La simbiosis inesperada: por qué el auge del código abierto no frena a los modelos de IA de vanguardia

Una nueva y provocadora teoría publicada por Jesse Zhang, director ejecutivo de Decagon, está redefiniendo la conversación sobre la inteligencia artificial en el entorno empresarial. Bajo el título «Todo el mundo está equivocado acerca de la IA de código abierto en la empresa», Zhang desmantela una de las contradicciones más persistentes en la economía actual de la IA: mientras las implementaciones más maduras migran hacia modelos más ligeros y económicos, el gasto en los costosos modelos de última generación se mantiene sorprendentemente estable.

La perspectiva de Zhang sugiere que los modelos de frontera (los más avanzados y caros) y los de código abierto no son competidores directos. En su lugar, representan dos fases distintas dentro del mismo ciclo de vida de una aplicación de IA. Los modelos de frontera actúan como el campo de pruebas para nuevos casos de uso, permitiendo a las empresas experimentar e innovar. Una vez que estos casos de uso maduran y se estandarizan, pueden ser transferidos a alternativas de código abierto, mucho más eficientes en costes para la producción a escala.

La evidencia en los datos: Vercel y OpenRouter

Aunque la teoría de Zhang es conceptual, los datos del mercado la respaldan. El panel de control de la puerta de enlace de IA de Vercel, por ejemplo, muestra una clara divergencia entre el volumen de uso y el gasto. Recientemente, el modelo DeepSeek se ha posicionado como líder en volumen de tokens procesados. Sin embargo, el dominio en el gasto sigue perteneciendo a los modelos de frontera.

A pesar de que la cuota de Anthropic ha disminuido ligeramente debido a sus recientes aumentos de precios, todavía representa más de la mitad del gasto total en la plataforma. Esto demuestra que, aunque los modelos de código abierto gestionan más tareas, las tareas de mayor valor (y coste) siguen en manos de los laboratorios de vanguardia.

La plataforma OpenRouter, que abarca un segmento de mercado más amplio, refleja una dinámica similar. El modelo Deepseek V2Flash es el líder absoluto en uso, procesando 5.3 billones de tokens por semana. En comparación, el modelo de frontera más popular, Opus 4.8, gestiona poco más de 2 billones.

La diferencia de costes es abismal: Opus 4.8 es aproximadamente 23 veces más caro por token. Esto implica que, a pesar de procesar menos de la mitad de los tokens, Opus probablemente sigue capturando la mayor parte del gasto total del mercado.

El futuro del mercado: una economía de dos niveles

Estos datos, aunque no son una prueba definitiva, sugieren que los laboratorios de vanguardia como Anthropic no están siendo canibalizados por el auge del código abierto. El mercado de la IA está creciendo a un ritmo tan acelerado que hay espacio para ambos. Los modelos de frontera dominan las implementaciones en etapas tempranas y los casos de uso más complejos que requieren la máxima potencia.

A este panorama se suma la reciente llegada de Nemotron de Nvidia, un modelo que, gracias a las fuertes conexiones de la compañía y su extrema adaptabilidad, está destinado a convertirse en un actor principal, probablemente reforzando esta dinámica de mercado.

Esta economía de modelos de dos niveles parece ser una característica estable del futuro de la IA. Aunque predicciones pasadas sugerían que los laboratorios de IA podrían convertirse en proveedores de ‘commodities’, la realidad es más matizada. Si bien es cierto que las startups que simplemente actúan como ‘envoltorios de GPT’ tienen una economía precaria, los proveedores de modelos de frontera han logrado retener la parte más lucrativa del mercado: el precio del token premium. Y no parece que eso vaya a cambiar a corto plazo.