Los modelos open-weight procesan el 71,5% de los tokens de Vercel AI Gateway y se llevan el 23% del gasto

Los modelos abiertos se han consolidado en producción no solo por volumen, sino también por dinero. Según el Production Index de octubre de Vercel, los modelos open-weight procesan el 71,5% de los tokens en AI Gateway y se llevan cerca del 23% del gasto. En junio representaban uno de cada veinte dólares; en septiembre, casi uno de cada cuatro. En agosto superaron por primera vez a los modelos cerrados en tokens, y ahora el dinero les sigue.

Vercel registra decenas de billones de tokens al mes entre aplicaciones en producción y laboratorios. Es una muestra de los clientes de una sola plataforma, no de todo el mercado. Sin embargo, los datos proceden de flujos de pago reales, no de encuestas.

Lo barato aporta tokens; lo caro, ingresos

El crecimiento de open-weight se da en ambos extremos de la escala de precios. Los modelos baratos aportan volumen y los caros aportan dinero. DeepSeek-V4.1-Flash procesó por sí sola casi la mitad de todos los tokens de septiembre, pero recibió solo el 2,6% del gasto. El precio de su token es aproximadamente cinco veces inferior a la media de open-weight.

El aumento del gasto tiene otro origen. Los modelos cuyo token cuesta al menos cuatro veces más que el token open-weight medio aportaron cerca de dos tercios de ese incremento. El líder es Kimi K3: casi la mitad del aumento corresponde a este modelo, aunque procesó bastantes menos tokens que DeepSeek-V4.1-Flash.

Cifras clave del índice de septiembre:

• open-weight: 71,5% de los tokens, cerca del 23% del gasto; la cuota de gasto ha crecido más de cuatro veces desde junio;
• el gasto total de septiembre es 13 veces superior al de diciembre (+1180%), y el precio medio del token es un 47% inferior;
• el gasto en modelos frontier se ha multiplicado por 10 desde diciembre; en open-weight, por más de 70;
• el 68% de los equipos que aumentaron su presupuesto en open-weight también lo aumentaron en modelos cerrados;
• más del 40% de los equipos que pagan por modelos frontier gastaron en ellos más que en agosto. Es el máximo del año.

Los laboratorios frontier, con todo, no pierden en dinero. Pierden cuota dentro del presupuesto del cliente. Una empresa puede pagar más a un laboratorio y, al mismo tiempo, asignarle menos cargas de trabajo. Opus 5.5 captó en sus dos primeras semanas más de una décima parte de los dólares del gateway, el mejor resultado entre los lanzamientos de septiembre. El modelo Jev fue el de adopción más rápida en la historia del gateway: el 35% de los equipos de pago en dos semanas. Pero apenas supuso el 0,27% del gasto. Muchos lo probaron; solo unos pocos migraron a él.

La lealtad al laboratorio disminuye

Casi la mitad de los equipos cambió en septiembre su modelo más utilizado. Casi un tercio cambió de laboratorio principal, un récord del índice. Los cambios crecen por quinto mes consecutivo.

El zoo de modelos crece con el volumen. Los equipos que han procesado al menos 10 millones de tokens desde diciembre usan de media 15 modelos. Con 100 millones de tokens, la media es de 26; con mil millones, ya son 42. El modelo pasa a ser una pieza intercambiable dentro de una inversión mayor: los prompts, las evaluaciones, la infraestructura de apoyo y los datos permanecen, mientras que el motor que hay debajo cambia.

Modelos chinos, facturas estadounidenses

Una línea aparte del índice se refiere a la geografía. Casi el 70% del gasto de septiembre en modelos de origen chino pasó por proveedores de EE. UU. En diciembre era menos del 10%. Un laboratorio chino crea el modelo, y un proveedor estadounidense lo despliega y vende el acceso.

DeepSeek: el 58% de todos los tokens del gateway y el 6,6% del gasto. Más de cuatro de cada cinco tokens los sirvió el propio DeepSeek, pero dos de cada cinco dólares gastados en sus modelos fueron a parar a proveedores estadounidenses. En Moonshot AI, creador de Kimi, el cuadro es distinto: el 3,6% de los tokens y el 13,2% del gasto, y nueve de cada diez tokens los sirvieron proveedores de EE. UU.

Qué cambiar en la arquitectura

Si un producto depende de un único modelo de un único proveedor, eso ya es un riesgo, no una simplificación. Un esquema práctico: un modelo open-weight barato se encarga de las tareas masivas (clasificación, extracción, borradores), y un modelo cerrado caro, o uno open-weight grande, trabaja en los pasos complejos. Para este enrutamiento hace falta un conjunto propio de evaluaciones que se ejecute sobre cada modelo nuevo en cuestión de horas, no de semanas.

Segundo: presupueste a la vez la caída del precio del token y el aumento del volumen. Los datos de Vercel muestran que el gasto crece más rápido de lo que se abarata la unidad. Tercero: en los modelos de laboratorios chinos, valore no solo la calidad, sino también la jurisdicción del proveedor. Los mismos pesos pueden llegar desde lugares distintos, con condiciones diferentes en materia de datos y SLA.