El lunes, el director ejecutivo de Decagon, Jesse Zhang, publicó una nueva y provocativa teoría, publicada bajo el título «Todo el mundo está equivocado acerca de la IA de código abierto en la empresa». La publicación aborda una de las contradicciones más interesantes de la economía de la IA precise: los despliegues de IA más maduros están cambiando a modelos más ligeros, afirma, incluso en su propia empresa. Pero el gasto whole en costosos modelos de última generación apenas ha variado.
Es una nueva forma de pensar sobre la relación entre los modelos de frontera y de código abierto. Según Zhang, no son competidores y el éxito de los modelos de código abierto no se produce a expensas de los laboratorios de vanguardia. En cambio, son dos fases del mismo ciclo de vida, con costosos modelos de frontera que se utilizan para probar casos de uso que pueden transmitirse a alternativas de código abierto más baratas a medida que maduran.
A medida que los casos de uso más maduros cambian a modelos más ligeros, siguen surgiendo nuevos casos de uso y el gasto basic en modelos de vanguardia apenas disminuye.
Zhang no proporciona muchos datos que respalden este punto, pero no son difíciles de encontrar. Panel de control de la puerta de enlace AI de Vercel muestra que, apenas la semana pasada, DeepSeek se ha convertido en líder en volúmenes de tokens, procesando ahora poco más de un tercio de los tokens que pasan por la infraestructura de la compañía. Z.ai, el laboratorio detrás del standard modelo GLM-5.2, saltó a un respetable cuarto lugar durante el mismo período.
Pero si te desplazas hacia abajo hasta el gasto whole en tokens, verás que Anthropic todavía representa más de la mitad del gasto whole en IA en la plataforma. Dado que gran parte del cambio reciente proviene del aumento de los precios de Anthropic, la participación ha caído ligeramente durante el último mes, pero no de manera significativa.
enrutador abierto cuenta una historia related, capturando un segmento del mercado mucho más grande (pero un poco menos empresarial). DeepSeek V4 Flash es el principal ganador en uso basic, procesando 5,3 billones de tokens por semana. El modelo fronterizo más standard, Opus 4.8, maneja poco más de 2 billones. OpenRouter no clasifica los modelos por gasto whole, pero registra el costo promedio de tokens para Opus 4.8 como aproximadamente 23 veces mayor que V4 Flash ($1.37 por millón de tokens, en comparación con solo 6 centavos), lo que significaría que Opus probablemente todavía estaba capturando la mayor parte del gasto.
Esas cifras ni siquiera reflejan la llegada más reciente, Nemotron de Nvidia, que es listo para saltar al frente del grupo en virtud de las fuertes conexiones de Nvidia y la extrema adaptabilidad del modelo.
Esas cifras no prueban completamente el punto de vista de Zhang sobre los ciclos de vida de la IA, pero sí muestran que los laboratorios de vanguardia como Anthropic no están sufriendo demasiado por el auge del código abierto, al menos no todavía. Una explicación es que el mercado de tareas direccionables por IA está creciendo tan rápido que los mejores modelos pueden mantener su posición simplemente dominando las implementaciones en las primeras etapas. Como cube Zhang: «Los laboratorios fronterizos seguirán siendo dueños de los descubrimientos. El código abierto será cada vez más dueño de la producción». Otra explicación podría ser que, incluso cuando los clientes migran al código abierto, muchos casos de uso son tan difíciles que no pueden reemplazarse por completo con alternativas más baratas.
De cualquier manera, esta economía de modelos de dos niveles puede convertirse en una característica relativamente estable de la economía de la IA.
Tan recientemente como en septiembre pasado, estaba escribiendo sobre la posibilidad de que los laboratorios de la fundación terminaran vendiendo granos de café a Starbucks, es decir, sirviendo como insumos de productos básicos mientras la capa de aplicación cosechaba los beneficios. Algunas partes de esa predicción se hicieron realidad: los juegos de IA vertical cambiaron a modelos más livianos, por ejemplo, y la economía de las nuevas empresas “envoltorias de GPT” se ha mantenido mayoritariamente estable.
Pero también estamos viendo que, token por token, los proveedores fronterizos han podido conservar la parte más deseable del mercado: el precio premium del token. Y no parece possible que eso vaya a cambiar pronto.
Cuando compra a través de enlaces en nuestros artículos, podemos ganar una pequeña comisión. Esto no afecta nuestra independencia editorial.
