IBM tiene unas cifras que desafían a los gigantes de la IA cerrada: 90% del rendimiento por solo el 10% del coste por token

La carrera por la inteligencia artificial lleva tiempo girando alrededor de una pregunta: quién tiene el modelo más capaz. Cada nueva generación busca resolver tareas más complejas, mientras las comparaciones suelen mirar hacia lo más alto de las clasificaciones. Pero hay otra pregunta que empieza a cobrar importancia cuando dejamos de probar estas herramientas por curiosidad y necesitamos utilizarlas de verdad: cuánto nos cuesta obtener una respuesta suficientemente buena. La diferencia puede parecer pequeña, hasta que imaginamos esa misma petición repetida miles o millones de veces.

Esa elección tiene más caminos de los que sugieren las aplicaciones de inteligencia artificial que utilizamos a diario. Podemos acceder a estas herramientas mediante servicios gratuitos, suscripciones de pago o proveedores que cobran según el uso, pero también existen modelos de pesos abiertos que pueden ejecutarse en infraestructura propia o a través de terceros. Para una empresa, esto abre posibilidades que van más allá de contratar el servicio más avanzado del mercado. 

La discusión llegó hasta la presentación de resultados financieros de IBM. Durante el turno de preguntas, Matt Swanson, analista de RBC Capital Markets, quiso saber cómo estaban conciliando las grandes compañías dos exigencias que pueden entrar en tensión: contener el gasto en inteligencia artificial y mantener el control sobre su despliegue. Arvind Krishna, CEO de IBM, respondió remontándose a finales de 2024 y comparando la evolución de los modelos más avanzados con la de las alternativas de pesos abiertos. Su argumento apuntaba a un cambio que, según él, está alterando esa elección.

La inteligencia artificial tiene una nueva batalla y no se libra solo en el rendimiento

Para entender la magnitud del cambio que describe el ejecutivo, conviene mirar los números que utilizó. A finales de 2024, planteó un ejemplo en el que un modelo de frontera podía obtener 70 puntos en una evaluación amplia, frente a los 20 o 30 de una alternativa abierta. «Es una brecha demasiado grande. Nadie va a aceptarla», sostuvo. A finales de 2025, según su ejemplo, la diferencia se habría reducido a 70 frente a 50. Ahora estima que los modelos de pesos abiertos alcanzan aproximadamente el 90% de la eficacia de los más avanzados y cuestan por token entre el 10% y el 25% de lo que cuestan estos últimos. Son valoraciones de Krishna, que no identificó pruebas concretas para contrastarlas.

Conviene detenernos en una expresión que aparece en toda esta comparación: modelos de pesos abiertos. Los llamados «pesos» son los parámetros numéricos que un sistema de inteligencia artificial aprende y ajusta durante su entrenamiento, y que después utiliza 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 significa que conozcamos cómo se entrenó ni que tengamos acceso a todos sus datos y herramientas. Por eso, como explica la Open Source Initiative, disponer de los pesos no equivale necesariamente a tener un modelo de código abierto.

El ahorro del que habla Krishna se entiende mejor al mirar cómo se cobra por utilizar estos sistemas. Un token es una unidad con la que el modelo representa fragmentos del texto que recibe o genera, y muchos proveedores facturan según la cantidad procesada. «¿Prefiere algo que cuesta el 10% si alcanza el 90% del rendimiento del mejor, o quiere pagar un coste diez veces superior?», planteó el ejecutivo. Según los cálculos de IBM, una gran empresa media podría comenzar con dos o tres racks, armarios que alojan servidores y otros equipos, para ejecutar estas alternativas. Pero esa infraestructura exige inversión, 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.

Después de los costes llega una pregunta inevitable: ¿qué trabajos necesitan realmente el modelo más avanzado? Krishna admite que algunos sí, pero considera que muchas tareas empresariales pueden resolverse con opciones más económicas. Mencionó ejemplos cotidianos, desde resumir un correo electrónico y redactar otro hasta 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 sobre esos usos, no una garantía de que cualquier sistema ofrezca resultados equivalentes en todos los casos. La elección también depende de la complejidad de cada tarea y de la fiabilidad que necesitemos.