Por Canuto  

El avance de los modelos de código abierto está cambiando el mapa de la inteligencia artificial, pero no necesariamente está golpeando a los laboratorios más costosos. Nuevos datos sugieren que firmas como Anthropic aún conservan la parte más rentable del mercado, incluso mientras alternativas más baratas dominan en volumen de uso.
***

  • DeepSeek y Z.ai ganan terreno en volumen de tokens, según paneles de uso recientes.
  • Anthropic todavía concentra más de la mitad del gasto total en IA en la plataforma de Vercel.
  • El mercado podría estar consolidando una economía de dos niveles entre descubrimiento y producción.

 

El crecimiento de la inteligencia artificial de código abierto no está desplazando, al menos por ahora, a los laboratorios de frontera que venden modelos más avanzados y costosos. Esa es la principal lectura que deja un análisis reciente sobre la evolución del mercado empresarial de IA.

La discusión surge en un momento importante para el sector, cuando muchas empresas buscan reducir costos operativos sin renunciar a capacidades avanzadas. En ese contexto, TechCrunch detalla que el mercado parece estar premiando una estructura mixta en la que conviven modelos premium y alternativas más baratas.

La idea fue planteada por Jesse Zhang, CEO de Decagon, quien publicó el 7 de julio una tesis titulada “Todo el mundo está equivocado acerca de la IA de código abierto en la empresa”. Su argumento intenta explicar una aparente contradicción en la economía actual de la IA.

Según Zhang, los despliegues más maduros de inteligencia artificial se están moviendo hacia modelos más ligeros, incluso dentro de su propia empresa. Sin embargo, el gasto total en modelos avanzados y costosos apenas ha cambiado, lo que sugiere que ambos segmentos no están compitiendo de forma directa.

En lugar de una sustitución frontal, Zhang describe una relación por etapas. Los modelos de frontera servirían para probar nuevos casos de uso, mientras que los modelos abiertos o más económicos asumirían la operación cuando esos casos ya están maduros.

Una economía de dos niveles toma forma

La tesis central plantea que el éxito del código abierto no se está produciendo a expensas de los laboratorios líderes. Más bien, se trataría de dos fases del mismo ciclo de vida comercial y tecnológico.

En esa lógica, las compañías primero pagan por modelos de alto rendimiento para experimentar y descubrir aplicaciones útiles. Después, cuando el flujo de trabajo ya está probado, migran parte de esa carga a sistemas más baratos.

Zhang sostiene que este relevo no reduce de manera importante el gasto en modelos de frontera porque, a medida que algunos usos se abaratan, aparecen otros nuevos que requieren capacidades más avanzadas. Así, el presupuesto premium se mantiene casi intacto.

La formulación no llega acompañada de una gran batería de datos propios, pero sí encuentra respaldo parcial en métricas de mercado disponibles públicamente. Eso le da peso a la hipótesis de que el mercado no se está moviendo hacia un escenario de ganador único.

La conclusión de fondo es relevante para startups, inversionistas y empresas usuarias. Si la economía de la IA se estabiliza en dos capas, el código abierto podría dominar la producción, mientras los laboratorios de frontera retendrían el negocio de descubrimiento y experimentación.

Qué muestran Vercel y OpenRouter sobre uso y gasto

De acuerdo con datos citados por TechCrunch a partir del panel de control de la puerta de enlace de IA de Vercel, DeepSeek lideró el volumen de tokens procesados durante la última semana. El modelo movió algo más de un tercio de todos los tokens que pasaron por esa infraestructura.

En el mismo período, Z.ai, el laboratorio detrás del modelo GLM-5.2, subió hasta un cuarto lugar considerado respetable. El dato es importante porque confirma que los modelos alternativos siguen ganando presencia en cargas reales.

Pero la lectura cambia cuando se observa el gasto total en tokens. En esa misma plataforma, Anthropic todavía representa más de la mitad del gasto total en inteligencia artificial, a pesar del avance de competidores más baratos.

La participación de Anthropic se redujo ligeramente durante el último mes. Sin embargo, esa baja no fue significativa, y parte del movimiento respondió a los propios aumentos de precios aplicados por la empresa.

OpenRouter muestra un patrón parecido, aunque cubre un segmento más amplio del mercado y algo menos empresarial. En ese entorno, DeepSeek V4 Flash aparece como el gran ganador en uso general, con 5,3 billones de tokens procesados por semana.

Frente a ese volumen, el modelo de frontera más popular, Opus 4.8, maneja poco más de 2 billones de tokens. A simple vista, la diferencia favorece a la opción más barata en términos de tráfico puro.

Sin embargo, OpenRouter también registra el costo promedio de los tokens, y allí la distancia es enorme. Opus 4.8 tiene un precio aproximado de USD $1,37 por millón de tokens, frente a apenas USD $0,06 por millón en DeepSeek V4 Flash.

Esa diferencia implica que Opus 4.8 cuesta cerca de 23 veces más por token. Aunque OpenRouter no clasifica los modelos por gasto total, esa brecha sugiere que el modelo premium probablemente concentró la mayor parte del dinero.

A este panorama se suma un actor adicional que podría alterar el reparto de mercado. Nemotron, de Nvidia, aparece bien posicionado para escalar rápidamente gracias a las conexiones comerciales de la compañía y a la alta adaptabilidad del modelo.

Por qué los modelos caros siguen capturando valor

Las cifras disponibles no prueban de forma definitiva toda la teoría de Zhang sobre los ciclos de vida de la IA. Aun así, sí respaldan la idea de que laboratorios como Anthropic no están sufriendo demasiado por el crecimiento del código abierto, al menos por ahora.

Una explicación posible es que el conjunto de tareas que la IA puede resolver comercialmente está creciendo tan rápido que los mejores modelos conservan su lugar con solo dominar las fases tempranas de despliegue. Es decir, siguen siendo la primera opción cuando una empresa explora algo nuevo.

Ese punto encaja con una de las frases centrales atribuidas a Zhang. “Los laboratorios de frontera seguirán dominando el descubrimiento. El código abierto poseerá cada vez más la producción”, afirmó.

Otra explicación es más técnica que comercial. Algunos casos de uso siguen siendo tan complejos que no pueden ser reemplazados por completo por alternativas más baratas, incluso cuando la presión por reducir costos es alta.

Eso significa que la competencia no solo depende del precio por token. También depende de rendimiento, confiabilidad, adaptación a tareas empresariales y capacidad para abrir nuevas posibilidades antes que otros sistemas.

En términos de mercado, el resultado puede ser una segmentación bastante estable. Los modelos abiertos ganarían por escala y accesibilidad, mientras los modelos de frontera defenderían márgenes superiores y una clientela dispuesta a pagar por rendimiento de punta.

Lo que cambia para startups, empresas e inversionistas

Este marco tiene implicaciones para las compañías que construyen productos sobre inteligencia artificial. Muchas startups ya no necesitan depender de un solo proveedor premium para todas sus funciones, pero tampoco pueden prescindir del todo de ellos.

En la práctica, eso favorece arquitecturas híbridas. Una empresa puede usar modelos de frontera para investigación, pruebas complejas o atención de casos difíciles, y dejar la operación repetitiva en manos de alternativas más ligeras.

También cambia la lectura para los inversionistas que intentan identificar dónde estará el poder de fijación de precios. Si el volumen migra al código abierto, pero el gasto relevante se mantiene en la punta del mercado, la tesis de commoditización total pierde fuerza.

Hace menos de un año, en septiembre, el propio autor del análisis recordó haber escrito sobre la posibilidad de que los laboratorios fundacionales terminaran “vendiendo granos de café a Starbucks”. La idea era que se convirtieran en simples proveedores de insumos, mientras la capa de aplicación capturaba los beneficios.

Parte de esa predicción sí se cumplió. Los juegos verticales de IA migraron hacia modelos más ligeros, y la economía de las startups construidas como envoltorios sobre modelos existentes se ha mantenido mayormente estable.

Pero la evolución reciente también mostró un límite importante para esa tesis. Token por token, los proveedores de frontera han conseguido retener la parte más deseable del mercado, que es el precio premium.

Eso sugiere que la batalla en IA no se definirá solo por quién mueve más tokens. También importará quién controla las etapas de mayor valor económico y quién puede seguir justificando un diferencial de precio frente a soluciones abiertas.

Para el público que sigue mercados tecnológicos, esta dinámica recuerda otros sectores donde el volumen y la rentabilidad no coinciden. En IA, al menos por ahora, el código abierto gana terreno en uso, pero Anthropic y otros laboratorios de frontera aún parecen quedarse con la caja.

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

Artículos Relacionados