Los modelos de IA con pesos abiertos alcanzan el 90% del rendimiento por una fracción del coste, según IBM
La carrera por crear la inteligencia artificial más capaz empieza a compartir protagonismo con otra cuestión decisiva para las empresas: cuánto cuesta obtener una respuesta suficientemente buena. IBM sostiene que los modelos de pesos abiertos ya pueden ofrecer alrededor del 90% del rendimiento de las alternativas más avanzadas, con un precio por token situado entre el 10% y el 25%.
La diferencia resulta especialmente relevante cuando una compañía procesa miles o millones de solicitudes. En esos escenarios, pagar por el modelo más potente disponible puede elevar de forma considerable la factura, aunque muchas tareas no requieran todas sus capacidades.
De una brecha amplia a una diferencia mucho menor
Arvind Krishna, consejero delegado de IBM, expuso esta evolución durante la presentación de resultados financieros de la compañía. El ejecutivo comparó el progreso de los modelos de pesos abiertos con el de los sistemas más avanzados, conocidos habitualmente como modelos de frontera.
Según el ejemplo planteado por Krishna, a finales de 2024 un modelo de frontera podía alcanzar 70 puntos en una evaluación amplia, frente a los 20 o 30 puntos de una alternativa abierta. La distancia era demasiado grande para que muchas empresas aceptasen sustituir el sistema líder.
Un año después, la relación habría pasado a ser de 70 frente a 50. En la actualidad, IBM estima que los modelos de pesos abiertos rondan el 90% de la eficacia de los sistemas más avanzados, pero con un coste por token de entre una décima y una cuarta parte.
Estas cifras son una valoración de IBM y no se vinculan a una prueba concreta identificada durante la intervención. Por ello, deben interpretarse como una referencia sobre la evolución del mercado y no como una equivalencia universal entre modelos.
Qué significa que un modelo tenga pesos abiertos
Los pesos son los valores numéricos que una red neuronal ajusta durante su entrenamiento. El modelo utiliza esos parámetros para reconocer patrones, interpretar instrucciones y generar respuestas. Cuando una empresa publica los pesos, terceros pueden descargarlos y ejecutar el sistema en sus propios servidores o mediante proveedores especializados.
Esto ofrece más control sobre el despliegue, la privacidad y la configuración. Una organización puede decidir dónde procesa los datos, adaptar el modelo a sus necesidades y evitar depender por completo de una API externa.
Sin embargo, disponer de los pesos no significa necesariamente que todo el sistema sea de código abierto. En muchos casos no se publican los datos utilizados para entrenarlo, el código completo, los métodos de entrenamiento o todas las herramientas empleadas. También hay que revisar las condiciones de licencia antes de utilizarlo con fines comerciales.
El coste se calcula por tokens
Los proveedores de inteligencia artificial suelen cobrar según los tokens procesados. Un token es un fragmento de texto que el modelo emplea para representar la información de entrada y la respuesta generada. No equivale siempre a una palabra: puede ser una palabra completa, parte de ella o un signo de puntuación.
Cuanto más largo sea el contexto analizado y más extensa la respuesta, mayor será el número de tokens facturados. Una diferencia aparentemente pequeña en el precio unitario puede convertirse en millones de euros cuando el modelo se utiliza en atención al cliente, análisis documental o automatización de procesos.
Krishna planteó la disyuntiva en términos sencillos: una empresa puede pagar diez veces más por el modelo líder o utilizar una alternativa que alcance gran parte de su rendimiento por una fracción del precio.
La infraestructura propia también tiene un coste
Ejecutar un modelo abierto en servidores propios no elimina el gasto, sino que cambia su naturaleza. IBM calcula que una gran empresa podría comenzar con dos o tres racks, armarios que agrupan servidores, sistemas de almacenamiento y equipos de red.
A esa inversión inicial hay que sumar el consumo eléctrico, la refrigeración, el mantenimiento y el personal especializado. También existe el coste de actualizar los equipos y gestionar la seguridad del entorno. Para una compañía con poco volumen de consultas, contratar una API en la nube puede seguir siendo más barato y sencillo.
La ventaja económica aparece sobre todo cuando el uso es intensivo y estable, o cuando la empresa necesita mantener los datos bajo su control. La decisión depende, por tanto, del volumen, la sensibilidad de la información y la complejidad de las tareas.
No todas las tareas necesitan el modelo más potente
La tesis de IBM es que muchas aplicaciones empresariales no requieren el sistema más avanzado. Resumir un correo, redactar una respuesta, clasificar documentos, extraer información de un contrato o asistir una llamada de atención al cliente son trabajos que, en determinados contextos, pueden resolverse con modelos más económicos.
Eso no garantiza que cualquier alternativa produzca resultados idénticos. Las diferencias pueden ser importantes en razonamiento complejo, programación, comprensión de instrucciones ambiguas, uso de herramientas o generación de respuestas especialmente fiables.
Además, en sectores regulados un error puede tener consecuencias superiores al ahorro obtenido. La precisión, la trazabilidad, la protección de datos y la posibilidad de revisar las respuestas deben formar parte de la evaluación.
Las comparaciones apuntan en la misma dirección, con matices
Un informe de la Organización para la Cooperación y el Desarrollo Económicos publicado en mayo de 2026 situó a los modelos de pesos abiertos cerca del 90% del índice de calidad de las alternativas cerradas cuando llegaron al mercado. En servicios en la nube, su precio equivalía aproximadamente al 20%.
El AI Index 2026 de Stanford, sin embargo, reflejó una diferencia todavía favorable a los modelos cerrados. En marzo, el mejor sistema propietario superaba en un 3,3% al mejor modelo de pesos abiertos en Arena, una clasificación basada en comparaciones realizadas por usuarios.
Las métricas no miden exactamente lo mismo y ninguna permite afirmar que dos modelos sean intercambiables para cualquier uso. Aun así, el mensaje para las empresas es claro: la elección ya no consiste únicamente en buscar el modelo con la puntuación más alta, sino en equilibrar capacidad, coste, control y fiabilidad.
