Si llevas un tiempo trabajando con asistentes de código (ya sea con GitHub Copilot, Cursor, OpenCode, o lo que sea que uses) probablemente te habrás dado cuenta de algo: el modelo que hay detrás importa.
Y no solo importa cuál, sino de dónde viene, quién lo entrena y bajo qué licencia se publica. Porque cuando hablamos de modelos abiertos, no hablamos de una categoría homogénea. Hay modelos abiertos que son MIT puro, otros que tienen restricciones comerciales si superas los 700 millones de usuarios, otros que son «abiertos» solo para investigación, y otros que son abiertos de verdad pero entrenados en hardware chino sin un solo chip NVIDIA.
OpenRouter mantiene un ranking de modelos para programación ordenado por uso real. Si filtras por los que tienen pesos abiertos (es decir, que puedes descargar de Hugging Face y correr en tu propia máquina) te quedas con un puñado de familias que vale la pena conocer.
Este post es un intento de poner orden en ese paisaje: quiénes son, de dónde vienen, qué los hace diferentes y por qué deberías importarte.
Tabla resumen
| Modelo | Organización | País | Primer release | Licencia | Web |
|---|---|---|---|---|---|
| DeepSeek | DeepSeek AI | China (Hangzhou) | Nov 2023 | MIT | deepseek.com |
| Qwen | Alibaba Cloud / DAMO | China (Hangzhou) | Sep 2023 | Apache 2.0 | qwenlm.github.io |
| Llama | Meta AI / FAIR | EE.UU. (Menlo Park) | Feb 2023 | Llama Community License | llama.meta.com |
| Gemma | Google DeepMind | EE.UU. / UK | Feb 2024 | Apache 2.0 | deepmind.google/models/gemma |
| Mistral | Mistral AI | Francia (París) | Sep 2023 | Apache 2.0 / MIT mod. | mistral.ai |
| GLM | Z.ai (antes Zhipu AI) | China (Pekín) | Mar 2023 | MIT | z.ai |
| Phi | Microsoft Research | EE.UU. (Redmond) | Jun 2023 | MIT | MS Research |
| Kimi | Moonshot AI | China (Pekín) | Oct 2023 | Modified MIT | moonshot.ai |
| Hermes | Nous Research | EE.UU. | 2023 | Varía (base model) | nousresearch.com |
| Nemotron | NVIDIA | EE.UU. (Santa Clara) | 2024 | Nemotron Open Model License | nvidia.com |
| Laguna | Poolside | EE.UU. (San Francisco) | 2025 | Apache 2.0 / OpenMDW-1.1 | poolside.ai |
| Command / North | Cohere | Canadá (Toronto) | 2024 | Community License (Apache 2.0 en North Mini Code) | cohere.com |
Comparativa de rendimiento
Los benchmarks en IA son un terreno resbaladizo: cada laboratorio publica los suyos, las condiciones de evaluación varían, y lo que mide un test no siempre refleja lo que experimentas programando. Dicho eso, hay dos benchmarks que en 2026 se han consolidado como referentes para code:
- SWE-bench Verified: mide si un modelo puede resolver issues reales de GitHub (no escribir una función aislada, sino entender un codebase, localizar el bug, proponer un patch y pasar los tests). Es el benchmark más cercano a «programar de verdad».
- LiveCodeBench: problemas de programación competitiva, más enfocado en algoritmos y estructuras de datos.
| Modelo | SWE-bench Verified | SWE-bench Pro | LiveCodeBench v6 | HumanEval |
|---|---|---|---|---|
| DeepSeek V4 Pro | 80.6% | ~55% | 93.5% | 90.0% |
| GLM-5 | ~78% | 58.4% | — | — |
| Qwen 3.6 (35B) | 73.4% | 49.5% | 80.4% | — |
| Kimi K2.6 | 80.2% | 58.6% | — | — |
| Llama 4 Maverick | ~65% | — | 43.4% | — |
| Gemma 4 (31B) | 52.0% | 35.7% | 80.0% | — |
| Mistral (Devstral) | ~47% | — | — | — |
Datos recopilados de comparativas públicas e informes oficiales de cada laboratorio a julio de 2026. Los valores aproximados (~) corresponden a estimaciones de terceros, no a publicaciones oficiales del laboratorio.
Algunas observaciones sobre estos números:
DeepSeek domina en raw benchmarks, pero hay que matizar: V4 Pro es un modelo de 1.6T de parámetros (49B activos). Es enorme. Comparar su SWE-bench con el de Gemma 4 (31B) es como comparar un coche de Fórmula 1 con un turismo. Lo relevante es que DeepSeek ofrece esa calidad a precios muy bajos vía API ($0.14/M input, $0.28/M output en la variante Flash).
GLM-5 es la sorpresa: ~78% en SWE-bench Verified entrenado en gran parte en chips Huawei Ascend, con una dependencia de NVIDIA que la propia Zhipu ha descrito como mínima o nula según la generación. Eso es geopolíticamente significativo, aunque medios como MIT Technology Review han señalado que el reparto exacto de hardware entre entrenamiento e inferencia no siempre es del todo transparente en estos anuncios.
LiveCodeBench revela algo interesante: Gemma 4 (31B) empata con Qwen 3.6 (35B) en algoritmos (80.0% vs 80.4%), pero en SWE-bench (ingeniería real) Qwen le saca más de 20 puntos. Programar bien una función no es lo mismo que navegar un codebase.
Llama 4 decepciona en code: ~65% SWE-bench y 43.4% LiveCodeBench para Maverick (400B) está por debajo de modelos chinos mucho más pequeños. Meta ha priorizado generalización sobre coding especializado.
DeepSeek
deepseek.com · Hangzhou, China · MIT License
DeepSeek es, posiblemente, la historia más disruptiva de la IA en los últimos años. Y la más malentendida.
El fundador, Liang Wenfeng (n. 1985, Wuchuan, Guangdong), no es un emprendedor de Silicon Valley con una seed round y un pitch deck. Es un matemático que en 2016 cofundó High-Flyer, un fondo de inversión cuantitativo que basaba todas sus decisiones de trading en IA. El fondo fue espectacularmente rentable: una inversión inicial de mil millones de yuanes creció hasta diez mil millones en pocos años. Para 2020, High-Flyer ya tenía su propio supercomputador.
La jugada maestra llegó en 2021: mientras el resto del mundo empezaba a preocuparse por conseguir GPUs, Liang llevaba acumulándolas desde 2015. Compró más de 10.000 unidades NVIDIA para su plataforma «Fire-Flyer». Un socio comercial describió su primer encuentro con Liang como «una reunión con un tipo muy nerd con un peinado terrible» que no sabía articular su visión pero insistía en que quería «crear algo revolucionario». Sus socios pensaban que eso solo era posible para gigantes como ByteDance o Alibaba.
En mayo de 2023, Liang anunció que High-Flyer se orientaría hacia la AGI y fundó DeepSeek. La decisión clave: contratar exclusivamente doctorandos de universidades chinas, priorizando el potencial académico sobre la experiencia previa. Sin inversores externos. Sin presión de rentabilidad a corto plazo. Solo la financiación de High-Flyer.
El resultado fue DeepSeek V3 (diciembre 2024), un MoE de 671B parámetros entrenado por aproximadamente $6 millones, una fracción de los cientos de millones que cuestan los modelos equivalentes de OpenAI o Anthropic. El R1 (enero 2025) demostró que el reasoning tipo o1 era replicable con reinforcement learning puro, sin necesidad de supervisión humana masiva. La publicación de R1 causó un terremoto: las acciones de NVIDIA cayeron con fuerza en un día, borrando cientos de miles de millones de dólares de su capitalización bursátil. El mensaje era claro: si se puede entrenar un modelo de frontera por $6M, ¿para qué necesitas 100.000 H100s?
En 2026, DeepSeek V4 lleva la arquitectura a 1.6T parámetros totales con 49B activos, contexto de 1M de tokens y un sistema de atención híbrida para procesamiento eficiente de contexto largo. La variante Flash (284B / 13B activos) es probablemente el modelo con mejor relación calidad-precio del mundo: en torno al 79% en SWE-bench Verified a partir de $0.14/M tokens de input. La variante Pro alcanza 80.6% en SWE-bench Verified, a un tris de los modelos cerrados de frontera.
Un dato relevante y algo menos limpio de lo que suele contarse: DeepSeek no ha confirmado públicamente si el entrenamiento principal de V4 se hizo sobre GPUs NVIDIA, chips Huawei Ascend, o una combinación de ambos. Varias fuentes (incluida MIT Technology Review) apuntan a que el grueso del pre-entrenamiento pudo seguir dependiendo de hardware NVIDIA, mientras que la inferencia y parte del post-entrenamiento sí se migraron a Ascend. Es un matiz importante frente al titular simplificado de «entrenado sin NVIDIA».
La anécdota más reveladora de DeepSeek no es técnica sino filosófica: Liang ha rechazado sistemáticamente capital externo. En una industria donde cada startup busca la mayor ronda posible, DeepSeek se financia íntegramente con los beneficios de un fondo cuantitativo. La estrategia open source no es altruismo, es una decisión calculada para construir ecosistema y atraer talento investigador. Y funciona: los pesos de DeepSeek están entre los más descargados y fine-tuneados de Hugging Face.
Qwen
qwenlm.github.io · Alibaba Cloud / DAMO Academy · Hangzhou, China · Apache 2.0
Qwen (cuyo nombre completo es Tongyi Qianwen (通义千问), algo así como «buscar la verdad a través de mil preguntas») es la familia de modelos de Alibaba Cloud, desarrollada por DAMO Academy (fundada en 2017 como el brazo de investigación de Alibaba) y el Tongyi Lab.
El programa Qwen se lanzó en abril de 2023, cuando Alibaba abrió Tongyi Qianwen al público chino tras recibir la aprobación regulatoria. En septiembre de ese mismo año, liberaron los primeros pesos open-source. Lo que empezó como un competidor regional (optimizado para chino, con integración en DingTalk (el Slack de Alibaba) y Tmall Genie) se ha convertido en una de las familias de modelos más descargadas del mundo.
El hito simbólico llegó en enero de 2026, cuando Alibaba anunció que Qwen había superado los 700 millones de descargas acumuladas en Hugging Face. El adelantamiento en sí (superar a Llama en descargas totales) había ocurrido antes, en octubre de 2025; enero de 2026 fue cuando se hizo público con esa cifra redonda. No fue un accidente ni un pico viral: fue el resultado de una estrategia sostenida de publicar modelos en múltiples tamaños (desde 0.5B hasta 235B), con licencias permisivas (Apache 2.0 desde la serie 3.5), y con un enfoque en multilingüismo que pocos competidores igualan, soporte nativo para más de 100 idiomas, incluyendo catalán.
La serie Qwen 3.6 (2026) representa la generación actual. El modelo insignia es un MoE de 235B parámetros totales con 22B activos, pero la variante más interesante para despliegue práctico es la 35B-A3B (35B totales, 3B activos): es el único modelo de frontera que corre en una GPU de consumo única y mantiene 73.4% en SWE-bench Verified. Para quienes administramos infraestructura, esto es relevante: significa que puedes tener un modelo de coding competente en una máquina con una sola GPU de 24GB.
Un detalle que se pasa por alto: Alibaba no es solo un laboratorio de IA. Es el mayor comercio electrónico del mundo, opera la nube más grande de Asia-Pacífico, y tiene una necesidad operativa real de procesamiento multilingüe a escala. Qwen no es un proyecto de prestigio académico, es infraestructura que Alibaba usa internamente para sus propios productos. Eso se nota en la robustez del modelo en escenarios de producción.
Llama
llama.meta.com · Meta AI / FAIR · Menlo Park, EE.UU. · Llama Community License
Llama es el modelo que arrancó todo. Sin Llama, no habría Mistral, no habría la explosión de fine-tunes que vimos en 2023, y probablemente el ecosistema open-weight sería mucho más pobre.
Meta AI (originalmente Facebook AI Research, FAIR) fue fundada en 2013 con Yann LeCun (Turing Award 2018, inventor de las redes neuronales convolucionales) como director. La filosofía de LeCun siempre fue radicalmente distinta a la de OpenAI o Google: él defendía que la investigación en IA debía ser abierta, que el progreso científico requiere transparencia, y que los modelos cerrados eran un retroceso. En enero de 2023, mientras ChatGPT arrasaba, LeCun declaró públicamente que era «particularmente innovador» y «nada revolucionario». Era una provocación, pero también una posición: Meta iba a jugar distinto.
LLaMA 1 se publicó en febrero de 2023, pero con un acceso restringido a investigadores aprobados. La ironía: una semana después, los pesos se filtraron en 4chan y se propagaron por torrents. Meta no pudo (o no quiso especialmente) contener la filtración. Aquel leak accidental fue el verdadero punto de inflexión: de repente, cualquier persona con una GPU podía descargar un modelo de 65B parámetros y empezar a experimentar. La comunidad open-source se volcó: surgieron Alpaca, Vicuna, WizardLM, decenas de fine-tunes en cuestión de semanas.
Llama 2 (julio 2023) hizo oficial lo que el leak había empezado: licencia comercial permisiva, disponible para cualquiera. Meta publicó el modelo en colaboración con Microsoft (distribución vía Azure) y AMD/Intel/NVIDIA para optimización de hardware. La estrategia de Zuckerberg era clara: si Meta no podía ser el líder en modelos cerrados (OpenAI y Google tenían ventaja), podía liderar el ecosistema abierto y capturar valor a través de adopción.
Llama 3 (abril 2024) llevó la apuesta más lejos: hasta 405B parámetros, con un modelo que competía directamente con GPT-4 en muchos benchmarks. LeCun declaró que era «el modelo más potente publicado como open source hasta la fecha» y prometió que venían versiones aún mayores. Para entonces, Llama se había convertido en la base sobre la que se construyeron miles de productos.
Pero 2025 trajo giros inesperados. En junio, Meta adquirió Scale AI en un acqui-hire (unos $14.300 millones por una participación del 49%) que trajo a Alexandr Wang como jefe de IA, al frente de la nueva Meta Superintelligence Labs (MSL). En noviembre, Yann LeCun dejó Meta tras 12 años en la compañía, según él mismo relató, por la fricción con la nueva dirección y por su desacuerdo de fondo con la apuesta de Meta por los LLM como camino hacia la superinteligencia. LeCun fundó su propia startup centrada en «world models» (más tarde conocida como AMI Labs), que en marzo de 2026 cerró la mayor ronda semilla de la historia europea. La marcha de LeCun coincidió con recortes en FAIR y una reestructuración que priorizaba modelos cerrados orientados a producto.
Llama 4 (abril 2025) fue el último release open-weight de Meta antes del giro. Introdujo arquitectura MoE (Scout con 16 expertos y 10M de tokens de contexto, Maverick con 128 expertos y 1M de contexto) y multimodalidad nativa. Pero en benchmarks de coding quedó por debajo de sus competidores chinos: ~65% SWE-bench para Maverick (400B) frente al 80.6% de DeepSeek V4 Pro. Meta priorizó generalización sobre especialización en código, y el propio LeCun reconoció después que los benchmarks publicados en el lanzamiento habían sido «un poco maquillados». En abril de 2026, Meta lanzó Muse Spark, su primer modelo de pesos cerrados, un reversal explícito de la posición que habían defendido durante años.
Gemma
deepmind.google/models/gemma · Google DeepMind · Apache 2.0
Gemma es la hermana abierta de Gemini. El nombre viene del latín gemma, que significa «piedra preciosa», una alusión directa a su parentesco con Gemini, el zodiaco de los gemelos.
Google DeepMind es, junto a OpenAI y Anthropic, uno de los tres grandes laboratorios de IA del mundo. Fundado en Londres en 2010 por Demis Hassabis, Shane Legg y Mustafa Suleyman, fue adquirido por Google en 2014 por $500 millones. DeepMind es el laboratorio que creó AlphaGo (que derrotó a Lee Sedol en 2016), AlphaFold (que resolvió el problema del plegamiento de proteínas), y que ha publicado algunos de los papers más influyentes en IA de la última década.
A pesar de ese pedigrí, Google llegó tarde al partido del open source. Mientras Meta liberaba Llama y Mistral publicaba su 7B, Google mantenía todos sus modelos cerrados. Gemma (febrero 2024) fue su primera concesión: dos modelos pequeños (2B y 7B parámetros), basados en la misma tecnología que Gemini pero recortados. La licencia inicial era «source-available», no exactamente open source, pero permitía uso comercial.
Gemma 2 (junio 2024) fue el primer modelo de la familia que generó entusiasmo real. Con 27B parámetros, demostró que la arquitectura importaba tanto como el tamaño: usaba interleaved attention (alternando atención local y global) y igualaba a modelos 10x mayores en razonamiento. Por primera vez, un modelo de Google estaba entre los más descargados de Hugging Face.
Gemma 3 (marzo 2025) añadió multimodalidad (imagen + texto) y contexto de 128K. Y Gemma 4 (abril 2026) marcó un cambio de licencia: Apache 2.0, la licencia más permisiva que existe. Google, que durante años había sido el más reticente a abrir modelos, de repente publicaba bajo la licencia más limpia del ecosistema.
La paradoja de Gemma es que es el modelo con peor SWE-bench de los grandes (52.0% para el de 31B), pero con uno de los mejores LiveCodeBench (80.0%). Es decir: es mediocre resolviendo issues de GitHub reales, pero excelente en algoritmos y programación competitiva. Esto sugiere que Google entrena Gemma con datos de alta calidad algorítmica pero con menos exposición a codebases reales que DeepSeek o Qwen.
Mistral
mistral.ai · París, Francia · Apache 2.0 / Modified MIT
Mistral AI es la respuesta europea a la hegemonía americana y china en IA. Y tiene una historia fundacional que parece sacada de una película.
Tres personas se conocieron estudiando en la École Polytechnique (la universidad de ingeniería más prestigiosa de Francia) y terminaron trabajando en los mejores laboratorios de IA del mundo: Arthur Mensch en Google DeepMind, Guillaume Lample en Meta AI, y Timothée Lacroix también en Meta. En abril de 2023, los tres dejaron sus trabajos y fundaron Mistral AI en París.
La ronda semilla fue de €105 millones, la mayor ronda semilla en la historia de la IA europea. Para una empresa que todavía no tenía producto. Pero los inversores (Andreessen Horowitz, General Catalyst, Lightspeed) sabían lo que compraban: los tres fundadores habían trabajado en Llama (Lample y Lacroix) y en los sistemas de inferencia más eficientes del mundo (Mensch en DeepMind). El primer modelo, Mistral 7B (septiembre 2023), justificó la apuesta: con solo 7B parámetros, igualaba a Llama 2 13B en la mayoría de benchmarks. Lo logró con una innovación arquitectónica llamada sliding window attention y una mezcla de datos cuidadosamente curada.
Hay una anécdota que captura el espíritu de la empresa: Arthur Mensch tuvo que saltar al tráfico, robar una bici y cruzar París pedaleando para llegar a tiempo a un fireside chat. Es el tipo de urgencia y caos controlado que define a Mistral: se mueven rápido, rompen cosas, y publican.
Mistral Large 2 (2024) estableció a la empresa como referente europeo. Pero el modelo más interesante para programadores es Devstral (24B), desarrollado en colaboración con All Hands AI (los creadores del framework de agentes OpenHands) y publicado en mayo de 2025. La primera versión alcanzó un 46.8% en SWE-bench Verified, superando en su momento a todo el resto de modelos abiertos de su categoría; versiones posteriores (Devstral Small 1.1, y ya en diciembre de 2025 la familia Devstral 2) fueron subiendo esa cifra hasta el 72.2% en el modelo de 123B. Devstral está especializado en coding agentic: resolver issues reales de GitHub, no solo escribir funciones.
En 2026, Mistral Medium 3.5 (128B denso, 256K contexto, Modified MIT) reemplazó tanto a Devstral 2 como a Magistral en un solo modelo, con 77.6% en SWE-bench Verified. La valoración de la empresa ha escalado a €11.7 mil millones, con inversores como ASML y NVIDIA, y más de $400M en ingresos anuales recurrentes. Mensch ha descartado vender la empresa; una IPO parece el camino más probable.
Para nosotros, como europeos, Mistral es relevante por una razón adicional: soberanía digital. En un contexto donde la Ley de IA de la UE establece requisitos específicos para modelos de alto riesgo, tener un laboratorio europeo con modelos competitivos y licencias permisivas no es un lujo, es una necesidad estratégica. Mistral opera bajo jurisdicción europea, cumple GDPR por diseño, y sus modelos pueden desplegarse en infraestructura europea sin dependencia de APIs americanas o chinas.
GLM
z.ai · Z.ai (antes Zhipu AI) · Pekín, China · MIT License
GLM (General Language Model) es probablemente el modelo abierto menos conocido por estos lares y más infravalorado del ecosistema. Y tiene una de las historias más interesantes.
Z.ai (conocida como Zhipu AI en China hasta su rebranding internacional en 2025) nació como un spin-off de la Tsinghua University (la universidad considerada el «MIT chino»), concretamente del grupo KEG (Knowledge Engineering Group). Fue fundada el 11 de junio de 2019 por Tang Jie y Li Juanzi, profesores de Tsinghua especializados en grafos de conocimiento y procesamiento de lenguaje natural. El CEO, Zhang Peng, es un veterano de la industria tecnológica china y alumno de Tsinghua.
El paper fundacional de GLM se publicó como preprint en 2021 y más tarde en ACL 2022: «GLM: General Language Model Pretraining with Autoregressive Blank Infilling». La idea era elegante: en lugar de elegir entre el enfoque autorregresivo de GPT (predecir el siguiente token) o el enfoque bidireccional de BERT (rellenar huecos), GLM unificaba ambos con una estrategia de autoregressive blank infilling, creaba «cloze tests» rellenando huecos de longitud variable en el texto.
ChatGLM-6B (marzo 2023) fue el primer modelo de diálogo de la familia, y uno de los primeros LLMs chinos en ganar tracción internacional. Era lo suficientemente pequeño (6B) para correr en una GPU de consumo, lo que lo hizo popular entre desarrolladores individuales. La serie GLM-4 (enero 2024) escaló a nivel competitivo, y la transición a GLM-4.5 (julio 2025) marcó el cambio a licencia MIT y el debut como modelo verdaderamente abierto, coincidiendo con el rebranding internacional a Z.ai.
Pero el verdadero terremoto fue GLM-5 (febrero 2026): 744B parámetros en arquitectura MoE con 40B activos, logrando 77.8% en SWE-bench Verified (cerca de los modelos cerrados de frontera de esa fecha). Según Z.ai, la familia GLM-5 se entrenó en gran medida en clústeres de chips Huawei Ascend usando el framework MindSpore. Es la demostración más visible de que buena parte del entrenamiento de modelos de frontera es posible con muy poca (o ninguna) dependencia de hardware americano, aunque (igual que con DeepSeek) conviene tomar con cierta cautela la formulación «cero NVIDIA» cuando no hay un informe técnico independiente que la confirme al detalle.
El contexto geopolítico no puede ignorarse: en enero de 2025, el Departamento de Comercio de EE.UU. incluyó a Zhipu AI en su Entity List por «preocupaciones de seguridad nacional». La respuesta de la empresa fue acelerar su estrategia open source: en julio de 2025 liberó los pesos bajo MIT, y el 8 de enero de 2026 debutó en la Bolsa de Hong Kong, convirtiéndose (según la propia compañía) en la primera empresa de modelos de lenguaje del mundo en salir a bolsa. La acción se disparó de forma espectacular en los meses siguientes.
GLM-5.2 (junio 2026) es la versión actual: 1M de contexto, optimizado para workflows agentic largos y project-level software engineering, con 62.1 en SWE-Bench Pro. Es el modelo que yo uso a diario con OpenCode, y la razón es sencilla: ofrece razonamiento de nivel Claude a una fracción del coste.
Phi
microsoft.com/en-us/research/project/phi · Microsoft Research · Redmond, EE.UU. · MIT License
Phi es el experimento más interesante en «menos es más» que ha dado la industria de la IA.
En junio de 2023, un equipo de Microsoft Research liderado por Sébastien Bubeck publicó un paper con un título provocador: «Textbooks Are All You Need». La tesis era radical: la mayoría de modelos grandes están entrenados con cantidades ingentes de datos de calidad variable (Common Crawl, Reddit, etc.). ¿Y si, en lugar de más datos, usáramos mejores datos?
phi-1 tenía 1.3B parámetros (diminuto para la época) y fue entrenado durante solo 4 días en 8 GPUs A100. Los datos de entrenamiento eran 6 mil millones de tokens de contenido web filtrado por «calidad de textbook» más 1 billón de tokens de textbooks sintéticos generados por GPT-3.5. El resultado: phi-1 lograba 50.6% en HumanEval, superando a modelos 10x mayores. La conclusión del paper era contundente: la calidad de los datos importa más que la escala.
La historia detrás de phi-1 es peculiar. Bubeck y su equipo habían estado trabajando en secreto en Microsoft Research analizando GPT-4, fue uno de los primeros equipos externos con acceso a las capacidades completas del modelo, antes de su publicación pública en marzo de 2023. Esa experiencia les dio una intuición única sobre qué tipo de datos de entrenamiento producían los comportamientos más útiles. Cuando publicaron phi-1, fue casi un acto de rebeldía interna: en una empresa que había invertido miles de millones en OpenAI, un equipo pequeño demostraba que se podía hacer mucho con mucho menos.
Phi-2 (diciembre 2023, 2.7B) amplió el enfoque a razonamiento general. Phi-3 (abril 2024) escaló a 14B y demostró que podía competir con Llama 3 70B en muchas tareas. Phi-4 (2025) refinó la receta con mejores datos sintéticos y mejor filtrado.
La influencia de Phi en la industria ha sido desproporcionada respecto a su tamaño. Google adoptó estrategias similares de curación de datos para Gemma. Meta ajustó sus pipelines de Llama. La premisa de que «los datos son más importantes que los parámetros» se ha convertido en ortodoxia. Y todo empezó con un paper que decía, esencialmente: «lean buenos libros en lugar de leer todo internet».
Kimi
moonshot.ai · Moonshot AI · Pekín, China · Modified MIT
Moonshot AI tiene la historia fundacional más poética de todas las empresas de este listado.
En marzo de 2023, Yang Zhilin (doctor por Carnegie Mellon, ex-investigador de Google) fundó la empresa junto a Zhou Xinyu y Wu Yuxin, compañeros de la Tsinghua University. La fecha no era casual: coincidía con el 50 aniversario de The Dark Side of the Moon de Pink Floyd, el álbum favorito de Yang. De ahí el nombre: Moonshot (y su contraparte china, 月之暗面, «la cara oculta de la luna»).
Yang definió tres hitos para Moonshot: contexto largo, modelo del mundo multimodal, y arquitectura general escalable capaz de automejorarse. El primer hito se materializó en octubre de 2023 con el lanzamiento de Kimi, un chatbot que podía procesar hasta 200.000 caracteres chinos por conversación, una ventana de contexto masiva para la época, que hizo de Kimi el favorito para análisis de documentos largos en China.
El crecimiento fue meteórico: respaldado por Alibaba, Zhen Fund y Capital Today, Moonshot recaudó más de $1.27 mil millones. Kimi escaló hasta el tercer puesto en usuarios activos mensuales entre las apps de IA chinas. Pero entonces llegó DeepSeek.
La publicación de DeepSeek R1 en enero de 2025 fue un golpe directo a Moonshot: Kimi cayó del tercer al séptimo puesto en usuarios activos entre agosto 2024 y junio de 2025. La respuesta de Moonshot fue abrir Kimi K2 (julio de 2025), su primer modelo de pesos abiertos, como estrategia para reconstruir credibilidad técnica y engagement de desarrolladores.
Kimi K2.6 (abril 2026) es un MoE de 1T de parámetros totales (32B activos) que alcanza 58.6% en SWE-Bench Pro y 80.2% en SWE-bench Verified, competitivo con GLM-5.2 y por encima de GPT-5.4 y Claude Opus 4.6 en ese benchmark concreto. Su arquitectura de agent swarm permite escalar a cientos de sub-agentes paralelos para descomposición autónoma de tareas.
Nous Hermes
nousresearch.com · EE.UU. · Licencia variable
Nous Research es el outlier de este listado: no es una empresa ni un laboratorio. Es un colectivo de investigación abierto que se dedica a fine-tunear modelos existentes y publicarlos con mejoras de alignment y capacidades.
La serie Hermes es su producto estrella. Comenzó como un fine-tune de Llama 2 con un dataset de RLHF cuidadosamente curado, conversaciones de alta calidad, instrucciones estructuradas, y un énfasis en que el modelo siguiera instrucciones complejas de manera fiable. Lo que distingue a Hermes de otros fine-tunes no es el modelo base (que es de terceros) sino el dataset y la técnica de entrenamiento: Nous Research ha desarrollado métodos propios de DPO (Direct Preference Optimization) y function calling que mejoran significativamente la utilidad práctica de los modelos.
En 2026, Nous Research integró GLM-5.2 como base para Hermes Agent, demostrando algo notable: que la comunidad open-source puede construir sobre los mejores modelos chinos y mejorarlos. Hermes Agent sobre GLM-5.2 combinaba el razonamiento del modelo base con el alignment y el tool-use mejorado de Nous, creando un modelo que en muchos escenarios agentic superaba al GLM original.
La importancia de Nous Research en el ecosistema es estructural: representan la capa de innovación comunitaria que se construye sobre los modelos base. Sin Llama, no habría Hermes. Pero sin Hermes, muchos modelos base serían menos útiles en la práctica.
Nemotron
nvidia.com/en-us/ai · NVIDIA · Santa Clara, EE.UU. · Nemotron Open Model License
Nemotron es la familia de modelos de NVIDIA, y su existencia responde a una motivación muy distinta al resto de este listado: NVIDIA no quiere competir en modelos por competir. Quiere vender GPUs, y un ecosistema de modelos abiertos que corren bien en su stack (TensorRT-LLM, NIM, CUDA) empuja esa demanda.
Las primeras generaciones, los llamados «Llama Nemotron» (Nano, Super, Ultra 253B), lanzados a partir de enero de 2025, sí partían del modelo base de Meta: NVIDIA tomaba Llama y lo reentrenaba con RLHF específico para tool-use y workflows agentic. Pero la generación actual, Nemotron 3 (desde finales de 2025), rompe con ese patrón: es una arquitectura propia de NVIDIA, entrenada desde cero, un híbrido Mamba-Transformer MoE sin relación directa con Llama. El buque insignia, Nemotron 3 Ultra (550B total / 55B activos), se preentrenó sobre 20 billones de tokens y extiende el contexto hasta 1M de tokens, con foco en accuracy y throughput para agentes de larga duración.
Lo notable de Nemotron es su disponibilidad: NVIDIA publica los pesos, los datos de entrenamiento y las recetas de post-entrenamiento en abierto (un nivel de transparencia poco habitual en un modelo de esta escala) y ofrece variantes más pequeñas (Nano) gratis en OpenRouter. Es una jugada de marketing, sí, pero también es genuinamente útil para desarrolladores que quieren probar workflows agentic sin coste.
Poolside Laguna
poolside.ai · San Francisco, EE.UU. · Apache 2.0 / OpenMDW-1.1
Poolside es la startup más joven y especializada de este listado. Fundada por Jason Warner (ex-CTO de GitHub) y Eiso Kant, su tesis es radical: los modelos generales (GPT, Claude, Llama) son buenos en muchas cosas, pero ninguno está optimizado específicamente para ingeniería de software. Poolside entrena modelos solo para code, desde cero, con su propia infraestructura.
La serie Laguna está diseñada para generalizar a través de agent harnesses, OpenCode, SWE-Agent, Aider, Continue. Es decir: no se trata de que el modelo escriba mejor código en un prompt aislado, sino de que mantenga contexto de ingeniería a lo largo de un workflow completo, desde requisitos hasta despliegue multiplataforma.
Laguna XS 2.1 (2026) es un MoE de 33B parámetros totales con 3B activos (compacto) con contexto de 256K y hasta 32K tokens de output, publicado bajo la licencia abierta OpenMDW-1.1. Es uno de los modelos más interesantes para coding agents locales: lo suficientemente pequeño para correr en hardware de consumo (una Mac con 36GB de memoria unificada, o una RTX 4090), lo suficientemente especializado para ser útil en workflows reales, con 68.2% en SWE-bench Verified. El hermano mayor, Laguna M.1 (225B total / 23B activos), llega a 72.5%.
La filosofía de Poolside es la opuesta a la de DeepSeek o Qwen: en lugar de entrenar un modelo general y esperar que sea bueno en code, entrenan desde el inicio con datos de ingeniería de software. Es una apuesta arriesgada (el mercado de modelos generales es mucho mayor) pero si el futuro del coding es agentic (y todo indica que sí), la especialización puede ganar.
Cohere
cohere.com · Toronto, Canadá · Community License (Command) / Apache 2.0 (North Mini Code)
Cohere tiene el pedigree más improbable de este listado: su CEO, Aidan Gomez, es co-autor del paper «Attention Is All You Need» (2017), el paper que introdujo la arquitectura Transformer y que es, probablemente, el paper de IA más citado de la historia. Sin Transformer, no hay GPT, no hay Llama, no hay nada de lo que hablamos en este post.
Gomez fundó Cohere en 2019 con Nick Frosst y Ivan Zhang, ambos también con formación en investigación. La estrategia de Cohere fue distinta a la de OpenAI o Anthropic desde el inicio: en lugar de perseguir el modelo más grande, se especializaron en RAG (Retrieval-Augmented Generation) y tool-use empresarial. Su modelo Command R+ fue uno de los primeros optimizados específicamente para recuperar información de bases de conocimiento y usar herramientas externas, y esos modelos Command se distribuyen bajo la Cohere Community License, permisiva para investigación, pero que exige acuerdo comercial para producción a partir de cierto tamaño.
En junio de 2026, Cohere debutó en coding con North Mini Code, su primer modelo dirigido explícitamente a desarrolladores: un MoE de 30B parámetros totales con 3B activos, pensado para coding agentic y con un despliegue que cabe en una sola GPU H100. A diferencia del resto de la familia Command, Cohere publicó este modelo bajo licencia Apache 2.0 (sin restricciones comerciales), lo que rompe con el patrón habitual de la empresa y lo convierte, paradójicamente, en uno de los lanzamientos con licencia más permisiva de todo este listado, no el más restrictivo.
Reflexión final
Después de recorrer estas doce familias de modelos, hay un patrón que emerge con claridad: el centro de gravedad del open source en IA se ha desplazado a China. DeepSeek, Qwen, GLM y Kimi son cuatro de los modelos más competitivos del mundo, y los cuatro son chinos. Meta, que arrancó el movimiento con Llama, ha girado hacia modelos cerrados. Google llegó tarde y con modelos más pequeños. Microsoft no tiene un modelo propio competitivo (Phi es excelente pero pequeño). Mistral es la excepción europea, pero está sola.
Esto tiene implicaciones que van más allá de la tecnología. Cuando yo uso GLM-5.2 o DeepSeek V4 en mi infraestructura, estoy usando modelos entrenados en gran parte en China, por empresas sujetas a la jurisdicción china, con datos de entrenamiento que no puedo auditar completamente. Los pesos son abiertos (puedo inspeccionarlos, fine-tunearlos, correrlos offline) pero el proceso de entrenamiento no lo es del todo, y ni siquiera el hardware exacto usado está siempre claro. Para la mayoría de casos de uso, esto es irrelevante: un modelo que corre localmente no envía datos a ningún sitio. Pero para entornos regulados o sensibles, es un factor a considerar.
La buena noticia es que tenemos opciones. Mistral para soberanía europea. DeepSeek para relación calidad-precio. Qwen para multilingüismo. Phi para despliegue minimalista. Llama para el ecosistema más maduro (al menos hasta su giro hacia modelos cerrados). Y la competencia entre todos ellos está empujando los precios a la baja y la calidad al alza a un ritmo que no se veía desde los inicios de la nube.
Si administras infraestructura (como es mi caso), mi recomendación práctica es: prueba varios, mide en tu workload real, y no te cases con ninguno. El paisaje cambia cada trimestre. Lo que hoy es el mejor modelo para tu caso de uso, en seis meses puede haber sido superado por un competidor que ni existía.
NOTA: Datos recopilados y verificados a julio de 2026. Los benchmarks y precios cambian rápidamente; verifica siempre en las fuentes originales antes de tomar decisiones de producción.
Deja una respuesta