Modelos chinos de IA reducen a cuatro meses la ventaja de los sistemas de frontera

La brecha entre los modelos de inteligencia artificial de frontera y las alternativas chinas de pesos abiertos se redujo a 4,4 meses, mientras algunas pruebas muestran diferencias de costo de hasta cinco veces. Un informe de Mozilla sostiene que la elección debería depender de la tarea y advierte sobre la creciente concentración del ecosistema abierto en China.
***

• La distancia de rendimiento entre los mejores modelos cerrados y abiertos se redujo a 4,4 meses, según Mozilla.
• Kimi K3 se acerca al modelo cerrado Fable 5 con un costo equivalente al 30%.
• GLM 5.2 se acercó a Claude Opus en una prueba con un harness neutral, con costos considerablemente menores por tarea.

La ventaja de los modelos de inteligencia artificial de frontera frente a las alternativas de pesos abiertos se ha reducido a 4,4 meses, de acuerdo con el más reciente informe State of Open Source AI de Mozilla. El documento plantea que la mayoría de las organizaciones debería adoptar modelos abiertos como opción predeterminada para buena parte de sus operaciones.

La conclusión no implica que los sistemas cerrados hayan dejado de ser útiles, sino que su precio premium solo tendría sentido en una franja específica de trabajos. Mozilla calcula que pagar por un modelo de frontera puede comprar alrededor de cuatro meses de ventaja y costar hasta cinco veces más por tarea, una combinación difícil de justificar para labores rutinarias que los sistemas abiertos pronto podrían ejecutar con resultados comparables.

Una brecha cada vez más estrecha

El informe utiliza varios indicadores para mostrar cómo se ha estrechado la distancia entre ambos grupos de modelos. Uno de los ejemplos citados es Kimi K3, desarrollado por Moonshot AI, que obtuvo una puntuación compuesta de rendimiento apenas dos puntos inferior a la de Fable 5, un modelo cerrado de frontera atribuido a Anthropic, dentro del Artificial Analysis Intelligence Index.

La diferencia de desempeño resulta más llamativa cuando se incorpora el costo. Según los datos presentados, Kimi K3 cuesta cerca del 30% de lo que cuesta Fable 5, por lo que una empresa que priorice volumen y eficiencia puede encontrar pocas razones para utilizar el sistema más caro en tareas que no requieren capacidades avanzadas.

Raffi Krikorian, director de tecnología de Mozilla, explicó que los modelos cerrados todavía justifican su prima en trabajos profesionales de expertos, procesos de recuperación de alta intensidad y actividades que necesitan manejar contextos extensos. Sin embargo, planteó que la decisión debería depender de la carga de trabajo concreta y no de la organización completa, porque una misma compañía puede necesitar modelos abiertos para unas funciones y cerrados para otras.

Los modelos de pesos abiertos permiten descargar los componentes principales y ejecutarlos en infraestructura propia, aunque sus desarrolladores suelen reservar información relevante, como los datos de entrenamiento, los procesos de preparación de datos y el código utilizado para entrenarlos. Los modelos cerrados de compañías estadounidenses como Anthropic y OpenAI, en cambio, mantienen bajo propiedad prácticamente todo el sistema y cobran por el acceso a través de sus servicios.

El precio de la ventaja temporal

La organización de investigación METR mide la capacidad de los modelos mediante el llamado horizonte temporal, que representa la duración de las tareas que pueden completar de manera confiable con una tasa de éxito del 50%. El indicador toma como referencia cuánto tiempo necesitarían expertos humanos para realizar esos trabajos y ha mostrado una duplicación sostenida, con un ritmo de crecimiento que se ha acelerado.

En la comparación descrita por Krikorian, el mejor modelo cerrado puede completar de forma confiable trabajos 1,7 veces más largos que el mejor modelo abierto. Si la frontera abierta resuelve una tarea de siete horas, la cerrada puede abordar una de 12 horas; cuatro meses después, la primera podría alcanzar esas 12 horas mientras la segunda avanzaría hacia trabajos cercanos a 20 horas.

Esa diferencia concentra el valor comercial de los modelos cerrados en tareas que requieren entre ocho y 12 horas de trabajo humano, según la explicación recogida en el informe. Las actividades que duran menos de ocho horas ya pueden ser atendidas por cualquiera de las dos categorías, mientras que ninguna de ellas resuelve de manera confiable tareas que superan las 12 horas.

La recomendación económica es, por tanto, selectiva: una empresa debería pagar por la ventaja de frontera cuando una fecha límite inmediata haga que esos meses adicionales sean determinantes. Para el trabajo rutinario que continuará durante el siguiente trimestre, Mozilla considera más razonable utilizar un modelo abierto, ya que la tecnología podría alcanzar pronto el nivel requerido por una quinta parte del costo.

DoorDash ofrece un ejemplo de esa estrategia combinada, pues utiliza Kimi para labores habituales y reserva Fable para tareas más complejas que normalmente exigirían más tiempo de especialistas humanos. El caso muestra cómo la adopción empresarial no tiene que elegir un único proveedor, sino distribuir los modelos según dificultad, urgencia, costo y capacidades internas.

El papel de los sistemas de soporte

Las comparaciones de rendimiento también enfrentan una dificultad técnica: los modelos cerrados suelen llegar acompañados de su propio harness, una capa de software que les permite acceder a herramientas, memoria y funciones necesarias para ejecutar acciones de tipo agente. Los laboratorios que desarrollan esos sistemas pueden ajustar el harness a sus modelos, aumentando el desempeño en determinadas evaluaciones.

Los modelos abiertos, por su parte, pueden rendir peor cuando se ejecutan con herramientas de terceros que no fueron diseñadas para ellos. Por esa razón, una diferencia atribuida exclusivamente al modelo puede incluir también el efecto del entorno de software, la memoria disponible o la forma en que se conectan las herramientas externas.

Vals AI intenta reducir ese sesgo mediante evaluaciones en un harness neutral, que aplica el mismo entorno a modelos abiertos y cerrados. En la prueba Terminal-Bench 2.1, GLM 5.2, de la empresa china Z.ai, conocida también como Zhipu AI, se acercó al resultado de Claude Opus 4.7 y 4.8 de Anthropic.

El resultado tuvo una consecuencia económica directa: GLM 5.2 costó considerablemente menos por tarea completada. La comparación sugiere que el precio de los modelos cerrados compra una ventaja de alrededor de cuatro meses únicamente en el segmento de trabajos de ocho a 12 horas, y no una superioridad general aplicable a todas las operaciones empresariales.

China concentra el ecosistema abierto

El crecimiento de los modelos abiertos también aparece en OpenRouter, una puerta de enlace y mercado que ofrece a los desarrolladores acceso a cientos de modelos de distintos proveedores. El informe de Mozilla señaló que ocho de los 10 modelos principales por volumen de tokens durante agosto de 2026 ofrecían pesos abiertos, una señal de que la preferencia por alternativas accesibles no se limita a proyectos experimentales.

La popularidad de esos modelos todavía no se refleja de forma equivalente en los ingresos. Un trabajo de Frank Nagle y Daniel Yue para la Linux Foundation, basado en datos recopilados entre mayo y septiembre de 2025, estimó que los modelos abiertos representaban apenas el 4% de los ingresos totales, frente al 96% correspondiente a los modelos cerrados.

Krikorian sostuvo que el panorama de los modelos abiertos cambió con rapidez durante el último año, por lo que esas cifras de ingresos podrían haber variado desde el periodo analizado. Aun así, identificó una concentración geográfica clara: la mayoría de los modelos abiertos que utilizan las empresas provienen actualmente de China, mientras los principales modelos cerrados de frontera proceden de compañías estadounidenses.

El ejecutivo comparó la estrategia de los laboratorios chinos con el camino seguido por empresas estadounidenses alrededor de Android: distribuir una capa tecnológica de manera amplia y construir el ecosistema de servicios alrededor de ella. Su preocupación central, sin embargo, no es simplemente el origen nacional de los modelos, sino que un solo país termine definiendo los valores predeterminados de una infraestructura utilizada globalmente.

La propuesta de una coalición abierta

Mozilla considera que los laboratorios de Estados Unidos y Europa deberían competir también en el segmento abierto, en lugar de concentrarse únicamente en sistemas propietarios de frontera. Para Krikorian, la expansión de modelos chinos crea una situación paradójica: el ecosistema abierto ofrece pluralidad de opciones, pero su financiación y sus modelos más avanzados están concentrados en una misma fuente nacional.

El antecedente del software libre, particularmente el desarrollo de Linux, ofrece una posible referencia para construir una coalición alternativa. En ese modelo, distintas organizaciones financiaron una infraestructura común porque necesitaban que existiera una capa tecnológica de uso general, con fundaciones neutrales capaces de coordinar intereses que no dependían de un único mercado.

Una coalición semejante para la inteligencia artificial podría reunir instituciones con una misión pública, programas de computación financiados por gobiernos, empresas beneficiadas por modelos básicos de bajo costo y organizaciones filantrópicas. La propuesta también contempla que el cómputo nacional de Suiza, que produce el modelo Apertus, sirva como ejemplo de infraestructura pública dedicada al desarrollo de modelos de referencia totalmente abiertos.

La agenda planteada no se limita a publicar los pesos de un modelo. También pide estándares abiertos para los harnesses y los sistemas agénticos, además de infraestructura independiente para evaluación y auditoría, áreas que la filantropía podría financiar cuando no resulten atractivas para gobiernos o compañías.

Krikorian argumentó que la apertura debería extenderse a la forma en que se entrenan y evalúan los sistemas, porque resulta difícil confiar plenamente en un modelo utilizado para tomar decisiones si nadie puede conocer cómo fue entrenado o contra qué criterios se midió. Para las empresas, esa transparencia puede elevar los costos iniciales de adopción, pero también reducir la dependencia de proveedores y facilitar auditorías sobre riesgos, rendimiento y cumplimiento.

La evolución descrita por Mozilla redefine la pregunta empresarial: ya no se trata de escoger entre inteligencia artificial abierta o cerrada para toda la compañía, sino de asignar cada modelo al trabajo donde su combinación de rendimiento, precio, soporte y responsabilidad resulte más conveniente. Si la brecha temporal continúa reduciéndose, la presión competitiva sobre los proveedores cerrados aumentará y el valor de sus servicios dependerá cada vez más de resolver tareas verdaderamente difíciles, urgentes o sensibles.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.

ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín