Capítulo 5: Qué cambian de verdad los modelos de pesos abiertos
Elegir el modelo y elegir la infraestructura son dos decisiones distintas.
Publicada el
Leer hasta 4 min completo
Visión general#
Cuando alguien propone sustituir un modelo propietario por Qwen, Gemma, DeepSeek o GLM, la conversación suele saltar directamente a las GPU. Pero elegir un modelo de pesos abiertos no significa que tengas que ejecutarlo tú.
Puedes usar una API de pago por uso, comprar capacidad dedicada a un proveedor u operar los pesos en tu propia infraestructura cuando la licencia lo permite. Esto importa para el coste, porque la organización que desarrolla el modelo no tiene por qué ser la que sirve cada petición.
Descargar los pesos no cuesta nada, pero cada una de esas opciones trae una factura de inferencia, pagada en tokens, en capacidad comprometida o en GPU. Un modelo de pesos abiertos tampoco es necesariamente “open source” en el sentido amplio. Publicar los pesos no implica publicar los datos de entrenamiento, un pipeline de entrenamiento reproducible ni derechos de uso sin restricciones.
Práctica#
Primero comprueba que el modelo concreto cumple los requisitos de la tarea y después compara formas de desplegarlo.
| Opción | Qué pagas | Principal contrapartida |
|---|---|---|
| API de pago por uso | Uso, a menudo tokens de entrada y de salida | Operación sencilla; la factura sigue al uso |
| Capacidad dedicada (gestionada) | Servicio o capacidad comprometidos | Coste más predecible; límites del plan y rate limits |
| Autoalojado | GPU, sistemas de soporte, operadores | Más control; capacidad ociosa y responsabilidad |
Revisa la licencia por versión del modelo, no por familia: Qwen, Gemma, DeepSeek y GLM han publicado cada uno versiones con condiciones o dependencias distintas. Puede que la licencia del código de un repositorio no cubra los pesos, y las variantes destiladas pueden heredar condiciones de sus modelos base. Consulta la ficha del modelo y el texto exacto de la licencia antes de desplegarlo comercialmente.
Unos pesos desarrollados en un país pueden ejecutarse en infraestructura operada en otro, así que el origen de un modelo dice poco sobre dónde se procesan tus datos. Para el tratamiento de datos, fíjate en quién opera el servicio, la región, el registro de logs, las herramientas externas y el contrato. Una API compatible con OpenAI no garantiza el mismo recorrido de los datos ni el mismo comportamiento de las funcionalidades entre proveedores.
Ledgerline. Para la extracción, la lista corta de Ledgerline incluía un modelo de pesos abiertos detrás de una API gestionada de pago por uso en la UE. Legal leyó la licencia de esa versión exacta, el equipo de seguridad comprobó dónde procesa los datos el proveedor, y el conjunto de evaluación del capítulo 3 decidió entre ese modelo y el modelo pequeño propietario. Nadie compró una GPU.
En profundidad#
El número de parámetros se traduce mal en coste de servicio; Economía de la inferencia en GPU y del despliegue trata el dimensionamiento de memoria para modelos densos y de mezcla de expertos.
Dos servicios que exponen la misma versión de los pesos pueden diferir igualmente en cuantización, tokenización o plantillas de chat, parsers de herramientas, configuración del razonamiento, rendimiento y disponibilidad. Cambiar una URL base puede reducir el trabajo de migración, pero sigues teniendo que validar y operar la nueva configuración.
El coste de cambiar más adelante#
Los pesos abiertos y las API compatibles con OpenAI facilitan dejar un proveedor que sube precios, retira un modelo o cambia las condiciones. El cambio sigue costando trabajo:
- Vuelve a ejecutar tu conjunto de evaluación contra la nueva configuración. Elige el modelo que necesita la tarea explica cómo construir uno.
- Ajusta los prompts y los esquemas de herramientas cuando el nuevo servicio use otra plantilla de chat, otro parser de herramientas u otro soporte de salida estructurada.
- Vuelve a generar los embeddings de los documentos almacenados si cambia el modelo de embeddings, porque los vectores de modelos distintos no se pueden comparar entre sí.
- Exporta tus datos, logs y cualquier peso ajustado con fine-tuning, y presupuesta los cargos de salida de datos (egress) de la transferencia.
- Lee el contrato. Los compromisos mínimos, los créditos prepagados y los plazos de preaviso pueden encarecer la salida antes de empezar cualquier trabajo técnico.
Puedes reducir este coste desde el principio. Guarda los prompts, el conjunto de evaluación y el registro de peticiones en tus propios sistemas, en formatos que no dependan de un proveedor. Mantén una lista breve de las funcionalidades que usas y que solo ofrece un proveedor, como un modo de caché concreto o una interfaz de lotes, para que un plan de migración sepa qué tiene que sustituir.
Referencias oficiales de las versiones de los modelos: Qwen3, Condiciones de uso de Gemma, Ficha del modelo Gemma 4, DeepSeek-R1, DeepSeek-V3 y su licencia del modelo, Licencia de Qwen2.5, Licencia de GLM-4 9B, GLM-4.5, GLM-5. Cada versión tiene sus propias condiciones de licencia.