Modelos de peso abierto ahora 10x más baratos que APIs de frontera, cerrando brecha de capacidad en 7 meses

Modelos de peso abierto como GLM-5.2, DeepSeek V4, MiniMax M3 y Kimi K2.6 han cerrado la brecha de capacidad con modelos de frontera a aproximadamente 7 meses de equivalencia de entrenamiento, según el análisis de Epoch AI actualizado a mediados de 2026. Los modelos de peso abierto chinos ahora representan el 45% del volumen de tokens en OpenRouter y otros agregadores—MiMo V2 Pro de Xiaomi solo procesa 4,79 billones de tokens por semana, el modelo #1 por un margen de 3x. La narrativa de que solo los sistemas de frontera son necesarios para producción está desactualizada.

En costo, la brecha es drámatica. GLM-5.2, que puntuá #1 en el Índice de Inteligencia de Artificial Analysis para pesos abiertos y rivaliza con Claude Opus y GPT-5.5 en tareas de codificación y planificación, cuesta $1,40/$4,40 por millón de tokens de entrada/salida—vs. GPT-5.4 en $2,50/$15,00 y Claude Opus 4.8 alrededor de $7,50/$22,50. Para tareas agénticas de alto volumen, los usuarios reportan reducciones de costo de 10-50x al enrutar desde APIs de frontera a oleoductos de peso abierto. MiniMax M2.5 cuesta $0,30/millón de tokens de entrada mientras iguala el rendimiento de frontera en SWE-bench Verified. DeepSeek V4 Flash ahora es la opción de presupuesto de facto para codificación agéntica.

La capacidad sigue siendo estratificada por tarea. Los modelos de frontera (o3, Opus 4.8, GPT-5.5) aún lideran en: cadenas de razonamiento de múltiples pasos, seguimiento de instrucciones matizado en avisos complejos, confiabilidad de uso de herramientas bajo carga, visión y audio, y ajuste de seguridad de casos límite. Los modelos de peso abierto dominan en: codificación/ingeniería de software (especialmente GLM-5.2 en planificación de horizonte largo), eficiencia de costo por tarea (porque evitan turnos desaprovechados), y residencia de datos (autohospedaje sin registro de datos de entrenamiento). Epoch AI documenta que los modelos de peso abierto se quedan 4-14 meses atrás de la frontera en razonamiento avanzado, pero para el 80-90% de las tareas de producción—resumen, clasificación, extracción, Q&A—la brecha es irrelevante.

Para constructores de stack, el marco de decisión se ha invertido. Donde principios de 2025 significaba frontera-primero con fallback de peso abierto, mediados de 2026 significa ruta por tarea. Razonamiento de alto riesgo, visión o instrucción en tiempo real → frontera. Código de alto volumen, trabajo de documentos o bucles de agente → peso abierto + cobertura de frontera. La economía unitaria de esa división ahora favorece al peso abierto para el 70%+ de tokens en muchos oleoductos, lo que explica por qué los proveedores de modelos chinos y Alibaba están creciendo más rápido que OpenAI y Anthropic en el tráfico de inferencia.