Todos los equipos que construyen sobre LLM toman esta decisión, a menudo sin darse cuenta: modelos cerrados, a los que solo se accede mediante la API de un proveedor, o modelos de pesos abiertos, cuyos pesos cualquiera puede descargar y ejecutar. La decisión afecta a su factura, a la ruta de sus datos, a la estabilidad de su producto y a lo difícil que será irse.
¿Qué significa realmente pesos abiertos?
Un modelo de pesos abiertos publica sus parámetros entrenados. Usted, o cualquier proveedor, puede ejecutarlo. Es algo más limitado que el código abierto: los datos de entrenamiento y el proceso de entrenamiento completo normalmente no se publican.
Las licencias varían. Algunas son permisivas: Whisper de OpenAI, por ejemplo, publica el código y los pesos con licencia MIT. Otras restringen el uso comercial, el número de usuarios o los ámbitos de uso. Lea la licencia de cada modelo antes de construir sobre él.
Los pesos de un modelo cerrado se quedan con el proveedor. Usted alquila el acceso a través de su API o de nubes con licencia del proveedor.
Comparación de modelos de pesos abiertos y cerrados
| Factor | Pesos abiertos | Cerrados |
|---|---|---|
| Calidad en la gama más alta | Va meses por detrás de la frontera | Suele liderar en las tareas más difíciles |
| Precio por token | A menudo menor; los proveedores compiten con el mismo modelo | Lo fija un solo proveedor |
| Dónde se ejecuta | Sus servidores, una GPU alquilada o cualquier proveedor | La API del proveedor o nubes con licencia |
| Opciones de privacidad | Autoalojar o elegir un proveedor con retención de datos cero | Las condiciones y niveles del proveedor |
| Estabilidad de versiones | Fije pesos exactos durante el tiempo que quiera | El proveedor retira versiones según su calendario |
| Personalización | Haga fine-tuning o cuantice usted mismo | Solo lo que ofrezca el proveedor |
| Dependencia del proveedor | Baja: varios proveedores sirven los mismos pesos | Alta: un proveedor por modelo |
| Operación | Suya si autoaloja | Del proveedor |
¿Qué tan grande es la brecha de calidad?
Menor que antes, pero real. El AI Index 2025 de Stanford informó que la ventaja del mejor modelo cerrado sobre el mejor modelo de pesos abiertos en la tabla de Chatbot Arena bajó del 8.04 % a principios de enero de 2024 al 1.70 % en febrero de 2025. Epoch AI estimó el 29 de mayo de 2026 que “the most capable open-weight models have lagged frontier closed models by an average of four months” (Traducción: los modelos de pesos abiertos más capaces han ido por detrás de los modelos cerrados de frontera una media de cuatro meses), medido con su Epoch Capabilities Index.
En la práctica:
- Clasificación, extracción, resúmenes, traducción, chat rutinario: los modelos de pesos abiertos suelen bastar, y son más baratos.
- Agentes de programación y documentos largos: existen opciones sólidas de pesos abiertos; pruébelas en sus repositorios. Consulte el mejor modelo abierto para agentes de programación.
- El razonamiento más difícil y las capacidades más nuevas: los modelos cerrados suelen llegar primero.
Las tablas de clasificación son promedios. Sus 50 casos de prueba reales son el benchmark que importa.
¿Cuáles son las tres formas de ejecutar un modelo de pesos abiertos?
| Opción | Mejor cuando | Tenga cuidado con |
|---|---|---|
| Autoalojar en sus propias GPU | Los datos no deben salir de su red; las GPU se mantienen ocupadas | Hardware, drivers, escalado, seguridad, actualizaciones |
| Alquilar una GPU dedicada | Carga constante, pesos personalizados | Paga las horas inactivas |
| API alojada de pesos abiertos | Tráfico irregular o en crecimiento; arranque rápido | Confía en la retención y la disponibilidad del proveedor |
Autoalojar parece gratis por token, pero una GPU cuesta lo mismo tanto si atiende una solicitud por hora como mil. Compensa con una utilización alta y constante. Por debajo de eso, una API por token o un plan de tarifa plana suele ser más barato.
¿Cuánto cuesta al mes un modelo de pesos abiertos?
Los precios por token de los modelos de pesos abiertos alojados son fáciles de calcular. Para 100 millones de tokens de entrada y 10 millones de salida al mes con DeepSeek V4.1 Flash a través de BroadNet:
100 x $0.175 + 10 x $0.52 al mes, antes de cualquier descuento por caché.
Haga la misma cuenta con los precios por millón publicados por su proveedor cerrado y sus cifras reales de tokens, o parta de nuestra comparación de costos de API de modelos de pesos abiertos y cerrados, que calcula el precio de una misma carga en GPT, Claude, Gemini, Grok y cinco modelos abiertos. La entrada en caché cambia mucho el resultado: los tokens en caché de este modelo cuestan $0.0055 por millón. La calculadora de costos de API de LLM lo calcula para cada modelo de BroadNet, y la tabla de precios de API de LLM muestra lo que cobran otros proveedores por los mismos pesos abiertos.
¿Por qué la dependencia del proveedor importa más de lo que parece?
Cuando un proveedor cerrado sube precios, cambia las condiciones sobre los datos o retira el modelo para el que ajustó sus prompts, sus opciones son aceptarlo o reescribir. Con un modelo de pesos abiertos, puede llevar los mismos pesos a otro proveedor, o a su propia infraestructura, y conservar el mismo comportamiento.
Para que esa opción sea real:
- Llame a los modelos mediante un SDK compatible con OpenAI, con la base URL y el ID del modelo en la configuración.
- Mantenga un conjunto de pruebas de regresión y ejecútelo en cada cambio de proveedor.
- Opcionalmente, ponga delante un router como LiteLLM, para que cambiar sea un simple cambio de configuración.
¿Cómo combinan las empresas modelos abiertos y cerrados?
La mayoría de las empresas acaban usando ambos:
- Enrute las tareas de gran volumen y bien definidas (extracción, triaje, resúmenes, pasos rutinarios de agentes) a un modelo de pesos abiertos.
- Enrute las tareas poco frecuentes y difíciles a un modelo cerrado de frontera.
- Vuelva a probar cada trimestre. Dada la brecha que mide Epoch, con el tiempo las tareas pasan de la segunda lista a la primera.
Dónde encaja BroadNet Inference
BroadNet Inference es una API alojada de pesos abiertos: DeepSeek V4.1 Flash, GLM 5.3, Qwen3.8 27B y la versión de BroadNet de Gemma 4 de Google, más dos modelos de voz a texto, todo a través de un endpoint compatible con OpenAI. Su declaración de privacidad dice que no conserva prompts ni salidas y que no usa los datos de inferencia para entrenar, ajustar ni evaluar modelos. DeepSeek V4.1 Flash también está disponible en planes de tarifa plana desde $1 la hora hasta $60 al mes por sesión.
No sirve modelos cerrados. Si una tarea necesita GPT, Claude o Gemini, use esos proveedores para esa ruta y mantenga el resto en pesos abiertos. Para comparar BroadNet con otros proveedores, use la lista de comprobación de 20 puntos para elegir proveedor.
