Datos recientes de Village’s LLM Atlas revelan un cambio significativo en el mercado de la inteligencia artificial: los modelos de código cerrado ahora dominan la frontera de precio-rendimiento. Al 31 de octubre de 2026, los modelos de pesos abiertos son la 'mejor compra' en solo el 3% de los presupuestos medidos. Esto representa un fuerte descenso en comparación con períodos anteriores, como septiembre de 2025, cuando un solo lanzamiento de pesos abiertos de DeepSeek permitió que los modelos abiertos capturaran el 52% de la cuota presupuestaria. El panorama actual muestra que, si bien los modelos abiertos todavía mantienen un lugar en el extremo más económico del espectro —representado por modelos como Gemma 4 E4B de Google y MiMo-V2.6-Flash de Xiaomi—, han sido en gran medida desplazados del rango medio y alto por los lanzamientos recientes de OpenAI, Anthropic y Google.
Los diagramas de dispersión ilustran el cambio en la frontera de precio-rendimiento, mostrando cómo los modelos de pesos abiertos eran más prevalentes en junio pero fueron mayormente desplazados en octubre.
La investigación identifica tres razones principales por las cuales los laboratorios de código cerrado están ganando actualmente la batalla del valor. Primero, los laboratorios cerrados poseen una ventaja de 'destilación'; debido a que poseen los modelos de frontera más potentes, pueden entrenar niveles más baratos y pequeños utilizando sus propias salidas de modelos insignia internamente. En contraste, los laboratorios de pesos abiertos a menudo están restringidos por los términos de servicio de los proveedores de código cerrado, lo que les impide utilizar esas salidas de alta calidad para entrenar modelos competidores. Segundo, los laboratorios cerrados lanzan familias de modelos integrales. Por ejemplo, la serie GPT-6 y GPT-6.1 de OpenAI (que abarca desde Luna hasta Astra) proporciona un espectro continuo de capacidades en casi todos los puntos de precio. Finalmente, estos laboratorios se benefician de una infraestructura a gran escala, incluyendo hardware propietario y capacidades de inferencia de alto volumen que pueden reducir el costo por tarea para los usuarios finales.
A pesar del dominio actual de los modelos cerrados en precio-rendimiento, los datos sugieren que el mercado sigue siendo altamente volátil. Los modelos de pesos abiertos han ganado históricamente 'ráfagas' de valor, donde un solo lanzamiento de alto rendimiento ocupa una amplia banda de presupuestos hasta que un laboratorio cerrado lo supera en precio. Además, el estudio señala una limitación en su propia metodología: los costos reflejan lo que los evaluadores pagaron a través de APIs alojadas. Debido a que los modelos de pesos abiertos pueden ejecutarse en hardware privado, su verdadera propuesta de valor puede ser mayor de lo que sugiere la comparación basada en API. Para los usuarios que requieren ejecución local, personalización específica o la capacidad de realizar trabajos de seguridad sin políticas de uso restrictivas, los modelos de pesos abiertos siguen siendo una alternativa crítica a las capacidades 'alquiladas' de los proveedores de código cerrado.
Este gráfico visualiza la volatilidad del mercado, destacando específicamente las 'ráfagas' de valor donde los modelos de pesos abiertos capturaron cuotas presupuestarias significativas.