Las empresas chinas de IA: DeepSeek y Alibaba

DeepSeek y Alibaba son dos de las empresas chinas de IA que publican documentos técnicos sobre sus modelos. DeepSeek presentó en enero de 2025 un artículo sobre R1, un modelo entrenado para razonar con aprendizaje por refuerzo. Alibaba, a través de su equipo Qwen, anunció en septiembre de 2024 la familia Qwen2.5. Los resultados de esos documentos los publican las propias empresas, así que conviene leerlos con cautela.

Qué es DeepSeek y qué publicó en 2025

DeepSeek es una empresa china de IA. El artículo de su modelo R1 lo firma DeepSeek-AI junto con otros 199 autores. Se envió al servidor de preprints arXiv el 22 de enero de 2025 y tuvo una segunda versión revisada el 4 de enero de 2026. Según la referencia que aparece en esa versión, el trabajo también se publicó en la revista Nature en 2025.

Un preprint es un artículo que se comparte antes de la revisión formal. Que aparezca en arXiv no significa que sus resultados hayan sido verificados por terceros, aunque las revistas científicas suelen exigir esa revisión.

DeepSeek-R1: aprender a razonar con refuerzo

Muchos modelos de lenguaje aprendieron a razonar paso a paso gracias a ejemplos escritos por personas, en los que se muestra cómo llegar a la respuesta. Según el resumen, DeepSeek-R1 busca lo contrario: incentivar el razonamiento con aprendizaje por refuerzo puro, sin depender de esas trayectorias de razonamiento etiquetadas por humanos.

El aprendizaje por refuerzo funciona como un juego de premios y castigos. El modelo prueba respuestas y recibe una señal según lo bien que le fue. Con el tiempo, aprende estrategias. Los autores afirman que de ese proceso surgieron patrones como la autorreflexión, la verificación y el cambio de estrategia cuando una vía no funciona.

Supón que un modelo resuelve 100 problemas de matemáticas y acierta 60. Como cada respuesta se puede comprobar, el entrenamiento premia esos 60 aciertos y no los 40 errores. Según los autores, este tipo de entrenamiento mejora el desempeño en tareas verificables como matemáticas, programación competitiva y ciencias. El ejemplo es ilustrativo: el número de aciertos no es un resultado del artículo.

Otro punto que el resumen destaca es que los patrones de razonamiento de los modelos grandes pueden usarse para mejorar modelos más pequeños. Esa técnica, en la que un modelo pequeño aprende de uno grande, suele llamarse destilación.

Qué es Qwen y qué anunció Alibaba en 2024

Qwen es la familia de modelos de Alibaba. El 19 de septiembre de 2024, el equipo Qwen presentó Qwen2.5, con modelos de lenguaje y también especializados en código, Qwen2.5-Coder, y en matemáticas, Qwen2.5-Math.

Según el anuncio, los modelos abiertos son densos y de solo decodificador, con tamaños que van de 500 millones a 72.000 millones de parámetros. Los parámetros son los números internos que el modelo ajusta durante el entrenamiento; cuantos más tiene, en general, más capacidad, aunque también necesita más equipos para funcionar. Además, Alibaba ofrece sus modelos principales por API, como Qwen-Plus y Qwen-Turbo, a través de su plataforma Model Studio.

El anuncio también dice que los modelos se preentrenaron con hasta 18 billones de tokens. Un token es un fragmento de texto, como una sílaba o una palabra corta. Según la empresa, Qwen2.5 soporta hasta 128.000 tokens de contexto y más de 29 idiomas, incluidos el español, el inglés y el chino.

Pesos abiertos: qué significa en los modelos chinos

Muchos modelos de Qwen tienen pesos abiertos, lo que permite descargarlos y ejecutarlos en tus propios equipos. Según el anuncio, casi todos los modelos abiertos de Qwen2.5 usan la licencia Apache 2.0, excepto las variantes de 3.000 millones y de 72.000 millones de parámetros. Por eso, antes de usar uno, hay que revisar la licencia de la variante concreta.

Que un modelo tenga pesos abiertos no significa que sea gratis para cualquier uso ni que sea mejor o peor que uno cerrado. Lo que cambia es quién puede ejecutarlo y bajo qué condiciones. Para ese debate, lee IA abierta frente a IA cerrada.

Qué tienen en común y en qué se diferencian

Ambas empresas publican documentos técnicos y modelos de lenguaje con tamaños variados. Las dos comparan sus resultados con otros modelos. Pero sus enfoques son distintos.

Lo más útil para un lector es tener claro qué documento está leyendo y qué parte es declaración de la empresa.

Cómo leer con cautela lo que publican

Los resultados de cada empresa se comparan contra otros modelos, pero quien elige los rivales, las pruebas y la forma de medir es la misma empresa. Según el anuncio de Qwen2.5, su modelo más grande supera a algunos modelos abiertos y compite con otros; esa frase es una afirmación de Alibaba, no una evaluación independiente.

Antes de creer un resultado, pregúntate tres cosas. ¿Qué prueba se usó? ¿Quién la hizo? ¿Se pudo repetir en otras condiciones? Las pruebas independientes son la forma habitual de comprobar esas afirmaciones.

Chips y acceso a la infraestructura

Entrenar modelos de este tamaño requiere muchos chips especializados y mucha energía. Por eso el acceso al hardware influye en quién puede competir en este campo. Si quieres entender ese punto, lee Nvidia y los chips de IA.

Si piensas invertir

Un avance técnico no asegura ganancias para quien compre acciones. Una empresa puede publicar un modelo muy comentado y aun así ver caer su precio, por resultados financieros, competencia o factores ajenos a la tecnología.

Ten en cuenta el riesgo antes de decidir. Supón que compras US$ 1.000 en acciones de una empresa tecnológica y su precio baja un 30 %: te quedan US$ 700. Esa pérdida es posible aunque el modelo sea bueno. Esta guía no te indica si conviene comprar o vender ninguna empresa.

Más a fondo

El resumen de DeepSeek-R1 destaca las mejoras en tareas verificables, como matemáticas o programación, donde una respuesta se puede comprobar como correcta o incorrecta. Es en ese tipo de tareas donde los autores presentan sus resultados.

Para Qwen2.5, el anuncio compara su modelo de 72.000 millones de parámetros con Llama-3.1-70B, de Meta, y con Mistral-Large-V2. Sobre Qwen2.5-Math, la empresa afirma que su versión de 72.000 millones de parámetros supera a GPT-4o en matemáticas. Son comparaciones de la propia empresa. Si quieres seguir con la base de estos modelos, revisa qué es un modelo de lenguaje y la regulación de la IA.