Google y Meta desafían a OpenAI y Anthropic con modelos de IA mucho más baratos
La competición por liderar la inteligencia artificial empieza a cambiar de criterio. Ya no basta con tener el modelo más potente: cada vez importa más cuánta capacidad de razonamiento obtiene una empresa por cada dólar invertido. En esta nueva batalla, Gemini 3.8 Flash, de Google, y Muse Spark 1.3, de Meta, se acercan al rendimiento de los modelos más avanzados con un coste notablemente inferior.
El cambio resulta especialmente relevante para las empresas que utilizan inteligencia artificial a gran escala. Los modelos económicos pueden ofrecer resultados suficientemente buenos en programación, análisis y automatización sin disparar la factura. Esa combinación amenaza el negocio de los sistemas de gama alta de OpenAI y Anthropic.
Gemini 3.8 Flash apuesta por el razonamiento y la velocidad
Google presenta Gemini 3.8 Flash como su modelo de uso general más capaz dentro de la gama Flash. Está diseñado para tareas de programación, razonamiento en varios pasos y sistemas agénticos, es decir, aplicaciones capaces de planificar acciones, utilizar herramientas externas y revisar sus propios resultados.
Su precio anunciado es de 0,75 dólares por cada millón de tokens de entrada y 3,75 dólares por cada millón de tokens de salida. Los tokens son las unidades en las que los modelos procesan el texto: pueden ser palabras completas, fragmentos de palabras o signos. El coste depende de cuántos datos recibe el sistema y de cuánto contenido genera.
En las mediciones de Artificial Analysis, Gemini 3.8 Flash en su configuración high alcanza 59 puntos en el Intelligence Index. Esa puntuación lo sitúa cerca de GPT-5.6 Sol y Grok 4.6, aunque no pretende superar a todos los modelos de frontera en cualquier tarea.
La diferencia aparece con claridad en otros indicadores. El modelo de Google llega a unos 302 tokens por segundo y el coste estimado por tarea se sitúa en torno a los 0,58 dólares en ese índice. En comparación, los modelos más grandes de OpenAI, Anthropic o xAI pueden ofrecer una capacidad similar en determinadas pruebas, pero con un precio superior y una velocidad menor.
Meta responde con Muse Spark 1.3
Meta ha acelerado el lanzamiento de nuevas versiones de Muse Spark. La edición 1.3, disponible inicialmente con algunas limitaciones de acceso, se centra también en programación, tareas prolongadas y uso de herramientas durante procesos complejos.
La versión xhigh obtiene 61 puntos en el Intelligence Index, mientras que la configuración max alcanza 62 puntos en las pruebas disponibles. Son cifras comparables a las de GPT-5.6 max y Grok 4.6 high, según esa evaluación concreta.
El precio anunciado por Meta para Muse Spark xhigh es de 1,25 dólares por millón de tokens de entrada y 4,25 dólares por millón de tokens de salida. Artificial Analysis calcula un coste aproximado de 0,55 dólares por tarea, frente a los 0,95 dólares de GPT-5.6 max y los 1,23 dólares de Claude Opus high.
Estas cifras no significan que Muse Spark sea superior en todos los escenarios. Los benchmarks son pruebas diseñadas para medir capacidades concretas y no siempre reflejan el comportamiento de un modelo en una aplicación real. Sin embargo, sí muestran que la distancia entre los modelos baratos y los sistemas más avanzados se está reduciendo.
Los agentes convierten el precio en un factor decisivo
El impacto es mayor cuando la inteligencia artificial trabaja como agente. Una consulta convencional puede requerir pocos intercambios, pero un agente que desarrolla una aplicación puede hacer decenas de llamadas al modelo, consultar archivos, ejecutar código, utilizar buscadores y corregir errores antes de entregar un resultado.
Cada una de esas acciones consume tokens y puede generar nuevas peticiones. Por eso, una diferencia pequeña en el precio por consulta termina multiplicándose cuando el sistema opera durante minutos u horas. Para una empresa que automatiza miles de procesos, el coste de cada tarea puede ser tan importante como la calidad de la respuesta.
Meta asegura que Muse Spark 1.3 utiliza aproximadamente un 20% menos llamadas a herramientas y un 25% menos tokens que la versión 1.2 en sus pruebas internas. Un menor consumo puede traducirse en respuestas más baratas, aunque será necesario comprobar si ese ahorro se mantiene en aplicaciones independientes.
Google, por su parte, reconoce que Gemini 3.8 Flash realiza más trabajo interno que su antecesor para mejorar la calidad. Las mediciones disponibles apuntan a que una tarea con la nueva versión cuesta alrededor de un 40% más que con Gemini 3.7 Flash. Aun así, el coste estimado ronda los 0,58 dólares por tarea, prácticamente al mismo nivel que Muse Spark 1.3.
La inteligencia por dólar gana terreno
El ritmo de lanzamientos también está cambiando el mercado. Google ha presentado varias versiones Flash en pocas semanas, mientras Meta ha evolucionado Muse Spark de la versión 1.1 a la 1.3 en un periodo muy corto. Como consecuencia, las ventajas obtenidas en una prueba pueden durar días o semanas antes de ser igualadas por un competidor.
Esta dinámica dificulta que OpenAI y Anthropic mantengan durante mucho tiempo el argumento de que sus modelos son los más inteligentes. Los sistemas de gama alta seguirán siendo importantes para problemas especialmente complejos, pero muchas empresas no necesitan el máximo rendimiento posible: necesitan un modelo suficientemente bueno, rápido y rentable.
La presión sobre los modelos frontera es evidente. Pagar entre 10 y 50 dólares por millón de tokens puede resultar difícil de justificar cuando alternativas como Gemini 3.8 Flash o Muse Spark 1.3 cuestan alrededor de diez veces menos y ofrecen resultados próximos en tareas habituales.
La próxima fase de la industria no se decidirá únicamente con una tabla de puntuaciones. También contará el coste total de operación, la velocidad, el consumo de tokens, la facilidad para integrar herramientas y la estabilidad del servicio. En esa ecuación, Google y Meta acaban de convertir los modelos económicos en una amenaza directa para los grandes sistemas de OpenAI y Anthropic.
