Los modelos abiertos de IA se acercan a los cerrados al doble de velocidad

Los modelos de IA de pesos abiertos están alcanzando a los mejores modelos cerrados aproximadamente el doble de rápido en cada nueva era del desarrollo de grandes modelos de lenguaje, según un análisis de SemiAnalysis titulado «Are Open Models Catching Up?», publicado el 21 de agosto de 2026. En vez de juzgar cada modelo con un único conjunto de benchmarks que acaba saturándose, SemiAnalysis evalúa cada era con los benchmarks que realmente la definieron.

Tres eras, tres brechas

La primera era, la del escalado temprano, va de 2022 a 2024. Su modelo cerrado de referencia era GPT-3.5 Turbo de OpenAI, lanzado en noviembre de 2022, evaluado en GSM8K, HumanEval, TriviaQA y MMLU-Pro. Llama-2-70B de Meta fue el primer modelo abierto en acercarse, con una puntuación compuesta de 39,9 frente a 75,7 de GPT-3.5 Turbo. La brecha solo se cerró con Llama-3.1-405B de Meta, lanzado en julio de 2024 con una puntuación de 86 — 19,7 meses después del lanzamiento de GPT-3.5 Turbo.

Más adelante en la misma era, DeepSeek V3 igualó a GPT-4o de OpenAI en diciembre de 2024, con 94,1 puntos frente a 95,5, y Qwen2.5-72B de Alibaba se acercó con un modelo seis veces más pequeño que Llama-3.1-405B — 72.000 millones de parámetros frente a 405.000 millones — preentrenado con 18 billones de tokens.

La segunda era, la del razonamiento, va de 2024 a 2025. Su referencia era o1 de OpenAI, lanzado el 12 de septiembre de 2024, evaluado en GPQA-Diamond, AIME 2026, SimpleQA Verified y Humanity's Last Exam. DeepSeek-R1-0528 cerró una brecha inicial de 12,1 puntos en mayo de 2025, alcanzando una puntuación de 78 frente al objetivo — en solo 8,5 meses.

La tercera era, la agéntica, va de 2025 hasta hoy. Su referencia es Claude Opus 4.5 de Anthropic, lanzado en noviembre de 2025, evaluado en tareas agénticas complejas como programar o usar un ordenador, mediante Terminal-Bench 2.1, BrowseComp-Plus, τ³-Banking y DeepSWE. Kimi K2.6 de Moonshot AI, lanzado en abril de 2026, cerró la brecha con Claude Opus 4.5 en solo 4,8 meses — el alcance más rápido que SemiAnalysis ha observado hasta la fecha.

El tiempo de alcance se reduce a la mitad en cada era

• Era del escalado temprano — GPT-3.5 Turbo a Llama-3.1-405B: 19,7 meses
• Era del razonamiento — o1 a DeepSeek-R1-0528: 8,5 meses
• Era agéntica — Claude Opus 4.5 a Kimi K2.6: 4,8 meses

En las tres eras, tanto la brecha de puntuación inicial entre el primer modelo cerrado y el mejor modelo abierto como el tiempo necesario para cerrarla se reducen: el tiempo de alcance se ha dividido aproximadamente por dos en cada nueva era. SemiAnalysis señala límites reales de esta comparación: los benchmarks son un indicador imperfecto del trabajo real, y los desarrolladores de modelos pueden optimizar deliberadamente un modelo para un benchmark concreto en vez de para una capacidad general.

Por qué esto amenaza los márgenes de los laboratorios cerrados

Si los modelos abiertos pueden igualar a los modelos cerrados de vanguardia por una fracción del coste, la capa de modelos de IA corre el riesgo de «comoditizarse». Es una amenaza seria para los márgenes de laboratorios de vanguardia como OpenAI y Anthropic, que han recaudado sumas enormes para construir modelos cerrados apostando a que su capacidad, no solo su precio, los mantendría por delante de las alternativas abiertas.

Una carrera más amplia: el trasfondo EE. UU.-China

GIGAZINE, al recoger el análisis de SemiAnalysis, añade que Bloomberg sigue por su parte una dinámica similar en la carrera de la IA entre Estados Unidos y China, con China tomando a veces la delantera en uso y coste incluso cuando va por detrás en capacidad bruta. GIGAZINE recuerda también que en julio de 2026 varias startups estadounidenses de IA enviaron una carta abierta a la administración Trump pidiéndole que no prohibiera los modelos chinos de pesos abiertos, argumentando que el acceso a esos modelos también beneficia a los desarrolladores estadounidenses. Es uno de los hilos de la era agéntica que describe SemiAnalysis: es precisamente en el despliegue de agentes —uno de los usos evaluados mediante pruebas de tipo Terminal-Bench que SemiAnalysis emplea para su comparación de la tercera era— donde estas decisiones de modelo se juegan de forma más concreta.

Para las empresas españolas que despliegan IA hoy, la tendencia importa más allá de las puntuaciones de los benchmarks. Si una alternativa abierta creíble aparece ahora en cuestión de meses, y no de años, tras el lanzamiento de un modelo cerrado de referencia, los equipos que planifican un despliegue en 2026 o 2027 cuentan con un abanico más amplio de proveedores para probar y poner en competencia antes de comprometer su presupuesto con una sola API, con menos certeza de que el mejor modelo cerrado del momento siga sin rival cuando el proyecto se entregue.