Modelos de IA abiertos frente a cerrados: cómo DeepSeek, Qwen y otros desarrolladores están cambiando el mercado y reduciendo el coste de implementar la inteligencia artificial

Hace solo unos años parecía que la inteligencia artificial de vanguardia seguiría siendo un privilegio de unas pocas empresas con los mayores presupuestos de computación. Los modelos abiertos —sobre todo DeepSeek y Qwen, pero también Llama, Mistral, Gemma y otras familias— cambiaron ese panorama. Demostraron que en muchas tareas se puede alcanzar una calidad comparable con un coste mucho menor y desencadenaron una competencia de precios que beneficia a las empresas usuarias.

Lo esencial en breve

• Los modelos abiertos han reducido su desventaja frente a los cerrados en muchas tareas prácticas;
• Su aparición ha abaratado el uso de la IA en todo el mercado, incluidas las API cerradas;
• «Abierto» no significa «gratuito»: la infraestructura y el equipo cuestan dinero;
• Los modelos cerrados mantienen la ventaja en las tareas más complejas y en el nivel de servicio;
• Para la mayoría de las empresas, la estrategia óptima es híbrida.

Qué es un modelo abierto

En el sector, por «abiertos» se suele entender los modelos de pesos abiertos: una empresa puede descargar el modelo, ejecutarlo en sus propios servidores y ajustarlo a sus tareas. Sin embargo, los datos de entrenamiento y el código completo de entrenamiento no suelen publicarse, y las condiciones de uso las fija una licencia. Algunas licencias permiten prácticamente cualquier uso comercial y otras incluyen restricciones, por lo que la revisión jurídica es un paso obligatorio.

Cómo DeepSeek y Qwen cambiaron el mercado

DeepSeek atrajo la atención general al presentar modelos con una sólida capacidad de razonamiento, entrenados y desplegados de forma mucho más barata de lo que esperaba el mercado. Las decisiones de ingeniería fueron clave: una arquitectura de «mezcla de expertos» (Mixture of Experts), en la que solo se activa una parte de los parámetros para cada solicitud, y la optimización del entrenamiento. Esto obligó a todo el sector a replantearse cuánto cuesta realmente crear un modelo potente.

La familia Qwen de Alibaba apostó por la amplitud de su gama: desde modelos compactos que funcionan en un portátil hasta grandes versiones para tareas complejas, además de variantes especializadas en código, matemáticas y comprensión de imágenes. Gracias a ello, Qwen se ha convertido en una de las bases más populares para el ajuste fino en proyectos corporativos y de investigación.

El resultado es una notable presión sobre los precios: los proveedores de modelos cerrados rebajan sus tarifas y lanzan versiones más ligeras para seguir siendo competitivos.

Dónde siguen por delante los modelos cerrados

• Las tareas más difíciles. El razonamiento de varios pasos, el trabajo autónomo prolongado de los agentes y la programación compleja todavía se resuelven mejor, con más frecuencia, con los modelos cerrados insignia.
• Un servicio listo para usar. Las API con garantías de disponibilidad, escalado, herramientas de seguridad y soporte evitan tener que construir una infraestructura propia.
• Rapidez de las actualizaciones. La empresa recibe las mejoras del modelo sin esfuerzos propios de reentrenamiento y despliegue.

El coste total real de propiedad

No pagar una licencia no hace que un modelo abierto sea gratuito. En el cálculo hay que incluir las GPU o la capacidad en la nube, los ingenieros de operaciones y de aprendizaje automático, la monitorización, las actualizaciones de versión y la seguridad. Con volúmenes de solicitudes pequeños e irregulares, una API cerrada suele resultar más barata. Con cargas grandes y estables, requisitos estrictos de residencia de datos o necesidad de una personalización profunda, la ventaja pasa a los modelos abiertos.

Una estrategia híbrida

Cada vez más empresas utilizan varios modelos a la vez. Las solicitudes sencillas y masivas —clasificación, extracción de datos, respuestas basadas en la base de conocimiento— las procesa un modelo abierto económico desplegado internamente. Las tareas complejas se dirigen automáticamente a un modelo cerrado insignia. Este enrutamiento permite reducir costes de forma considerable sin perder calidad donde resulta crítica.

Riesgos que hay que tener en cuenta

• las condiciones de la licencia y las restricciones al uso comercial;
• los requisitos regulatorios sobre el origen del modelo y el tratamiento de datos;
• la seguridad de la cadena de suministro: los modelos deben descargarse solo de fuentes verificadas;
• la necesidad de realizar pruebas propias con datos corporativos, no solo de fiarse de las clasificaciones públicas.

Balance final

La competencia entre modelos abiertos y cerrados es una de las principales razones por las que implementar la IA es cada vez más barato. La elección ya no se reduce a «qué modelo es mejor». Lo importante es entender qué combinación de modelos ofrece la calidad necesaria con un coste y un nivel de control sobre los datos aceptables.

Material elaborado por la redacción. Tiene carácter meramente informativo.