back to blog

DeepSeek raciona su chat, Hugging Face le entrega el tráfico a OpenRouter y Claude Mythos porta kernels de AMD en 3 días: la IA ya no se gana con el mejor modelo, sino con quién tiene cómputo

DeepSeek impone cuotas diarias por falta de GPUs, Hugging Face retira su router de inferencia y lo delega en OpenRouter, y Anthropic presume que Claude Mythos portó kernels para chips AMD en tres días. Tres noticias, una misma verdad incómoda: el cuello de botella de la inteligencia artificial es el cómputo y quién controla el enrutamiento. Qué significa para desarrolladores y freelancers.

DeepSeek raciona su chat, Hugging Face le entrega el tráfico a OpenRouter y Claude Mythos porta kernels de AMD en 3 días: la IA ya no se gana con el mejor modelo, sino con quién tiene cómputo

Los modelos ya son una commodity; lo que escasea es el cómputo, y quien controla el grifo manda. Mientras el sector sigue discutiendo qué modelo es “el mejor”, esta semana tres noticias distintas han dicho lo mismo a gritos. Y casi nadie lo está leyendo.

Vamos con los hechos, porque son más jugosos que cualquier benchmark.

DeepSeek, Hugging Face y Claude Mythos: lo que ha pasado en 48 horas

Primero, DeepSeek ha puesto cuotas diarias en su chat gratuito. Límite de conversaciones, prompts topados en unas 40.000 palabras en chino, y conversaciones que se borran solas si llevas siete días sin tocarlas. La explicación oficial: “capacidad de cómputo insuficiente”. Su página de estado acumula ocho incidentes de chat desde octubre, y las peticiones semanales al modelo estrella rondan los 59,2 billones de tokens. Traducción: tienen demanda de sobra y GPUs de menos, con los controles de exportación de chips de EE. UU. apretando por detrás.

Segundo, Hugging Face ha jubilado su router de inferencia propio y desde el 16 de noviembre manda las peticiones de lenguaje del Hub a través de OpenRouter: 160 modelos de 38 laboratorios, con selección de proveedor por petición, estadísticas de precio y velocidad, y failover. El CEO de OpenRouter presume que el peso de los modelos open-weight en su plataforma pasó del 27 % al 72 % en menos de un año.

Tercero, Anthropic ha contado en su roadshow de IPO que Claude Mythos Preview dejó un modelo propio rindiendo en GPUs AMD MI355X en unos tres días, “casi sin intervención humana”, portando o escribiendo prácticamente todos los kernels. Antes, según la compañía, eso eran docenas de ingenieros durante seis a doce meses. Ojo: es un arranque limitado de procesamiento de prompts, no un despliegue completo, y no han publicado comparativas contra Nvidia.

El problema de fondo: ¿quién decide cuánta IA puedes usar?

Junta las tres piezas y el dibujo es feo para quien construye encima de esta tecnología.

DeepSeek demuestra que un modelo brillante y barato no sirve de nada si el proveedor no puede servirlo. Tu producto puede depender de una API que mañana te limita sin avisarte, no porque seas mal cliente, sino porque a su centro de datos se le acabaron las tarjetas.

Hugging Face demuestra la otra cara: la capa de enrutamiento se está concentrando. Que la plataforma de referencia del open source delegue su tráfico en un solo intermediario es cómodo, sí. También es un punto único de control sobre qué modelos ves, a qué precio y con qué prioridad.

Y no me vengas con “pero es open source”. Open-weight no significa abierto si todo pasa por el mismo peaje.

Hay un tercer matiz que casi nadie menciona: los precios que ves hoy en las APIs son una foto, no una promesa. Cuando la capacidad escasea, el que mueve ficha primero es el proveedor, no tú.

El giro que nadie esperaba: la IA que escribe el software que rompe el monopolio

Aquí viene lo interesante. Durante años, el foso de Nvidia no era solo el hardware, era CUDA y todo el ecosistema de kernels que había detrás. Portar código a otra arquitectura era una carrera de fondo de meses con equipos enteros.

Si lo que cuenta Anthropic aguanta una auditoría independiente, ese foso se estrecha. Que un modelo pueda hacer en días el trabajo de un equipo durante un año cambia la economía de cambiar de chip. No resuelve la fabricación, ni los controles de exportación, ni la energía. Pero ataca la parte del software, que era la más difícil de replicar.

Dicho de otra forma: la IA está empezando a erosionar la dependencia del hardware que la hace posible. Poético y un poco inquietante.

Y de paso, otro dato de la semana que encaja: Mem, una de las primeras apps de notas “IA-first”, se apaga (solo lectura el 18 de diciembre, cierre total el 15 de enero). Producto construido sobre APIs ajenas, sin foso propio. Recordatorio educado de lo que pasa cuando tu negocio es una capa fina encima del cómputo de otro.

Qué significa esto para desarrolladores y freelancers

Bajemos a tierra. Si construyes productos o automatizaciones con IA para clientes, esto es lo que haría yo desde hoy:

  • No cases tu producto con un único proveedor de modelos. Abstrae la capa de inferencia. Si cambiar de modelo te cuesta más de una tarde, tienes un problema de arquitectura.
  • Diseña con degradación elegante. Qué hace tu app cuando la API responde lento, te limita o falla. Fallback a otro modelo, cola, caché. Nada de pantallas en blanco.
  • Mide costes por tarea, no por token. El precio por millón de tokens miente si no sabes cuántos consume cada flujo real de tu cliente.
  • Usa enrutadores sin enamorarte. OpenRouter y similares son una herramienta excelente, pero que sea tu único camino es el mismo riesgo con otro logo.
  • Si tu valor es “un wrapper de un modelo”, muévete ya. El valor está en los datos del cliente, la integración con su negocio y el criterio. No en llamar a una API.

La conclusión práctica es aburrida y por eso funciona: menos fe en el modelo del mes, más ingeniería alrededor.


¿Tienes un producto o una automatización con IA que depende demasiado de un solo proveedor, o quieres montarlo bien desde el principio? Escríbeme desde la página de contacto y lo miramos juntos, de desarrollador a desarrollador, sin presentaciones de PowerPoint de por medio.

back to blog