En 2023, sugerir un modelo de IA open source para producción era una jugada suicida a nivel profesional. La brecha entre los mejores modelos gratuitos y GPT-4 no era una brecha — era un cañón visible desde la órbita. La IA propietaria era la única opción seria. Todos lo sabían.

Todos tenían razón. En tiempo pasado.

El cañón se volvió un escalón

Al 31 de marzo de 2026, el Artificial Analysis Intelligence Index — un puntaje compuesto que mide el rendimiento de la IA en matemáticas, ciencia, programación y razonamiento — coloca al mejor modelo propietario (Gemini 3.1 Pro) en 57 puntos. El mejor modelo open-weights, GLM-5 de Zhipu AI, marca 50. Claude Opus 4.6 queda en 53.

Siete puntos. Esa es toda la distancia entre "páganos una fortuna" y "córrelo tú gratis." Hace tres años, la vergüenza era la única unidad de medida para esa distancia.

Los números que deberían preocupar a los vendors de modelos cerrados

Hablemos de datos concretos.

El equipo Qwen de Alibaba lanzó Qwen3-Coder-Next el 4 de febrero de 2026 — un modelo enfocado en código que usa arquitectura MoE (Mixture of Experts — un diseño donde el modelo activa solo una fracción pequeña de su "cerebro" para cada tarea, ahorrando cómputo sin perder inteligencia). Obtiene 70.6% en SWE-Bench Verified, el benchmark que evalúa si un modelo puede realmente corregir bugs reales en codebases reales. No problemas de juguete. Issues reales de GitHub.

DeepSeek lanzó V3.2 el 1 de diciembre de 2025 — un modelo de 685 mil millones de parámetros (los parámetros son las conexiones aprendidas en una red neuronal — más generalmente significa más inteligente, pero también más pesado) con una ventana de contexto de 128K (cuánto texto puede "ver" el modelo de una vez — 128K equivale aproximadamente a un libro de 300 páginas). Marca 70–74% en el mismo benchmark dependiendo de la configuración de evaluación.

Zhipu AI lanzó GLM-5 el 11 de febrero de 2026 — una bestia de 744B parámetros con solo 40B activos gracias a su propio diseño MoE. Alcanza 77.8% en SWE-Bench Verified. Zhipu lo publica bajo licencia MIT — lo que significa que cualquiera puede usarlo para lo que sea, comercialmente, sin restricciones.

Organizaciones con miles de millones en respaldo construyeron estos modelos. No hobbyistas. No programadores de fin de semana. Empresas que tratan la IA como infraestructura.

La economía que lo cambia todo

Aquí es donde la cosa se pone incómoda para los proveedores de API.

Hospedar un modelo open source en hardware GPU decente cuesta aproximadamente $2,000–10,000 dólares al mes dependiendo del volumen de tráfico. Las llamadas equivalentes de API a GPT-5 o Claude Opus para la misma carga de trabajo? $20,000–100,000 al mes. A volúmenes altos — 100 millones de tokens diarios en adelante — el ahorro por self-hosting llega al 40–90%.

Para una startup quemando runway, eso no es una optimización. Es la diferencia entre sobrevivir y publicar un post de "lamentamos informarles que cerramos."

Y luego está el factor China que no puedes ignorar. Qwen (Alibaba), DeepSeek (High-Flyer) y GLM (Zhipu AI) son todos respaldados por China. Cuando un país con 1,400 millones de personas decide subsidiar el desarrollo de IA y regalar los resultados bajo licencias MIT, el panorama competitivo no se desplaza — se quiebra.

Pero un momento

Los benchmarks mienten. Todo ingeniero que ha desplegado estos modelos sabe que la distancia entre "saca buen puntaje en un examen" y "funciona de manera confiable cuando tus usuarios hacen algo raro" es enorme.

OpenAI y Anthropic refinan sus modelos mediante RLHF (reinforcement learning from human feedback — básicamente, miles de humanos diciéndole al modelo "buena respuesta" o "pésima respuesta" hasta que mejora en lo difícil). Los modelos abiertos no pueden replicar fácilmente esta escala de curación humana.

La brecha de 7 puntos en benchmarks promedio oculta una brecha mucho mayor en la dificultad extrema. Cuando tu agente de IA se enfrenta al 5% más difícil de las consultas — razonamiento novedoso, patrones de código desconocidos, instrucciones ambiguas — Claude y GPT-5 todavía se despegan con claridad.

El self-hosting tampoco es gratis. Correr un modelo de 685B requiere múltiples GPUs H100, un equipo que sepa de debugging en CUDA y tensor parallelism (dividir el modelo entre múltiples chips para que realmente corra), más overhead operativo continuo. Para muchas empresas, el costo de la API es genuinamente más barato cuando factorizas el tiempo de ingeniería.

Y la seguridad. Cualquiera puede hacer fine-tune de modelos abiertos sin restricciones. Genial para personalización, preocupante para todo lo demás. Las barreras de seguridad que Anthropic construye no son solo features — son inversiones de ingeniería que los modelos abiertos rara vez igualan.

El framework que realmente funciona

Tier 1 — 70% de las cargas de trabajo: Resúmenes, Q&A simple, clasificación, extracción de datos estructurados. Los modelos abiertos manejan esto sin despeinarse. Usar GPT-5 para esto es sacar el Ferrari para ir a comprar leche.

Tier 2 — 25% de las cargas de trabajo: Generación de código compleja, escritura con matices, razonamiento multi-paso. Los modelos abiertos son competitivos pero inconsistentes. Los propietarios son más confiables. Tu experiencia dependerá de tu tolerancia a los fallos ocasionales.

Tier 3 — 5% de las cargas de trabajo: Razonamiento de frontera, resolución de problemas novedosos, los edge cases más complicados. Los propietarios ganan. La brecha es real y vale la pena pagar por ella.

Las empresas que están ganando en 2026 no son religiosas con ningún bando. Corren modelos abiertos para el grueso del trabajo y enrutan lo difícil a Claude o GPT-5. Esto no es arquitectura ingeniosa — es aritmética básica.

La trayectoria es la historia

La brecha pasó de humillante a despreciable en tres años. Cada trimestre, los modelos abiertos mejoran más rápido de lo que los propietarios pueden extender su ventaja. El foso no desapareció — pero se evapora en tiempo real.

Dale dos años más, y "el open source es suficiente" se convierte en "el open source es el default."

Si tu plan de negocio asume que la IA propietaria siempre será dramáticamente mejor — actualiza tu plan de negocio. El cañón ahora es un escalón. Y el open source no se tropieza con escalones.