Programa e invitado
Este episodio de Odd Lots de Bloomberg Podcasts está presentado por Joe Weisenthal y Tracy Alloway, con Daniel Saedi, cofundador de Minerva (ex empleado de Bridgewater), como invitado. Título original en inglés: How an American AI Company Uses Chinese Open-Weight Models | Odd Lots.
Conclusiones principales
- Los modelos de pesos abiertos permiten descargar directamente pesos limpios y ejecutarlos en los propios ordenadores o chips. Para las empresas de la capa de aplicación, el verdadero valor está en el ajuste fino: usar datos propios para ajustar pesos abiertos es actualmente la principal fuente de rentabilidad. 9:08
- Ajustar modelos chinos de pesos abiertos como Kimi puede ofrecer mejores resultados a menor coste y permite capturar una capa adicional de margen. Entre otras ventajas están la soberanía de los datos, la flexibilidad técnica y no depender de grandes proveedores que suban los precios. 12:32
- Él mismo probó la versión más reciente de DeepSeek sin censura: alguien había apagado las neuronas del modelo que dicen «no»; esto es lo que se conoce como «borrado del modelo». Este es el mayor riesgo de que los modelos abiertos de frontera circulen fuera de los canales previstos. El modelo cuesta alrededor de $0.30 por millón de tokens, unas 10 veces menos que Sonnet, pero sus capacidades se acercan a las de la versión mítica de febrero. 25:20
- Las ventajas de la destilación se pueden medir: Reflection AI, una de las principales empresas estadounidenses de modelos de pesos abiertos, acaba de lanzar su modelo insignia, que va unos 3–6 meses por detrás de los modelos chinos de pesos abiertos. La empresa cuenta con el respaldo de Nvidia y entrenó el modelo con 12 mil–14 mil GPU; según se informa, Nvidia está adquiriendo la compañía. 29:54
Contexto y notas
Este episodio de Odd Lots gira en torno a informaciones según las cuales el Gobierno de Trump se plantea exigir a las empresas estadounidenses que divulguen públicamente el uso de modelos chinos de IA. También aborda si, tras el «momento DeepSeek», los clientes están dispuestos a pagar un precio superior por modelos de frontera nacionales. Cobertura de subtítulos: el vídeo tiene 978 segmentos de subtítulos con marca de tiempo, que abarcan 0:00–48:59 (duración total 48:59), con cobertura de todo el vídeo. Las opiniones y marcas de tiempo del artículo se reproducen a partir de los subtítulos originales; cada marca de tiempo señala el inicio del segmento de audio correspondiente. Información de publicación: publicado a las 17:48 del 2026-11-20, hora de Hong Kong, convertido a partir del tiempo relativo que mostraba YouTube al recopilar los datos, con precisión de una hora.