Modelos de IA por país: corte abril de 2026

Fecha de corte: 25 de abril de 2026.

Este documento no pretende listar todos los modelos existentes. Se centra en modelos fundacionales, familias de modelos e iniciativas nacionales que importan para entender soberanía tecnológica, mercado, idioma, capacidad científica y autonomía industrial. Incluye modelos de frontera, modelos de pesos abiertos, modelos comerciales, modelos públicos/estatales y modelos soberanos orientados a lenguas concretas.

Resumen ejecutivo

• En abril de 2026, la frontera generalista sigue dominada por EE. UU. y China. EE. UU. lidera en producto cerrado de máxima capacidad; China destaca por amplitud de laboratorios, pesos abiertos y velocidad de publicación.
• China ya no es solo “DeepSeek y Qwen”: también pesan Kimi, ERNIE, Seed, GLM, Hy3/Hunyuan, MiniMax y Pangu. Es el ecosistema nacional más ancho fuera de EE. UU.
• Europa tiene talento y modelos relevantes, pero su soberanía es desigual: Mistral y FLUX son muy fuertes, España y otros países avanzan en lenguas públicas, pero el cómputo y la nube siguen siendo el cuello de botella.
• Francia es el actor europeo más cercano a frontera generalista por Mistral; Alemania destaca más por imagen, privacidad y soberanía empresarial; España sobresale por infraestructura pública y lenguas cooficiales.
• India no compite todavía por la frontera global pura, pero es uno de los casos más importantes de soberanía lingüística: 22 lenguas oficiales, voz, servicios públicos y cómputo subvencionado.
• Japón y Corea del Sur muestran otro patrón: menos carrera por el “modelo más grande” y más foco en despliegue local, idioma, empresa, electrónica y eficiencia.
• Oriente Medio tiene capital, energía y ambición estatal; su mayor reto es que buena parte de la infraestructura depende de aceleradores y alianzas extranjeras.
• Latinoamérica aparece todavía como región emergente: Sabiá y LatamGPT son importantes culturalmente, pero la brecha de cómputo y de pesos fundacionales públicos sigue siendo grande.
• Los modelos de medios no deben mezclarse con chatbots: FLUX, Stable Diffusion, Veo, Imagen, Seedance o Hailuo pueden ser frontera en imagen/vídeo/audio aunque no sean LLMs generalistas.
• La pregunta clave no es solo “qué modelo tiene cada país”, sino qué país controla simultáneamente modelo, datos, cómputo, nube, despliegue y licencia.

Lectura por categorías

Criterios

• Cuenta como “modelo de un país” si el laboratorio, empresa, universidad o programa público que lo desarrolla está radicado principalmente allí.
• En multinacionales se separa el país del laboratorio principal cuando aporta contexto geopolítico: Google DeepMind se marca como EE. UU./Reino Unido; Google LLC como EE. UU.
• “Última actualización” significa la última publicación, ficha técnica, anuncio o documentación relevante localizada hasta el 25 de abril de 2026. No siempre coincide con la fecha real de entrenamiento.
• “Acceso” distingue entre API/aplicación cerrada, pesos abiertos, código abierto, publicación de investigación, acceso empresarial o uso público estatal.
• “MoE” significa mezcla de expertos: modelos donde no todos los parámetros se activan en cada token. Cuando se conoce, se indica el tamaño total y los parámetros activos. Si el laboratorio no publica la arquitectura, se marca como “no pública” o “sin confirmar”.
• “Nivel” no es un ranking universal. Resume la posición relativa: frontera global, casi frontera, regional/soberano, sectorial o investigación.
• “Confianza” es alta cuando hay documentación oficial, ficha de modelo o artículo técnico claro; media cuando la fuente es oficial pero incompleta o depende sobre todo de publicaciones técnicas/sectoriales; baja cuando solo hay anuncios generales. En esta versión he evitado dejar filas de confianza baja como hechos fuertes.
• Esta versión prioriza fuentes primarias: documentación oficial, fichas de modelo, repositorios oficiales y artículos técnicos. Cuando una arquitectura o fecha no está publicada de forma clara, se dice explícitamente en vez de inferirla.

Tabla maestra

Lectura por bloques

1. Frontera global

La frontera generalista sigue muy concentrada en EE. UU. y China. EE. UU. conserva la ventaja en productos cerrados de alto rendimiento: OpenAI, Anthropic, Google, Meta y xAI. China es el otro polo completo: Qwen, DeepSeek, Kimi, ByteDance, Baidu, Zhipu, Tencent, MiniMax y Huawei cubren texto, razonamiento, código, agentes, vídeo, voz e infraestructura.

Francia y Reino Unido son los dos puntos europeos más visibles en la frontera. Francia destaca por Mistral; Reino Unido, por Google DeepMind y Stability AI. El matiz importante es que DeepMind forma parte de Alphabet: cuenta como capacidad científica británica, pero no como soberanía corporativa británica plena.

2. Modelos abiertos fuertes

Los actores más importantes en pesos abiertos a abril de 2026 son:

• China: DeepSeek, Kimi, Hy3/Hunyuan, Qwen abierto y MiniMax M2.7; GLM combina API y publicación técnica según variante; ERNIE queda abierto en parte por familia.
• EE. UU.: Llama 4, OLMo, Nemotron y Phi en segmentos concretos.
• Francia: Mistral Large 3, Small 4, Devstral y Voxtral.
• EAU: Falcon.
• Corea del Sur: EXAONE y HyperCLOVA X Omni en parte.
• India: Sarvam 30B y 105B.
• España: ALIA/Salamandra.

La carrera de pesos abiertos ya no es un apéndice de la carrera cerrada. Es una capa geopolítica propia: permite auditoría, despliegue en instalaciones propias, adaptación por idioma y creación de ecosistemas locales.

3. Soberanía lingüística

Muchos países no compiten para tener “el mejor ChatGPT”, sino para que su idioma, su sector público y sus datos no dependan por completo de APIs externas.

Casos especialmente relevantes:

• España: ALIA/Salamandra para castellano, catalán/valenciano, gallego y euskera.
• India: Sarvam/Indus para 22 lenguas oficiales y voz.
• Japón: tsuzumi 2, PLaMo y Fugaku-LLM.
• Corea del Sur: EXAONE, HyperCLOVA X y Solar.
• Singapur: SEA-LION para el Sudeste Asiático.
• Polonia: PLLuM y Bielik.
• Países nórdicos: GPT-SW3, Poro y Viking.
• Mundo árabe: Falcon, Jais, ALLaM y Fanar.
• Latinoamérica: LatamGPT y Sabiá.

4. Multimodalidad

La multimodalidad fuerte se concentra en modelos concretos, no en países completos:

• Vídeo: Google Veo, MiniMax Hailuo, ByteDance Seedance, OpenAI Sora, Runway, Pika y Luma.
• Imagen: Google Imagen, modelos de imagen de OpenAI, Black Forest Labs FLUX, Stability AI y Midjourney.
• Voz: audio en tiempo real de OpenAI, Mistral Voxtral, Cohere Transcribe, Kyutai Moshi, MiniMax Speech y xAI Voice.
• Visión-lenguaje: Gemini, Claude, GPT, Llama 4, Qwen, Kimi, EXAONE y HyperCLOVA X Omni.

5. Infraestructura y soberanía real

Tener un modelo no equivale automáticamente a tener soberanía de IA. La soberanía real depende de cinco capas:

• Cómputo: acceso a GPU/TPU/NPU, supercomputadores nacionales o chips propios.
• Datos: corpus locales, datos públicos, datos sectoriales y licencias.
• Talento: equipos que entrenan desde cero, no solo ajuste fino.
• Distribución: API, aplicación, nube, integración empresarial y canales públicos.
• Licencia: pesos abiertos reales o dependencia de proveedores cerrados.

Por eso China destaca: no solo tiene modelos, también tiene nube, aplicaciones, chips nacionales parcialmente utilizables y demanda interna masiva. India y España son casos distintos: tienen menos frontera pura, pero un enfoque soberano explícitamente público y lingüístico.

Cronología breve

Origen del modelo

Esta separación es importante porque no significa lo mismo entrenar una familia fundacional propia que adaptar una base abierta extranjera. Las dos cosas pueden ser útiles, pero pesan distinto en soberanía tecnológica.

Mapa regional

Mapa por idioma

Fichas por país y región

Matriz de capacidades por modelo

Esta tabla evita medir a un país entero como si todos sus modelos tuvieran las mismas capacidades. La unidad justa es la familia de modelos o el modelo concreto.

En MoE conviene leer “no pública” o “no confirmado” con cuidado: no significa necesariamente que el modelo no use MoE, sino que no hay una fuente pública suficientemente clara hasta este corte.

Modelos ausentes o dudosos

Esta sección no dice que esos países no tengan actividad en IA. Dice que, para este corte, no he encontrado una base suficientemente sólida como para darles el mismo tratamiento que a los modelos de la tabla maestra.

Glosario mínimo

• Modelo fundacional: modelo entrenado de forma general sobre grandes corpus para servir como base de muchas tareas.
• Modelo denso: en cada token se activan, de forma simplificada, todos o casi todos sus parámetros principales.
• MoE: mezcla de expertos; solo una parte de los parámetros se activa por token, lo que permite modelos totales enormes con coste activo menor.
• Parámetros activos: parámetros usados en una inferencia concreta. En MoE puede ser mucho menor que el total del modelo.
• Pesos abiertos: el laboratorio publica los archivos del modelo para descargarlos o ejecutarlos, aunque la licencia puede imponer restricciones.
• Código abierto: además de pesos, hay código bajo licencia abierta. No siempre acompaña a los pesos abiertos.
• API cerrada: el modelo se usa por servicio remoto; el usuario no recibe pesos ni controla la infraestructura.
• Contexto: cantidad de tokens que el modelo puede considerar en una solicitud o conversación.
• Razonamiento: capacidad de resolver tareas multietapa; no siempre implica que el modelo tenga una arquitectura especial.
• Agente: sistema que usa un modelo para planificar, usar herramientas, consultar archivos, navegar o ejecutar acciones durante varios pasos.
• VLM: modelo visión-lenguaje; procesa imagen y texto, y a veces vídeo.
• SSM/Mamba: familia de arquitecturas alternativa o complementaria al Transformer, usada para mejorar eficiencia en secuencias largas.
• MLA: atención latente multi-cabeza/multi-latente, técnica de eficiencia usada en varias familias chinas modernas.
• Modelo soberano: modelo cuyo desarrollo, datos, despliegue o gobernanza están alineados con una jurisdicción o idioma concreto. No siempre significa independencia total.
• IA pública: modelo o infraestructura promovida por Estado, universidad o consorcio público, normalmente con objetivos de acceso, idioma o soberanía.

Conclusión geopolítica

A abril de 2026, la geografía real de la IA no es una lista plana de países con modelos. Es una pirámide de control.

Arriba están EE. UU. y China. EE. UU. conserva la frontera cerrada más fuerte, la mejor distribución global y las nubes que empaquetan la IA como producto. China, en cambio, ha construido el ecosistema alternativo más completo: muchos laboratorios, pesos abiertos agresivos, aplicaciones masivas, nube nacional y sustitución parcial de hardware mediante Ascend.

Europa tiene modelos y ciencia, pero aún pelea por escala. Mistral, FLUX, Stability AI, Pharia, ALIA, GPT-NL y los proyectos nórdicos/polacos muestran que hay capacidad técnica y lingüística. El problema europeo no es ausencia de talento, sino coordinación industrial, cómputo, nube y velocidad de despliegue.

India, Japón, Corea del Sur y Oriente Medio muestran que la soberanía no siempre consiste en superar a GPT o Gemini. A veces consiste en controlar idioma, voz, sector público, datos sensibles, industria local y coste de despliegue. Esa lectura es especialmente importante para India, España, Japón, Corea y el mundo árabe.

Latinoamérica y África siguen siendo las regiones más expuestas a dependencia externa. Tienen lenguas, datos, población y necesidades públicas muy claras, pero no todavía una infraestructura de modelos fundacionales comparable. Ahí la cuestión no es solo técnica: es financiación, datos, energía, compras públicas, talento y cooperación regional.

La tesis central del informe queda así: tener un modelo es solo la primera capa. La soberanía de IA aparece cuando un país puede sostener, auditar, adaptar, desplegar y actualizar modelos sobre datos propios, con infraestructura controlada y con una licencia compatible con sus intereses.

Ampliaciones pendientes

Quedan fuera por ahora, a petición expresa, estas dos ampliaciones:

1. Añadir columnas de parámetros totales, parámetros activos, tokens de entrenamiento, contexto y coste API cuando exista fuente fiable.
2. Crear una matriz formal de soberanía: cómputo, datos, talento, nube, despliegue público y licencia.

También conviene mantener una revisión trimestral, porque las familias chinas y los modelos abiertos están cambiando con mucha rapidez.

Fuentes base consultadas

• Stanford AI Index 2026: https://hai.stanford.edu/ai-index/2026-ai-index-report
• Epoch AI dataset: https://datahub.io/ai/epoch-data-on-ai-models
• OpenAI GPT-5.5: https://openai.com/index/introducing-gpt-5-5/
• OpenAI ficha de sistema GPT-5.5: https://openai.com/index/gpt-5-5-system-card/
• Anthropic Claude Opus 4.7: https://www.anthropic.com/news/claude-opus-4-7
• Anthropic Claude Opus, página de producto: https://www.anthropic.com/claude/opus
• Google Gemini 3.1 Pro: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-1-pro/
• Google DeepMind ficha técnica Gemini 3.1 Pro: https://deepmind.google/models/model-cards/gemini-3-1-pro
• Google Veo 3.1: https://blog.google/technology/ai/veo-updates-flow/
• xAI documentación de modelos: https://docs.x.ai/developers/models
• Meta Muse Spark: https://about.fb.com/news/2026/04/introducing-muse-spark-meta-superintelligence-labs/
• Meta Llama 4 ficha técnica: https://huggingface.co/meta-llama/Llama-4-Maverick-17B-128E-Instruct
• Alibaba Qwen3.6-Plus: https://www.alibabacloud.com/press-room/alibaba-unveils-qwen3-6-plus-to-accelerate-agentic
• Alibaba Qwen3.6-Max-Preview: https://www.alibabacloud.com/blog/603055
• Qwen3: https://qwenlm.github.io/blog/qwen3/
• DeepSeek: https://www.deepseek.com/en/
• DeepSeek-V4 Preview Release: https://api-docs.deepseek.com/news/news260424
• DeepSeek-V4 pesos abiertos: https://huggingface.co/collections/deepseek-ai/deepseek-v4
• DeepSeek-V4 licencia MIT: https://huggingface.co/deepseek-ai/DeepSeek-V4-Pro/blob/main/LICENSE
• Moonshot/Kimi: https://www.moonshot.ai/
• Kimi K2.6: https://www.kimi.com/ai-models/kimi-k2-6
• Kimi K2.6 pesos/model card: https://huggingface.co/moonshotai/Kimi-K2.6
• Baidu ERNIE 5.0: https://ernie.baidu.com/blog/posts/ernie5.0/
• ERNIE 5.0 informe técnico: https://arxiv.org/abs/2602.04705
• Baidu ERNIE 4.5: https://ernie.baidu.com/blog/posts/ernie4.5/
• ByteDance Seed2.0: https://seed.bytedance.com/en/blog/seed2-0-%25E6%25AD%25A3%25E5%25BC%258F%25E5%258F%2591%25E5%25B8%2583
• ByteDance Seed Models: https://seed.bytedance.com/en/models
• ByteDance Seed1.8 Model Card: https://arxiv.org/abs/2603.20633
• ByteDance Doubao 1.5 Pro: https://seed.bytedance.com/en/special/doubao_1_5_pro
• ByteDance Seed-Thinking-v1.5: https://arxiv.org/abs/2504.13914
• Z.ai GLM-5.1: https://docs.z.ai/guides/llm/glm-5.1
• GLM-5 artículo técnico: https://arxiv.org/abs/2602.15763
• Tencent Hy3 Preview: https://huggingface.co/tencent/Hy3-preview
• MiniMax M2.7: https://huggingface.co/MiniMaxAI/MiniMax-M2.7
• MiniMax Hailuo 02: https://www.minimax.io/news/minimax-hailuo-02
• MiniMax-M1: https://arxiv.org/abs/2506.13585
• Huawei Pangu 5.5: https://www.huaweicloud.com/eu/news/20250620192415143.html
• Pangu Pro MoE artículo técnico: https://arxiv.org/abs/2505.21411
• Huawei Ascend, ecosistema abierto: https://www.huawei.com/en/news/2025/9/hc-shengten-opensource
• Mistral documentación de modelos: https://docs.mistral.ai/models/overview
• Mistral, página de modelos: https://mistral.ai/en/models
• Stability AI Stable Diffusion 3.5: https://stability.ai/news/introducing-stable-diffusion-3-5
• Stability AI Stable Audio 2.5: https://stability.ai/news-updates/stability-ai-introduces-stable-audio-25-the-first-audio-model-built-for-enterprise-sound-production-at-scale
• Stability AI Stable Virtual Camera: https://stability.ai/news/introducing-stable-virtual-camera-multi-view-video-generation-with-3d-camera-control
• Aleph Alpha Pharia-1-LLM: https://aleph-alpha.com/de/introducing-pharia-1-llm-transparent-and-compliant/
• Pharia-1-LLM-7B model card: https://huggingface.co/Aleph-Alpha/Pharia-1-LLM-7B-control
• Black Forest Labs FLUX.2: https://github.com/black-forest-labs/flux2
• Black Forest Labs FLUX.1 Kontext: https://huggingface.co/black-forest-labs/FLUX.1-Kontext-dev
• Cohere Command A: https://cohere.com/blog/command-a
• Cohere documentación de modelos: https://docs.cohere.com/v1/docs/models
• Cohere Command A Reasoning: https://docs.cohere.com/changelog/2025-08-21-command-a-reasoning
• AI21 Jamba foundation models: https://docs.ai21.com/docs/jamba-foundation-models
• Sarvam 30B/105B: https://www.sarvam.ai/blogs/sarvam-30b-105b
• Sarvam Indus: https://www.sarvam.ai/blogs/introducing-indus/
• LG EXAONE 4.5: https://www.prnewswire.com/news-releases/lg-reveals-next-gen-multimodal-ai-exaone-4-5-302736993.html
• EXAONE 4.5, informe técnico: https://arxiv.org/abs/2604.08644
• NAVER HyperCLOVA X THINK: https://arxiv.org/abs/2506.22403
• NAVER HyperCLOVA X Omni: https://arxiv.org/abs/2601.01792
• NTT tsuzumi 2: https://group.ntt/en/newsrelease/2025/10/20/251020a.html
• PLaMo 2: https://arxiv.org/abs/2509.04897
• Fugaku-LLM anuncio oficial: https://www.fujitsu.com/global/about/resources/news/press-releases/2024/0510-01.html
• Fugaku-LLM model card: https://huggingface.co/Fugaku-LLM/Fugaku-LLM-13B
• Upstage Solar Pro 3: https://www.upstage.ai/blog/en/solar-pro-3-0323
• BSC ALIA: https://www.bsc.es/news/bsc-news/alia-europes-first-public-open-and-multilingual-ai-infrastructure
• ALIA/Salamandra en Hugging Face: https://huggingface.co/collections/BSC-LT/salamandra-66fc171485944df79469043a
• ALIA-40b-instruct-2601: https://huggingface.co/BSC-LT/ALIA-40b-instruct-2601
• TNO GPT-NL: https://www.tno.nl/en/digital/artificial-intelligence/gpt-nl/
• GPT-NL Public Corpus: https://arxiv.org/abs/2604.00920
• TII Falcon-H1 Arabic: https://www.tii.ae/index.php/news/abu-dhabis-tii-launches-falcon-h1-arabic-establishing-worlds-leading-arabic-ai-model
• Comisión Europea, AI Factories: https://digital-strategy.ec.europa.eu/en/news/eu-expands-network-ai-factories-strengthening-its-ai-continent-ambition
• Comisión Europea, AI Continent: https://commission.europa.eu/topics/competitiveness/ai-continent_en
• IndiaAI Compute Capacity: https://indiaai.gov.in/hub/indiaai-compute-capacity
• NVIDIA Sovereign AI: https://www.nvidia.com/en-us/industries/government/global-public-sector/