Mozilla publicó esta semana The State of Open Source AI, su primer reporte anual sobre dónde está parada la inteligencia artificial abierta frente a los modelos cerrados. Lo leí completo anoche y hay varios números que valen la pega comentar, sobre todo uno que nos toca directo a los que vivimos al sur del ecuador.
La brecha se cerró, y no es opinión: es medición
El dato central: la diferencia de capacidad entre modelos abiertos y cerrados en Chatbot Arena pasó de 8.04% en enero de 2024 a solo 3.3% en marzo de 2026. En coding, seguimiento de instrucciones y conocimiento general, ya hay paridad. La brecha que queda está concentrada en razonamiento largo y tareas agénticas complejas.
Y acá viene el otro número que importa: el costo de inferencia de un modelo clase GPT-4 cayó 50 veces en 36 meses. De 20 dólares el millón de tokens a 40 centavos. Eso cambia completamente la conversación de costos en cualquier empresa que esté evaluando IA. Lo que hace dos años era una decisión estratégica de CFO, hoy es una línea más del presupuesto de TI.
En OpenRouter —que es probablemente el mejor termómetro de qué están usando los desarrolladores en producción— los cinco modelos con más volumen de tokens son todos open weights. DeepSeek, Xiaomi, Tencent, MiniMax. Los primeros cerrados que aparecen son los Claude de Anthropic, varios puestos más abajo.
El dato incómodo para Sudamérica
Acá está el número que me dejó pensando. La encuesta de Mozilla con SlashData (n=1.410 desarrolladores) muestra adopción de modelos abiertos por región:
China y Asia Oriental lideran con 89%. Europa Occidental 70%. Sudamérica: 66%, y es —junto a Europa Occidental— una de las dos únicas regiones del mundo donde la adopción de modelos cerrados supera a la de abiertos.
Léalo de nuevo. En Chile, Argentina, Brasil, Colombia: estamos usando más IA cerrada que abierta. Justo la región donde más nos convendría lo contrario —por costos, por soberanía de datos, por no depender de que una API gringa decida mañana que nuestra tarjeta de crédito chilena no le gusta— estamos yendo en la dirección opuesta.
¿Por qué? Mi hipótesis: acá casi nadie tiene el tiempo ni el equipo para pelear con la operación de un modelo propio. Y el mismo reporte lo confirma.
El verdadero cuello de botella no es el modelo, es la pega de operarlo
El hallazgo más útil del reporte: el 79% de los desarrolladores que agregan IA a sus aplicaciones usan modelos abiertos, contra 71% que usan cerrados. Pero cuando miras quién llega a producción, la cosa se invierte: solo el 51% de los equipos con modelos abiertos llega, contra 63% con cerrados.
Y lo brutal es que esa brecha no se cierra con plata. En empresas chicas, 53% de equipos open llegan a producción. En empresas de más de mil personas: 57%. Apenas se mueve. Con modelos cerrados, en cambio, pasas de 54% a 73% a medida que la empresa crece.
¿Qué significa eso? Que el problema no es capacidad del modelo ni presupuesto. Es que falta tooling. Las razones que dan los equipos que abandonan open son todas operacionales: performance, integración con sistemas existentes, mantención, documentación, deployment. Ninguna es «el modelo es malo».
Yo esto lo veo todas las semanas en la pega. Clientes que quieren salirse de OpenAI por costo o por privacidad, bajan un Llama o un Qwen, les corre bonito en el notebook, y después se pegan tres meses tratando de meterlo en producción con observabilidad decente, fallbacks, evaluación continua. Al final vuelven a pagarle a OpenAI no porque sea mejor, sino porque el costo de ingeniería de mantener lo abierto les salía más caro que la API.
Lo que esto significa si estás evaluando IA en tu empresa
Si eres de los que está decidiendo entre ir por modelo abierto o API cerrada, este reporte te da un marco honesto:
Anda por abierto si: tu workload es coding, clasificación, extracción, RAG, o cualquier cosa que no necesite razonamiento de frontera. Si tienes restricciones de datos reales (banca, salud, gobierno). Si el volumen te hace doler el costo por token. Si tienes al menos una persona dedicada a que la cosa corra.
Quédate en cerrado si: necesitas razonamiento largo y agéntico. Si tu equipo ya está ahogado y no puede absorber otro sistema que mantener. Si estás prototipando y necesitas velocidad sobre todo lo demás.
Lo que no recomiendo es lo que veo pasar caleta: quedarse en cerrado por defecto, sin haber hecho el cálculo. Porque con inferencia a 40 centavos el millón de tokens, la cuenta que antes no cerraba, hoy probablemente sí.
Mi conclusión
Este reporte de Mozilla es probablemente el documento más importante del año en IA para quienes trabajamos en esto fuera de San Francisco. No porque diga cosas nuevas, sino porque pone números duros a una conversación que hasta ahora era pura ideología.
Open ganó en capacidad y en costo. Lo que falta es la capa de operación. Quien resuelva eso —sea un vendor, un proyecto open source, o una consultora chilena que se avispa primero— se lleva la próxima década.
Y para los que estamos en Sudamérica: el dato de que somos la única región junto a Europa Occidental donde closed le gana a open debería movernos el piso. Estamos dejando plata y soberanía sobre la mesa por pereza operacional. Y eso, sinceramente, es una weá que podemos cambiar.
Fuente de inspiración: The State of Open Source AI — V1.0 · July 2026 (Mozilla)
