El informe State of Open Source AI de Mozilla, publicado el 15 de septiembre, señaló que las organizaciones deberían utilizar modelos abiertos como opción predeterminada para la mayoría de sus tareas. El modelo Kimi K3 de pesos abiertos de Moonshot AI se sitúa solo tres puntos por detrás del modelo cerrado Fable 5 de Anthropic en el Artificial Analysis Intelligence Index, mientras que opera al 30 % de su coste. Según Raffi Krikorian, CTO de Mozilla, los modelos cerrados ofrecen ventajas en tareas profesionales que requieren especialización, recuperación intensiva de información y contextos largos. También se prefieren porque están listos para usar y ofrecen paquetes de cumplimiento normativo, soporte y rendición de cuentas. Aunque los modelos de pesos abiertos pueden descargarse, los datos de entrenamiento, el canal de procesamiento de datos y el código de entrenamiento generalmente no se comparten.
DoorDash utiliza Kimi para tareas rutinarias y Fable para las más difíciles. Los datos de «horizonte temporal» de METR, medidos según el tiempo que tardan los expertos humanos en completar las tareas, muestran que el mejor modelo cerrado puede realizar tareas 1,7 veces más largas que las que el mejor modelo abierto puede completar de forma fiable. Krikorian afirmó que, mientras el modelo abierto puede realizar una tarea de siete horas, el modelo cerrado puede completar una de 12 horas; cuatro meses después, el modelo abierto alcanza las 12 horas y el cerrado, aproximadamente las 20 horas. Aunque las tareas de menos de ocho horas pueden asignarse a ambos tipos de modelos, la diferencia actual se manifiesta principalmente en trabajos de entre ocho y 12 horas. En general, ningún modelo puede realizar de forma fiable tareas de más de 12 horas.
Las capas de software específicas que permiten a los modelos acceder a herramientas y memoria pueden influir en las comparaciones. En la evaluación Terminal-Bench 2,1, realizada con el software neutral de Vals AI, el modelo GLM 5.2 de Z.ai se situó a cerca de un punto de los modelos Claude Opus 4,7 y 4,8 de Anthropic y fue aproximadamente cinco veces más barato por tarea completada. Según esto, pagar por modelos cerrados proporciona una ventaja de cuatro meses únicamente en tareas de entre ocho y 12 horas, con un coste aproximadamente cinco veces mayor.
A agosto de 2026, ocho de los primeros 10 modelos de OpenRouter por volumen de tokens son de pesos abiertos. En cambio, según los datos de mayo-septiembre de 2025 de una investigación de Linux Foundation, los modelos abiertos obtuvieron el 4 % de los ingresos y los modelos cerrados, el 96 %. Krikorian señaló que la concentración de los mejores modelos abiertos en China y de los modelos cerrados en Estados Unidos supone un riesgo. Para crear un ecosistema alternativo en Estados Unidos y Europa, propuso el apoyo de programas públicos de computación, fundaciones neutrales, empresas y organizaciones filantrópicas; además, subrayó que es difícil confiar en modelos cuyos procesos de entrenamiento y evaluación se desconocen.
Por qué es importante
Esta tabla muestra que, para las organizaciones, resulta más sensato elegir en función de la duración de la tarea, el coste, el soporte y los requisitos de cumplimiento, en lugar de depender de un único tipo de modelo. Mientras que los modelos de pesos abiertos reducen la presión de los costes en tareas rutinarias y breves, la ventaja de los modelos cerrados se hace evidente en las tareas más largas y que requieren especialización; sin embargo, el hecho de que ninguna opción pueda completar de forma fiable trabajos de más de 12 horas mantiene los límites de la automatización. La posibilidad de que los resultados varíen según las capas de software propietario demuestra que las comparaciones no deben basarse únicamente en las puntuaciones de rendimiento bruto. La concentración del uso en los modelos abiertos y de los ingresos en los modelos cerrados pone de relieve la distinción entre adopción y valor comercial, así como el papel de los servicios de soporte. No obstante, la inconsistencia en la nomenclatura de los modelos de Anthropic en la fuente hace necesario verificar las comparaciones.
Término: pesos abiertos
Los pesos abiertos significan que los parámetros entrenados de un modelo de inteligencia artificial pueden descargarse; dado que los datos de entrenamiento y el código pueden no ser abiertos, no es lo mismo que el código abierto.