{"id":3561,"date":"2026-07-14T03:14:40","date_gmt":"2026-07-14T03:14:40","guid":{"rendered":"https:\/\/tucumandevelopers.com\/index.php\/2026\/07\/14\/la-inteligencia-ya-no-esta-en-el-modelo\/"},"modified":"2026-07-14T03:14:40","modified_gmt":"2026-07-14T03:14:40","slug":"la-inteligencia-ya-no-esta-en-el-modelo","status":"publish","type":"post","link":"https:\/\/tucumandevelopers.com\/index.php\/2026\/07\/14\/la-inteligencia-ya-no-esta-en-el-modelo\/","title":{"rendered":"La inteligencia ya no est\u00e1 en el modelo"},"content":{"rendered":"
\n
\n

Durante a\u00f1os hemos hablado de inteligencia artificial como si la batalla decisiva estuviese en el modelo. GPT contra Claude, Gemini contra Llama, DeepSeek contra todos. Una competici\u00f3n de benchmarks<\/em>, ventanas de contexto, par\u00e1metros, precios por mill\u00f3n de tokens<\/em> y comunicados de prensa cada vez m\u00e1s hiperb\u00f3licos. Pero esa fase empieza a agotarse. No porque los modelos dejen de ser importantes, sino porque est\u00e1n convirti\u00e9ndose en una commodity<\/em>: una materia prima imprescindible, s\u00ed, pero cada vez m\u00e1s intercambiable. Lo que empieza a importar no es tanto qu\u00e9 modelo usamos, sino qu\u00e9 capa decide qu\u00e9 modelo usar, cu\u00e1ndo, para qu\u00e9, con qu\u00e9 nivel de riesgo, con qu\u00e9 contexto y a qu\u00e9 precio.<\/p>\n

Este art\u00edculo de CNBC, \u00abChinese AI models are gaining ground with U.S. companies as OpenAI, Anthropic costs surge<\/a>\u00ab<\/em>, lo ilustra perfectamente: los modelos chinos como DeepSeek, Z.ai o Qwen est\u00e1n ganando terreno entre empresas norteamericanas porque se acercan mucho en prestaciones a los grandes modelos propietarios estadounidenses, pero cuestan much\u00edsimo menos. Seg\u00fan los datos citados por el art\u00edculo, la cuota de tokens<\/em> usados por compa\u00f1\u00edas estadounidenses en modelos chinos a trav\u00e9s de OpenRouter ha estado por encima del 30% semanal desde el 8 de febrero, llegando incluso al 46%, frente a una media del 11% en los doce meses anteriores y solo el 4,5% en la primera mitad de 2025. Eso no es una an\u00e9cdota: es toda una migraci\u00f3n econ\u00f3mica. Se llama commoditizaci\u00f3n<\/em>, y pasa hasta en las mejores familias. <\/p>\n

El caso de Lindy<\/a> resulta particularmente revelador: la compa\u00f1\u00eda traslad\u00f3 todo su tr\u00e1fico desde Claude hacia DeepSeek, y su CEO afirma que la curva de costes literalmente se desplom\u00f3, con ahorros de millones de d\u00f3lares en cuesti\u00f3n de meses. Vercel<\/a>, por su parte, vio c\u00f3mo GLM 5.2, de Z.ai, se convert\u00eda en el modelo de adopci\u00f3n m\u00e1s r\u00e1pida de 2026 dentro de su plataforma, multiplicando por 27 su volumen diario de tokens<\/em> y por 80 el n\u00famero de clientes en su primera semana completa. La frase de Harpreet Arora, responsable de infraestructura ag\u00e9ntica en Vercel, resume el fen\u00f3meno: \u00abcuando una tarea no necesita el mejor modelo, los equipos empiezan a enviarla al modelo m\u00e1s barato que sea suficientemente bueno\u00bb. Eso es exactamente lo que ocurre en cualquier mercado que madura: dejamos de pagar por lo m\u00e1ximo cuando basta con pagar por lo adecuado. Orquestar, lo llaman.<\/p>\n

La cuesti\u00f3n es que ese \u201csuficientemente bueno\u201d est\u00e1 subiendo de nivel muy deprisa. Artificial Analysis<\/a> sit\u00faa GLM-5.2 con una ventana de contexto de un mill\u00f3n de tokens, 753,000 millones de par\u00e1metros totales, 40,000 millones activos por token y licencia MIT, muy cerca de modelos frontier en varios \u00edndices de inteligencia y coste por tarea. OpenRouter<\/a> lo ofrece a 0.9086 d\u00f3lares por mill\u00f3n de tokens<\/em> de entrada y 2,856 por mill\u00f3n de salida, y lo describe como un modelo adecuado para flujos agentic de largo recorrido, ingenier\u00eda de software a nivel de proyecto y automatizaci\u00f3n compleja. Comparemos eso con el precio oficial de GPT-5.5<\/a>, cinco d\u00f3lares por mill\u00f3n de tokens<\/em> de entrada y treinta por mill\u00f3n de salida. A partir de cierto volumen, la diferencia ya no es una optimizaci\u00f3n: es una ventaja competitiva.<\/p>\n

La noticia de que Beijing est\u00e1 estudiando restringir el acceso internacional a sus modelos de inteligencia artificial m\u00e1s avanzados<\/a> a\u00f1ade una capa geopol\u00edtica fundamental a esta discusi\u00f3n: si los modelos chinos se han convertido en una alternativa cada vez m\u00e1s atractiva por su relaci\u00f3n entre prestaciones y coste, y est\u00e1n empezando a ganar cuota entre empresas estadounidenses, su posible cierre o limitaci\u00f3n confirma precisamente que ya no estamos ante simples productos tecnol\u00f3gicos, sino ante infraestructura estrat\u00e9gica. China, como Estados Unidos, empieza a tratar sus mejores modelos como activos nacionales, sujetos a controles, restricciones y l\u00f3gica de seguridad nacional, lo que convierte la capa de orquestaci\u00f3n, esa capacidad de elegir, sustituir y combinar modelos seg\u00fan coste, disponibilidad, riesgo y jurisdicci\u00f3n, en una competencia cr\u00edtica para cualquier empresa o usuario avanzado que quiera construir sobre inteligencia artificial sin quedar atrapado en un \u00fanico proveedor.<\/p>\n

Aqu\u00ed es donde empieza la parte verdaderamente interesante. Si los modelos se comoditizan, el valor se desplaza hacia arriba en la pila. La nueva capa cr\u00edtica es la de orquestaci\u00f3n: sistemas que reciben una tarea, la descomponen, deciden qu\u00e9 modelo conviene usar para cada parte, consultan memoria, llaman herramientas, verifican resultados, aplican pol\u00edticas de seguridad, calculan costes y, en muchos casos, act\u00faan. El modelo deja de ser el protagonista absoluto y pasa a ser un motor bajo el cap\u00f3. La inteligencia empieza a estar en el router<\/em>, en el agente, en la memoria, en los permisos, en los conectores, en la evaluaci\u00f3n y en la gobernanza.<\/p>\n

La literatura t\u00e9cnica ya apuntaba claramente en esa direcci\u00f3n. RouteLLM<\/a>, por ejemplo, plantea precisamente la idea de enrutar din\u00e1micamente las consultas entre modelos m\u00e1s fuertes y m\u00e1s d\u00e9biles para optimizar la relaci\u00f3n entre coste y calidad. Braintrust<\/a> define el routing<\/em> de modelos como una capa que se interpone entre la aplicaci\u00f3n y los proveedores, y decide d\u00f3nde enviar cada petici\u00f3n seg\u00fan reglas, puntuaciones o l\u00f3gica de respaldo. CloudZero<\/a> habla de agregaci\u00f3n de APIs como una forma de crear un punto de control \u00fanico que permite orquestar modelos, controlar gasto y ganar visibilidad extremo a extremo. Es decir: el problema ya no es simplemente \u201cqu\u00e9 modelo contrato\u201d, sino \u201cc\u00f3mo dise\u00f1o una arquitectura que use muchos modelos sin perder control\u201d.<\/p>\n

En las empresas, esto se est\u00e1 convirtiendo en algo enorme y muy r\u00e1pido. Las compa\u00f1\u00edas que comenzaron usando un \u00fanico modelo de los llamados \u00abde frontera\u00bb para todo se est\u00e1n encontrando con facturas dif\u00edciles de justificar<\/a>. Un agente corporativo que resume documentos, escribe c\u00f3digo, consulta bases de datos, abre tickets, responde correos, prepara propuestas y revisa contratos no consume tokens<\/em> como un chatbot<\/em> ocasional: los devora. Si cada paso de esa cadena pasa por el modelo m\u00e1s caro, el sistema puede funcionar t\u00e9cnicamente y fracasar econ\u00f3micamente. Por eso aparece una nueva disciplina: la contabilidad del token<\/em>. Saber cu\u00e1nto cuesta cada agente, cada flujo, cada cliente, cada producto interno. Y, sobre todo, saber cu\u00e1ndo no merece la pena pagar por la m\u00e1xima inteligencia.<\/p>\n

Pero lo m\u00e1s interesante es que este fen\u00f3meno ya no se limita a grandes empresas. Tambi\u00e9n est\u00e1 llegando a usuarios individuales sofisticados. Herramientas como OpenClaw<\/a> permiten construir asistentes personales<\/a> de c\u00f3digo abierto que corren en la m\u00e1quina del usuario, se conectan a canales como WhatsApp, Telegram o Slack y pueden gestionar correo, calendario, tareas o automatizaciones. Su documentaci\u00f3n habla de un asistente siempre activo, conectado a las aplicaciones de mensajer\u00eda que ya usamos, y su repositorio en GitHub<\/a> lo presenta como un asistente personal que vive en nuestros propios dispositivos. La implicaci\u00f3n es enorme: un usuario avanzado ya no necesita \u201ccasarse\u201d con un modelo. Puede usar el modelo al que tenga acceso, el que le resulte m\u00e1s barato, el que prefiera por privacidad o el que funcione mejor para una tarea concreta. Basta con darle la API Key que mejor te venga en cada momento.<\/p>\n

Ese cambio es m\u00e1s profundo de lo que parece. Hasta ahora, muchos usuarios pensaban en la inteligencia artificial como una conversaci\u00f3n con una marca: ChatGPT, Claude, Gemini. La siguiente etapa ser\u00e1 pensar en un asistente propio, persistente, con memoria, contexto y permisos, que utiliza modelos como quien utiliza proveedores. Hoy uno para razonar, ma\u00f1ana otro para resumir, otro para programar, otro local para datos sensibles, otro barato para tareas rutinarias. El usuario no quiere saber qu\u00e9 motor lleva cada ascensor; quiere simplemente que funcione.<\/p>\n

Para OpenAI, Anthropic, Google y el resto de laboratorios de frontera, esto plantea un dilema evidente. Seguir\u00e1n siendo imprescindibles para la frontera, para tareas complejas, para investigaci\u00f3n avanzada, para decisiones cr\u00edticas o para situaciones donde la fiabilidad extrema justifique el precio. Pero una parte gigantesca del mercado no necesita siempre lo mejor: necesita lo suficientemente bueno, suficientemente barato, suficientemente r\u00e1pido y suficientemente gobernable. Y ah\u00ed los modelos abiertos, chinos o no, tienen una oportunidad formidable.<\/p>\n

La historia de la tecnolog\u00eda se repite una vez m\u00e1s. Primero admiramos la infraestructura, despu\u00e9s la damos por supuesta. Nadie elige hoy una aplicaci\u00f3n porque admire el servidor sobre el que corre, salvo que sea administrador de sistemas. Pronto dejaremos de preguntar \u201cqu\u00e9 modelo hay detr\u00e1s\u201d y empezaremos a preguntar \u201cqu\u00e9 sistema decide\u201d. La inteligencia artificial ser\u00e1 mucho m\u00e1s interesante cuando dejemos de obsesionarnos con sus modelos. Porque entonces empezaremos a construir lo importante: capas capaces de convertir inteligencia abundante, barata y distribuida en acci\u00f3n \u00fatil, controlada y econ\u00f3micamente sostenible.<\/p>\n

\n

This article is also available in English on my Medium page, \u00abThe AI model doesn\u2019t matter anymore; it\u2019s all about the orchestration<\/a>\u00bb <\/em><\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n

Fuente: Art\u00edculo original<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

Durante a\u00f1os hemos hablado de inteligencia artificial como si la batalla decisiva estuviese en el modelo. GPT contra Claude, Gemini contra Llama, DeepSeek contra todos. Una competici\u00f3n de benchmarks, ventanas de contexto, par\u00e1metros, precios por mill\u00f3n de tokens y comunicados de prensa cada vez m\u00e1s hiperb\u00f3licos. Pero esa fase empieza a agotarse. No porque los […]<\/p>\n","protected":false},"author":1,"featured_media":2648,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","jetpack_publicize_message":"","jetpack_publicize_feature_enabled":true,"jetpack_social_post_already_shared":true,"jetpack_social_options":{"image_generator_settings":{"template":"highway","default_image_id":0,"font":"","enabled":false},"version":2}},"categories":[33],"tags":[],"class_list":["post-3561","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ia"],"jetpack_publicize_connections":[],"_links":{"self":[{"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/posts\/3561","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/comments?post=3561"}],"version-history":[{"count":0,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/posts\/3561\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/media\/2648"}],"wp:attachment":[{"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/media?parent=3561"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/categories?post=3561"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/tucumandevelopers.com\/index.php\/wp-json\/wp\/v2\/tags?post=3561"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}