Durante los últimos años, la pregunta sobre los contendientes, OpenAI y Anthropic, fue cuándo entrarían en beneficios. Desde mayo de 2026, esa pregunta ya tiene respuesta. Una pregunta se cierra, pero otra se abre: si los modelos chinos cuestan nueve veces menos, ¿cuánto tiempo puede la IA de frontera estadounidense seguir cobrando esa diferencia?
El 21 de mayo, en el mismo día, ocurrieron tres cosas que raramente coinciden. Anthropic reveló que proyecta 10.900 millones de dólares de ingresos para el trimestre que cierra en junio, un 130% más que el anterior, y un beneficio operativo de 559 millones: el primero de su historia. OpenAI presentó ante la SEC su solicitud de salida a bolsa, acompañada por Goldman Sachs y Morgan Stanley, con una valoración cercana al billón de dólares. Y, casi como ruido de fondo, afloró en el documento regulatorio de SpaceX una cifra que casi nadie buscaba: Anthropic paga 1.250 millones de dólares al mes a la empresa de Elon Musk por acceso a capacidad de cómputo, con un contrato que suma 45.000 millones hasta mayo de 2029. Es el mayor compromiso de infraestructura revelado públicamente en la historia de la industria. Y SpaceX es solo uno de los seis proveedores de cómputo de Anthropic.
Las tres noticias por separado cuentan historias distintas. Juntas, definen el modelo económico de la industria de IA.
La rentabilidad llega antes de lo previsto a pesar de la infraestructura.
Que los laboratorios puedan ser rentables no era obvio hasta hace poco. Hacer dos trimestres consecutivos con ingresos de cuatro y cinco mil millones no garantizaba que el gasto en infraestructura fuera a ceder lo suficiente. Lo que el 22 de mayo confirma es que puede hacerse. Lo que todavía no confirma es cuánto tiempo puede sostenerse.
Por ahora, la vía que el sector parece haber encontrado para sostener simultáneamente ese gasto y el beneficio operativo pasa por concentrarse en clientes empresariales capaces de pagar primas significativas por capacidades que los competidores más baratos todavía no replican. Anthropic dobló esa base en sesenta días, de 500 a 1.000 clientes de primer nivel entre febrero y abril. Para que la trayectoria se sostenga, tendrá que volver a hacerlo. Y después otra vez.
Ese universo de clientes no es infinito. Pero la presión más importante quizá ya no venga únicamente de China ni de nuevos competidores. Empieza a venir de los propios compradores.
La economía del token lleva a una selección de modelos
Durante la primera ola de adopción, muchas empresas utilizaron el mejor modelo disponible para prácticamente cualquier tarea. Era una forma razonable de reducir incertidumbre en una tecnología todavía inmadura. El coste importaba menos que la fiabilidad.
Pero esa fase empieza a terminar.
Las organizaciones más avanzadas ya no piensan simplemente en «usar IA». Piensan en coste por token y asignación eficiente de capacidad de cómputo. Los modelos frontera quedan reservados para tareas donde la diferencia realmente importa (razonamiento complejo, generación crítica de código, análisis delicado o interacción de alto valor) mientras modelos más pequeños o versiones menos intensivas absorben clasificación, extracción, resumen o automatización rutinaria.
La consecuencia es directa: el problema ya no es solo que existan modelos nueve veces más baratos. Es que los propios clientes están aprendiendo a minimizar deliberadamente el uso del modelo caro.
Eso cambia la naturaleza de la competencia. La amenaza para la IA frontera quizá no sea que los modelos baratos la igualen completamente. Quizá sea que las empresas aprendan a reservarla solo para los momentos donde realmente aporta valor diferencial.
Como ocurre en casi toda infraestructura computacional madura, la optimización aparece tarde. Pero acaba dominándolo todo.
Nueve veces más barato, suficientemente bueno
El propio Dario Amodei reconoció a principios de mayo que la ventaja de los modelos estadounidenses sobre los chinos es de «seis a doce meses». No años. Meses.
Los datos que acompañan esa afirmación son difíciles de ignorar. La firma Artificial Analysis ejecutó el mismo lote de diez evaluaciones estándar en los principales modelos del mercado: Claude costó 4.811 dólares, mientras que el modelo chino más barato, Zhipu GLM, llegó a 544. La diferencia es de nueve veces.
Pero el cambio más importante no es el precio aislado. Es cómo empieza a utilizarse.
En OpenRouter, la plataforma que permite enrutar automáticamente tareas entre distintos modelos, los sistemas chinos pasaron del 1% de uso en 2024 a más del 60% en mayo de 2026. La cifra revela algo más que un cambio competitivo: un cambio de comportamiento.
El mercado empieza a tratar los modelos como piezas de infraestructura intercambiable. Y cuando eso ocurre, la conversación deja de girar alrededor de benchmarks y empieza a girar alrededor de eficiencia marginal. ¿Cuánta inteligencia extra necesita realmente cada tarea?
Durante meses, OpenAI y Anthropic lograron justificar precios premium porque el mercado veía los modelos frontera como algo cercano a la magia: más inteligencia implicaba automáticamente más valor. Pero conforme los modelos se vuelven suficientemente buenos para más tareas cotidianas, la discusión se desplaza hacia cómo monetizar una tecnología cuyo coste estructural sigue disparado mientras aprenden a consumir menos cómputo.
Y esa presión no afecta solo a márgenes. Afecta al modelo de negocio.
OpenAI necesita una base masiva de usuarios para sostener la escala de gasto que exige competir en la frontera. Anthropic ha intentado construir una posición distinta: menos volumen, más confianza institucional. Esa diferencia parecía filosófica hace unos meses. Ahora empieza a parecer financiera.
La decisión de OpenAI de introducir publicidad en ChatGPT para usuarios gratuitos reveló algo más importante que un simple cambio de producto: la presión económica sobre su modelo de negocio. Anthropic entendió la vulnerabilidad y respondió convirtiendo la ausencia de anuncios en argumento competitivo. Sus anuncios durante la Super Bowl no atacaban la calidad de ChatGPT, atacaban su modelo de negocio.
En el fondo, ambos laboratorios están admitiendo cosas distintas sobre el futuro del mercado. OpenAI parece asumir que la IA funcionará como una plataforma de consumo masivo donde el volumen importa tanto como la capacidad técnica. Anthropic apuesta por lo contrario: que existe una capa premium dispuesta a pagar por fiabilidad, seguridad y ausencia de interferencias comerciales.
Las dos estrategias pueden funcionar. Pero no describen el mismo mercado.
También cabe la posibilidad de que el mercado no converja hacia un único tipo de modelo. Porque hay una diferencia importante entre que existan modelos baratos capaces de hacer tareas similares y que las grandes empresas estén dispuestas a reemplazar sistemas que concentran datos sensibles, flujos críticos y procesos internos. En muchos casos, el coste del modelo es irrelevante frente al coste reputacional, regulatorio u operativo de un error.
Eso ayuda a explicar por qué Anthropic sigue creciendo tan rápido en empresa incluso mientras aumentan las alternativas de bajo coste. Según el índice de Ramp, que registra el gasto en IA de más de 50.000 empresas estadounidenses, Anthropic ha superado a OpenAI en penetración empresarial en Estados Unidos por primera vez, con un 34,4% frente a un 32,3% en abril.
Pero incluso si ese segmento premium se consolida, persiste un problema estructural. El gasto de infraestructura necesario para mantenerse en la frontera no se estabiliza. Cada salto de capacidad exige más capital, más energía y más cómputo. El negocio funciona. Pero funciona sobre una cinta de gasto que no deja de acelerarse.
OpenAI llega a su salida a bolsa con esa tensión de fondo. Hoy genera unos 25.000 millones de dólares al año, frente al ritmo de ingresos que Anthropic proyecta tras su último trimestre, aunque ambas compañías ya se mueven en valoraciones cercanas a los 850.000 millones. Presentar primero los papeles para cotizar no es solo una cuestión de calendario: la empresa que enseña antes sus cifras, fija la referencia con la que será juzgada la otra. Pero hay una referencia que ninguna controla: la madurez del comprador.
Lo que el 21 de mayo describe no es una historia sobre modelos más inteligentes. Es una historia sobre un mercado que empieza a aprender a consumir inteligencia de forma eficiente.
La IA frontera probablemente seguirá siendo mejor. La pregunta es que parte del trabajo total de las empresas seguirá necesitándola realmente.