Durante un breve y hermoso momento en enero de 2025, los modelos de IA de peso abierto alcanzaron a sus rivales de código cerrado. La brecha en la calificación Elo del tablero de clasificación colaborativo de Arena llegó a cero. Paridad.
Ese momento ha terminado. A partir de septiembre de 2026, la brecha entre los mejores modelos de frontera cerrados y sus principales competidores de peso abierto se ha ampliado hasta 29 puntos Elo, según los datos de evaluación de Arena AI. Claude Opus 5 Max se encuentra con una calificación de 1505, mientras que Kimi K3 Max de Moonshot AI, el contendiente de peso abierto más fuerte, se encuentra casi 30 puntos por detrás. Peter Gostev, Líder de Capacidad de IA de Arena, ha estado en el centro del seguimiento y la visualización de esta divergencia.
Qué significan realmente los números
La trayectoria cuenta una historia más interesante que cualquier instantánea individual. Desde cero en enero de 2025 hasta 29 puntos en septiembre de 2026, la línea de tendencia se mueve en la dirección equivocada para los defensores de modelos de peso abierto. El análisis de Epoch AI refuerza esta imagen desde un ángulo diferente: los modelos de peso abierto ahora están rezagados aproximadamente cuatro meses respecto a sus contrapartes cerradas en desempeño en las tareas más desafiantes. Esto representa un aumento desde el retraso de tres meses observado hasta finales de 2025.
Arena procesa más de 10 millones de evaluaciones mensuales, basándose en un amplio conjunto de interacciones reales de usuarios en lugar de benchmarks sintéticos. Cuando millones de usuarios anónimos prefieren consistentemente las salidas de un modelo sobre las de otro, esa señal es más difícil de ignorar.
El negocio de medir la IA
Arena misma se ha convertido en una historia empresarial fascinante. Lo que comenzó como un proyecto de investigación de la UC Berkeley en 2023 se ha transformado en una empresa que genera $100 millones en ingresos anualizados. Alcanzó ese ritmo de ingresos en solo ocho meses después de lanzar servicios de evaluación de pago.
La contribución específica de Gostev se ha centrado en hacer visibles las debilidades del modelo. Su trabajo resalta la tensión entre el rendimiento de los modelos cuando son evaluados por expertos del dominio frente a usuarios generales, una distinción que es fundamental para implementaciones empresariales.
La geopolítica de los modelos abiertos
El desarrollo más activo de modelos de peso abierto se ha desplazado en gran medida hacia laboratorios chinos. La serie Kimi de Moonshot AI, GLM de Zhipu, DeepSeek y Qwen de Alibaba representan la vanguardia de lo públicamente disponible. Sin embargo, la brecha persiste. Anthropic, OpenAI y Google DeepMind continúan impulsando sus modelos cerrados aún más lejos y más rápido.