El movimiento 'done renting' consolida la capa de distribución open source sobre los modelos

La decisión de dejar de alquilar inteligencia artificial no es ideológica — es financiera. En cinco días, entre el 9 y el 13 de julio, cuatro señales convergieron desde ángulos distintos hacia la misma conclusión: las empresas que dependen de APIs de modelos cerrados están construyendo su salida. Y quien controla la infraestructura por donde esa salida ocurre captura el margen.

Cuatro señales en cinco días

El 9 de julio, Ollama cerró una ronda de $65 millones con una métrica que explica el fundraise mejor que cualquier presentación: casi 9 millones de usuarios activos, 176.000 estrellas en GitHub y 17.000 forks. Ollama es la herramienta que permite a developers correr modelos de lenguaje en sus propias máquinas, sin pasar por ningún API de OpenAI o Anthropic. El crecimiento es orgánico y exponencial — y viene exactamente del segmento que más dinero gasta en APIs cerradas: equipos de desarrollo enterprise.

Ese mismo día, Meta anunció Muse Spark 1.1, su modelo open-source de programación orientado a grandes migraciones de código y automatizaciones enterprise — territorio casi exclusivo de los modelos cerrados de Anthropic y OpenAI hasta ahora. La atención fue notable: 344 puntos en Hacker News, 176 comentarios. Meta sabe que el developer que adopta su modelo open no paga licencia por token — pero tampoco se va a un competidor. El movimiento complementa los aliados de los labs que ya reemplazaban modelos en producción, un patrón que viene acumulándose desde semanas antes.

Al día siguiente, Clem Delangue, CEO de Hugging Face, lo puso en términos directos: las empresas terminaron de alquilar su inteligencia artificial. Hugging Face, que usan más de la mitad de los equipos de AI del mundo, se consolidó como el punto de distribución — el lugar donde los modelos llegan antes de ir a producción. No para entrenar: para distribuir y deployar. El argumento del CEO es que la era de la IA de alquiler está terminando porque las empresas que entendieron el riesgo de dependencia están invirtiendo en soberanía.

Y el 9 de julio también, dos actores con posiciones distintas en el mercado publicaron sus movimientos hacia la independencia de hardware: DeepSeek anunció su pivot hacia el desarrollo de su propio chip de AI — un movimiento que, si se concreta, transforma la dinámica de Silicon Valley — y Meta confirmó que sus nuevos chips de AI entran en producción en septiembre, con una arquitectura modular diseñada para adaptarse a la velocidad del mercado.

Por qué la capa de distribución vale más que el modelo

La lógica de aggregation theory aplicada a AI es directa: en un mercado donde los modelos se vuelven commodity — donde GPT-5.6, Grok 4.5 y Gemini Pro compiten en benchmarks similares y precios que convergen — el valor migra hacia quien controla el acceso a la demanda. No el modelo más potente: el middleware que las empresas usan para llegar a cualquier modelo.

Hugging Face está construyendo ese middleware para el cloud enterprise. Ollama lo está construyendo para el edge y el entorno local. Son dos capas distintas del mismo movimiento: una para el equipo de AI corporativo, otra para el developer individual. En conjunto, están ejecutando exactamente lo que hizo GitHub en el mundo del código — se convirtieron en el lugar donde el trabajo pasa antes de llegar a producción.

El que controla esa capa no necesita ganar la carrera de modelos. Solo necesita que los modelos pasen por su infraestructura.

El chip como cobertura soberana

Los movimientos de Meta y DeepSeek hacia chips propios son otra capa del mismo patrón. No es que ambas empresas hayan decidido convertirse en fabricantes de semiconductores por vocación — es que la dependencia de Nvidia para inferencia a escala es un riesgo de negocio que ya no pueden tolerar.

Meta gasta miles de millones en GPUs de Nvidia. Con chips propios, el costo marginal de correr sus modelos baja y la capacidad de customización sube. DeepSeek, además, enfrenta restricciones de exportación de hardware que convierten la soberanía de silicio en un imperativo estratégico, no solo económico. El chip propio es la versión de infraestructura del 'done renting' — un movimiento que OpenAI y Anthropic ya iniciaron meses antes con sus propios socios de silicio.

La tesis que se puede refutar

En los próximos 18 meses, Hugging Face y Ollama van a capturar más valor económico medible — en ARR, en valoración, o en revenue por transacción — que al menos uno de los labs cerrados de segunda fila. No es una apuesta sobre quién tiene el mejor modelo: es sobre quién controla el flujo de distribución.

Qué mirar: si Hugging Face anuncia un producto de deployment gestionado o un marketplace de modelos con pricing por transacción, el modelo de negocio de la capa de distribución habrá llegado a su etapa de monetización. Si Ollama lanza una versión enterprise con soporte SLA, lo mismo.

Para un decisor: el vendor lock-in con APIs cerradas es el riesgo que hay que mapear ahora, antes de que la dependencia sea estructural. No porque los labs vayan a desaparecer — sino porque las condiciones de negociación se están moviendo, y la ventana en que la alternativa open es viable sin costo de migración alto está abierta hoy.