IBM sostiene que los modelos abiertos cuestan entre 10 % y 25 % de un modelo frontier
Arvind Krishna, CEO de IBM, afirmó que la brecha de calidad entre modelos abiertos y cerrados se estrechó y que el costo por token de un modelo open weight es una fracción del frontier. La compañía lo plantea como un argumento económico para desplegar IA en infraestructura propia.
En la llamada de resultados del tercer trimestre, el CEO de IBM, Arvind Krishna, sostuvo que los modelos de pesos abiertos cuestan hoy entre el 10 % y el 25 % de lo que cuesta un modelo frontier. Su argumento se apoya en dos datos: la diferencia de rendimiento se redujo de forma marcada —donde un benchmark antes arrojaba 70 contra 20, ahora arroja 70 contra 50— y el precio por token de un modelo abierto equivale a una fracción del que cobran los modelos cerrados de mayor capacidad.
La afirmación importa porque desplaza la discusión de la calidad técnica al terreno del costo. Durante los últimos años, la pregunta habitual era si un modelo abierto podía alcanzar al frontier en tareas reales; con una brecha de 70 a 50, la respuesta ya no es un no rotundo, sino una comparación por caso de uso. Para cargas empresariales donde el volumen es alto y la tolerancia al error está acotada por revisión humana, esa diferencia de puntos puede ser menos decisiva que la diferencia de factura.
El impacto práctico aparece en la economía del software. Si entre el 80 % y el 90 % del trabajo de inferencia de un producto se resuelve con un modelo abierto ejecutado en servidores propios o en un VPS, el costo variable del servicio cambia de orden y el margen del proyecto deja de depender de la tarifa de un proveedor externo. Eso vuelve viable ofrecer precios planos, procesar datos sensibles sin salir de la infraestructura del cliente y sostener productos con volúmenes que antes no cerraban.
La lectura de IBM no implica que el frontier desaparezca. Implica que la decisión deja de ser ideológica y se vuelve una pregunta de arquitectura: qué tareas justifican pagar el premium por el modelo más grande y cuáles pueden resolverse con un modelo abierto, ajustado y alojado localmente. En un mercado donde el gasto en IA se revisa con lupa, esa separación por capas es la que empieza a definir los presupuestos del próximo año.
Fuente: The Register.