Cuando DeepSeek le mostró al mundo que un modelo chino podía pelear en la liga de OpenAI sin la factura de OpenAI, el resto de Shenzhen y Hangzhou no se quedó viendo el tweet. Tencent contestó con Hunyuan-T1, un modelo de razonamiento profundo montado sobre TurboS, su base híbrida Mamba-Transformer. No es un chatbot de WeChat con otro nombre. Es la ficha con la que Tencent se sienta a la mesa de o1, R1 y compañía.
El anuncio original hablaba de menos alucinaciones, textos largos con lógica y una velocidad que DeepSeek R1 no siempre podía igualar. Un año después, los números de Tencent siguen en la ficha: 87.2 en MMLU-PRO (solo detrás de o1 en el recorte que ellos publican), 96.2 en MATH-500, 69.3 en GPQA Diamond. El API vive en Tencent Cloud. El discurso, en WeChat y en un repo técnico que no esconde el orgullo.
TurboS abajo, T1 pensando
T1 no nació de un Transformer puro. TurboS —56 mil millones de parámetros activos, 560 mil millones en total, mezcla de expertos, 256K de contexto— combina bloques Mamba2 con atención. Tencent lo vende como el primer Mamba a esa escala que de verdad se desplegó. Resultado práctico: en las mismas condiciones de hardware, dicen, el doble de velocidad de decodificación frente a un Transformer comparable.
Encima, T1 se post-entrenó con refuerzo pesado (Tencent habla de que casi todo el cómputo de esa etapa se fue a razonar). Por eso hay dos productos en la familia: TurboS para chat rápido y barato; T1 para el problema que pide pizarra. Si usas el pensador para “hola, ¿cómo estás?”, estás pagando de más. Si usas el rápido para una olimpiada de mates, te va a quedar corto.
La ficha que Tencent quiere que recuerdes
- Arquitectura: híbrido Transformer-Mamba (TurboS) + razonamiento por RL (T1)
- MMLU-PRO: 87.2
- MATH-500: 96.2
- Promesa: menos alucinaciones, mejor hilo en textos largos, ~30% más barato que R1 en recortes de API
China no es un solo laboratorio
El T1 llegó en una temporada saturada. DeepSeek había puesto el listón de precio. Alibaba sacó R1-Omni, con lectura de emoción en voz e imagen. Baidu empujó Ernie 4.5 y el razonador Ernie X1. Las acciones de las tres se inflaron cada vez que había modelo nuevo, que es la forma bursátil de decir “esto ya es política industrial”.
Tencent, además, abrió cinco modelos generativos 3D (texto e imagen a malla) en código abierto. Es otra guerra, más callada: herramientas para estudios, no chatbots de portada. Y avisó que el gasto en IA de 2025 iba para arriba, después de un 2024 que ya había sido agresivo. WeChat, videojuegos, nube: la vía de Tencent es meter el modelo donde ya tiene usuarios, no inventar una app desde cero para competir con ChatGPT en California.
¿Y a nosotros qué?
En México no vas a ver a Hunyuan-T1 en la App Store con un icono lindo. Lo vas a topar, si acaso, detrás de un gateway, de un cliente enterprise o de un equipo que ya trabaja con Tencent Cloud. El dato útil no es “bájatelo”. Es que la carrera de razonamiento ya no es un duelo OpenAI-Anthropic. China tiene tres o cuatro fichas de primer nivel y las está vendiendo más baratas.
Hay un matiz de 2026 que Tencent no va a poner en el comunicado y los compradores sí miran: cuando Anthropic armó ruido por destilación, DeepSeek salió en los recortes de riesgo. Hunyuan, en esos mismos recortes, no aparecía. Eso no prueba santidad. Prueba que, para un jurídico asustadizo, Tencent a veces se lee más “limpio” que el laboratorio de moda. El mercado de APIs se mueve también por eso, no solo por MATH-500.
En la pelea de modelos chinos, ¿con cuál te quedas de oído?
Toca una opción para votar y ver los resultados.
Ficha técnica en el sitio de Hunyuan-T1 y el paper de Hunyuan-TurboS en arXiv.
Tencent no inventó el razonamiento. Llegó cuando el precio ya era el campo de batalla y puso un modelo que, en papel, se aguanta. En China eso ya no es sorpresa. La sorpresa sería que Occidente siguiera escribiendo la historia como si hubiera un solo laboratorio en San Francisco.
Las cosas como son. Y en cultura digital: Anxina.