Informe Global del Ecosistema LLM 2026-2027: El código abierto alcanza la paridad, el colapso de costos y la brecha de escalamiento de la IA empresarial

Contexto del sector: de la carrera de modelos a la competencia de ecosistemas

El mercado global de grandes modelos de lenguaje (LLM) alcanzó los 11.630 millones de dólares en 2026, con una expansión proyectada a una tasa de crecimiento anual compuesta del 35,6 %, hasta acercarse a los 180.000 millones de dólares en 2035. Al mismo tiempo, Gartner prevé que el gasto mundial total en IA alcanzará los 2,52 billones de dólares en 2026, un aumento interanual del 44 %, con un incremento del 80,8 % en el gasto en modelos de IA generativa. Esto ya no es una simple "carrera de modelos", sino una evolución compleja de ecosistemas que atraviesa tecnología, capital, regulación y geopolítica.

Impacto en el mercado: colapso de costes y concentración del tráfico de consumidores

Los precios de los modelos caen a un ritmo de entre 10 y 100 veces. A principios de 2023, las capacidades de nivel GPT-4 costaban alrededor de 30 dólares por millón de tokens; hoy, el mismo rendimiento se encuentra por debajo de 1 dólar. Los modelos de razonamiento de vanguardia mantienen precios de entre 10 y 30 dólares por millón de tokens (entrada) y más de 50 dólares (salida), mientras que modelos de código abierto como DeepSeek V3.2 han reducido los precios a 0,14 y 0,28 dólares. El almacenamiento en caché de prompts y las API por lotes pueden reducir los costes en otro 90 % y 50 %, respectivamente, pero solo el 22 % de las empresas realiza un seguimiento del gasto en IA a nivel de transacción, lo que se convierte en el "coste oculto más caro".

En el lado del consumidor, el tráfico está muy concentrado: ChatGPT representa el 53,9 % de la cuota de visitas, Gemini el 27,9 %, y Claude el 9,2 %, aunque con un crecimiento anual del 855 %. En marcado contraste con el gasto empresarial, Anthropic controla alrededor del 40 % del gasto empresarial en APIs de LLM, y su Claude Code ya supera los 2.500 millones de dólares en ingresos anualizados, siendo India el segundo mercado más grande después de Estados Unidos. Las tasas de adopción empresarial parecen optimistas —del 88 % al 91 % de las organizaciones ya usan IA—, pero solo alrededor de un tercio se encuentra en fase de escalado, y apenas el 7 % ha logrado expandirla a todo el negocio. Una encuesta de PwC a 4.454 CEO revela que el 56 % no ha obtenido un ROI medible en el último año, mientras que las empresas maduras en IA logran un ROI promedio de 5,8 veces y una mejora de productividad del 37 %. Esta "brecha de escalado" se ha convertido en la contradicción central de la IA empresarial.

Panorama competitivo: el auge del código abierto y la postura defensiva del código cerradoEl panorama entre código abierto y código cerrado se ha reescrito por completo en un año. Los modelos chinos de pesos abiertos representan ahora más del 45% del tráfico de OpenRouter, frente a menos del 2% hace un año; el consumo semanal de tokens de Xiaomi MiMo V2 Pro es el triple que el del segundo clasificado. La brecha de capacidad entre los modelos de código abierto y los modelos cerrados de vanguardia se ha reducido de 12 meses a 3-6 meses. DeepSeek V3.2 y MiniMax M2.7 se acercan al nivel de Opus en tareas de codificación reales, mientras que MiniMax tiene un costo unas 50 veces inferior. El código cerrado solo mantiene una ventaja de 3 a 8 puntos porcentuales en los benchmarks de razonamiento de mayor dificultad (como GPQA Diamond). Pero se vislumbran riesgos de licencia: algunos modelos «de código abierto» incluyen límites de producción, cláusulas éticas o restricciones geográficas; si el proceso de adquisición ignora este punto, se generarán riesgos de cumplimiento. El ritmo de publicación se ha acelerado hasta las «novedades semanales», y laboratorios como OpenAI, Anthropic, Google, Meta, DeepSeek, Alibaba, Moonshot AI y Zhipu continúan compitiendo.

Implicaciones empresariales: más allá de la adopción, centrarse en el ROI y la gobernanza

Las empresas deberían dejar de usar «¿se adopta IA?» como métrica y pasar a centrarse en «¿se genera valor empresarial verificable?». Según los datos, la brecha entre las empresas maduras en IA y las empresas comunes es mayor que la brecha entre adoptantes y no adoptantes. Las empresas deberían establecer mecanismos de seguimiento de costos de IA a nivel de transacción, utilizar caché de prompts y procesamiento por lotes para reducir el gasto real y evaluar con cautela los términos de licencia de los modelos de código abierto. La selección de modelos está pasando de «priorizar el rendimiento» a «equilibrar costo, control y cumplimiento». Además, la capacidad multimodal ha pasado de ser una característica novedosa a un requisito básico: casi el 60% de las aplicaciones empresariales utilizan más de dos modalidades, y América del Norte representa el 43,6% de la cuota de mercado.

Perspectivas: variables clave para los próximos 12 a 36 meses

En los próximos 12 meses, los costos de inferencia seguirán bajando, la brecha de capacidad entre código abierto y cerrado podría reducirse aún más, y se espera que el gasto empresarial en API se acerque a los 15.000 millones de dólares a finales de 2026. En 24 meses, la multimodalidad y los agentes estarán profundamente vinculados, la frecuencia de lanzamiento de modelos podría estabilizarse, pero la regulación (como los controles de exportación o la AI Act) podría convertirse en una variable habitual: la breve retirada de Claude Fable 5 en junio de 2026 ya anticipa este riesgo. En un horizonte de 3 años, el mercado de los LLM tenderá a una alta diferenciación: unos pocos modelos cerrados de vanguardia coexistirán con modelos de código abierto accesibles para todos; el valor empresarial dependerá de los activos de datos, la integración de flujos de trabajo y la capacidad de transformación organizativa, y no de la elección del modelo en sí. Para los inversores, la atención debe centrarse en las empresas capaces de demostrar un «ROI tras el despliegue», en lugar de en compañías que simplemente acumulan parámetros de modelos.