IBM desafía a los gigantes de la IA: 90% del rendimiento por solo el 10% del coste

La carrera de la inteligencia artificial ya no se mide solo por quién llega más lejos en las benchmarks. Cada vez más empresas se preguntan cuánto les cuesta obtener una respuesta que realmente sirva. Y ahí, según el CEO de IBM, Arvind Krishna, los modelos de pesos abiertos están ganando terreno de forma contundente.

Durante la presentación de resultados financieros de la compañía, Krishna respondió a un analista que le consultaba cómo las grandes empresas equilibran el control del gasto en IA con la necesidad de mantener el despliegue bajo control. Su respuesta se basó en la evolución que vio desde finales de 2024 hasta ahora.

A finales de 2024, explicó, un modelo de frontera podía sacar 70 puntos en una evaluación amplia mientras que uno abierto rondaba los 20 o 30. La brecha era tan grande que nadie la aceptaba. Para finales de 2025 la diferencia ya se había acortado a 70 contra 50. Hoy, según sus números, los modelos abiertos llegan aproximadamente al 90% del rendimiento de los más avanzados, pero cuestan entre el 10% y el 25% por token.

"¿Preferís algo que cuesta el 10% si alcanza el 90% del rendimiento del mejor, o querés pagar diez veces más?", planteó Krishna. La pregunta no es retórica: para muchas tareas empresariales la respuesta parece clara.

Un token es la unidad con la que los modelos miden el texto que procesan. La mayoría de los servicios de IA cerrada cobran según la cantidad de tokens que se usan. Ahí es donde el ahorro se vuelve concreto. IBM calcula que una empresa mediana podría empezar con dos o tres racks de servidores para correr estos modelos abiertos, aunque eso implica inversión inicial, electricidad, mantenimiento y personal especializado.

El ahorro real depende del volumen. Para cargas de trabajo bajas, seguir usando una API puede seguir siendo más barato. Pero cuando el uso escala, la ecuación cambia.

Krishna fue claro en que no todas las tareas necesitan el modelo más potente. Resumir un correo, redactar una respuesta, revisar un contrato o atender una consulta de cliente son ejemplos que, según él, se pueden resolver igual de bien con alternativas mucho más económicas. Admite que hay casos donde sí hace falta lo mejor de lo mejor, pero considera que son menos de lo que muchos creen.

Estas afirmaciones no vienen solas. En mayo de 2026 la OCDE publicó un informe que situaba a los modelos abiertos en torno al 90% de la calidad de los cerrados, pero con un precio equivalente al 20% en servicios en la nube. El AI Index 2026 de Stanford, por su parte, muestra que en marzo de este año el mejor modelo cerrado superaba por solo 3,3% al mejor abierto en la clasificación Arena.

Es importante recordar que Krishna habla desde IBM, una compañía que desarrolla su propia familia de modelos Granite y que al mismo tiempo tiene una alianza con OpenAI. Sus números son valoraciones propias y no vienen acompañados de benchmarks públicos específicos en la presentación, pero el debate que abrió va más allá de los intereses de la empresa.

Para las empresas de la región, especialmente pymes y startups argentinas que operan con presupuestos ajustados, esta ecuación puede ser liberadora. Poder correr modelos locales o a través de proveedores que usan pesos abiertos reduce la dependencia de facturas en dólares que suben rápido con el uso intensivo.

La clave, como siempre, está en elegir la herramienta adecuada para cada tarea. No todo necesita el modelo más caro. Y cada vez más, parece que buena parte del trabajo diario se puede resolver con opciones que entregan el 90% del resultado a una fracción del coste.

Lo que tenés que saber antes de decidir

• Evaluá el volumen de uso: si es bajo, una API cerrada puede convenir más.
• Considerá el costo total: infraestructura propia suma electricidad, mantenimiento y talento.
• Probá primero: la mayoría de los modelos abiertos tienen versiones que podés testear gratis antes de escalar.
• Pensá en el control de datos: correr un modelo en tu infraestructura da más privacidad que enviar todo a la nube.

La discusión ya no es solo quién tiene el modelo más inteligente. Es quién puede usar inteligencia útil de forma sostenible. Y ahí, los números que trajo IBM están haciendo ruido.