Durante tres años el argumento contra los modelos de pesos abiertos fue sencillo: son peores. Ese argumento ya no se sostiene, y sin embargo la adopción empresarial ha ido en dirección contraria.
Los números
El AI Index 2026 de Stanford midió la distancia en marzo de 2026: el mejor modelo cerrado puntuó 1.503 en Arena y el mejor de pesos abiertos 1.454. Cuarenta y nueve puntos Elo — un 3,4%.
Una brecha que antes se medía en años ahora se mide en meses bajos. DeepSeek, Llama, Qwen y Mistral la han cerrado más rápido de lo que casi nadie predijo en 2025.
Y aquí viene lo raro: la cuota de modelos abiertos en despliegues empresariales cayó del 19% al 11%.
Por qué cae la adopción cuando sube la capacidad
No es irracional. Es que la capacidad nunca fue el criterio real.
Lo que compras en un modelo cerrado no es inteligencia, es descargo de responsabilidad. Un contrato, un SLA, un interlocutor al que llamar cuando algo falla, un compromiso de tratamiento de datos que tu departamento legal puede archivar. Correr pesos abiertos significa que ese papel lo asumes tú.
El coste se desplaza, no desaparece. El modelo es gratis; las GPU, el equipo que sabe operarlas, la guardia y el ciclo de actualización no lo son. Para volúmenes medios, la aritmética casi siempre favorece a la API. El punto de cruce llega más tarde de lo que la gente cree.
El ritmo de actualización es brutal. Adoptar pesos abiertos es comprometerse a reevaluar cada pocos meses. Muchos equipos prefieren que ese problema sea de otro.
Cuándo sí tiene sentido
Hay tres casos donde recomendamos abiertos sin dudar:
- El dato no puede salir. Historia clínica, sumario judicial, secreto industrial. Si sacar el dato de tu red es un no rotundo, la conversación se acaba ahí.
- Volumen muy alto y tarea muy acotada. Clasificar, extraer, enrutar, etiquetar. Millones de llamadas al mes de algo que un modelo de 8B resuelve. Ahí la inferencia propia es órdenes de magnitud más barata.
- Latencia o desconexión. Planta industrial sin conectividad garantizada, dispositivo en campo, requisitos de milisegundos.
Fuera de esos tres, empezar por una API y migrar después suele ser la decisión correcta — y es reversible, que es lo importante.
La parte que no se cuenta
La brecha de capacidad se cerró; la de seguridad no. Los modelos abiertos llegan sin las barreras que los laboratorios cerrados aplican en la capa de servicio, y eso te convierte en responsable de construirlas: filtrado de entrada y salida, límites de uso, registro, control de abuso.
Si vas a desplegar pesos abiertos de cara a usuarios finales, presupuesta esa capa. No es opcional y no es gratis.
La decisión sensata
No elijas bando. La mayoría de las arquitecturas que vemos funcionar bien usan las dos cosas: un modelo pequeño propio para el 80% del tráfico de alto volumen y bajo razonamiento, y una API frontera para el 20% que de verdad necesita capacidad.
Lo que hay que diseñar no es la elección, es la capacidad de cambiar de opinión. Una capa de abstracción delgada sobre el proveedor, un set de evaluación propio y la disciplina de volver a medir cada trimestre.
Con un 3,4% de diferencia y un mercado que se mueve cada mes, atarte a cualquiera de los dos lados durante tres años es la única decisión claramente equivocada.