The State of Open Models 2026

Capacidad · Uso · Coste · Adopción · Despliegue

Cómo es hoy el ecosistema de modelos abiertos, a partir de las fuentes más importantes del sector.

Ilustración: paisaje en capas con un sol pálido

// Sobre este informe

¿Cuál es el estado actual de los modelos abiertos?

La conversación gira en torno a si los modelos abiertos están a la altura de los modelos propietarios o cerrados. Pero para las compañías, la decisión se fundamenta más allá de un benchmark. Las preguntas que más se hacen las empresas no se enseñan en una comparativa de puntuaciones. Más bien les preocupan otras cosas: cuántas empresas los usan, cuánto les cuesta completar una tarea o quién opera la infraestructura que los ejecuta. La idea con la que hacemos este informe es sencilla: antes de sacar una conclusión sobre los modelos abiertos, hay que saber cómo es el ecosistema.

Cada capítulo presenta sus resultados en gráficos. Su página de Evidencia y métodos recoge las fuentes, los cálculos y las limitaciones, para que puedas comprobar nuestro trabajo.

El informe lo elabora Helmcode Research, parte de Helmcode. Somos una plataforma/cloud de inferencia de modelos de pesos abiertos.

00 Resumen ejecutivo

¿Qué hemos encontrado? Resumen rápido

  1. Capítulo 01 · Ecosistema

    Cada fuente tiene un líder distinto

    54%

    de las descargas de los modelos que seguimos en Hugging Face de octubre de 2025 a septiembre de 2026 fueron a Qwen. Su modelo más descargado, Qwen3-0.6B, se descargó el doble que el más descargado de Meta, OpenAI o Google. El tamaño de los modelos de Qwen y la posibilidad de correrlos en gráficas domésticas han conseguido una gran distribución.

    Capítulo 01 · Descargas

    Un líder distinto en cada fuente

    Descargas

    Hugging Face, oct. 2025–sept. 2026

    1. 1

      Qwen

      54,2% de las descargas

    2. 2

      Google

      8,5% de las descargas

    3. 3

      Meta

      8,2% de las descargas

    4. 4

      DeepSeek

      6,1% de las descargas

    Tokens

    OpenRouter, pesos abiertos, oct. 2025–sept. 2026

    1. 1

      DeepSeek

      31,3% de los tokens

    2. 2

      Tencent

      16,5% de los tokens

    3. 3

      Xiaomi

      12,2% de los tokens

    4. 4

      Z.ai

      12,1% de los tokens

    Cuota de cada laboratorio dentro de su fuente; dos poblaciones y dos unidades que no se suman ni son cuotas de mercado. Fuentes: Hugging Face hub-stats y ATOM Project; OpenRouter (CC BY 4.0).

    Si la mayoría de las descargas va a unas pocas familias, ¿cuánto se acercan los mejores modelos abiertos a los mejores?

  2. Capítulo 02 · Capacidad

    La capacidad de los modelos abiertos depende de la tarea

    2–32puntos

    de diferencia entre el mejor modelo de pesos abiertos y el mejor modelo cerrado en cuatro pruebas: 2,2 en ciencia de posgrado, 16,8 en matemáticas avanzadas, 31,8 en conocimiento factual y 1,5 puntos en tareas agénticas largas, en las pruebas de Epoch AI y de Vals AI. Kimi K3.1 Pro se sitúa como el modelo más similar a los modelos cerrados tras su lanzamiento.

    Capítulo 02 · Meses por detrás

    Mejor modelo de pesos abiertos frente al mejor modelo cerrado

    Mejor modelo de pesos abiertos Mejor modelo cerrado

    0%25%50%75%100%Ciencia de posgradoKimi K3.1 Pro 94,2%Gemini 4 Argon 96,4%2,2 ptsTrabajo agénticoKimi K3.1 Pro 63,6%Claude Fable 5.2 y Claude Opus 5.5 65,2%1,5 ptsMatemáticas avanzadasKimi K3.1 Pro 78,2%Claude Fable 5.2 95,1%16,8 ptsConocimiento factualKimi K3.1 Pro 62,2%Claude Fable 5.2 94,0%31,8 pts
    • Ciencia de posgrado

      Kimi K3.1 Pro 94,2%

      Gemini 4 Argon 96,4%

      2,2 pts

    • Trabajo agéntico

      Kimi K3.1 Pro 63,6%

      Claude Fable 5.2 y Claude Opus 5.5 65,2%

      1,5 pts

    • Matemáticas avanzadas

      Kimi K3.1 Pro 78,2%

      Claude Fable 5.2 95,1%

      16,8 pts

    • Conocimiento factual

      Kimi K3.1 Pro 62,2%

      Claude Fable 5.2 94,0%

      31,8 pts

    Proporción de cada prueba respondida o resuelta, modelos lanzados hasta el 10 de noviembre de 2026; la cifra bajo cada barra es la distancia en puntos porcentuales. Tres pruebas en ejecuciones propias de Epoch AI; el trabajo agéntico, en Terminal-Bench 4.0, de Vals AI, con el mismo agente para todos los modelos. Fuentes: Epoch AI (CC BY 4.0); Vals AI.

    La capacidad es una cosa. Pero, ¿qué modelos se usan de verdad?

  3. Capítulo 03 · Uso

    En todo el año, un tercio de los tokens de pesos abiertos fue solamente a DeepSeek

    31%

    de los tokens de pesos abiertos en OpenRouter de octubre de 2025 a septiembre de 2026 fue a los modelos de DeepSeek; después iban Tencent (17%), Xiaomi (12%) y Z.ai (12%). Qwen, el más descargado, se llevó el 1,0%. Las descargas pueden indicar un uso local pero no uso vía API.

    Capítulo 03 · Los más usados

    Consumo de tokens de pesos abiertos del ranking de OpenRouter, de octubre de 2025 a septiembre de 2026

    DeepSeek Otros modelos/labs

    1. 1

      DeepSeek V4 Flash DeepSeek

      18,1% de los tokens abiertos

    2. 2

      MiMo-V2.5 Xiaomi

      9,8% de los tokens abiertos

    3. 3

      Hy3 Tencent

      7,5% de los tokens abiertos

    4. 4

      GLM 5.3 Flash Z.ai

      6,3% de los tokens abiertos

    5. 5

      Hy4 preview Tencent

      5,8% de los tokens abiertos

    6. 6

      DeepSeek V4.1 Flash DeepSeek

      5,0% de los tokens abiertos

    7. 7

      DeepSeek V4 Pro DeepSeek

      4,6% de los tokens abiertos

    8. 8

      Nemotron 3 Ultra NVIDIA

      4,6% de los tokens abiertos

    Denominador: tokens procesados por modelos de pesos abiertos en el ranking diario de OpenRouter. Top 50. Fuente: OpenRouter (openrouter.ai/rankings), a 15 de octubre de 2026 (CC BY 4.0).

    Los tokens miden volumen. ¿Cuánto cuesta de verdad una tarea terminada?

  4. Capítulo 04 · Coste

    Con casi la misma calidad, el mejor modelo abierto terminó una tarea por menos de la mitad del precio

    $7por tarea resuelta

    con Kimi K3.1 Pro, de pesos abiertos, que completó el 63,6% de las mismas 66 tareas agénticas largas; Claude Opus 5.5 completó el 65,2% a $18,48. Pero GLM-5.3 costó $24,11 por tarea resuelta y GPT-6.1 Sol, cerrado, $3,13: un token barato no es una tarea barata.

    Vals AI, Terminal-Bench 4.0.

    Capítulo 04 · Mejor relación calidad-precio

    Coste por tarea resuelta, ocho modelos en las mismas 66 tareas agénticas largas

    Pesos abiertos Cerrado

    1. 1

      Muse Ember 39,4% completado · 26 min por tarea

      $0,55 por tarea resuelta

    2. 2

      GPT-6.1 Sol 55,0% completado · 45 min por tarea

      $3,13 por tarea resuelta

    3. 3

      GLM-5.3 Flash 37,4% completado · 61 min por tarea

      $3,26 por tarea resuelta

    4. 4

      Kimi K3.1 Pro 63,6% completado · 49 min por tarea

      $7,18 por tarea resuelta

    5. 5

      Claude Sonnet 5.5 64,1% completado · 82 min por tarea

      $16,76 por tarea resuelta

    6. 6

      Claude Opus 5.5 65,2% completado · 64 min por tarea

      $18,48 por tarea resuelta

    7. 7

      Claude Fable 5.2 65,2% completado · 55 min por tarea

      $22,35 por tarea resuelta

    8. 8

      GLM-5.3 38,9% completado · 83 min por tarea

      $24,11 por tarea resuelta

    Terminal-Bench 4.0 con el mismo agente (mini-SWE-agent), tres ejecuciones, a los precios del proveedor vía API. Fuente: Vals AI.

    Fuera de los benchmarks y las plataformas, ¿cuántas organizaciones usan un modelo abierto?

  5. Capítulo 05 · Adopción

    En las empresas estadounidenses, según la estimación de Menlo Ventures, los modelos abiertos se llevaron una quinta parte de los tokens y el 4% del dinero

    4%

    del gasto de las empresas estadounidenses en modelos de IA fue a modelos abiertos en septiembre de 2026, mientras procesaban el 19% de los tokens (Menlo Ventures). Solo el 6,4% de las empresas estadounidenses que pagan por IA paga a una plataforma que sirve modelos abiertos (Ramp).

    Capítulo 05 · Uso y gasto

    Cuota de los modelos abiertos en los tokens y en el gasto, en las dos fuentes que miden ambas cosas

    Menlo Ventures empresas de EE. UU., modelado, sept. 2026

    Tokens19%

    Gasto4%

    Vercel AI Gateway desarrolladores y startups, sept. 2026

    Tokens71,5%

    Gasto23%

    Menlo Ventures: una estimación modelada a partir de una encuesta a unos 400 responsables de decisión de EE. UU. (Morning Consult, septiembre de 2026). Vercel: tokens que pasan por su AI Gateway y gasto estimado a precios de lista.

    Y cuando lo hacen, ¿en la infraestructura de quién se ejecuta el modelo?

  6. Capítulo 06 · Despliegue

    Tener los pesos no dice dónde se ejecuta un modelo

    39%

    de los tokens enrutados por OpenRouter en un mes fue a proveedores independientes como Together, DeepInfra o Wafer, que sirven sobre todo modelos de pesos abiertos; los labs que sirven sus propios modelos se llevaron el 52% y las grandes nubes, el 9%.

    Módulo GPU B200 × 8Memoria HBM3e, 180 GB cada unaConmutadores NVLinkVentiladoresFuentes de alimentación1,4 TB de memoria de GPUNODO 8 × B200unos $48.700 al mesbajo demanda · capítulo 06
    123451,4 TB de memoria de GPU1Módulo GPU B200 × 82Memoria HBM3e, 180 GB cada una3Conmutadores NVLink4Ventiladores5Fuentes de alimentaciónNODO 8 × B200unos $48.700 al mesbajo demanda · capítulo 06
    Ilustración: el nodo del escenario de equilibrio del capítulo

    Capítulo 06 · Quién sirve

    Quién sirvió los tokens a través de OpenRouter en el mes hasta el 9 de noviembre de 2026

    Proveedores independientes Los propios labs Grandes nubes

    39%52%9%

    ¿Cuándo compensa alquilar tus propias GPU? 8x B200 alquiladas con DeepSeek-V4-Pro cuestan lo mismo que la API de DeepSeek si trabajan este porcentaje del mes

    Cuanto más corta la barra, antes compensa alquilar; «nunca» significa que la API siempre sale más barata.

    • El escenario que contamos en el capítulo 0656% del mes
    • Si la hora de GPU cuesta el precio spot mediano33% del mes
    • Si la hora de GPU cuesta el precio de lista más alto96% del mes
    • Si cada petición lleva 10 tokens de entrada por cada token de salida26% del mes
    • Si cada petición lleva 1 token de entrada por cada token de salida84% del mes
    • Si las GPU generan tan rápido como en una prueba de un solo turno77% del mes
    • Si se compara con la API más barata de OpenRouternunca
    Arriba: tokens mensuales en la página de proveedores de OpenRouter, modelos abiertos y cerrados juntos, agrupados por nosotros. Abajo: un escenario modelado de carga de GPU para ver cuándo compensa alojar un modelo por tu cuenta. Fuentes: OpenRouter; páginas de precios de los proveedores; SemiAnalysis InferenceX.

El resumen ejecutivo recoge cada hallazgo con su gráfico, que puedes leer en unos seis minutos. El informe completo reúne todos los capítulos, con las fuentes a un clic de cada gráfico.

// Conclusiones

Qué nos dicen los datos sobre el estado de los modelos abiertos

Cinco conclusiones sencillas. Si quieres entenderlas mejor, cada una remite a los capítulos y a las fuentes.

  1. Hay líderes distintos según lo que se mire

    Qwen se llevó el 54% de las descargas en Hugging Face entre octubre de 2025 y septiembre de 2026, y casi la mitad de los modelos derivados. En los mismos meses, DeepSeek tuvo el 31% de los tokens de pesos abiertos del ranking de OpenRouter, y Kimi K3.1 Pro obtuvo la mejor puntuación abierta en las pruebas de capacidad del informe. Descargas, tokens y pruebas miden cosas distintas: el modelo que más se usa en local, el modelo más usado en general y el modelo más capaz. Ninguno de los tres coincide.

    Capítulo 01 · Capítulo 03

  2. Los modelos cambian deprisa; los laboratorios, menos

    En septiembre de 2026, el 76% de los tokens del top 50 de OpenRouter fue a versiones que habían entrado en él en los 90 días anteriores. DeepSeek, en cambio, fue el laboratorio abierto más usado en 19 de 21 meses. Que una versión salga de los primeros puestos significa que otra recibe más tráfico, no que deje de usarse.

    Capítulo 03

  3. La distancia con los cerrados depende de la tarea

    Kimi K3.1 Pro quedó a 2,2 puntos del mejor modelo cerrado en ciencia de posgrado y a 1,5 en tareas agénticas largas, pero a 16,8 en matemáticas avanzadas, a 21,7 en imágenes científicas y a 31,8 en conocimiento factual. Los modelos abiertos están a un paso de los cerrados en programación agéntica, pero dependiendo de la tarea, unos labs están más cerca que otros.

    Capítulo 02

  4. El precio del token no es el coste de la tarea

    En las empresas estadounidenses, los modelos abiertos procesaron el 19% de los tokens y recibieron el 4% del gasto, según Menlo Ventures. En Terminal-Bench 4.0, elegir el modelo que menos cobra por token no basta: en 197 de 741 comparaciones, esa opción acabó costando más por tarea resuelta. En 18 de 28 pares de un modelo abierto y uno cerrado con un éxito parecido, el abierto salió más barato. Ejecutar un modelo en tus propias máquinas tampoco compensa por defecto: depende de cuánto trabajen las GPU.

    Capítulo 04 · Capítulo 05 · Capítulo 06

  5. Los pesos abiertos amplían las opciones

    Publicar los pesos permite que otros sirvan un modelo, pero en OpenRouter los propios labs sirvieron el 52% de los tokens del mes hasta el 9 de noviembre de 2026. Y casi todas las empresas que pagan plataformas de modelos abiertos en Ramp siguen pagando a OpenAI o a Anthropic.

    Capítulo 05 · Capítulo 06

01–06 El informe completo

Seis capítulos

  1. Ecosistema

    Cada fuente tiene un líder distinto

    Quién desarrolla los modelos abiertos que se descargan, y lo rápido que ha cambiado ese mapa.

  2. Capacidad

    ¿A qué distancia están los modelos abiertos de los cerrados?

    Cuánto van los mejores modelos abiertos por detrás de los mejores, en meses y en puntos.

  3. Uso

    Sigue los tokens

    Qué modelos abiertos se llevan los tokens, y para qué se usan.

  4. Coste

    La economía de los modelos abiertos

    Cuánto cuesta una tarea terminada con cada modelo, y cuánto tarda.

  5. Adopción

    ¿Quién usa realmente los modelos abiertos?

    Quién usa los modelos abiertos, y qué parte del gasto se llevan.

  6. Despliegue

    ¿Quién ejecuta los modelos abiertos?

    Dónde se ejecutan los modelos abiertos: proveedores, API, GPU y el coste de alojarlos.

Metodología y fuentes →

PDF Recibe todo el informe

El informe completo

El resumen ejecutivo y los seis capítulos con todos sus gráficos, y una nota breve sobre de dónde sale cada gráfico, en un solo documento.

// Compartir

Comparte el informe

Cada capítulo y cada gráfico tiene su propio enlace. Al compartirlo en X o LinkedIn, el informe muestra esta tarjeta.

X LinkedIn

La tarjeta que aparece cuando se comparte el informe
helmcode.comThe State of Open Models 2026

Método

Esta edición se basa en

650

Días de clasificaciones diarias de OpenRouter

23.494

Trabajos de investigación que nombran una familia de modelos, 2025

47

Modelos con coste calculado por tarea resuelta

17

Fuentes de datos públicas