PulseFlow Tecnologia
← Insights
·7 min de lectura·brief-ejecutivo·modelos-abiertos·deepseek·open-weight
PulseFlow Tecnologia

Qué cambiaron DeepSeek, Kimi y los modelos abiertos en la estrategia de IA

En menos de dos años, el argumento de que "solo gana quien tiene el mejor modelo cerrado" se volvió insostenible. DeepSeek-R1, Kimi K2, Llama 3.1 y el propio gpt-oss de OpenAI muestran un patrón consistente: la capacidad de frontera dejó de ser exclusividad de un puñado de laboratorios cerrados.

DeepSeek-R1: paridad con o1, licencia MIT, una fracción del precio

DeepSeek-R1 llegó con "performance on par with OpenAI-o1" en matemáticas, código y tareas de razonamiento, usando RL a gran escala en el post-entrenamiento. Pero el detalle más disruptivo no es técnico, es comercial: el modelo es completamente open source bajo licencia MIT, permitiendo destilar y comercializar libremente, con un precio de API de $0,14 por millón de tokens de entrada en caché - una fracción de lo que cobraban los principales competidores cerrados en ese momento. Versiones destiladas más pequeñas (32B y 70B) alcanzan paridad con o1-mini.

Kimi K2: un billón de parámetros, MIT modificada

Kimi K2, de Moonshot AI, es un modelo MoE (mixture-of-experts) con 1 billón de parámetros totales, pero solo 32 mil millones activados a la vez, distribuidos en 384 expertos con 8 seleccionados por token. Fue preentrenado en 15,5 billones de tokens "con cero inestabilidad de entrenamiento", con una ventana de contexto de 128K tokens. En los benchmarks, alcanza 53,7% en LiveCodeBench y 69,6% en AIME 2024 - competitivo con modelos cerrados de referencia —, licenciado bajo una licencia MIT modificada, con pesos y código abiertos.

Llama 3.1: Meta lo llama "el primer modelo open source de frontera"

Meta describió Llama 3.1 405B como "the first frontier-level open source AI model", entrenado en más de 15 billones de tokens usando 16.000 GPUs H100, evaluado en más de 150 conjuntos de datos de benchmark, competitivo con GPT-4, GPT-4o y Claude 3.5 Sonnet según la propia Meta. La licencia se modificó para permitir que los desarrolladores usen "outputs from Llama models... to improve other models" - un cambio estratégico que anima a todo un ecosistema a construir sobre el modelo de Meta. Más de 25 socios, incluyendo AWS, NVIDIA, Google Cloud y Databricks, ofrecieron servicios ya el primer día.

gpt-oss: hasta OpenAI abrió sus pesos

La señal más fuerte de que esta presión funcionó vino de la propia OpenAI: gpt-oss-120b y gpt-oss-20b, lanzados bajo licencia Apache 2.0, con pesos de descarga libre en Hugging Face. gpt-oss-120b alcanza casi paridad con o4-mini en benchmarks de razonamiento corriendo en una sola GPU de 80GB; gpt-oss-20b entrega resultados similares a o3-mini y corre en dispositivos edge con solo 16GB de memoria. OpenAI se asoció previamente con Azure, Hugging Face, AWS, Databricks y otras plataformas para lanzar con soporte amplio desde el primer día.

Qué cambia esto en la estrategia empresarial

Cuando un modelo chino (DeepSeek), un modelo de un laboratorio menos conocido en Occidente (Kimi K2), el mayor modelo abierto de Meta, e incluso un lanzamiento de la propia OpenAI convergen en el mismo patrón - capacidad de frontera disponible como peso abierto, a un precio mucho menor —, el mensaje para quien decide arquitectura es claro: apostar todo a un único modelo cerrado como ventaja competitiva es una apuesta cada vez más frágil. El diferencial real se traslada a lo que la empresa construye alrededor del modelo - arquitectura de agentes, gobernanza, integración de datos, observabilidad - porque la capacidad bruta del modelo, hoy, está disponible para cualquier competidor dispuesto a correr un peso abierto.

Fuentes