EEUU sigue siendo superior en modelos de IA para generar texto o código. Si hablamos de vídeo, hay un rey absoluto: China
Se llama Minimax H3 y es el modelo de IA generativa de vídeo que se ha puesto de moda en los últimos días. Tiene buenas razones para hacerlo porque los resultados son espectaculares —podéis ver algunos en el enlace anterior del modelo—, pero es que además confirma una tendencia singular: puede que para generar texto o código GPT-5.6 Sol o Fable 5, de las empresas estadounidenses OpenAI y Anthropic, sean los modelos de referencia, pero en vídeo generado por IA la cosa cambia: China domina de forma imperial.
Nueve de los diez mejores son chinos. La conocida firma de evaluación de modelos Artificial Analysis ha calificado los mejores modelos del mercado en la actualidad, y la conclusión es aplastante: los modelos de IA generativa de vídeo de empresas chinas dominan el mercado por completo. Nueve de los diez mejores modelos son chinos, y solo Google Gemini Omni Flash logra situarse por delante de todos ellos. La citada Minimax con su modelo H3, ByteDance (Seedance 2.0), Alibaba (Habby Horse), Kuaishou (Kling) y Skyworks (Skyreels V4) cuentan con modelos excepcionales.
Fuente: Artificial Analysis.
China aprovecha su momento. La aparición de estos modelos avanzados por parte de empresas chinas coincide con el aparente abandono temporal de esos esfuerzos por parte de empresas estadounidenses. OpenAI dejó de lado su modelo Sora en marzo de 2026 a pesar de haber impulsado este modelo de forma notable el año pasado, y ahora Google —que salva la papeleta para EEUU— y Runway tratan de competir en un mercado en el que las empresas chinas han entrado de forma aplastante.
Se necesitan algo más que píxeles bonitos. Para generar un clip de vídeo convincente, estos modelos deben mantener cierta coherencia sobre cómo se mueven los objetos y seres vivos que aparecen en ella, y cómo unos y otros reaccionan con su entorno. Por ejemplo, un balón debe rodar por el césped, no deslizarse sin fricción, y una taza no debería atraversar una mesa. Los modelos actuales siguen cometiendo errores, pero cada vez predicen mejor esas dinámicas y logran acercarse más y más al mundo físico real.
Llegan los world models. La idea de construir sistemas que no solo generan lo que les describimos en texto sino que además pueden predecir y representar lo que pasará después son especiales. Runway, por ejemplo, ya conecta de forma explícita sus modelos de vídeo con sistemas destinados a la robótica y a la simulación física. Su modelo GWM-1 utiliza una base generativa de vídeo para predecir trayectorias posibles condicionadas por los movimientos de un robot físico. Este tipo de «modelos del mundo» se han convertido en una disciplina especialmente prometedora, y de hecho tanto Yann LeCun como Fei-Fei Li han creado startups que tienen como objetivo impulsarlos como posibles caminos hacia una AGI.
Más importante de lo que parece. El vídeo generado por IA puede ya ser aplicado para contenidos publicitarios y de entretenimiento, y de hecho ya está fortaleciendo. Sin embargo, un modelo capaz de anticipar cómo se comportará un determinado objeto puede terminar siendo valiosísimo para entrenar robots humanoides, por ejemplo. Para doblar una camiseta no basta con saber que lo que tiene delante es una camiseta: la máquina necesita prever qué ocurrirá cuando la agarre por una esquina, la levante o la dejae caer. Y lo que es cierto para los robots también lo es para coches autónomos, una fábrica o cualquier sistema automatizado que tenga que actuar sobre entornos y condiciones cambiantes.
China ya tiene robots físicos, busca tener también sus cerebros. El gigante asiático lleva años desarrollando una prometedora industria de vehículos eléctricos, drones y robots humanoides. Estos últimos son cada vez más llamativos, y aunque hay avances, es evidente que los robots no acaban de adaptarse bien al mundo real porque les falta un «cerebro» que les permita interactuar con todo su entorno de forma adecuada y así ejecutar las tareas que se les piden. Los mismos modelos de vídeo que hoy generan memes y clips sorprendentes podrían acabar siendo cruciales para entrenar máquinas y ser la base de esa «IA física» de la que se lleva tiempo hablando. Eso podría cambiar la robótica (y nuestro mundo) para siempre.
Pero. No conviene confundir la capacidad de generar vídeos realistas con una comprensión física completa de nuestro mundo. Aunque los modelos actuales pueden producir clips de vídeo muy convincentes, siguen sin estar basados en la representación robusta y fiel de las leyes físicas. Hay además un problema añadido para las empresas chinas: derechos de autor y procedencia de los datos de entrenamiento, que son más fácil de detectar visualmente y que podrían dar problemas de cara a demandas legales por violación de copyright.
La otra carrera invisible de la IA. EEUU y China llevan años enfrascados en esa gran carrera de modelos de IA «de texto», pero estos chatbots y las plataformas que se han generado a partir de ellos son solo parte de la ecuación. De hecho, puede que el valor real esté dentro de robots, coches autónomos o simuladores industriales. Y si China logra enseñar a sus máquinas a desenvolverse en el mundo real antes que nadie, habrá ganado quizás la carrera tecnológica más importante de la historia.
En Xataka | GPT-5.6 probablemente sea el mejor modelo de IA del mundo. Y precisamente por eso, la mayoría no lo necesita
