Los modelos de IA cerrados ofrecen ahora la mejor relación calidad-precio en casi todos los presupuestos. LLM Atlas de Village encontró que un modelo de pesos abiertos era la mejor compra en apenas el 3% de los niveles de precio el 31 de octubre de 2026, frente al 41% de junio. Los investigadores ofrecen tres explicaciones: la destilación, líneas de productos más amplias y menores costos de servicio en los grandes laboratorios cerrados.
¿Son los modelos de IA cerrados una mejor relación calidad-precio que los modelos abiertos?
En casi todos los presupuestos, el mejor modelo de IA que se puede comprar es cerrado. Un modelo de pesos abiertos gana en apenas el 3% de los niveles de precio, según LLM Atlas de Village, frente al 41% de junio.
LLM Atlas traza la frontera de rendimiento-precio, que muestra el modelo de IA más potente disponible en cada nivel de precio. El análisis compara todos los modelos lanzados hasta el 30 de junio y hasta el 31 de octubre de 2026, midiendo la capacidad frente al costo estimado por tarea en relación con GPT-5 con esfuerzo alto. En junio, ocho de los 19 puntos de la frontera eran modelos de pesos abiertos, entre ellos DeepSeek-V4-Flash, GLM-5.2, Gemma 4 E4B IT, Hy3 preview y Llama 3 8B Instruct. Para el 31 de octubre, solo cinco de 21 lo eran, y todos estaban en la mitad más barata de la frontera.
Los modelos abiertos que quedan se concentran en la parte inferior del rango de precios. Gemma 4 E4B de Google y MiMo-V2.6-Flash de Xiaomi acaparan la mayor parte de ese 3%.
Dos lanzamientos de OpenAI recuperaron gran parte del terreno. GPT-6 Luna llegó en septiembre y GPT-6.1 Terra en octubre. Juntos cubren ahora los presupuestos que antes ganaban los modelos abiertos, junto con Claude Haiku 5.5 de Anthropic.
Los modelos abiertos ya han liderado en valor antes
¿Cómo ha cambiado desde 2024 la proporción de presupuestos de los modelos abiertos?
El cambio no es una línea recta. Los modelos abiertos han ocupado el primer lugar en ciertos momentos desde 2024. Su proporción de presupuestos al cierre de cada trimestre fue la siguiente: 6% en el primer trimestre de 2024, 42% en el segundo, 19% en el tercero y 32% en el cuarto. Bajó al 7% en el primer trimestre de 2025 y al 7% en el segundo, y luego subió al 52% en el tercer trimestre de 2025. La proporción fue del 30% en el cuarto trimestre de 2025, del 26% en el primer trimestre de 2026, del 41% en el segundo y del 20% en el tercero. El 31 de octubre de 2026 fue del 3%.
Los investigadores afirmaron que la cifra de hoy es la más baja que han medido. Los modelos abiertos mantuvieron al menos el 6% de los presupuestos al cierre de cada trimestre desde 2024.
Los picos tendieron a provenir de lanzamientos individuales. DeepSeek-V3.2-Exp fue la mejor compra en casi la mitad de todos los presupuestos durante la semana de su lanzamiento en septiembre de 2025. Ninguna de esas ganancias duró. Después de cada pico, la proporción abierta cayó alrededor de la mitad o más para el siguiente trimestre, mientras los laboratorios cerrados lanzaban niveles más baratos.
Los modelos abiertos, en otras palabras, ganan en valor en ráfagas. Un lanzamiento sólido y económico, por lo general de DeepSeek, se apodera de una amplia franja de presupuestos hasta que un modelo cerrado lo supera en precio. Los lanzamientos cerrados más recientes han sido a la vez más baratos y más potentes que cualquier modelo abierto, lo que ha reducido esa franja a la parte inferior del rango de precios.
Por qué los laboratorios cerrados podrían estar ganando en valor
¿Por qué los modelos de IA cerrados están ganando en valor?
Los investigadores ofrecen tres explicaciones que encajan con el patrón. La primera es la destilación. Un laboratorio con el modelo más potente puede entrenar versiones más económicas con los resultados de ese modelo, internamente. Las versiones cerradas más baratas de hoy siguieron a sus modelos insignia en cuestión de semanas. Claude Haiku 5.5 llegó dos semanas después de Claude Opus 5.5. Los laboratorios abiertos, en cambio, deben partir de sus propios modelos más débiles, porque las condiciones de los laboratorios cerrados generalmente prohíben entrenar competidores con sus resultados.
La segunda es la amplitud de productos. Las familias GPT-6 y GPT-6.1 de OpenAI, que van desde Luna y Terra hasta Sol y Astra, ocupan entre ambas 11 de los 21 puntos de la frontera. Una sola generación cubre casi todos los precios.
La tercera es el costo de servicio. OpenAI, Anthropic y Google ejecutan inferencias a gran escala, y Google lo hace con sus propios chips. Eso puede reducir el costo de cada tarea. La mayoría de los laboratorios de modelos abiertos atienden mucho menos tráfico.
El análisis se basa en puntuaciones de capacidad que Atlas estima para cada modelo y configuración de razonamiento, a partir de resultados de referencias públicas. Los costos provienen de lo que los evaluadores pagaron mediante APIs alojadas, lo que puede no reflejar el costo de ejecutar modelos abiertos en hardware propio. Restringir el análisis a modelos evaluados en al menos 10 familias de pruebas, o acotar el rango de presupuesto del 3% a una vez el costo de GPT-5, produce el mismo patrón. Ampliar el rango al 0,3% a diez veces el costo de GPT-5 eleva la proporción actual de modelos abiertos al 16%, porque los modelos abiertos muy pequeños siguen ganando en el extremo más barato. Las puntuaciones reflejan datos al 31 de octubre de 2026, y Atlas se actualiza a medida que llegan nuevos resultados.
Dieser Artikel wurde mit Unterstützung von KI verfasst.
News Factory APP - agentische News für besseres SEO & AEO.