En medio de la carrera por la inteligencia artificial, el CEO de IBM, Arvind Krishna, sostuvo en la presentación de resultados del tercer trimestre que los modelos de pesos abiertos ya no son la opción barata y mediocre, sino alternativas que cuestan una fracción del precio de los modelos más avanzados y responden casi igual en la mayoría de los trabajos cotidianos. La afirmación se apoya en un informe reciente de la Mozilla Foundation que muestra una brecha de desempeño cada vez más estrecha. Sin embargo, la historia no termina en el precio: el desafío real está en poner estos modelos a funci
IBM: los modelos open weight cuestan 10% a 25% de los frontier y rinden 90% igual, pero la infraestructura frena su adopción
¿Quieres pagar 10% por algo 90% igual de bueno, o diez veces más?
Mark
Krishna dice que los modelos abiertos rinden 90% por una fracción del costo. ¿Por qué importa?
Mimi
Porque cambia la decisión: ya no es calidad contra precio, sino cuánto vale ese último 10% para cada tarea.
Luke
Ojo con el 90%. Es una afirmación de un CEO en una llamada de resultados, y The Register la recoge como tal. No sabemos con qué benchmark ni con qué tareas.
Mark
Pero Mozilla apunta en la misma dirección.
Mimi
Sí: tres puntos de diferencia en el Artificial Analysis Intelligence Index y alrededor del 40% del costo por millón de tokens. Es un dato independiente, aunque lo conocemos vía TechTimes.
Luke
Y IBM vende software y hardware para desplegar estos modelos. El mensaje tiene interés comercial, y el artículo mismo lo señala.
Mark
¿Y qué frena la adopción?
Mimi
La infraestructura. Solo 51% de los equipos con modelos abiertos llegó a producción, contra 63% con cerrados. Un modelo frontier abierto puede pedir 64 o más aceleradores.
Luke
Aun así, ese 51% viene de una encuesta a unos 1.494 desarrolladores; no sabemos cómo se eligió la muestra. Y el ahorro final por empresa sigue sin medirse: el artículo no da casos reales.
Mimi
Lo claro es que hay opciones pequeñas, incluso de una sola GPU. La pregunta útil es qué tamaño de modelo necesita cada caso.
Il Polso
- IBM afirma que los modelos abiertos cuestan entre 10% y 25% del precio por token de los frontier y rinden cerca del 90% en la mayoría de tareas.
- Mozilla advierte que solo 51% de los equipos con modelos abiertos llega a producción, frente a 63% con modelos cerrados.
- Costos de infraestructura, seguridad, mantenimiento y complejidad de despliegue frenan a las empresas que quieren alojar sus propios modelos.
- Los laboratorios cerrados responden con recortes de precio de hasta 50%, mientras China presiona el mercado con modelos abiertos gratuitos.
- La competencia se traslada hacia la ejecución: elegir el caso de uso, cuidar la calidad del dato y controlar el costo de servir.
En medio de la carrera por la inteligencia artificial, el CEO de IBM, Arvind Krishna, sostuvo en la presentación de resultados del tercer trimestre que los modelos de pesos abiertos ya no son la opción barata y mediocre, sino alternativas que cuestan una fracción del precio de los modelos más avanzados y responden casi igual en la mayoría de los trabajos cotidianos. La afirmación se apoya en un informe reciente de la Mozilla Foundation que muestra una brecha de desempeño cada vez más estrecha. Sin embargo, la historia no termina en el precio: el desafío real está en poner estos modelos a funcionar en la vida productiva de las empresas, donde la infraestructura y la capacidad técnica siguen siendo el límite. Así, la ventaja parece desplazarse de quien tiene acceso al modelo hacia quien sabe ejecutarlo bien.
En la llamada de resultados del tercer trimestre, Arvind Krishna, CEO de IBM, afirmó que los modelos de pesos abiertos cuestan entre 10% y 25% del costo por token de los modelos frontier y son "90% igual de efectivos". Para sostenerlo, recordó que en 2024 el mejor modelo abierto estaba muy lejos del cerrado, y que hoy la distancia se achicó tanto que, en la mayoría de las tareas cotidianas como resumir un correo o revisar un contrato, la opción más barata resuelve igual de bien.
El argumento tiene respaldo. El informe de la Mozilla Foundation de septiembre de 2026 halló que el mejor modelo abierto quedó a apenas tres puntos del líder cerrado en un índice de referencia, con un costo cercano al 40%. Los modelos chinos de Alibaba, DeepSeek y Moonshot dominan el uso en OpenRouter, y su estrategia de publicar los pesos sin cobrar obliga a los laboratorios cerrados a bajar precios. OpenAI y Anthropic respondieron en septiembre con recortes de hasta 50% y 40%.
El problema aparece al intentar usar estos modelos. Krishna reconoció que las empresas necesitan ingenieros especializados, redes bien diseñadas y garantías de funcionamiento que muchas todavía no tienen. La encuesta de Mozilla a unos 1.500 desarrolladores lo confirma: apenas la mitad de los equipos con modelos abiertos llegó a producción. Costos de cómputo, seguridad, mantenimiento y complejidad de despliegue aparecen como los principales frenos.
La lectura práctica para una startup es clasificar las tareas según su complejidad, calcular el costo total y no solo el precio por token, y considerar un servicio gestionado antes de montar su propia infraestructura. Si la prioridad es la soberanía de los datos, solo los modelos corriendo en hardware propio la garantizan. La ventaja competitiva, concluye el análisis, ya no está en acceder al modelo, sino en ejecutarlo bien.
En la llamada de resultados del tercer trimestre de IBM, su CEO, Arvind Krishna, puso cifras a algo que muchos equipos técnicos ya sospechaban: los modelos de pesos abiertos dejaron de ser la opción barata y mediocre. Según The Register, dijo que cuestan entre el 10% y el 25% del costo por token de los modelos frontier y que son "90% igual de efectivos".
Krishna apoyó el argumento en una comparación histórica. En 2024, un benchmark amplio podía dar 70 puntos al mejor modelo cerrado y entre 20 y 30 al mejor abierto. A fines de 2025 la distancia era de 70 contra 50. Hoy, planteó, la pregunta es si se quiere algo que cuesta el 10% y es 90% igual de bueno, o se prefiere pagar diez veces más. Añadió que algunas tareas exigen el premium, pero que la gran mayoría, como resumir un correo, revisar un contrato, atender una llamada de cliente o redactar un email, se resuelve igual de bien con la opción más barata.
No es una opinión aislada. El informe State of Open Source AI v1.1 de la Mozilla Foundation, de septiembre de 2026, halló que el mejor modelo abierto quedó a tres puntos del líder cerrado en el Artificial Analysis Intelligence Index, con un costo cercano al 40% por millón de tokens, según TechTimes. Frente a un modelo frontier específico, la distancia era de dos puntos con alrededor del 30% del costo. Mozilla también midió el rezago en tiempo de trabajo humano: el mejor modelo cerrado resolvía tareas de unas 12 horas de un experto, y los abiertos llegaron a ese umbral unos 4,4 meses después. Para tareas de menos de ocho horas, la diferencia es "editorial más que operativa".
En agosto de 2026, ocho de los diez modelos más usados por volumen de tokens en OpenRouter eran abiertos, y siete provenían de laboratorios chinos. Alibaba (Qwen), DeepSeek y Moonshot presionan los precios a la baja con una estrategia que Mozilla describe como política industrial: regalar los pesos elimina el costo de servir y crea dependencia de infraestructura. Los laboratorios cerrados reaccionaron. En septiembre, OpenAI lanzó GPT-6 Sol y GPT-6 Luna con precios de API 50% más bajos que el pricing promocional de GPT-5.6, y Anthropic presentó Claude Opus 5.5, que según CNBC cuesta cerca de 40% menos de operar que Opus 5.
El cuello de botella, sin embargo, está en la infraestructura, y Krishna admitió no tenerlo resuelto. Calcula que una gran empresa promedio puede empezar con dos o tres racks, pero preguntó dónde están los ingenieros de kernel, quién cuida la red subyacente y quién garantiza que el modelo esté agrupado en GPUs cercanas en la red. La encuesta de Mozilla a unos 1.494 desarrolladores lo refleja: solo 51% de los equipos con modelos abiertos los llevó a producción, frente a 63% con modelos cerrados. Las barreras citadas son costos de infraestructura y cómputo (27%), seguridad y cumplimiento (26%), mantenimiento (24%) y complejidad de despliegue (23%).
El costo de cómputo es concreto: el checkpoint de un modelo frontier abierto puede requerir 64 o más aceleradores en producción, según una model card citada por TechTimes. Existen alternativas que caben en una sola GPU, como el modelo Apache 2.0 de Thinking Machines. La elección, entonces, es qué tamaño de modelo necesita cada caso. Krishna prometió software de IBM para simplificar despliegues y anticipó demanda de sus tarjetas Spyre en mainframe. Reflection AI, por su parte, presentó Beam, un modelo abierto de 501.000 millones de parámetros con 23.000 millones activos que, según TechCrunch, dice igualar a los principales abiertos chinos con 3-4 veces menos cómputo de inferencia.
El mensaje también es comercial. IBM reportó ingresos de US$17.100 millones, 5% más interanual, por encima del consenso de US$16.820 millones, y ganancias ajustadas de US$2,95 por acción contra US$2,86 esperados. El software creció 9% hasta US$7.800 millones, con Red Hat al frente: 11% de crecimiento y 30% más de ingreso recurrente anual. La infraestructura subió 5% a US$3.700 millones y el mainframe cayó 20%, algo esperado a 18 meses del lanzamiento del z17. El CFO Jim Kavanaugh dijo que la IA ya supone cerca del 30% de los ingresos de consultoría y 35% del backlog.
Para una startup, la lectura práctica es clasificar las tareas por complejidad, calcular el costo total y no solo el precio por token, y considerar un endpoint gestionado antes del self-hosting si falta experiencia en GPUs. Si el objetivo es soberanía de datos, solo los pesos corriendo en hardware propio la garantizan, advierte Mozilla. La ventaja competitiva parece moverse del acceso al modelo hacia la ejecución.
Citazioni salienti
La gran mayoría de las tareas, como resumir un correo o revisar un contrato, se hacen igual de bien con la respuesta mucho más barata.— Arvind Krishna, CEO de IBM
Vuoi la storia completa?
Leggi l'originale su El Ecosistema Startup ↗
Business