¿Hunter Alpha es el nuevo secreto de DeepSeek?

Hunter Alpha irrumpe con un billón de parámetros, un millón de tokens y una sombra persistente: DeepSeek podría estar probando V4 oculta.

Hunter Alpha ha entrado en la conversación global de la inteligencia artificial como entran las cosas que de verdad alteran el tablero: sin anuncio, sin firma y sin pedir permiso. El modelo apareció el 11 de marzo en OpenRouter, una pasarela muy usada por desarrolladores para probar sistemas de IA desde una sola interfaz, y lo hizo con una ficha técnica que por sí sola ya bastaba para encender todas las alarmas del sector: un billón de parámetros, 1.048.576 tokens de contexto y acceso gratuito. OpenRouter lo mostró como un “stealth model”, un modelo en la sombra, y esa etiqueta, lejos de enfriar el asunto, lo convirtió en un imán. En pocos días, la gran pregunta entre ingenieros, analistas y empresas dejó de ser qué podía hacer Hunter Alpha y pasó a ser otra: quién demonios lo había soltado ahí.

La sospecha más repetida apunta a DeepSeek, la firma china que en el último año se ha ganado un lugar incómodo para sus rivales y central para la industria: el de laboratorio capaz de combinar rendimiento alto, costes relativamente bajos y una capacidad notable para marcar el ritmo desde China. Reuters probó Hunter Alpha y encontró dos detalles que hicieron crecer aún más esa asociación: el modelo se describía como “chino” y “entrenado principalmente en chino”, y además situaba su corte de conocimiento en mayo de 2025, el mismo punto temporal que se ha atribuido al chatbot de DeepSeek. Cuando se le pidió identificar a su creador, se negó. Ni DeepSeek ni OpenRouter han confirmado quién está detrás. Y, precisamente por eso, el ruido no ha parado de crecer.

Un aterrizaje sin firma que agitó a medio sector

Lo primero que explica el fenómeno Hunter Alpha no es el misterio, sino la mezcla de potencia y contexto. En OpenRouter figura como un modelo orientado a uso agentivo, es decir, pensado no solo para responder, sino para planificar tareas largas, encadenar pasos y sostener ejecuciones complejas con cierta disciplina. La plataforma lo presenta como fiable para marcos como OpenClaw, y añade una nota nada menor: todos los prompts y todas las respuestas pueden ser registrados por el proveedor y utilizados para mejorar el modelo. Traducido al lenguaje menos pulcro del mercado, eso suena a prueba masiva en abierto, a laboratorio montado en plena calle. No un producto final perfectamente barnizado, sino un sistema que quiere rozarse con uso real, con errores reales, con usuarios duros.

La recepción fue casi instantánea. Reuters informó de que Hunter Alpha había procesado más de 160.000 millones de tokens hasta el domingo posterior a su aparición, con una parte importante del tráfico procedente de herramientas de desarrollo de software y de frameworks de agentes de IA. Ese dato importa más de lo que parece. No se trata de un modelo que haya llamado la atención solo por el morbo del anonimato; lo han usado mucho y rápido quienes más castigan este tipo de sistemas. Cuando un modelo empieza a circular entre desarrolladores que le meten repositorios enteros, cadenas de instrucciones kilométricas y tareas multiagente, el examen deja de ser teórico. Ahí no vale el tráiler. Ahí se ve si el motor responde o se ahoga a mitad de cuesta.

Conviene detenerse un momento en esos dos números que aparecen en su ficha y que han disparado la conversación. Un billón de parámetros significa, dicho sin ceremonia, una arquitectura enorme de valores ajustables que el modelo ha aprendido durante el entrenamiento para procesar lenguaje, inferir relaciones y generar respuestas. No es una garantía automática de superioridad; la industria ya ha comprobado que más grande no siempre significa mejor. Pero sigue siendo un indicador de escala. El otro dato, los 1.048.576 tokens de contexto, sí explica buena parte del entusiasmo. Un token es una pequeña unidad de texto, a veces parte de una palabra, a veces una palabra corta, y un millón de tokens implica que el sistema puede manejar cantidades enormes de información en una sola interacción: manuales, código, documentación extensa, historiales largos, cadenas de trabajo casi de libro entero. En un mercado obsesionado con los agentes, con la programación asistida y con la ejecución sostenida, esa cifra no es decoración. Es el centro del escaparate.

No sorprende, por tanto, que varios ingenieros vieran en Hunter Alpha una pieza especialmente atractiva. Reuters recogió la valoración de Nabil Haouam, que destacó la combinación de contexto de un millón de tokens, capacidad de razonamiento y acceso gratuito, una suma poco habitual en modelos de frontera, donde las ventanas de contexto tan largas suelen venir acompañadas de facturas considerables cuando se usan a escala. Ese matiz es importante porque ayuda a entender por qué el modelo se extendió tan deprisa: no era solo una curiosidad técnica; era, al menos sobre el papel, una herramienta muy potente sin peaje inmediato. Y en la economía actual de la IA, cuando algo parece grande, útil y gratis, la comunidad técnica no se limita a mirar. Se lanza.

Por qué todas las miradas acaban en DeepSeek

Que el nombre de DeepSeek aparezca con tanta rapidez no es casualidad ni reflejo de una manía conspirativa. La empresa lleva meses ocupando una posición singular en el ecosistema chino y global. Reuters recordó en febrero que DeepSeek, con sede en Hangzhou, se convirtió en uno de los actores más visibles de la IA china tras la irrupción de sus modelos de bajo coste y alto rendimiento, y subrayó además un rasgo poco común en el sector: su matriz no es una gran tecnológica clásica, sino un hedge fund cuantitativo controlado por Liang Wenfeng. Ese origen le da a la compañía una libertad estratégica distinta. Menos presión de monetización inmediata, más margen para priorizar investigación, más facilidad para cultivar una cierta opacidad. En un sector donde casi todos prometen “revolucionarlo todo”, DeepSeek ha preferido muchas veces una liturgia más seca: lanzar, medir, abaratar y volver a lanzar.

A eso se suma el calendario. Reuters publicó en enero que DeepSeek preparaba V4, un modelo de nueva generación con fuerte enfoque en programación y con avances en el manejo de prompts de código extremadamente largos. En febrero volvió a situar a la firma entre las compañías chinas que se preparaban para lanzar nuevos modelos en una fase especialmente intensa de competencia doméstica. Y este 18 de marzo, en la pieza sobre Hunter Alpha, Reuters añadió un detalle decisivo: medios locales venían señalando que V4 podría llegar tan pronto como abril. Es decir, la cronología encaja. Había expectativa previa, había un modelo próximo en el horizonte y, de repente, aparece uno anónimo con especificaciones muy parecidas. A veces el mercado inventa fantasmas; otras veces solo sigue un rastro bastante lógico.

Hay más paralelismos. Reuters contó en febrero que el chatbot web y móvil de DeepSeek había ampliado su ventana de contexto de 128.000 a 1 millón de tokens. Ese salto, por sí solo, ya había alimentado la expectativa de que la siguiente generación del laboratorio chino apostaría fuerte por prompts larguísimos, tareas complejas y sesiones extensas. Cuando Hunter Alpha apareció con un millón de tokens como cifra central de su ficha pública, la asociación se volvió casi automática. No porque una cifra compartida demuestre autoría, sino porque el patrón general coincidía: más contexto, más ambición en tareas largas y un claro interés por el terreno del código y la ejecución multietapa. En esta industria, las coincidencias técnicas rara vez se leen como coincidencias sin más.

También pesó el pequeño rastro verbal que dejó el propio modelo. En las pruebas citadas por Reuters, Hunter Alpha se presentó como un sistema chino, entrenado principalmente en chino, y fijó su conocimiento en mayo de 2025. La frase, por sí misma, no resuelve nada. Los modelos pueden estar configurados para contestar ciertas cosas sobre su identidad y negarse a otras. Pero en un entorno donde analistas y desarrolladores estudian hasta los tics lingüísticos de una respuesta, ese tipo de autodescripción funciona como una huella parcial. No una firma. Más bien una sombra. Y en el caso DeepSeek, una sombra suficiente para que el sector empezara a hablar del posible ensayo general de V4 antes del estreno oficial.

Las pistas técnicas que alimentan la sospecha

Uno de los argumentos más repetidos a favor de la hipótesis DeepSeek ha venido del análisis del estilo de razonamiento del modelo. Reuters citó a Daniel Dewhurst, ingeniero que examinó Hunter Alpha tras su aparición, y que señaló que la pista más fuerte estaba en el patrón de chain-of-thought, la manera en que el sistema despliega su razonamiento. La tesis es bastante razonable: ciertos hábitos de inferencia, determinadas formas de encadenar pasos y hasta algunos sesgos en la estructura de respuesta suelen reflejar cómo un modelo ha sido entrenado. No es algo imposible de disfrazar, pero tampoco se cambia con una mano de pintura. Dewhurst sostuvo además que la escala del modelo y su capacidad de memoria encajaban con las especificaciones que venían circulando para DeepSeek V4 desde principios de año. Eso no convierte la sospecha en prueba, pero sí explica por qué tantos desarrolladores vieron en Hunter Alpha algo más que una simple rareza anónima.

Ahora bien, el cuadro no está cerrado ni mucho menos. Reuters también recogió la posición de Umur Ozkul, que realiza pruebas independientes de benchmark y que llegó a una conclusión muy distinta: su análisis sugería que Hunter Alpha probablemente no era DeepSeek V4. Ozkul habló de diferencias en el comportamiento relacionado con los tokens y en ciertos patrones arquitectónicos respecto a sistemas ya conocidos de DeepSeek. Esa cautela importa. En inteligencia artificial existe una tendencia bastante humana a confundir parecido con parentesco. Dos laboratorios que persiguen objetivos similares —mejor código, más contexto, más razonamiento, más agentes— pueden producir sistemas con rasgos próximos sin que uno sea necesariamente el otro. A veces no hay misterio. A veces solo hay convergencia competitiva. Y, aun así, incluso esa explicación deja intacta la noticia principal: Hunter Alpha es suficientemente potente y suficientemente extraño como para abrir una pelea seria por su autoría.

Un ensayo en la sombra que no sería nada raro

La aparición de modelos anónimos en plataformas como OpenRouter no es un accidente exótico. Reuters recordó que en febrero surgió allí otro sistema sin firma, Pony Alpha, y que cinco días después la empresa china Zhipu AI confirmó que formaba parte de su sistema GLM-5. Ese precedente ha pesado muchísimo en la lectura de Hunter Alpha. No solo demuestra que el mercado ya ha visto maniobras parecidas, sino que convierte el anonimato en algo bastante menos novelesco y bastante más funcional. Se prueba primero, se observa cómo reacciona la comunidad, se recoge feedback, se detectan fallos, se afinan costes y luego, si interesa, se revela la marca. La compañía se ahorra así parte del maquillaje corporativo y gana un laboratorio distribuido compuesto por miles de usuarios muy dispuestos a encontrarle grietas al sistema.

OpenRouter, además, es un terreno perfecto para ese tipo de tanteo. La plataforma permite acceder a decenas de modelos desde una única pasarela y se ha consolidado como un espacio donde los desarrolladores comparan rápido, cambian rápido y castigan rápido. En ese entorno, una etiqueta como “stealth” no parece una travesura de marketing, sino una forma de poner un modelo en circulación sin comprometer todavía la marca del laboratorio que lo ha construido. Si la recepción es excelente, el fabricante puede aparecer después para reclamar la autoría. Si el sistema flaquea o la respuesta del mercado resulta tibia, el coste reputacional es mucho menor. Dicho de manera menos amable, es un modelo de prueba con red de seguridad. Elegante, sí. También bastante calculado.

En Hunter Alpha, además, la propia ficha reforzaba la sensación de test abierto. OpenRouter advertía que los prompts y las respuestas podían registrarse y usarse para mejorar el modelo. Esa frase importa porque explica el sentido industrial del experimento: no se trata solo de enseñar músculo, sino de obtener datos de uso real, especialmente valiosos cuando el producto se orienta a agentes, código y secuencias largas. Una demo cerrada puede impresionar; una semana de tráfico real sobre una plataforma técnica enseña mucho más. Sobre todo enseña dónde falla la memoria larga, dónde se degrada la coherencia, dónde el razonamiento se vuelve espeso y dónde la promesa de “frontera” no pasa de ser un folleto bien redactado.

Lo que este caso cuenta sobre la nueva carrera china por la IA

El episodio Hunter Alpha también sirve para leer el momento de fondo en China. Reuters describió en febrero un mercado lanzado a una nueva oleada de modelos de bajo coste, con DeepSeek, Alibaba, ByteDance y otros actores preparándose para nuevas versiones o grandes actualizaciones. La lógica dominante ya no es solo quién saca el chatbot más vistoso, sino quién consigue unir buen rendimiento, coste de despliegue bajo, código abierto o acceso amplio y una oferta suficientemente potente para atraer a desarrolladores y empresas. Reuters citó un informe de RAND según el cual los modelos chinos operan en una franja de coste de una sexta parte a una cuarta parte respecto a sistemas comparables de Estados Unidos. Ese dato ayuda a entender por qué cada lanzamiento chino importante se observa con tanta atención fuera del país: no solo compiten en capacidad, compiten también en economía política del producto.

DeepSeek ha sido determinante en esa mutación del mercado. Reuters recordó que su irrupción en enero de 2025 agitó la industria, empujó a sus rivales a reaccionar y consolidó la idea de que se podían construir modelos de mucho nivel con restricciones de recursos más severas que las de los grandes laboratorios estadounidenses. El efecto fue doble: presionó los precios y legitimó una cultura de apertura relativa que muchos competidores chinos acabaron abrazando para no quedarse atrás. En ese contexto, la aparición de Hunter Alpha encaja perfectamente con el nuevo manual del sector: menos ceremonia, más prueba comunitaria, más obsesión por el contexto largo y más foco en herramientas que hagan cosas, no solo que hablen de ellas. La IA china de 2026 no quiere limitarse a conversar. Quiere programar, ejecutar, automatizar, coordinar. Y, a ser posible, cobrar menos por ello.

Ese giro hacia los agentes es importante para entender por qué Hunter Alpha despertó tanto interés específico entre perfiles técnicos. Reuters contó que buena parte de la actividad del modelo procedía de herramientas de software y de marcos de agentes como OpenClaw, capaces de permitir que un sistema planifique tareas y se relacione con software externo. OpenRouter, por su parte, lo describe como un modelo pensado para planificación a largo horizonte, razonamiento complejo y ejecución sostenida de tareas multietapa. Son expresiones de catálogo, sí, pero señalan una tendencia real: el valor comercial y técnico se está desplazando del chatbot simpático al sistema que aguanta procesos largos sin perder el hilo. Ahí están hoy muchas de las apuestas fuertes de la industria. Y ahí Hunter Alpha entra de lleno.

Al mismo tiempo, el caso revela otra cosa: la marca DeepSeek ya funciona como hipótesis automática de frontera. No es una anécdota menor. Cuando un modelo anónimo aparece con fuerza y medio sector se pregunta si puede venir de DeepSeek, significa que la empresa china ya ocupa un lugar que antes correspondía casi en exclusiva a laboratorios estadounidenses. Eso no convierte cada rumor en verdad, desde luego. Pero sí indica un cambio de jerarquía. Hace no mucho, atribuir un modelo fantasma a una firma china habría sonado a especulación excesiva. En marzo de 2026, suena a posibilidad bastante verosímil. Y eso, incluso antes de despejar el misterio, ya es noticia.

Lo que puede pasar con V4 después de Hunter Alpha

Si Hunter Alpha acaba siendo de DeepSeek, el laboratorio habrá ejecutado una maniobra muy eficaz: poner a prueba una posible versión preliminar de V4 con una comunidad técnica exigente, recoger datos reales y dejar que el mercado hiciera gratis buena parte del trabajo de amplificación. En enero, Reuters ya había avanzado que V4 venía con una orientación clara hacia el código y hacia el manejo de prompts larguísimos; en febrero seguía apareciendo como uno de los lanzamientos más esperados del ciclo chino de primavera. Bajo esa luz, Hunter Alpha se leería como un ensayo encubierto antes del estreno formal. Un ensayo, además, perfectamente alineado con el tipo de funciones que más interesan ahora mismo: programación, agentes, memoria larga y razonamiento sostenido.

Si no lo es, la lectura sigue siendo incómoda para el resto del mercado. Significaría que otro actor, quizá también chino, quizá menos visible hasta ahora, ha sido capaz de poner en circulación un modelo gigantesco, con un millón de tokens de contexto, orientado a agentes y sin coste de acceso directo en OpenRouter. Y eso, en sí mismo, es una señal de hasta qué punto la competencia se ha ensanchado. La cuestión dejaría de ser “si DeepSeek prepara algo serio” para pasar a ser “cuántos laboratorios pueden ya mover piezas de frontera sin necesidad de anunciarlo a bombo y platillo”. La respuesta, por lo que se está viendo en 2026, quizá sea: más de los que se pensaba.

En ese marco, la reserva estratégica también cuenta. Reuters publicó el 26 de febrero que DeepSeek había retenido su modelo más reciente a fabricantes de chips estadounidenses, incluida Nvidia, una información que encaja con la idea de una empresa cada vez más cuidadosa con cómo distribuye, prueba y enseña sus avances. No demuestra que Hunter Alpha sea suyo. Pero sí dibuja el perfil de una compañía que no parece especialmente interesada en mostrar todas sus cartas de golpe. Y en un momento en que la IA está cruzada por tensiones industriales, restricciones de hardware y pugnas geopolíticas, la opacidad ya no es una rareza: es parte de la estrategia.

El modelo fantasma que apareció en el momento justo

La historia de Hunter Alpha importa incluso antes de que se sepa quién lo hizo. Importa porque condensa casi todas las fuerzas que están reordenando la inteligencia artificial en 2026. Modelos anónimos, pruebas públicas encubiertas, obsesión por el código, ventanas de contexto descomunales, agentes que prometen ejecutar tareas y una competencia china mucho más decidida a ocupar la frontera tecnológica de lo que algunos seguían queriendo admitir. Todo eso está metido en este caso. No hace falta adornarlo demasiado. La noticia ya viene cargada.

A día de 18 de marzo de 2026, la certeza es sencilla y el misterio sigue intacto. Hunter Alpha existe, OpenRouter lo mantiene como modelo en la sombra, sus especificaciones son extraordinarias, ha sido adoptado con una rapidez inusual y una parte relevante del sector cree ver en él la mano de DeepSeek. Otra parte no compra esa tesis y recuerda, con razón, que la evidencia todavía es inconcluyente. Entre ambos extremos queda lo verdaderamente interesante: un modelo que nadie firma y que, sin embargo, todo el mundo quiere tocar. En una industria dada a la hipérbole, ese detalle vale más que muchas campañas de lanzamiento. Porque cuando un sistema sin apellido corporativo consigue sacudir así a desarrolladores, rivales y observadores, no suele ser por accidente. Suele ser porque algo importante se está probando antes de decir su nombre.