El CEO de Coinbase presenta modelos de IA de peso abierto chinos como solución a las facturas crecientes
- El CEO de Coinbase, Brian Armstrong, propuso recurrir por defecto a modelos de IA de peso abierto más baratos para controlar los costes empresariales de la IA.
- La sugerencia suscitó escepticismo por los riesgos de seguridad y las tensiones geopolíticas
- Las normas de exportación de EE. UU. restringen los modelos de IA estadounidenses en el extranjero, mientras que las alternativas chinas de peso abierto ganan terreno en los benchmarks a una fracción del precio.
El CEO de Coinbase ha propuesto experimentar con modelos de IA de peso abierto más baratos para mantener el gasto en IA bajo control a medida que aumenta el consumo de tokens.
Esta propuesta ha generado preocupaciones sobre los riesgos de seguridad y geopolíticos de dirigir cargas de trabajo empresariales a través de sistemas de origen chino.
¿Por qué las empresas utilizan modelos de IA chinos?
Las controles de exportación de EE. UU. han dificultado que las empresas chinas accedan a chips de IA estadounidenses, pero eso no ha impedido que construyan modelos competitivos y los vendan a precios mucho más bajos.
Por ejemplo, GLM 5.2 de Zhipu cuesta 1,40 dólares por millón de tokens de entrada y 4,40 dólares por millón de tokens de salida en comparación con Opus de Anthropic 4.8 a 5 y 25 por el mismo volumen.
GLM 5.2 obtuvo 62,1 en SWE-bench Pro, una prueba de codificación clave, superando a GPT-5.5 de OpenAI con 58,6. Un investigador de IA dijo que GLM 5.2 "es al menos tan bueno como Opus 4.8 y GPT 5.5".
Otro lo llamó "el primer modelo abierto que realmente puede competir con los sistemas de código cerrado".
¿Está Coinbase utilizando modelos de IA chinos?
El CEO Brian Armstrong de Coinbase dice que la mejor manera de controlar los costos crecientes de IA es utilizar modelos de peso abierto más baratos, incluidos sistemas de China como GLM 5.2.
Armstrong dijo que en lugar de gastar cada vez más en IA, las empresas necesitan "mejores valores predeterminados, enrutamiento y almacenamiento en caché". Su sugerencia de usar modelos chinos, aunque sean más baratos, ha generado preocupaciones sobre riesgos de seguridad y políticos.
Más allá de su precio conveniente, GLM 5.2 utiliza una licencia MIT, lo que significa que las empresas pueden descargarlo, modificarlo y ejecutarlo en sus propios servidores, eliminando cualquier riesgo de enviar datos confidenciales de la empresa a una API externa.
El gasto en IA se ha convertido en un problema real, lo que ha llevado a las empresas a reducir el uso de esta tecnología en sus operaciones.
Cryptopolitan informó recientemente que Uber agotó todo su presupuesto de codificación con IA de 2026 para abril y ahora limita a los ingenieros a $1,500 por herramienta cada mes. Meta envió un memorándum advertir sobre un “aumento exponencial” en el uso de la IA y comenzó a implementar controles de gasto. Amazon eliminó un ranking interno que clasificaba a los empleados por su consumo de IA, ya que la gente lo manipulaba y aumentaba los costos.
Una encuesta de KPMG reveló que solo el 26% de las empresas tienen visibilidad total sobre sus costos de IA, mientras que el 22% descubre el gasto solo después de recibir la factura. Goldman Sachs proyecta que el consumo de tokens de IA podría aumentar 24 veces para 2030, alcanzando 120 cuatrillones de tokens por mes.
La International Data Corporation predice que el 70% de las empresas líderes impulsadas por IA utilizarán múltiples modelos para 2028, en lugar de depender de un único proveedor.
¿Qué hace que los modelos de IA chinos sean riesgosos?
La API en la nube de Z.ai, que permite a desarrolladores y empresas utilizar sus modelos de IA (incluido GLM 5.2), está sujeta a la Ley de Inteligencia Nacional de China. Esto genera preocupaciones reales para cualquier empresa que maneje información sensible.
Los legisladores de EE. UU. iniciaron una investigación formal en mayo sobre los riesgos de ciberseguridad derivados de los modelos de IA de origen chino en infraestructuras críticas.
También existen preocupaciones de que los modelos entrenados bajo diferentes sistemas legales puedan tener comportamientos no divulgados. Además, un desarrollador de IA probó GLM 5.2 frente a GPT-5.5 en una tarea de depuración y encontró que “ni siquiera se acerca” a la capacidad del modelo de OpenAI para detectar problemas, a pesar de los informes de que los modelos chinos superan a sus contrapartes más costosas.
Anthropic reveló en una carta abierta al Comité Bancario del Senado que los operadores de Alibaba Qwen realizaron 28,8 millones de intercambios de Claude a través de unas 25.000 cuentas falsas entre abril y junio. Lo calificaron como la campaña más conocida para robar las capacidades de un modelo.
Alojar los pesos abiertos elimina el riesgo de enrutamiento de datos por API, ya que las empresas que ejecutan el modelo en sus propios servidores no envían datos a China. Sin embargo, la preocupación sobre los propios modelos persiste.
Si estás leyendo esto, ya vas por delante. Mantente así con nuestro boletín.
Preguntas frecuentes
¿Qué propuso Brian Armstrong para gestionar los costes de IA de Coinbase?
Armstrong declaró en X que Coinbase está experimentando con el uso por defecto de modelos de peso abierto por parte de los ingenieros y empleando un mejor enrutamiento y almacenamiento en caché, en lugar de imponer límites de uso o alertas de gasto, para mantener los costes de IA estables a medida que aumenta el consumo de tokens.
¿Cómo se compara GLM 5.2 con los modelos de Anthropic y OpenAI en cuanto al precio?
GLM 5.2 de Zhipu cuesta 1,40 dólares por millón de tokens de entrada y 4,40 dólares por millón de tokens de salida, frente a 5 dólares de entrada y 25 dólares de salida para Opus 4.8 de Anthropic, lo que lo hace aproximadamente cinco veces más barato y con una puntuación dentro de cuatro puntos en Terminal-Bench 2.1.
¿Por qué están reduciendo las empresas el gasto en IA en 2026?
Los CFOs exigen rendimientos medibles tras meses de facturas impredecibles. Uber consumió todo su presupuesto de IA para programación en 2026 antes de abril, Amazon eliminó su clasificación de uso de IA por generar trabajo innecesario y una encuesta de KPMG reveló que solo el 26% de las empresas tienen visibilidad total sobre sus costes de IA.
Descargo de responsabilidad. La información proporcionada no constituye asesoramiento financiero. Cryptopolitan.com no asume ninguna responsabilidad por las inversiones realizadas basándose en la información proporcionada en esta página. Recomendamos encarecidamente realizar una investigación independiente y/o consultar con un profesional calificado antes de tomar cualquier decisión de inversión.
Hannah Collymore
Hannah es escritora y editora con casi una década de experiencia en la redacción de blogs y la cobertura de eventos en el ámbito de las criptomonedas. En Cryptopolitan, Hannah contribuye a la página de noticias, informando y analizando los últimos avances en DeFi, RWA, regulación de criptomonedas, inteligencia artificial y tecnologías de vanguardia. Se graduó de la Universidad de Arcadia con una licenciatura en Administración de Empresas.
