Modelos
Modelos de pesos abiertos: quién lidera y a qué distancia están de los cerrados
Kimi, DeepSeek, GLM, Qwen, Gemma, gpt-oss: quién lidera entre los modelos de pesos abiertos, la brecha con los cerrados, las licencias y lo que implica para los desarrolladores.
El 27 de octubre, Artificial Analysis cambió las reglas. Su Intelligence Index pasó a la versión 5, con un 60 % de pruebas privadas, y la distancia entre el mejor modelo cerrado y el mejor abierto aumentó de 3 a 12 puntos (Artificial Analysis). Para los modelos cuyos pesos se pueden descargar de verdad, llega a 26 puntos. Es un buen momento para hacer balance: quién lidera, por cuánto, a qué precio y bajo qué licencia.
Antes, unas palabras de vocabulario. Casi ninguno de estos modelos es «código abierto» en el sentido del software libre: son modelos de pesos abiertos. Se puede descargar el modelo entrenado, ejecutarlo uno mismo y adaptarlo, pero la licencia suele imponer condiciones. Salvo que se indique lo contrario, las puntuaciones anunciadas por un proveedor son las suyas propias, y los precios están en dólares estadounidenses por millón de tokens.
Quién lidera entre los modelos abiertos
Los laboratorios chinos ocupan la parte alta de la tabla.
- Moonshot AI (Kimi). Kimi K3 tiene 2,8 billones de parámetros y una ventana de contexto de un millón de tokens; Moonshot lo llama «el primer modelo abierto de clase 3T del mundo» (Kimi). Su sucesor, Kimi K3.1 Pro, está disponible mediante la API desde el 23 de octubre, pero sus pesos solo se publicarán «para el 4 de noviembre» (Kimi).
- DeepSeek. DeepSeek V4.1-Flash es un modelo multimodal de 552.000 millones de parámetros con una ventana de contexto de un millón de tokens (Hugging Face). Su actualización del 17 de octubre, V4.1-Flash-1017, tiene licencia MIT (Hugging Face).
- Z.ai. GLM-5.3 tiene unos 753.000 millones de parámetros según Hugging Face, y su versión ligera, GLM-5.3-Flash, tiene licencia MIT (Hugging Face).
- Alibaba (Qwen). Qwen3.8-27B, un modelo de 27.000 millones de parámetros bajo Apache 2.0, es uno de los modelos abiertos más descargados (Hugging Face). El modelo grande, Qwen3.8-2.4T-A95B, es la versión descargable de Qwen3.8-Max, bajo licencia propia (Hugging Face).
Por el lado estadounidense, Meta publicó Muse Spark Open el 15 de octubre: 816.000 millones de parámetros, 42.000 millones de ellos activos por token, y una ventana de contexto de un millón de tokens. Meta lo llama «el modelo de pesos abiertos estadounidense más capaz hasta la fecha» (Meta). Google tiene Gemma 4, cuya versión de 31B está bajo Apache 2.0 (Hugging Face). OpenAI no ha publicado nada nuevo: su página de modelos abiertos sigue listando solo gpt-oss y gpt-oss-safeguard (OpenAI), y gpt-oss data del 5 de agosto de 2025 (OpenAI).
En Europa, Mistral publica Mistral Small 4 bajo Apache 2.0 (Hugging Face) y Mistral Medium 3.5 bajo una licencia MIT modificada (Mistral). Su modelo insignia, Mistral Large 4, figura como propietario en LMArena (LMArena).
Los modelos pequeños también avanzan. Liquid AI publicó LFM3 el 27 de octubre, con una versión de 1.700 millones de parámetros (Liquid AI). Nanbeige4.3-33B, publicado el 24 de octubre bajo Apache 2.0, comunica un 23,8 % en Terminal-Bench 4.0 (Hugging Face).
La brecha con los modelos cerrados
En el índice v5 de Artificial Analysis, los cinco primeros modelos son todos de Anthropic y OpenAI. El mejor modelo abierto, Kimi K3.1 Pro, aún no ha publicado sus pesos. Entre los pesos realmente disponibles, DeepSeek V4.1 Flash 1017 y GLM-5.3 lideran con 32 puntos, por detrás de Claude Haiku 5.5, el modelo pequeño de Anthropic (36).
Artificial Analysis Intelligence Index v5, sobre 100
█ modelo cerrado
▓ pesos abiertos, publicados
░ pesos prometidos, aún no publicados
Claude Opus 5.5 58 │█████████████████████████████
GPT-6 Astra 57 │█████████████████████████████
GPT-6.1 Sol 55 │████████████████████████████
Gemini 4 Argon 50 │█████████████████████████
Muse Wonder Full 50 │█████████████████████████
Kimi K3.1 Pro 46 │░░░░░░░░░░░░░░░░░░░░░░░
Claude Haiku 5.5 36 │██████████████████
DeepSeek V4.1 Flash 32 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
GLM-5.3 32 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
Qwen3.8-27B 20 │▓▓▓▓▓▓▓▓▓▓Fuente: Artificial Analysis, Index v5, 27 de octubre de 2026; las puntuaciones de Muse Wonder Full y Qwen3.8-27B proceden de Cybernews, 28 de octubre de 2026. Esfuerzo de razonamiento máximo para cada modelo.
La brecha es mayor en las tareas largas y no vistas. En FrontierCode 2.0, una prueba privada en la que un mantenedor debe aceptar el cambio de código, Claude Opus 5.5 completa el 46 % de las tareas y DeepSeek V4.1 Flash 1017, el mejor modelo abierto, el 28 %. En Terminal-Bench-Science, investigación científica ejecutada en un terminal, el mejor modelo abierto publicado se queda en un 13 % y la mayoría no pasa del 10 %, frente al 63 % de GPT-6 Astra (Artificial Analysis). Hay una excepción: Kimi K3.1 Pro tiene la mejor puntuación de todos los modelos en Terminal-Bench 4.0, con un 67 %.
La reordenación tiene sus críticos. Varios modelos abiertos perdieron más de 10 puntos de golpe, como DeepSeek V4.1 Flash, que bajó de 45 a 32, y los comentaristas de Hacker News piden explicaciones (Cybernews).
La clasificación de LMArena, basada en los votos de usuarios que comparan dos respuestas a ciegas, muestra una brecha menor.
| Modelo | Posición | Puntuación | Licencia |
|---|---|---|---|
| Gemini 4 Argon | 2 | 1520 | propietaria |
| Claude Opus 5.5 | 3 | 1509 | propietaria |
| Kimi K3 | 19 | 1488 | licencia Kimi K3 |
| GLM-5.3 | 28 | 1481 | MIT |
| DeepSeek V4.1-Flash | 35 | 1476 | MIT |
| Gemma 4 31B | 77 | 1452 | Apache 2.0 |
| Mistral Medium 3.5 | 122 | 1426 | MIT modificada |
| gpt-oss-120b | 219 | 1352 | Apache 2.0 |
Fuente: LMArena, clasificación de texto del 27 de octubre de 2026, 419 modelos. El primer puesto es para Gemini 4 Carbon (1528), una puntuación todavía marcada como «preliminar».
Nuestra lectura: las dos clasificaciones no miden lo mismo. En los votos de los usuarios, el mejor modelo abierto, Kimi K3, está a solo 32 puntos de Gemini 4 Argon. En tareas largas de agentes con pruebas no vistas, la brecha es mucho mayor. Y ese es justamente el uso que importa para un agente de programación.
El coste, el primer argumento a favor de los modelos abiertos
El precio sigue siendo la gran ventaja de los modelos abiertos, pero no de todos, y ya no de forma automática.
Precio oficial de la API, en $ por millón de tokens de salida
█ modelo cerrado
▓ modelo de pesos abiertos
Claude Opus 5.5 20 │████████████████████
Kimi K3 15 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
GPT-6.1 Sol 10 │██████████
Gemini 4 Argon 10 │██████████
Qwen3.8-Max 6 │▓▓▓▓▓▓
GPT-6.1 Terra 5 │█████
GLM-5.3 4,40 │▓▓▓▓
DeepSeek V4-Pro 3,96 │▓▓▓▓
DeepSeek V4.1-Flash 1,20 │▓
Claude Haiku 5.5 0,50 │█
GPT-6 Luna 0,50 │█
GLM-5.3-Flash 0,50 │▓Fuentes: Anthropic, Kimi, OpenAI, Google (precio de lanzamiento hasta el 30 de noviembre), Alibaba Cloud (tarifa internacional; es el precio de la versión alojada), Z.ai, DeepSeek (horas punta, mitad de precio fuera de ellas). Claude Haiku 5.5: prompts de 100.000 tokens o menos. Consultado el 28 de octubre de 2026.
DeepSeek V4.1-Flash sigue siendo el ejemplo más llamativo. Cuesta 0,30 dólares de entrada y 1,20 de salida en horas punta, y la mitad fuera de ellas (DeepSeek). En cambio, Kimi K3 se factura a 3 dólares de entrada y 15 de salida, más que GPT-6.1 Sol (Kimi). Los modelos cerrados pequeños también han llegado al extremo inferior de la escala: Claude Haiku 5.5 y GPT-6 Luna cuestan 0,10 y 0,50 dólares (Anthropic, OpenAI).
El precio por token no lo es todo. Artificial Analysis mide también en su índice el coste de una tarea completa: 10,04 dólares para Claude Opus 5.5, 6,24 para GPT-6 Astra, 1,27 para GPT-6.1 Sol y 0,96 para GPT-6.1 Terra (Artificial Analysis). Un modelo barato que escribe muchos tokens de razonamiento puede acabar costando tanto como un modelo cerrado más sobrio.
Licencias: abierto no significa libre
Las licencias forman un espectro, desde las realmente permisivas hasta las que imponen condiciones dirigidas a grandes competidores.
| Modelo | Licencia | Qué conviene saber |
|---|---|---|
| gpt-oss-120b y 20b | Apache 2.0 | Uso comercial permitido, sujeto a la política de uso de gpt-oss (OpenAI) |
| Gemma 4, Qwen3.8-27B, Mistral Small 4, Nanbeige4.3-33B | Apache 2.0 | Licencia de software estándar (Hugging Face) |
| DeepSeek V4.1-Flash-1017, GLM-5.3-Flash | MIT | Licencia de software estándar (Hugging Face) |
| GLM-5.3 | Licencia GLM-5.3 | Revisión de seguridad por Z.ai para proveedores de API con más de 10.000 M$ de ingresos en 12 meses (Hugging Face) |
| Kimi K3 | Licencia Kimi K3 | Acuerdo aparte para proveedores de API con más de 20 M$ de ingresos en 12 meses; mención «Kimi K3» por encima de 100 M de usuarios mensuales o 20 M$ de ingresos mensuales (Hugging Face) |
| Qwen3.8-2.4T-A95B | Licencia Qwen3.8-Max | Licencia aparte para servicios de API y asistentes con más de 50 M$ de ingresos en 12 meses (Hugging Face) |
| MiniMax M3 | MiniMax Community License | El uso comercial debe notificarse a MiniMax; autorización por escrito por encima de 20 M$ de ingresos anuales (Hugging Face) |
| Muse Spark Open | Muse Model License | Mención «Built with Muse Spark Open» obligatoria; acuerdo con Meta para proveedores de API con más de 20 M$ en 12 meses; descarga bajo petición (Hugging Face) |
| LFM3 | LFM Open License v1.0 | Uso comercial no cubierto por encima de 10 M$ de ingresos anuales (Hugging Face) |
Nuestra lectura: la tendencia es clara. Los modelos abiertos más grandes llegan con licencias personalizadas cuyas cláusulas apuntan sobre todo a los alojadores que revenderían el modelo como API. Para un equipo que lo usa internamente, la mayoría siguen siendo utilizables. Para un proveedor de software por encima de los umbrales, conviene leer la licencia antes de elegir.
Lo que realmente se descarga
Los modelos que son noticia no son los que más descargan los desarrolladores.
Descargas en Hugging Face el último mes, en millones
Gemma 4 31B 8,47 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
Qwen3.8-27B 7,52 │▓▓▓▓▓▓▓▓▓▓▓▓▓▓▓
GLM-5.3-Flash 6,42 │▓▓▓▓▓▓▓▓▓▓▓▓▓
gpt-oss-20b 6,01 │▓▓▓▓▓▓▓▓▓▓▓▓
gpt-oss-120b 2,83 │▓▓▓▓▓▓
GLM-5.3 2,30 │▓▓▓▓▓
DeepSeek V4.1-Flash 1,85 │▓▓▓▓
Kimi K3 0,85 │▓▓
Muse Glimmer 30B 0,21 │▏
Mistral Small 4 0,07 │▏
Muse Spark Open 0,01 │▏Fuente: contador «Downloads last month» de cada página de Hugging Face (Gemma 4 31B, Qwen3.8-27B, GLM-5.3-Flash, gpt-oss-20b, gpt-oss-120b, GLM-5.3, DeepSeek V4.1-Flash, Kimi K3, Muse Glimmer 30B, Mistral Small 4, Muse Spark Open), consultado el 28 de octubre de 2026. Repositorio principal de cada modelo, sin contar las versiones cuantizadas ni las copias de la comunidad.
Dos salvedades. Hugging Face cuenta cada petición a ciertos archivos, como config.json, incluidas las de pipelines automatizados (Hugging Face). Y Muse Spark Open solo está disponible bajo petición, lo que frena mecánicamente sus descargas. La clasificación muestra, aun así, una tendencia clara: dominan los modelos de entre 20.000 y 30.000 millones de parámetros, que caben en una sola máquina.
Qué significa para los desarrolladores
En local, el hardware decide antes que las puntuaciones. gpt-oss-20b funciona con 16 GB de memoria y gpt-oss-120b en una sola GPU de 80 GB (OpenAI). Muse Spark Open necesita dos máquinas Mac Studio M5 Ultra (Meta). Para Kimi K3, Moonshot recomienda clústeres de 64 aceleradores o más (Kimi). Nuestra guía para ejecutar un modelo de programación en local con Ollama explica la configuración paso a paso.
En los agentes de programación, un modelo abierto se conecta ya como uno cerrado. La API de DeepSeek acepta los formatos de OpenAI y de Anthropic, y su documentación explica cómo usarla con Claude Code, Codex y OpenCode (DeepSeek). Cambiar de modelo suele reducirse a una dirección de API y una clave.
En las empresas, la adopción sigue siendo baja. Según Menlo Ventures, la cuota de los modelos de código abierto en el uso empresarial de API cayó del 19 % en 2024 al 11 % en 2025, y los modelos chinos representan solo cerca del 1 % de ese uso (Menlo Ventures). Menlo Ventures es inversor de Anthropic.
La próxima prueba tiene fecha: Moonshot promete los pesos de Kimi K3.1 Pro para el 4 de noviembre. Si cumple, el mejor modelo descargable estaría a 12 puntos de la cima del índice de Artificial Analysis, en lugar de los 26 actuales.
Fuentes
- Artificial Analysis, Intelligence Index v5, 27 de octubre de 2026, consultado el 2026-10-28
- Cybernews, reordenación de los modelos de pesos abiertos, 28 de octubre de 2026
- LMArena, clasificación de texto, 27 de octubre de 2026, consultado el 2026-10-28
- Kimi K3 y Kimi K3.1 Pro, Moonshot AI
- Meta, Muse Spark Open, 15 de octubre de 2026
- OpenAI, gpt-oss, 5 de agosto de 2025, y página de modelos abiertos
- DeepSeek, modelos y precios de la API, consultado el 2026-10-28
- Z.ai, precios, consultado el 2026-10-28
- Alibaba Cloud, precios de Model Studio, consultado el 2026-10-28
- Anthropic, precios y OpenAI, precios de la API, consultados el 2026-10-28
- Liquid AI, LFM3, 27 de octubre de 2026
- Hugging Face, cómo se cuentan las descargas
- Menlo Ventures, State of Generative AI in the Enterprise 2025, 9 de diciembre de 2025
¿Ha detectado un error en este artículo? Comuníquenoslo · Nuestra política de correcciones
