Para la gran mayoría de las tareas cotidianas (~90%), Deutsche Bank descubrió que el rendimiento de los modelos de peso abierto es comparable al de los modelos propietarios . La ventaja cualitativa significativa de los modelos propietarios solo existe en un estrecho grupo de los benchmarks más difíciles y de vanguardia, no en la gran mayoría de las cargas de trabajo de producción real del mundo empresarial.
Datos de la industria respaldan esta observación: en tareas de producción específicas como la generación de código, la brecha en los benchmarks (10-15%) se reduce a una brecha de producción de solo 2-5% para los modelos abiertos .
La investigación de Deutsche Bank se alinea con hallazgos independientes que muestran que la brecha de capacidades entre los modelos abiertos y los propietarios se ha comprimido drásticamente: de ser una diferencia de varios años a solo 3-4 meses a mediados de 2026 . El análisis contemporáneo de EpochAI sitúa el retraso en ~3 meses en su Índice de Capacidades Holístico, con una brecha de puntuación promedio de aproximadamente 7 puntos
. Este "cambio de fase" en la velocidad de lanzamiento (de un ciclo de 6 meses en 2024 a un ciclo de 72 horas para el primer trimestre de 2026) significa que cualquier ventaja de rendimiento de un modelo propietario es efímera
.
Deutsche Bank enfatiza que no se trata de una división geográfica (por ejemplo, EE. UU. vs. China). La compresión del costo-rendimiento es un fenómeno estructural y global, impulsado por la proliferación de modelos de peso abierto en múltiples regiones, incluyendo a DeepSeek y Zhipu AI en China, Meta (con Llama) en EE. UU., y otros . El eje relevante es abierto vs. cerrado, no Este vs. Oeste. El banco destaca que los avances de DeepSeek a principios de 2025 marcaron el momento en que la vieja narrativa geográfica se rompió
.
Deutsche Bank cree que esta dinámica podría desencadenar una revalorización del mercado de IA . Las implicaciones clave incluyen:
Comments
0 comments