Los modelos abiertos y su origen

Para una empresa que quiere una IA propia, la noticia más importante de la semana pasada no fue un nuevo chatbot. Fueron tres cosas que ocurrieron en pocos días: un modelo abierto de Reflection AI que cabe en un solo servidor, nuevos pesos para el modelo abierto de DeepSeek y una orden del Gobierno de Estados Unidos que retira DeepSeek de sus agencias civiles. Juntas dicen algo sencillo. Los modelos abiertos ya son lo bastante buenos para el trabajo serio, y la pregunta ha pasado de la calidad al origen.

Beam: menos tokens, no tokens más baratos

El 16 de octubre, Reflection AI lanzó Beam, su primer modelo de pesos abiertos, bajo la licencia Apache 2.0, que permite el uso comercial y las modificaciones. Tiene 501 mil millones de parámetros, de los que 23 mil millones están activos para cada token. En formato de 8 o de 4 bits cabe en un servidor con ocho GPU, como H100, H200 o GB300. La versión completa necesita «decenas de GPU», según informó VentureBeat.

La propuesta de Reflection no son tokens más baratos, sino menos tokens. Durante el entrenamiento penalizó al modelo por cada token que no necesitaba y, según la lectura que hace VentureBeat de su gráfico, Beam usa unos 25'000 tokens por intento en una prueba de programación en la que GLM-5.2 necesita unos 80'000. No es el modelo abierto más potente. En Terminal-Bench 2.1, VentureBeat informó de alrededor del 80 por ciento para Beam, frente al 90,6 por ciento de DeepSeek V4.1 Flash y el 85 por ciento de Kimi K3. Reflection dice que Beam «ganará por sus méritos y no por ninguna otra cosa».

DeepSeek: más potente y con licencia MIT

En esos mismos días, DeepSeek publicó pesos actualizados para V4.1 Flash, con la fecha del 17 de octubre en su nombre. La ficha del modelo lo llama «una actualización menor», con mejoras en razonamiento, programación, tareas agénticas y visión, y recomienda un contexto de un millón de tokens. La licencia no podría ser más abierta: «Este repositorio y los pesos del modelo están bajo la licencia MIT».

DeepSeek también ha ido consolidando su oferta. En septiembre trasladó todas las solicitudes de su modelo mayor, V4 Pro, a V4.1 Flash, «con las tarifas de V4.1-Flash», y empezó a retirar V4 Pro. Según el benchmark que citó VentureBeat, es el más potente de los modelos abiertos que se mencionan aquí.

Washington traza una línea

El 19 de octubre, CyberScoop informó de que el Departamento de Seguridad Nacional de Estados Unidos prohíbe a las agencias federales civiles usar productos de DeepSeek, en virtud de una ley de 2018 sobre la cadena de suministro. Las agencias deben retirar las versiones que tienen y no pueden comprar otras nuevas. Los motivos tienen que ver con los datos: DeepSeek almacena datos en servidores en China, y su proceso de prompts y respuestas «puede dar lugar a la transferencia de datos sensibles» al Gobierno chino. La orden solo nombra a DeepSeek, aunque otros modelos abiertos chinos, como Kimi y Qwen, han suscitado preocupaciones similares.

La información no dice si la prohibición abarca también los pesos de DeepSeek cuando una agencia los ejecuta en sus propios servidores, donde ningún dato viaja a ninguna parte. Esa pregunta abierta es la que toda empresa debería anotar. Ejecutar un modelo en casa responde a dónde van los datos. No responde de dónde viene el modelo.

Qué significa para un modelo propio

Los pesos abiertos en tus propios servidores resuelven los problemas más evidentes: los datos se quedan en casa y nadie puede cambiar ni retirar el modelo un martes cualquiera. No los resuelven todos. Un modelo es también un producto con un origen, una licencia, unos datos de entrenamiento y un comportamiento que nadie fuera del laboratorio puede inspeccionar del todo. Para un banco, una autoridad o un proveedor de defensa, la pregunta ya no es si un modelo abierto es lo bastante bueno. Es si su origen superará la próxima auditoría, el próximo cuestionario de un cliente o la próxima orden como esta.

En la práctica, eso significa tres cosas. Elige el modelo base con tanto cuidado como eliges la licencia: Apache 2.0 y MIT son ambas permisivas, pero ninguna dice nada sobre la procedencia. Mantén el modelo reemplazable, de modo que el conocimiento, las reglas y las pruebas de la empresa vivan fuera de él y un modelo mejor o más seguro pueda ocupar su lugar en semanas. Y prueba a cada candidato con tu propio trabajo antes de que entre en producción, no solo con benchmarks públicos.

Cómo lo resuelve Eigna

Así está construido Eigna, la IA privada que implantamos para clientes como socios de Eigna Labs. Parte de un modelo abierto, adaptado al ámbito del cliente y entrenado con su propio trabajo, sus reglas y su lenguaje, y funciona en su propia nube o en sus propios servidores. Una versión nueva solo entra en producción cuando supera en las pruebas a la anterior, y se puede revertir en un solo paso. Qué modelo abierto hay debajo es una decisión que tomamos con cada cliente, origen incluido, y que puede cambiar cuando llegue uno mejor.