IBM: modelos abiertos al 90% del rendimiento y 10% del coste

El 90% del rendimiento por el 10% del coste. Esa es la ecuación que Arvind Krishna, CEO de IBM, puso sobre la mesa durante la llamada de resultados del tercer trimestre de 2026 al comparar los modelos de pesos abiertos con los de frontera. Para un founder que ya tiene IA en producción, no es un dato académico: es la diferencia entre un margen que aguanta y uno que se evapora cuando el uso se multiplica.

Qué dijo exactamente IBM en su llamada de resultados

La pregunta la formuló Matt Swanson, analista de RBC Capital Markets: cómo están conciliando las grandes compañías dos exigencias que entran en tensión, contener el gasto en inteligencia artificial y mantener el control sobre su despliegue. Krishna respondió con una serie temporal de tres puntos.

Finales de 2024: un modelo de frontera obtenía 70 puntos en una evaluación amplia frente a los 20 o 30 de una alternativa abierta. Su lectura fue tajante: «Es una brecha demasiado grande. Nadie va a aceptarla».
Finales de 2025: la diferencia se habría reducido a 70 frente a 50.
Ahora: los modelos de pesos abiertos alcanzarían aproximadamente el 90% de la eficacia de los más avanzados, con un coste por token de entre el 10% y el 25% de lo que cuestan estos últimos.

Su conclusión fue una pregunta retórica: «¿Prefiere algo que cuesta el 10% si alcanza el 90% del rendimiento del mejor, o quiere pagar un coste diez veces superior?».

Leíste lo que hace la IA. ¿Y en tu negocio?

En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.

👥 Probar 7 días

Conviene leer ese dato con contexto. Son estimaciones de Krishna y él mismo no identificó pruebas concretas para contrastarlas. Además, IBM desarrolla su propia familia de modelos Granite y mantiene una alianza con OpenAI, así que tiene intereses comerciales en que la balanza se incline hacia los pesos abiertos. Eso no invalida el argumento, pero sí obliga a mirarlo con distancia.

Qué son los modelos de pesos abiertos y en qué se diferencian del código abierto

Los «pesos» son los parámetros numéricos que un sistema de inteligencia artificial aprende y ajusta durante su entrenamiento, y que después usa para procesar información y generar respuestas. Cuando una compañía los publica, otros pueden descargarlos y ejecutar el modelo en sus propios equipos, siempre dentro de las condiciones de su licencia.

Eso no equivale a código abierto. Como explica la Open Source Initiative, disponer de los pesos no significa conocer cómo se entrenó el modelo ni tener acceso a todos sus datos y herramientas.

La licencia es la letra pequeña que decide si puedes usar el modelo dentro de tu producto. IBM publica su familia Granite bajo Apache 2.0, una licencia que permite uso comercial y de investigación, según ZDNet. No es lo habitual: otros modelos que se presentan como abiertos arrastran restricciones comerciales.

El movimiento de IBM no es solo retórico. En octubre de 2026 publicó Granite Speech 5.0 2B, un modelo de voz de 2.000 millones de parámetros bajo Apache 2.0 que quedó segundo en el ranking abierto Open ASR Leaderboard con un 5,68% de tasa de error promedio en inglés, según Marktechpost. La compañía que sostiene que los abiertos alcanzan el 90% también los está fabricando.

El coste real no es solo el precio por token

Krishna estimó que una gran empresa media puede arrancar con dos o tres racks para ejecutar modelos de pesos abiertos. Pero esa infraestructura exige inversión inicial, electricidad, mantenimiento y personal especializado. El ahorro real depende del volumen de uso, hasta el punto de que contratar una API puede seguir siendo más económico para cargas de trabajo reducidas.

IBM también empuja por el lado del software. En la misma presentación de resultados, la compañía mencionó LLM-D, una iniciativa desarrollada junto a Red Hat y Google que, según su propio reporte trimestral, reduce los costes operativos de los modelos grandes entre 5 y 10 veces.

Y añadió un dato que explica por qué el problema no es solo de precio: el 72% de las empresas reporta una infraestructura de datos en tiempo real insuficiente para sostener sus despliegues de IA.

Los datos que matizan el 90%

Las cifras de Krishna no están aisladas, pero tampoco son unánimes. En mayo de 2026, la OCDE publicó un informe, basado en datos anteriores, que situaba los modelos de pesos abiertos en torno al 90% del índice de calidad de las alternativas cerradas al llegar al mercado, con un precio equivalente al 20% en servicios en la nube.

El AI Index 2026 de Stanford ofrece el contrapunto: en marzo, el mejor modelo cerrado superaba en un 3,3% la puntuación del mejor de pesos abiertos en Arena, una clasificación basada en evaluaciones comparativas de usuarios. Son métricas distintas y ninguna establece una equivalencia universal de capacidades.

La lectura útil para un founder es esta: la brecha se cerró mucho, pero no desapareció. Y el «90%» es un promedio agregado, no una garantía tarea por tarea.

Qué significa esto para tu startup

La pregunta ya no es qué modelo es el mejor, sino qué trabajo necesita realmente el mejor modelo. Krishna lo planteó con ejemplos cotidianos: resumir un correo electrónico, redactar otro, examinar un contrato o atender una llamada de un cliente. «Todo eso puede hacerse igual de bien con la alternativa mucho más barata», aseguró. Es su valoración, no una garantía de equivalencia en todos los casos.

Estas son las acciones que puedes ejecutar esta semana:

Audita tus llamadas por complejidad, no por volumen. Separa las tareas de alto riesgo (razonamiento legal, decisiones con impacto económico, atención de casos límite) de las tareas de formato (clasificación, resumen, extracción de entidades). Las segundas son candidatas naturales a un modelo de pesos abiertos.
Implementa enrutamiento por capas. Un router que mande la mayoría del tráfico a un modelo económico y escale al de frontera solo cuando la confianza baje reduce el coste medio sin degradar la experiencia del usuario.
Calcula el TCO completo antes de decidir. El precio por token es la parte visible. Suma GPU, electricidad, mantenimiento y horas de ingeniería. Si tu volumen es bajo o irregular, la API gana; si es alto y estable, el cálculo se invierte.
Trata la soberanía de datos como variable de negocio. Krishna describió la evolución en la misma llamada: la soberanía pasó de apenas notarse en 2024 a intensificarse claramente en 2026, porque usar modelos públicos deja rastros de uso en los registros. Si vendes a banca, salud o sector público en LATAM o España, poder ejecutar el modelo en tu propia infraestructura puede ser un requisito de compra, no un extra.

Conclusión

El titular es fácil de recordar: 90% del rendimiento por el 10% del coste. La letra pequeña es que ese 90% es un promedio estimado por un CEO con intereses claros en el mercado, que el coste real incluye infraestructura y talento especializado, y que la OCDE y Stanford miden cosas distintas. Aun así, la dirección es difícil de discutir: la decisión por defecto de «usar siempre el modelo más avanzado» dejó de ser obvia. Para una startup con márgenes ajustados y uso creciente de IA, revisar esa decisión es una de las palancas de eficiencia más rentables del año.

Fuentes

¿te gustó o sirvió lo que leíste?, Por favor, comparte.

WhatsApp X LinkedIn

Leíste lo que hace la IA. ¿Y en tu negocio?

En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.

👥 Probar 7 días