalmente, echemos un vistazo a las tres discrepancias que se esconden en este informe:

Insignia vs Código Abierto. Los modelos insignia se llevan el 69% del gasto en implementación, la ventaja de ser pioneros de los laboratorios de vanguardia se ha amplificado en la era de los agentes.

Pero el informe también dice algo significativo------"la escasez de capacidad no durará mucho tiempo".

Cada vez que el código abierto alcanza a los modelos insignia en alguna tarea, la prima original debe ser reexaminada.

Los modelos insignia cerrados no tienen un derecho de prima permanente.

Uso vs Ingresos. El código abierto chino ha demostrado su capacidad con un 89% de participación, pero entre el 19% de uso de tokens y el 4% de gasto, hay un examen de comercialización.

Ser ampliamente utilizado es una cosa, ser capaz de manejar tareas complejas de manera estable y hacer que los clientes paguen de manera continua es otro.

Los casos de Harvey y Thinking Machines ofrecen un camino------no depender de lo barato, sino convertirse en el maestro de otros, la base de otros; el modelo de reparto de ingresos de Microsoft y AWS ofrece otro camino------colaborar con gigantes de la nube, cada vez que se llama, se comparte la cuenta.

Acciones vs Factura. La discrepancia entre Wall Street y las empresas no es tan contradictoria.

Las acciones calculan expectativas, la factura registra la realidad. La evaporación de 2.8 billones de dólares es una corrección de expectativas, el aumento de 5.4 veces en un año es una aceleración de la realidad. Ambos pueden ser verdaderos al mismo tiempo.

Pero mirando más lejos, lo que revela este informe puede no ser solo un ciclo de auge------sino una redistribución del poder industrial.

Hace tres años, la IA era un juguete en el laboratorio; tres años después, las empresas gastan 177 mil millones de dólares al año en IA, una cantidad que ya equivale a un tercio de los ingresos de toda la nube pública.

Los principales actores también han cambiado, el 80% de los tokens son consumidos por los propios agentes.

Quien tiene un modelo efectivo, quien entrena el modelo, quien te ayuda a ejecutar el modelo, toda la división del trabajo en la cadena está siendo reescrita por la fuerza del código abierto chino.

Este contenido se ofrece únicamente con fines informativos generales y no constituye asesoramiento financiero, de inversión, legal ni fiscal. Cualquier evento, recompensa, promoción en línea o información relacionada que se mencione en el presente documento no debe considerarse como una recomendación, solicitud o invitación a comprar, vender, tradear o de negociar de otra manera con cualquier criptoactivo. Los criptoactivos son sumamente volátiles y pueden provocar pérdidas. La disponibilidad de los servicios, productos y eventos relacionados de WEEX puede variar según la región. Tienes la responsabilidad de asegurarte de que tu participación esté de acuerdo con las leyes y regulaciones locales vigentes.