IBM presenta modelos de IA con 90% de eficacia a menor coste por token
La cursa per la intel·ligència artificial ha estat dominada per la recerca del model més capaç. No obstant això, una nova pregunta està guanyant rellevància: quant ens costa obtenir una resposta prou bona? IBM ha presentat xifres que podrien canviar el joc, afirmant que els seus models de pesos oberts assoleixen aproximadament el 90% de l'eficàcia dels més avançats, però amb un cost per token entre el 10% i el 25% del que costen aquests últims.
Durant la presentació de resultats financers d'IBM, Arvind Krishna, CEO de la companyia, va destacar un canvi significatiu en l'elecció de models d'IA. Segons Krishna, mentre que a finals de 2024 un model de frontera podia obtenir 70 punts en una avaluació àmplia enfront dels 20 o 30 d'una alternativa oberta, a finals de 2025 la diferència s'hauria reduït a 70 enfront de 50. Ara, els models de pesos oberts s'acosten al 90% del rendiment dels més avançats.
Els "pesos" són els paràmetres numèrics que un sistema d'intel·ligència artificial aprèn i ajusta durant el seu entrenament. Quan una companyia els publica, altres poden descarregar-los i executar el model en els seus propis equips. Això no equival a tenir un model de codi obert complet, però ofereix una alternativa més econòmica per a moltes tasques empresarials.
L'estalvi potencial és significatiu, especialment quan es considera que molts proveïdors cobren per token processat. "Prefereix alguna cosa que costa el 10% si assoleix el 90% del rendiment del millor, o vol pagar un cost deu vegades superior?", va plantejar Krishna. Segons IBM, una gran empresa podria començar amb dos o tres racks per executar aquestes alternatives, encara que la infraestructura requereix inversió i manteniment.
Les afirmacions d'IBM no estan aïllades. L'OCDE va publicar un informe al maig de 2026 que situava els models de pesos oberts al voltant del 90% de l'índex de qualitat de les alternatives tancades, però amb un preu equivalent al 20% en serveis al núvol. No obstant això, l'AI Index 2026 de Stanford assenyala que el millor model tancat superava en un 3,3% la puntuació del millor de pesos oberts a Arena, una classificació basada en avaluacions comparatives d'usuaris.
La carrera por la inteligencia artificial ha estado dominada por la búsqueda del modelo más capaz. Sin embargo, una nueva pregunta está ganando relevancia: ¿cuánto nos cuesta obtener una respuesta suficientemente buena? IBM ha presentado cifras que podrían cambiar el juego, afirmando que sus modelos de pesos abiertos alcanzan aproximadamente el 90% de la eficacia de los más avanzados, pero con un coste por token entre el 10% y el 25% de lo que cuestan estos últimos.
Durante la presentación de resultados financieros de IBM, Arvind Krishna, CEO de la compañía, destacó un cambio significativo en la elección de modelos de IA. Según Krishna, mientras que a finales de 2024 un modelo de frontera podía obtener 70 puntos en una evaluación amplia frente a los 20 o 30 de una alternativa abierta, a finales de 2025 la diferencia se habría reducido a 70 frente a 50. Ahora, los modelos de pesos abiertos se acercan al 90% del rendimiento de los más avanzados.
Los «pesos» son los parámetros numéricos que un sistema de inteligencia artificial aprende y ajusta durante su entrenamiento. Cuando una compañía los publica, otros pueden descargarlos y ejecutar el modelo en sus propios equipos. Esto no equivale a tener un modelo de código abierto completo, pero ofrece una alternativa más económica para muchas tareas empresariales.
El ahorro potencial es significativo, especialmente cuando se considera que muchos proveedores cobran por token procesado. «¿Prefiere algo que cuesta el 10% si alcanza el 90% del rendimiento del mejor, o quiere pagar un coste diez veces superior?», planteó Krishna. Según IBM, una gran empresa podría comenzar con dos o tres racks para ejecutar estas alternativas, aunque la infraestructura requiere inversión y mantenimiento.
Las afirmaciones de IBM no están aisladas. La OCDE publicó un informe en mayo de 2026 que situaba a los modelos de pesos abiertos en torno al 90% del índice de calidad de las alternativas cerradas, pero con un precio equivalente al 20% en servicios en la nube. Sin embargo, el AI Index 2026 de Stanford señala que el mejor modelo cerrado superaba en un 3,3% la puntuación del mejor de pesos abiertos en Arena, una clasificación basada en evaluaciones comparativas de usuarios.
The race for artificial intelligence has been dominated by the quest for the most capable model. However, a new question is gaining relevance: how much does it cost us to obtain a sufficiently good response? IBM has presented figures that could change the game, claiming that its open-weight models achieve approximately 90% of the effectiveness of the most advanced ones, but with a cost per token between 10% and 25% of what these latter ones cost.
During IBM's financial results presentation, Arvind Krishna, the company's CEO, highlighted a significant shift in the choice of AI models. According to Krishna, while by the end of 2024 a frontier model could score 70 points in a broad evaluation compared to the 20 or 30 of an open alternative, by the end of 2025 the difference would have reduced to 70 versus 50. Now, open-weight models are approaching 90% of the performance of the most advanced ones.
"Weights" are the numerical parameters that an artificial intelligence system learns and adjusts during its training. When a company publishes them, others can download and run the model on their own equipment. This does not equate to having a complete open-source model, but it offers a more economical alternative for many business tasks.
The potential savings are significant, especially when considering that many providers charge per processed token. "Do you prefer something that costs 10% if it achieves 90% of the best performance, or do you want to pay a tenfold cost?" Krishna posed. According to IBM, a large company could start with two or three racks to run these alternatives, although the infrastructure requires investment and maintenance.
IBM's claims are not isolated. The OECD published a report in May 2026 that placed open-weight models around 90% of the quality index of closed alternatives, but with a price equivalent to 20% in cloud services. However, Stanford's AI Index 2026 notes that the best closed model exceeded the score of the best open-weight one by 3.3% in Arena, a ranking based on comparative user assessments.
¿Te ha interesado esta noticia?
Recibe cada mañana el resumen de IA y sociedad directo en tu email.
Suscríbete gratis →