Adiós a OpenAI y Anthropic: las empresas se pasan en masa a la IA de código abierto (y China lidera la carga)

Esto no es solo un ejercicio de reducción de costes; es una reevaluación fundamental del cálculo de "construir versus comprar" que ha dominado la estrategia de IA empresarial durante los últimos tres años.

Las tres fuerzas que impulsan el cambio

1. Facturas de API propietarias por las nubes

La economía de los modelos propietarios basados en API se vuelve dolorosa a escala. Una empresa que procesa 100 millones de tokens al día a través de una API propietaria podría gastar más de 500.000 dólares al mes. La misma carga de trabajo en modelos de código abierto auto-alojados cuesta una fracción de eso, incluso teniendo en cuenta los gastos generales de infraestructura e ingeniería . Esta presión financiera es el desencadenante principal del cambio: dos tercios de las organizaciones en una encuesta informaron que la IA de código abierto es más barata de implementar que la IA propietaria .

2. El enrutamiento multimodelo se generaliza

Herramientas como OpenRouter y mercados de IA similares se han convertido en la arquitectura empresarial predeterminada. Estas herramientas permiten a las empresas asignar cada tarea al modelo adecuado más barato, reservando las API premium caras solo para el trabajo más complejo. Este enfoque acelera el ahorro de costes, impulsando directamente el cambio drástico en el enrutamiento de tokens hacia opciones de código abierto . El resultado ha sido una caída interanual en los costes empresariales de tokens de 18,40 dólares por millón de tokens en el primer trimestre de 2025 a 6,07 dólares en el primer trimestre de 2026 .

3. La brecha de rendimiento ha desaparecido prácticamente

El argumento cualitativo para pagar una prima por los modelos propietarios se ha debilitado drásticamente. A finales de 2025, la brecha del benchmark MMLU entre modelos de código abierto y propietarios se había reducido de 17,5 puntos porcentuales a solo 0,3, cerrando efectivamente la brecha en los benchmarks de conocimiento general . En LMSys Chatbot Arena, la diferencia es ahora de unas pocas docenas de puntos Elo, cayendo dentro del margen de error en algunas métricas .

Los principales modelos chinos son ahora puntos de referencia en cuanto a relación calidad-precio. DeepSeek-V3.2 iguala a GPT-5.1 a una décima parte del coste de inferencia . En rendimiento agéntico, modelos como GLM-4.7 han superado a todos los modelos propietarios en el benchmark τ²-Bench . Esta paridad de rendimiento significa que para la gran mayoría de los casos de uso empresarial —algunos analistas estiman que el 80%— los modelos de código abierto ahora ofrecen resultados comparables o superiores .

Los modelos chinos lideran la carga del código abierto

La narrativa ya no es solo de código abierto frente a propietario; cada vez más, es sobre el liderazgo de Estados Unidos frente a China en el código abierto. Los desarrolladores chinos han adoptado agresivamente una estrategia de distribución de código abierto para impulsar la adopción global, y está funcionando.

• Dominio en descargas: Entre agosto de 2024 y agosto de 2025, los desarrolladores chinos de modelos abiertos representaron el 17,1% de todas las descargas de Hugging Face, superando ligeramente a los desarrolladores estadounidenses, que representaron el 15,8% .
• Aumento de la cuota de mercado: Qwen de Alibaba y DeepSeek han capturado una cuota estimada del 15% del mercado mundial de IA en enero de 2026, frente a apenas el 1% a principios de 2025 . Qwen superó a Llama de Meta como la familia de LLM más descargada en Hugging Face en septiembre de 2025 .
• Volumen de lanzamientos: En julio de 2025, China había publicado aproximadamente 1.509 de los aproximadamente 3.755 LLM públicos del mundo, mucho más que cualquier otro país .

Esta avalancha de modelos capaces y de bajo coste está alterando fundamentalmente las cadenas de suministro globales de IA y las consideraciones económicas para las empresas de todo el mundo.

Las implicaciones de coste para la empresa

Las ventajas de coste de la migración son asombrosas y multidimensionales.

Incluso teniendo en cuenta los gastos generales operativos del autoalojamiento, una carga de trabajo de 100 millones de tokens al día es un 55% más barata en código abierto, y a 1.000 millones de tokens al día, ese ahorro se dispara al 81% .

La presión sobre OpenAI y Anthropic

Este cambio ha creado una crisis existencial para los pioneros de la era de la IA propietaria. A medida que las empresas votan con su cartera, OpenAI y Anthropic están siendo presionados desde todos los frentes.

Una guerra de precios brutal

El Wall Street Journal y Bloomberg han informado de una escalada en la guerra de precios entre las dos empresas . Sam Altman ha reconocido que los costes son un "problema enorme" para los clientes, y se dice que OpenAI está sopesando fuertes reducciones en el precio de los tokens para contrarrestar el impulso empresarial de Anthropic .

Las cifras no mienten

• Margen operativo de OpenAI: OpenAI publicó un margen operativo ajustado del -122% en el primer trimestre de 2026, perdiendo 1,22 dólares por cada dólar de ingresos .
• Crecimiento explosivo de Anthropic: La tasa de ingresos anualizada de Anthropic se disparó hasta los 47.000 millones de dólares en mayo de 2026, frente a los aproximadamente 10.000 millones de dólares de todo 2025, impulsada en gran medida por la adopción empresarial de Claude Code .
• Amenazas crecientes: Modelos chinos como GLM 5.2 de Zhipu se sitúan ahora a un punto porcentual de Opus 4.8 de Anthropic en los benchmarks agénticos, por aproximadamente una quinta parte del coste . Además, los productos centrados en la eficiencia de Microsoft, Amazon y Google también están ejerciendo nuevas presiones de crecimiento sobre ambas empresas .

El riesgo de la OPI

Ambas empresas se están preparando para sus salidas a bolsa a finales de 2026 . El riesgo central es que la compresión de los márgenes para competir con las alternativas de código abierto y chinas socave su capacidad para mantener el enorme gasto en infraestructura necesario para mantener una ventaja de frontera . Un analista de D.A. Davidson señaló que las tasas de crecimiento actuales pueden no ser sostenibles a medida que cambia el entorno de gasto .

El camino a seguir: un mundo híbrido

El futuro de la IA empresarial no es una elección binaria entre abierto y cerrado. Los datos sugieren que una arquitectura híbrida se está convirtiendo en la nueva norma. Las empresas utilizarán modelos propietarios para flujos de trabajo de alto riesgo, expuestos a la marca o legalmente regulados donde las garantías y los SLA no son negociables . Para el procesamiento por lotes sensible a los costes, la generación de contenido de alto volumen y las implementaciones in situ, los modelos de código abierto —especialmente los de China— se convertirán en la opción predeterminada .

La conclusión estratégica para cualquier líder empresarial es clara: la era de pagar una prima por la capacidad de IA está terminando. Cualquier estrategia de IA que no tenga en cuenta los costes decrecientes y la calidad creciente de los modelos de código abierto ya está obsoleta.