Hace un año, elegir un modelo de IA significaba elegir uno de los tres API cerradas y aceptar el precio. Ese valor predeterminado ya no es automático. Los lanzamientos de modelos de pesos abiertos de Meta, Mistral, DeepSeek y una lista creciente de laboratorios ahora manejan tareas de codificación, resumen y clasificación a un nivel que satisface la mayoría de las necesidades de producción. La pregunta para los propietarios de sitios ya no es si los modelos de pesos abiertos son lo suficientemente buenos. Es qué cargas de trabajo todavía justifican pagar por una API cerrada.
Qué significa realmente peso abierto
Un modelo de pesos abiertos publica sus parámetros entrenados para que cualquiera pueda descargarlos y ejecutarlos. Esto significa que los pesos del modelo entrenado son descargables, pero los datos de entrenamiento y el código de entrenamiento completo no suelen publicarse, y la licencia puede añadir restricciones de uso. Esa distinción importa porque pesos abiertos no es lo mismo que código abierto en el sentido estricto.
Los términos de licencia varían mucho entre los proveedores, y esto crea un riesgo real para los equipos de adquisiciones. Algunos laboratorios lanzan modelos bajo licencias a medida con límites de producción, cláusulas de uso ético o requisitos de jurisdicción, por lo que el departamento de adquisiciones debe leer cada licencia de peso antes de firmar en lugar de asumir que se aplica un estándar permisivo. Los acuerdos Llama de Meta, por ejemplo, añaden condiciones comerciales específicas una vez que un producto cruza cierto umbral de usuarios.
Mistral ha tomado un camino diferente con sus lanzamientos recientes. Mistral Small 4 se lanzó como un modelo de 119B de parámetros bajo una licencia permisiva Apache 2.0, descrito como el único lanzamiento de un laboratorio importante sin asteriscos en la licencia. Ese tipo de claridad es lo suficientemente raro como para ser noticia por sí mismo.
Qué tan cerca está la brecha de rendimiento ahora
El seguimiento independiente nos da números reales en lugar de reclamos de los proveedores. Desde enero de 2026, los modelos de peso abierto más capaces han quedado rezagados respecto a los modelos cerrados de frontera en un promedio de cuatro meses en el Epoch Capabilities Index, con una brecha promedio de 8 puntos, similar a la brecha entre GPT-5 y GPT-5.5. Esa es una diferencia medible, pero es mucho menor que la ventaja de varios años que alguna vez tuvieron los laboratorios cerrados.
La brecha también varía bruscamente según el tipo de tarea. En benchmarks de codificación específicamente, GLM-5.1 y Kimi K2.6 se sitúan alrededor del 58 por ciento en SWE-Bench Pro, al nivel de un modelo cerrado de nivel medio como GPT-5.5, incluso cuando los mejores codificadores cerrados aún se adelantan. Para el trabajo de texto cotidiano, la imagen se ve aún más fuerte para los modelos abiertos. Para clasificación, extracción, resumen, recuperación aumentada de preguntas y respuestas, y la mayoría de la codificación, un buen modelo de peso abierto en 2026 no es un compromiso. Hace el trabajo.
Donde los modelos cerrados mantienen una clara ventaja es en el razonamiento complejo de varios pasos. La ventaja restante de los modelos cerrados es real pero específica, y aparece en el razonamiento agentico de largo horizonte, tareas que ejecutan veinte, treinta o más pasos dependientes, donde un error temprano debe ser detectado y corregido en lugar de ignorado. El trabajo multimodal cuenta una historia similar. Lo multimodal es la categoría donde la brecha entre cerrado y abierto sigue siendo más amplia, porque el razonamiento unificado de texto-imagen-audio-video requiere corpora de entrenamiento, infraestructura y trabajo de alineación que los lanzamientos de peso abierto aún no han igualado en el extremo superior.
El cálculo de costes no es tan simple como parece
El precio es la razón por la que la mayoría de los equipos comienzan a buscar modelos de peso abierto en primer lugar. Alquilar un modelo abierto de un host de terceros es a menudo dramáticamente más barato que una API cerrada. Un estudio de los precios de lista encontró que el acceso a la API de peso abierto promediaba alrededor de $0.23 por millón de tokens frente a $1.86 para los modelos cerrados, aproximadamente ocho veces más barato. Sin embargo, ese número describe el acceso alojado, no el coste de ejecutar tu propia infraestructura.
El autohospedaje conlleva costes que una simple comparación de precios pasa por alto. La economía del autohospedaje depende de la utilización, ya que alquilas GPUs por hora independientemente de si llegan peticiones o no, y un endpoint que sirve tráfico irregular con baja utilización puede costar fácilmente más por token que una API de primer nivel. Suma el tiempo de ingeniería para el despliegue y el mantenimiento, y los cálculos cambian aún más. Añadir el tiempo de ingeniería necesario para ponerlo en marcha, incluyendo despliegue, escalado, actualizaciones y respuesta a incidentes, desplaza el punto de equilibrio más lejos de lo que asumen la mayoría de las estimaciones, y ese cálculo se volvió más difícil en 2026 debido a que la capacidad de las GPU se redujo y los precios de alquiler subieron en lugar de bajar.
Por debajo de cierto volumen, alquilar a un proveedor especializado vence directamente al auto-alojamiento. Por debajo de aproximadamente 100 millones de tokens al mes, las APIs de pesos abiertos sin servidor vencen a las plataformas de GPU auto-alojadas en coste total una vez que se factorizan la capacidad inactiva, las operaciones y la conmutación por error. La mayoría de los operadores de sitios pequeños y medianos caen muy por debajo de ese umbral, lo que hace que la decisión sea más simple de lo que sugiere el marketing.
Elegir entre abierto y cerrado para proyectos reales
Las empresas ya no tratan esto como una elección única de una u otra. La investigación encontró organizaciones que ejecutan o evalúan un promedio de siete modelos, con el 78 por ciento operando algo de inferencia por sí mismos, y el patrón maduro es un híbrido: pesos abiertos autoalojados para trabajos sensibles, de gran volumen, sensibles a la latencia o fuera de línea, APIs cerradas para el razonamiento más difícil y la larga cola, con una capa de enrutamiento que decide por solicitud. Para un operador pequeño, esa configuración completa de enrutamiento es excesiva, pero la lógica subyacente sigue aplicándose a una escala menor.
El control de datos es a menudo el factor decisivo en lugar de la capacidad bruta. Si una sola solicitud que sale de tu red es inaceptable, para registros de pacientes, datos financieros, material clasificado o un mandato estricto de residencia de datos, el modelo de peso abierto autoalojado suele ser la única opción que satisface completamente el requisito, intercambiando conveniencia por control físico. Si tu sitio maneja registros de clientes o contenido regulado, eso por sí solo puede resolver la pregunta antes de que el rendimiento incluso entre en la conversación.
Para tareas de gran volumen y baja sensibilidad, el cálculo favorece el peso abierto casi cada vez. Si ejecutas un volumen alto y constante en datos no sensibles como clasificación, resumen o generación de código en millones de solicitudes, la factura por token en un modelo cerrado de frontera se convierte en la partida principal, que es el caso más claro para el peso abierto. Mantén la API cerrada a mano para el problema difícil ocasional, y deja que el modelo más barato lleve la carga rutinaria.
Conclusión
El debate entre código abierto, peso abierto y modelos de IA cerrados ya no trata sobre si los modelos abiertos son lo suficientemente buenos. Se trata de emparejar cada carga de trabajo con la herramienta correcta. Las API cerradas todavía ganan en las tareas de razonamiento más difíciles y el trabajo multimodal completo, pero los modelos de peso abierto ahora manejan la mayoría de los trabajos cotidianos a una fracción del coste. Antes de renovar un contrato de API cerrada, prueba un modelo de peso abierto en tu carga de trabajo real durante una semana. Puedes encontrar que la brecha importa mucho menos de lo que importa la factura.
