Los modelos de pesos abiertos son el objetivo de adquisición más caliente de Silicon Valley

TechCrunch publicó el 28 de agosto de 2026 un análisis del reportero Tim Fernholz sobre el patrón más llamativo del mes en inteligencia artificial: la cantidad de capital que está entrando a empresas cuyo negocio consiste, literalmente, en regalar modelos.

El detonante es la compra reportada de Hugging Face por parte de Nvidia por unos 13.000 millones de dólares, todavía sin confirmar oficialmente. Hugging Face es la plataforma donde se comparten modelos de pesos abiertos y benchmarks, algo así como el GitHub de la era de la IA. Antes de eso, Nvidia había cerrado un acuerdo de 6.000 millones de dólares con Poolside, constructor de modelos abiertos, que llevará a la mayoría de sus empleados al fabricante de chips. Y dos semanas atrás, Stripe compró OpenRouter por más de 7.000 millones, el principal proveedor de modelos abiertos para empresas.

¿Por qué Nvidia compra empresas que regalan sus modelos?

La lógica es de dependencia. Nvidia necesita dejar de depender exclusivamente de sus acuerdos con los grandes hyperscalers y los laboratorios de frontera, sobre todo ahora que constructores de modelos como OpenAI y Google están fabricando sus propios chips de inferencia. El chip Jalapeño de OpenAI, cuyas capacidades se anunciaron esta misma semana, es el ejemplo. Si los que hacen modelos ahora hacen chips, Nvidia quiere un pedazo del negocio de hacer modelos.

Nvidia ya construye su propia familia de modelos abiertos, Nemotron, pero su adopción no ha sido grande. Al tomar control del mayor espacio de desarrollo de modelos abiertos de Estados Unidos, la compañía gana acceso a una masa de usuarios a la que puede empujar hacia sus chips y sus estándares.

¿Cuántas empresas usan realmente modelos de pesos abiertos?

Aquí está la desconexión que importa para cualquiera que esté decidiendo presupuesto de IA. Según un análisis de datos de gasto de Ramp, solo el 6% de las empresas usa modelos de pesos abiertos. Medido sobre ingenieros de software por Jellyfish, la cifra baja al 2%.

Nik Albarran, líder de producto de IA en Jellyfish, explicó a TechCrunch que los modelos abiertos hoy los usan principalmente empresas cuyos productos dependen de cargas de inferencia repetidas, como los chats de atención al cliente. Al ser tareas de alto volumen y mucha repetición, un modelo abierto se puede afinar para responder barato.

Para tareas de código y agentes, en cambio, la variabilidad de las solicitudes y el mayor razonamiento hacen que los modelos de frontera sigan ganando, en parte porque los laboratorios propietarios dan acceso más fácil y, en algunos casos, subsidian tokens. Albarran es directo sobre el motivo real de la adopción actual: hoy las empresas miran modelos abiertos por control y configurabilidad, no por ahorro. «No hay muchas empresas donde ese sea el caso todavía, pero si los precios siguen subiendo desde los laboratorios de frontera, más y más empresas se verán obligadas al menos a considerarlo», dijo.

¿Qué está comprando realmente Stripe con OpenRouter?

Stripe encuadró su adquisición en términos de economía de tokens. «Los tokens son la moneda central para las empresas que construyen con IA, y está claro que el potencial económico real dependerá de hacer buen uso de recursos de cómputo escasos», dijo Patrick Collison, cofundador y CEO de Stripe.

La otra señal del tamaño real de este mercado la da Lin Qiao, CEO de Fireworks, uno de los principales enrutadores y hosts de modelos abiertos para clientes corporativos y candidata frecuente en las especulaciones de adquisición. Qiao afirma que su compañía procesa 40 billones de tokens al día, más que las APIs de Gemini o de OpenAI. Su apuesta es la diversidad de modelos: «Cada compañía de aplicaciones debería considerar contratar un investigador interno. El futuro es en realidad la inteligencia especializada. Literalmente cada compañía debería tener su propio modelo por caso de uso».

¿Qué significa esto para una empresa en Chile o Latinoamérica?

Para una empresa B2B en Chile o Latinoamérica que hoy paga suscripciones de IA en dólares, la lectura práctica no es «cámbiate a modelos abiertos mañana». Es que el precio de la inferencia dejó de ser un dato fijo y pasó a ser una variable de negociación. Los 26.000 millones de dólares comprometidos en estas tres operaciones son una apuesta de Silicon Valley a que la curva de costos de los laboratorios de frontera va a seguir presionando, y a que habrá demanda por alternativas.

El dato del 6% también es una advertencia contra el ruido. La distancia entre lo que se compra en Silicon Valley y lo que efectivamente se usa en producción sigue siendo enorme, y en Latinoamérica esa distancia suele ser todavía mayor porque los equipos técnicos son más chicos y el costo de autohospedar un modelo, en horas de ingeniería, se come el ahorro de tokens.

Análisis de Revenue Hub

La pregunta que un líder comercial debe hacerse tras esta noticia no es cuál modelo usar, sino cuánto le costaría cambiar. Si hoy tu CRM, tu enriquecimiento de datos y tus agentes de prospección están amarrados a un único proveedor de modelos, no tienes una estrategia de IA: tienes una dependencia. La ola de adquisiciones muestra que hasta Nvidia y Stripe están comprando opcionalidad, y ellos tienen mucho más poder de negociación que cualquier empresa de la región.

La recomendación concreta es medir antes de moverse. Identifica qué porcentaje de tu gasto en IA se va en tareas repetitivas de alto volumen, que es exactamente donde Albarran dice que los modelos abiertos rinden: clasificación de leads, resúmenes de llamadas, respuestas de primer nivel en soporte. Ese porcentaje es tu superficie real de negociación o de migración. El resto, agentes complejos y generación de código, seguirá justificando modelos de frontera por bastante tiempo.

El error caro sería el opuesto: migrar todo a modelos abiertos por ahorro teórico y descubrir que el costo se movió de la factura de tokens a la nómina de ingeniería. Con un 6% de adopción global, quien migre hoy en Chile o Latinoamérica está en la punta de la curva, no en la media. Eso puede ser ventaja competitiva o puede ser un experimento caro, y la diferencia la marca tener medido el gasto por tipo de tarea. En nuestra sección de tendencias SaaS seguimos el movimiento de precios y empaquetado de los proveedores de IA, y en el blog de Revenue Hub publicamos los marcos que usamos para evaluar decisiones de stack comercial.