Abierto contra cerrado: la batalla por la IA ya no es técnica, es política

TESIS. La batalla entre la IA abierta y la cerrada ya no se decide en los benchmarks. Se decide en tres tableros distintos: el técnico (donde la brecha es mínima), el económico (donde los cerrados arrasan) y el político (donde ambos gobiernos, el estadounidense y el chino, estudian restringir los modelos abiertos). Nuestra tesis es directa: los modelos abiertos son la principal fuerza democratizadora de la IA —abaratan el acceso, dan control y soberanía— y por eso mismo se han convertido en objetivo político. Quien gane esta batalla no decidirá qué modelo es más listo. Decidirá quién puede usar la IA sin pedir permiso.

LA CIFRA QUE IMPORTA. Cuatro meses. Ese es el retraso medio de los mejores modelos abiertos respecto a la frontera cerrada desde enero de 2026, según el análisis de Epoch AI: unos 8 puntos en su índice de capacidades ECI, una medida compuesta de múltiples benchmarks. Es una brecha similar a la que separa una versión de un modelo de su siguiente actualización. Para contextualizar: hace tres años ese retraso se medía en más de un año. Un modelo «open weight», recordemos, es aquel cuyos pesos —los números que codifican lo aprendido— se pueden descargar y ejecutar en hardware propio. Hoy los abiertos chinos (GLM-5.2, Qwen3.7, DeepSeek V4, Kimi K2.6) compiten de tú a tú con los cerrados en conocimiento y código, a entre una décima y una treintava parte del coste por token. En nuestro propio índice de Calidad Zendoric, GLM-5.2 puntúa 77, a solo dos puntos del GPT-5.6 de OpenAI (79), aunque lejos aún del Fable 5 de Anthropic (90). Matiz importante que el propio Epoch señala: los modelos abiertos tienden a optimizarse más agresivamente sobre benchmarks públicos, así que la brecha real puede ser algo mayor. Aun así, la conclusión aguanta: en capacidad, el abierto ya no es la alternativa barata. Es una alternativa, a secas.

LA PARADOJA DEL DINERO. Y sin embargo, el dinero dice lo contrario. Según el informe de mercado de Menlo Ventures, el gasto empresarial en modelos de lenguaje alcanzó los 8.400 millones de dólares a mediados de 2025 —2,4 veces más en seis meses— y los modelos cerrados acaparan el 87% de las cargas de trabajo empresariales. El uso de modelos abiertos, lejos de crecer, cayó del 19% al 13% en ese periodo. ¿Cómo se explica que el abierto iguale en benchmarks y pierda en facturación? Porque las empresas no compran puntos de benchmark: compran fiabilidad, soporte, garantías legales y alguien a quien reclamar si algo falla. Es el mismo patrón que vimos con Linux hace veinte años: lo abierto no ganó regalando código, ganó cuando aparecieron empresas (Red Hat, los hiperescaladores) que lo empaquetaron con garantías. La IA abierta todavía no tiene su Red Hat consolidado, y esa es hoy su mayor debilidad comercial, no su calidad.

EL GIRO DE META Y LA CORONA CHINA. El mapa de bandos ha cambiado de forma llamativa. Meta, el gran abanderado occidental del código abierto con Llama, ha dado un giro: tras la tibia acogida de Llama 4, su nuevo laboratorio de superinteligencia lanzó en abril Muse Spark, un modelo completamente propietario, sin pesos descargables, según recogen CNBC y Digitimes. Zuckerberg ya había avisado en 2025 de que no publicaría en abierto modelos cercanos a la superinteligencia. El resultado es una paradoja histórica: la frontera abierta es hoy esencialmente china (Alibaba con Qwen, Zhipu con GLM, DeepSeek, Moonshot con Kimi), mientras que Estados Unidos concentra la frontera cerrada y los ingresos. La empresa europea Mistral resiste como ecosistema abierto occidental relevante, pero sin disputar la cima. Nuestra lectura: no es que China sea ideológicamente más abierta; es que la apertura es su estrategia racional para ganar distribución global cuando no puede competir en chips ni en ingresos. Funciona: los modelos chinos lideran las descargas mundiales de modelos abiertos.

CUANDO LOS DOS GOBIERNOS QUIEREN CERRAR LA PUERTA. Aquí está la novedad de estas semanas, y es seria. En Washington, según Axios y TechCrunch, la administración estudia restringir los modelos abiertos chinos en suelo estadounidense, una medida que laboratorios como OpenAI han alentado. Un directivo de OpenAI, Dean Ball, llegó a defender que el Gobierno debía sembrar «miedo, incertidumbre y desconfianza» sobre estos modelos porque desincentivan la inversión en los laboratorios de frontera —luego matizó sus palabras—. Enfrente, el CEO de Hugging Face, Clem Delangue, replica que restringir lo abierto no haría la IA más segura: solo concentraría el poder en pocas manos. Y atención al espejo: Reuters informa de que Pekín también estudia un sistema de niveles para restringir el acceso extranjero a sus modelos más avanzados. Es decir, las dos superpotencias contemplan a la vez cerrar el grifo de lo abierto, cada una por sus razones. Europa, mientras tanto, mantiene en su AI Act una exención para el código abierto, pero las directrices de abril de 2026 la interpretan de forma estricta: desaparece por completo para modelos con «riesgo sistémico» (los entrenados con más de 10^25 FLOPs, una medida de cómputo total). Los riesgos que citan los críticos —menos salvaguardas, sesgos, seguridad de datos— son reales como categoría, pero los investigadores consultados por la prensa señalan que la evidencia empírica que los respalda sigue siendo limitada. Nuestra posición de siempre: gobernanza basada en evidencia, sí; regular el pánico, no. Y una prohibición de pesos ya descargados por millones de desarrolladores es, además, prácticamente inaplicable.

NUESTRA LECTURA. Esta batalla no va de qué modelo es mejor. Va de quién controla el acceso a la tecnología más importante de la década. El corto plazo trae problemas reales que no vamos a edulcorar: los modelos abiertos sin salvaguardas facilitan el fraude industrializado que ya documentamos, y la presión regulatoria puede ahogar justo la vía que permite a universidades, pymes y países enteros no depender de tres empresas californianas. Pero el largo plazo se juega aquí: si la IA va a curar enfermedades, alargar la vida y generar abundancia, la pregunta clave es si esos beneficios llegarán a todos o quedarán detrás de una API de pago. Los pesos abiertos son la garantía estructural de que el conocimiento no se puede desinventar ni monopolizar. Por eso el escenario que más nos preocupa no es que el abierto vaya cuatro meses por detrás: es un mundo donde Washington restringe lo abierto chino, Pekín restringe lo abierto propio y Bruselas lo regula con recelo. Ese mundo tendría una IA más concentrada, más cara y menos auditable. Y sería peor para casi todos.

IMPLICACIONES. Para las empresas, el manual es claro: estrategia de cartera, no de bando. Modelos cerrados de frontera donde la calidad marginal importa (agentes complejos, código crítico) y abiertos donde mandan el coste, la privacidad o la soberanía del dato —con la advertencia de que la ventaja de precio del abierto chino puede tener fecha de caducidad regulatoria en EE.UU.—. Para los desarrolladores, el abierto sigue siendo la mejor escuela y el mejor seguro de carrera: lo que aprendes sobre unos pesos descargables nadie te lo puede revocar. Y para los reguladores, la vara de medir que proponemos: cada restricción a lo abierto debe demostrar, con evidencia y no con hipótesis, que el riesgo evitado supera el coste de concentrar todavía más el poder. La abundancia que esperamos de la IA a diez años vista solo merecerá ese nombre si está distribuida. Lo abierto no es un modelo de negocio: es la póliza de seguro de que el futuro no tenga un solo dueño.