La directora de IBM, Arvind Krishna, reveló en la reciente presentación de resultados financieros que los modelos de inteligencia artificial de código abierto pueden ofrecer hasta el 90% del desempeño de los sistemas propietarios, pero a un costo que oscila entre el 10% y el 25% del precio por token. Este dato, que aún no cuenta con pruebas públicas independientes, plantea un nuevo escenario para las empresas que buscan equilibrar eficiencia y gasto en IA.
En la discusión posterior a la presentación, el analista Matt Swanson de RBC Capital Markets preguntó cómo las grandes corporaciones pueden contener sus gastos en IA sin perder el control sobre el despliegue de la tecnología. Krishna respondió comparando la evolución de los modelos de frontera con la de los modelos de pesos abiertos, señalando que a finales de 2024 la brecha de rendimiento era de 70 puntos frente a 20‑30, pero que para 2025 esa diferencia se reduciría a 70 contra 50. Según IBM, hoy los modelos abiertos ya entregan el 90% de la eficacia de los más avanzados.
Los “pesos” son los parámetros que un modelo aprende durante su entrenamiento. Cuando una empresa publica estos pesos, otros pueden descargarlos y ejecutar el modelo en su propia infraestructura, siempre bajo la licencia correspondiente. No obstante, disponer de los pesos no equivale a tener acceso al código fuente ni a los datos de entrenamiento, por lo que el término “open source” no siempre se aplica de manera estricta.
El ahorro económico se vuelve tangible al considerar que la mayoría de los proveedores facturan por token, la unidad mínima de texto procesado. Un modelo que cuesta el 10% del precio de uno de referencia pero alcanza el 90% de su rendimiento representa una decisión atractiva para cualquier organización que necesite procesar millones de tokens diariamente. IBM estima que una empresa mediana podría iniciar su despliegue con dos o tres racks de servidores, aunque esto implica inversiones en hardware, energía, mantenimiento y personal especializado.
Krishna también subrayó que muchas tareas empresariales –como resumir correos, redactar respuestas, analizar contratos o atender consultas de clientes– pueden resolverse adecuadamente con modelos más económicos. Sólo en casos de alta complejidad o necesidad de precisión extrema justificaría el uso del modelo de mayor costo.
El debate no es exclusivo de IBM. Un informe de la OCDE publicado en mayo de 2026 sitúa a los modelos de pesos abiertos en torno al 90% del índice de calidad de los sistemas cerrados, pero a un precio equivalente al 20% de los servicios en la nube. Por su parte, el AI Index 2026 de Stanford muestra una ligera ventaja (3,3%) del modelo cerrado líder sobre el abierto en la clasificación Arena. Estas métricas indican que la decisión de adopción dependerá del balance entre costos, control y requisitos de desempeño específicos de cada empresa.
Fuente: Xataka