Cuatro meses y medio. Eso es todo lo que separa hoy al mejor modelo cerrado de Silicon Valley del mejor open-weights chino, según el reporte que Mozilla publica este 15 de septiembre. Y mientras el dato salía, Salesforce presentaba en Dreamforce su primer modelo de razonamiento construido encima de un open-weights de Nvidia. La misma mañana, dos confirmaciones de que el default cambió de lado.
Qué pasó
Mozilla publicó la segunda edición de su State of Open Source AI report —la primera fue el 14 de julio— y la conclusión es incómoda para quien firmó un contrato anual de frontier: la mayoría de las organizaciones debería usar modelos abiertos como default para el grueso de su trabajo, y reservar el cerrado para una franja estrecha y bien identificada de cargas.
El número que ancla el reporte es la brecha de capacidad: 4.4 meses. Es el tiempo que le toma a la frontera abierta alcanzar donde está hoy la cerrada. Traducido a un caso concreto: Kimi K3, de la china Moonshot AI, queda tres puntos debajo de Fable 5 de Anthropic en el Artificial Analysis Intelligence Index, al 30% del costo.
En paralelo, TechCrunch reportó el lanzamiento de Koa, el primer modelo de razonamiento de Salesforce, entrenado para tareas de ventas, marketing y soporte. No lo construyeron desde cero ni lo licenciaron de un lab frontier: lo levantaron sobre Nemotron, el modelo de pesos abiertos de Nvidia. Un vendor enterprise de ese tamaño eligiendo base abierta para su producto estrella de agentes es una señal de mercado más dura que cualquier benchmark.
El detalle técnico
La medición interesante no es el índice compuesto, es el time horizon de METR: la duración de una tarea —medida en cuánto tardaría un experto humano— que un modelo completa con 50% de éxito confiable. Ahí la ventaja cerrada es de 1.7x, y Raffi Krikorian, CTO de Mozilla, lo explica sin adornos:
Si la frontera abierta aguanta un trabajo de siete horas, la cerrada aguanta uno de doce. En cuatro meses, el modelo abierto hace el de doce horas y el cerrado algo cercano a veinte.
De ahí sale el mapa práctico. Tareas de menos de ocho horas: cualquiera de los dos las hace, así que mándalas al barato. Tareas de ocho a doce horas: territorio exclusivo del cerrado. Más de doce horas: nadie, todavía. Esa franja de cuatro horas es literalmente todo lo que estás comprando con el premium.
Hay un matiz que suele ensuciar las comparaciones: el harness, la capa de software que le da al modelo acceso a herramientas y memoria. Los labs construyen harnesses a la medida de sus propios modelos, y eso infla su desempeño frente a los mismos modelos corriendo en arneses de terceros. Cuando Vals AI igualó el terreno con un harness neutral en Terminal-Bench 2.1, el open-weights GLM 5.2 de Z.ai (Zhipu AI) quedó dentro de un punto de Claude Opus 4.7 y 4.8, a una fracción del precio.
Por qué importa
Krikorian pone el dedo donde debe: "lo cerrado se gana su premium en unos cuantos lugares: trabajo profesional experto, retrieval de alta intensidad y contexto largo". Y remata con la frase que deberían leer los comités de arquitectura: la decisión de pagar por cerrado es específica del workload, no de la organización.
Eso rompe cómo se compra IA hoy. La mayoría de las empresas eligió un proveedor y lo declaró estándar corporativo. El reporte dice que ese es el error de diseño: no es un contrato, es una tabla de ruteo.
La otra mitad de la ecuación no es capacidad, es operación. Las organizaciones siguen pagando cerrado porque funciona out of the box y viene con compliance packaging, soporte y accountability —y porque muchas no tienen el personal para operar open-weights bien. Ese es el TCO real que casi nadie mete al business case: el costo por token del abierto es ridículo, el costo del equipo que lo mantiene no. DoorDash ya opera el modelo híbrido: Kimi para lo rutinario, Fable para lo que a un experto le tomaría más tiempo.
Qué hacer
- Rutea por carga, no por proveedor. Clasifica tus casos de uso por duración equivalente de trabajo experto. Todo lo de menos de ocho horas es candidato inmediato a modelo abierto.
- Reserva el cerrado para contexto largo, retrieval intensivo y trabajo profesional experto. Ahí el premium sí se justifica.
- Usa el abierto como palanca de soberanía de datos. Si la carga toca PII de clientes, telemetría de seguridad o logs de un SOC, un modelo self-hosted no saca nada de tu perímetro. Ese argumento pesa más que el ahorro.
- Presupuesta el equipo, no solo la inferencia. Si no tienes quién opere pesos abiertos, el ahorro es ficticio.
- Trata los pesos como supply chain. Versión pinneada, hash verificado, procedencia del repositorio. Un modelo abierto que entra a producción es una dependencia más, con todo lo que eso implica.
La lectura
La conversación pública sigue atorada en si China va adelante o atrás. Es la pregunta equivocada. Cuatro meses y medio de brecha no es una carrera geopolítica: es un ciclo de compra. Significa que cualquier capacidad que hoy justifica un contrato premium será commodity antes de que termine el trimestre siguiente —y que la ventaja competitiva de un lab cerrado tiene fecha de caducidad medida en semanas, no en generaciones.
Para quien diseña arquitecturas, la consecuencia es concreta: cualquier decisión que amarre tu stack a un solo modelo por más de un año está mal tomada por definición. Lo que hay que construir no es la integración con el mejor modelo de hoy, es la capa de abstracción que te deje cambiarlo en una tarde. Salesforce lo entendió: no compró frontier, construyó encima de pesos que controla.
Y una nota para los equipos de seguridad: si el diferencial se está borrando en capacidad y precio, el diferencial real se mueve a gobernanza, procedencia de los pesos y control del dato. Ahí es donde vamos a pasar los próximos doce meses.