Modelos chinos dominan OpenRouter: 45% del tráfico IA global en 2026
El cambio sísmico en el mercado de IA
En junio 2025, los modelos de IA chinos representaban menos del 2% del tráfico en OpenRouter. Un año después, en junio 2026, representan aproximadamente el 45%. Es uno de los cambios de mercado más rápidos en la historia de la tecnología.
OpenRouter —la plataforma que agrega tráfico de API real a través de cientos de modelos y miles de aplicaciones— se ha convertido en el rating Nielsen de la IA. Y los números son inequívocos: los desarrolladores están eligiendo modelos chinos por precio, disponibilidad y calidad "suficientemente buena".
📌 Lo esencial: Modelos chinos = 45% del tráfico en OpenRouter (vs <2% hace un año). Xiaomi lidera con 21,1% (4,21T tokens/semana) vs 7,5% de OpenAI. DeepSeek 16,3%. Anthropic cayó de 29,1% a 13,3%. El driver principal: precios 3-10× menores que modelos occidentales, contexto de 1M tokens y disponibilidad sin restricciones.
Los números: share por provider en OpenRouter
| Provider | Origen | Share OpenRouter | Tokens/semana |
|---|---|---|---|
| Xiaomi (MiMo) | 🇨🇳 China | 21,1% | 4,21T |
| DeepSeek | 🇨🇳 China | 16,3% | ~3,2T |
| Anthropic (Claude) | 🇺🇸 USA | 13,3% (↓ desde 29,1%) | ~2,6T |
| MiniMax | 🇨🇳 China | 8,1% | 1,34T |
| StepFun | 🇨🇳 China | ~6,9% | 1,38T |
| OpenAI | 🇺🇸 USA | 7,5% | ~1,5T |
| 🇺🇸 USA | ~5% | ~1T | |
| Alibaba (Qwen) | 🇨🇳 China | ~5% | ~1T |
| Zhipu (GLM) | 🇨🇳 China | ~4% | ~0,8T |
| Moonshot (Kimi) | 🇨🇳 China | ~3% | ~0,6T |
Total chino: ~45% | Total USA: ~30% (Google + OpenAI + Anthropic)
Xiaomi: el líder insólito
Xiaomi —una empresa conocida por smartphones y smart-home— es la historia más sorprendente de este reporte. Su modelo MiMo-V2-Pro es el modelo más usado en OpenRouter:
- 1,04M tokens de contexto (supera a la mayoría de modelos US)
- 1T+ parámetros totales (Mixture-of-Experts)
- Pricing: $1 input / $3 output por millón de tokens
- 4,21 trillones de tokens procesados semanalmente
- 25,5% de todo el tráfico de coding en OpenRouter
Por qué Xiaomi ganó el volumen
- Free preview tier: MiMo-V2-Pro llegó a OpenRouter con tier gratis, y los IDEs de coding con IA lo adoptaron como backend default en semanas
- Contexto de 1M tokens: suficiente para whole-repo refactors, igualando a Qwen 3.6 Plus y superando a la mayoría de modelos US
- Pricing 5-8× menor que Claude Opus: cuando los agent frameworks expanden el consumo de tokens 10×, el precio es decisivo
Familia MiMo
| Modelo | Contexto | Input/1M | Output/1M | Notas |
|---|---|---|---|---|
| MiMo-V2-Pro | 1,04M | $1,00 | $3,00 | #1 en OpenRouter, 25,5% coding traffic |
| MiMo-V2-Omni | 262K | $0,40 | $2,00 | Unificado: imagen, video, audio en un checkpoint |
| MiMo-V2-Lite | 262K | $0,09 | $0,29 | Open source, mejor razonamiento general a este precio |
DeepSeek: el #1 por provider individual
DeepSeek —el lab que detonó el primer "DeepSeek moment" en enero 2025— ahora comandanda 16,3% del volumen total de tokens en OpenRouter, más que cualquier otro provider individual, por encima de Google, Anthropic y OpenAI.
DeepSeek V4 Pro es el modelo flagship, con pricing agresivo y contexto largo. Su ventaja: economía open-weight. Puedes self-hostear, fine-tunear y redistribuir sin restricciones.
GLM-5.2: el "mini DeepSeek moment"
Zhipu's GLM-5.2 es el modelo que más presión está poniendo sobre Claude y GPT en capability. Es el #1 open-weight model en el Artificial Analysis Intelligence Index (score 51), por encima de Nemotron 3 Ultra (48), MiniMax M3 (44), DeepSeek V4 Pro (44) y Kimi K2.6 (43), y a solo ~5 puntos de Claude Fable 5.
GLM-5.2 cuesta aproximadamente 1/6 del precio de Claude y GPT, y su llegada coincidió con dos eventos que crearon una demanda explosiva:
El contexto perfecto: export curbs + GPT-5.6 retrasado
En junio 2026, dos eventos de política US empujaron la demanda global hacia modelos chinos:
- Washington restringió acceso a los modelos más potentes de Anthropic para extranjeros
- GPT-5.6 se lanzó US-gated bajo preview gubernamental, retrasando disponibilidad global
- Gemini 3.5 Pro retrasó su schedule, reforzando la percepción de que la frontera US se volvió más lenta y difícil de comprar
El resultado: un vacío de supply exactamente cuando GLM-5.2 llegó descargable y sin restricciones. Como dijo Reuters: es difícil imaginar una campaña de marketing más efectiva para open weights que dos semanas donde los dos labs líderes de USA se volvieron más difíciles de acceder.
Los 10 providers chinos que importan
1. Xiaomi (MiMo) — Líder en volumen
- Share: 21,1%
- Modelo estrella: MiMo-V2-Pro (1T params, 1M contexto, $1/$3)
- Ventaja: free preview + contexto largo + precio
2. DeepSeek — Líder open-weight
- Share: 16,3%
- Modelo: DeepSeek V4 Pro
- Ventaja: economía open-weight, self-hosting, fine-tuning libre
3. MiniMax — Agentic self-evolving
- Share: 8,1%
- Modelo: M2.7 (56,22% SWE-Pro, 10B active params, ~50× más barato que Opus)
- Ventaja: arquitecturas self-evolving que actualizan representaciones internas en multi-step runs
- M2.5 logró 80,2% SWE-Bench Verified
4. StepFun — El surprise performer
- Share: ~6,9%
- Modelo: Step 3.5 Flash (196B MoE, 11B active, 262K contexto, $0,10/$0,30)
- Ventaja: entrenado en NVIDIA Hopper, 350 TPS, free en OpenRouter preview
5. Alibaba (Qwen) — Líder en escala
- Share: ~5%
- Modelo: Qwen 3.6 Plus (1M contexto)
- Ventaja: ecosistema Alibaba Cloud, escala masiva, multilingual
6. Zhipu (GLM) — Enterprise enablement
- Share: ~4%
- Modelo: GLM-5.2 (#1 open-weight en Intelligence Index)
- Licencia: MIT (fine-tune, self-host, redistribute)
- Ventaja: el "mini DeepSeek moment" — capability frontier a 1/6 del precio
7. Moonshot (Kimi) — Long-context agents
- Share: ~3%
- Modelo: Kimi K2.5 (1T params, 32B active, 262K contexto, $0,38/$1,72)
- Ventaja: Agent Swarm — coordina hasta 100 agentes simultáneamente
- Powering Cursor Composer 2 (73,7% SWE-bench Multilingual)
8-10. ByteDance, Baidu, Tencent
- ByteDance Seed 2.0 (Doubao): 155M usuarios semanales, matching GPT-5.2 a ~10× menor costo
- Baidu ERNIE 5.0: 2,4T params omnimodal, integrado con buscador Baidu
- Tencent Hunyuan: integrado en WeChat y Tencent Cloud, mínimo footprint en OpenRouter
El price gap que impulsa la migración
| Modelo | Input/1M | Output/1M | Contexto |
|---|---|---|---|
| MiMo-V2-Pro (Xiaomi) | $1,00 | $3,00 | 1,04M |
| MiMo-V2-Lite | $0,09 | $0,29 | 262K |
| Step 3.5 Flash | $0,10 | $0,30 | 262K |
| Kimi K2.5 | $0,38 | $1,72 | 262K |
| OpenAI GPT-5.4 | $2,50 | $15,00 | 1,05M |
| Claude Sonnet 4.6 | $3,00 | $15,00 | 1M |
| Claude Opus 4.6 | $5,00 | $25,00 | 1M |
El gap es 3-10× en input y 4-8× en output para contexto comparable. Y en workloads agentic —donde cada tarea puede quemar cientos de miles de tokens— una diferencia de 6× no es un error de redondeo: es la línea entre un producto viable y uno inasequible.
Dos mercados se están formando
El collapse de share US no es una historia de capability rota. Claude Opus 4.7 sigue en el #3 del leaderboard de OpenRouter, el closed-source model más alto. El punto es que los developers están pasando por alto modelos americanos excelentes hacia alternativas open-weight más baratas que ahora son "suficientemente buenas" —y a menudo mejores que buenas— para los workloads que más tokens queman.
| Mercado | Líderes | Driver |
|---|---|---|
| Volumen (tokens) | Xiaomi, DeepSeek, MiniMax, StepFun | Precio, disponibilidad, contexto |
| Revenue ($) | Anthropic, OpenAI, Google | Capability frontier, enterprise, compliance |
El mercado de volumen es donde los modelos más baratos ganan por default. El mercado de revenue es donde los modelos premium siguen dominando. Pero la presión de pricing de los modelos chinos está comprimiendo los márgenes de los modelos cerrados.
Por qué la migración es tan rápida
Routing a un modelo open a través de OpenRouter es deliberadamente low-friction. Un switch típico es un cambio de una línea:
curl https://openrouter.ai/api/v1/chat/completions \
-H "Authorization: Bearer $OPENROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "z-ai/glm-5.2",
"messages": [{"role": "user", "content": "Refactoriza este módulo"}]
}'Cambia z-ai/glm-5.2 por anthropic/claude-opus-4.8 o un modelo OpenAI y el resto del call es idéntico. Cuando migrar cuesta un string y ahorra 5/6 del bill, la ventaja de incumbencia de un modelo cerrado se erosiona rápido.
El playbook de DeepSeek: de momento a movimiento
El "DeepSeek moment" de enero 2025 demostró que un lab chino podía igualar la calidad de razonamiento occidental a una fracción del costo. Lo que siguió no fue un fluke: fue seis modelos chinos diferentes rankeando por encima de Claude en OpenRouter:
- DeepSeek: líder general-purpose
- GLM-5.2: especialista en coding
- Qwen / MiniMax: workhorses de long-context
- Kimi: contender agentic
- Xiaomi: líder en volumen absoluto
- StepFun: surprise performer
No hay un solo export ban o price cut que revierta un shift con seis motores independientes detrás.
Capability vs adopción: la paradoja
Los modelos chinos no lideran los benchmarks. MiMo-V2-Pro rankea #10 en Artificial Analysis Intelligence Index a pesar de ser #1 en uso. GLM-5.2 es el open-weight model más alto en el index (#51), pero sigue ~5 puntos por debajo de Claude Fable 5.
La paradoja se resuelve con una observación simple: la capability frontier no es donde se decide la mayoría del volumen. Para coding agentic, análisis de datos, extracción y workflows rutinarios, los modelos chinos son "suficientemente buenos" —y a 1/6 del precio, "suficientemente bueno" es más que suficiente.
Riesgos y consideraciones
Privacidad de datos
Los modelos chinos se sirven vía OpenRouter (US-based) o self-hosted. En OpenRouter, los datos pasan por infraestructura US. Self-hosting elimina esta preocupación pero requiere GPUs.
Compliance y export controls
Algunas organizaciones tienen políticas que prohíben o restringen el uso de modelos chinos. Es importante verificar las políticas internas antes de adoptar.
Calidad variable
Los modelos chinos varían significativamente en calidad entre providers. Mientras GLM-5.2 y DeepSeek V4 Pro están cerca del frontier, otros modelos pueden tener gaps en razonamiento complejo o multilingual.
Dependencia de OpenRouter
La mayoría del tráfico chino fluye a través de OpenRouter. Si OpenRouter cambia su pricing o policies, el ecosistema se ve afectado.
Qué significa para developers
- Prueba modelos chinos para workloads de alto volumen: coding agentic, extracción, clasificación, análisis
- Usa modelos US para tasks de alta complejidad: razonamiento frontier, tasks donde la calidad es crítica
- Multi-provider strategy: usa OpenRouter para rutear dinámicamente entre modelos según task y costo
- Self-hosting para datos sensibles: GLM-5.2 (MIT) y DeepSeek permiten self-hosting
- Migración es trivial: una línea de código cambia el modelo
Predicciones para H2 2026
- Share chino seguirá creciendo: probablemente >50% del tráfico OpenRouter para fin de año
- Pressure de pricing continuará: los modelos US tendrán que bajar precios o justificar el premium
- More open-weight releases: los labs chinos liberarán modelos cada mes
- Enterprise adoption: las empresas empezarán a usar modelos chinos en producción con self-hosting
- Regulatory response: posibles restricciones adicionales de US, que podrían acelerar la migración
Conclusión
El dominance de los modelos chinos en OpenRouter es el cambio de mercado más significativo en IA desde el lanzamiento de ChatGPT. En un año, fuimos de <2% a 45% de share. Xiaomi —una empresa de teléfonos— procesa 3× más tokens que OpenAI. DeepSeek es el provider individual más grande. Seis modelos chinos rankean por encima de Claude.
Esto no es una historia de benchmarks. Es una historia de precio, disponibilidad y elección del developer. Cuando un modelo cuesta 1/6 y es "suficientemente bueno", y migrar cuesta una línea de código, el resultado es inevitable. Los export controls de US y los retrasos de GPT-5.6 y Gemini 3.5 Pro crearon el vacío perfecto. Los labs chinos lo llenaron.
Para developers, la implicación es clara: no puedes ignorar los modelos chinos en 2026. Si construyes agents, coding tools o cualquier workload de alto volumen, los modelos chinos son la opción más económica y a menudo suficiente. La pregunta ya no es "¿son lo suficientemente buenos?" sino "¿puedes permitirte no usarlos?"