La carrera de la IA ya no se trata solo de quién tiene el modelo más grande

Puntos clave

• El CEO de Perplexity, Aravind Srinivas, dijo en mayo de 2025 que "el modelo por sí solo ya no es el producto" mientras las empresas de IA cambian el enfoque hacia sistemas de orquestación.
• Perplexity esta semana presentó un nuevo sistema construido alrededor de GLM 5.2, un modelo de peso abierto de Z.ai de China, diseñado para usar IA más barata para pasos rutinarios e IA más potente solo cuando sea necesario.
• El socio general de Benchmark, Peter Fenton, predijo que más del 90 por ciento de los tokens generados por IA, las unidades de datos que un modelo procesa y produce, podrían provenir de modelos de peso abierto en 18 a 24 meses.
• Ollama, una empresa que ayuda a las empresas a ejecutar modelos de IA en sus propias computadoras, dice que más del 85 por ciento de las empresas Fortune 500 han adoptado su software.

Durante los últimos dos años, la carrera de la IA tenía un marcador simple: modelo más grande, mejor benchmark. Ese marcador se está complicando.

Las empresas ya no solo están probando IA. La están incorporando en flujos de trabajo reales, y de repente la pregunta no es qué IA es más poderosa sino cuál es adecuada para este trabajo específico a un precio que tenga sentido.

Piénsalo como si contrataras contratistas. No traerías a un arquitecto especialista para colgar un estante. Un chatbot de servicio al cliente no necesita el mismo poder que una herramienta para depurar software complejo. La nueva generación de productos de IA está diseñada para tomar esa decisión automáticamente, dirigiendo cada tarea al modelo más barato que pueda manejarlo.

El CEO de Perplexity, Aravind Srinivas, lo expresó claramente a CNBC: "El modelo por sí solo ya no es el producto. Es el sistema de orquestación que pone el modelo dentro de un arnés muy capaz y empareja el modelo con muchas herramientas".

Esta semana Perplexity presentó exactamente ese tipo de sistema, construido alrededor de GLM 5.2, un modelo de peso abierto del laboratorio chino Z.ai. Peso abierto significa que el código subyacente del modelo puede descargarse, personalizarse y ejecutarse en los propios servidores de una empresa, sin requerir una suscripción mensual a un gran laboratorio de IA.

Esto importa porque los modelos de peso abierto están siendo genuinamente buenos. Peter Fenton, socio general de Benchmark, le dijo a CNBC que cree que más del 90 por ciento de toda la salida generada por IA podría provenir de modelos de peso abierto en 18 a 24 meses, posiblemente incluso antes del final de 2025. Esto reduciría los márgenes de ganancia de proveedores de IA premium como OpenAI y Anthropic, que actualmente cobran un recargo por acceso a sus modelos de nivel superior. Nuestra historia anterior sobre el corte de precios del 75 por ciento de DeepSeek encontró que los modelos más baratos aún no han hecho que los negocios de IA sean más rentables, en gran parte porque el uso crece para llenar cualquier ahorro.

¿Qué significa esto para la gente común y las pequeñas empresas?

Herramientas de IA más baratas, probablemente antes de lo esperado. Jeff Morgan, CEO de Ollama, que facilita la ejecución de modelos de IA en tu propio hardware en lugar de en la nube de alguien más, dice que más del 85 por ciento de las empresas Fortune 500 ya usan su software. Esto incluye sectores altamente regulados como aviación, seguros y sanidad, donde mantener los datos internos no es opcional.

Si la IA se ejecuta localmente en las propias computadoras de una empresa, los datos sensibles de los clientes nunca tienen que salir del edificio. Esa es una victoria de privacidad genuina sobre enviar todo a un servidor de terceros.

Lo malo es la geopolítica. Varios de los modelos de peso abierto más fuertes provienen de laboratorios chinos, una tensión que examinamos en profundidad cuando los modelos de peso abierto chinos dominaron el 41 por ciento de las descargas de Hugging Face esta primavera. La IA de código abierto ahora es una cuestión política tanto como tecnológica.

Observa la capa de orquestación, no los rankings de modelos. Los constructores que saben cómo unir modelos de forma inteligente están adelantando a los laboratorios que persiguen los mayores números de parámetros, y esa brecha se está ampliando más rápido de lo que la mayoría se da cuenta.