Los modelos abiertos pueden abaratar tareas concretas sin liderar la carrera de agentes

En su charla How Open Models Win, Nathan Lambert sostiene que los modelos abiertos deben competir en trabajos bien definidos que se repiten a gran escala. Además de reducir el coste, pueden ofrecer despliegue privado, adaptación y más control sobre los datos.

Los modelos abiertos van unos meses por detrás mientras el producto captura los ingresos

Lambert se apoya en dos índices independientes de capacidades. Artificial Analysis sitúa a los mejores pesos abiertos a unos 3 meses de la frontera cerrada. Epoch AI calcula una distancia cercana a 5 meses. Son medidas generales de capacidad, no una garantía de rendimiento equivalente en cada tarea.

La brecha económica es mayor. OpenAI y Anthropic reúnen el modelo, la API, la aplicación y la relación con el cliente. El ecosistema abierto reparte esas funciones entre creadores de pesos, proveedores de inference y empresas de post-training. Por eso, los ingresos tardan en volver a quienes construyen el modelo base.

El trabajo repetitivo convierte el precio del modelo en coste por tarea

Lambert propone competir donde una empresa pueda definir bien el trabajo, repetirlo a gran escala y medir el resultado. En ese contexto importa más el coste de completar la tarea que la puntuación de un benchmark general.

Fireworks afirma que algunas tareas para su cliente Factory costaron desde un 6 % de lo que cuesta un modelo frontier. Es un caso comercial del proveedor, no una comparación universal. Aun así, explica por qué un modelo abierto especializado puede ser útil sin liderar una clasificación. La otra ventaja es el control. La empresa puede adaptar el modelo y ejecutarlo en su propio entorno.

La inference barata no paga por sí sola el siguiente modelo

Aquí aparece la tensión central del argumento. Los creadores necesitan ingresos para entrenar e investigar, pero la estrategia propuesta acerca el precio de inference al coste del cómputo. Un mayor uso no garantiza un negocio sostenible para quienes pagan el desarrollo.

El despliegue privado tampoco resulta más barato por defecto. La empresa necesita evals, seguridad, supervisión y suficiente volumen. Para trabajos irregulares, una API de pago puede seguir siendo la opción más práctica.

La factura del workflow y los ingresos de los creadores darán la respuesta

La primera señal será el coste total del workflow con la misma calidad. Un modelo abierto tendrá éxito si reduce de forma sostenida el coste por tarea sin añadir una capa cara de mantenimiento.

La segunda señal está en los creadores de pesos. Si reciben ingresos suficientes para financiar otro ciclo de entrenamiento, el ecosistema abierto podrá mantener la distancia en meses. Si el dinero se queda en inference y aplicaciones, el uso barato financiará productos ajenos en lugar del siguiente modelo.

El veredicto de Lilith

Un modelo cerrado puede ganar sobre el escenario. El mercado se decidirá en producción, donde la misma tarea vuelve mil veces y cada céntimo aparece en la factura.