Cuándo NO conviene migrar a un modelo open source
Escribí sobre empresas que ahorraron 5× a 100× migrando a modelos abiertos y ofrezco ese servicio. Precisamente por eso me toca escribir este artículo: hay casos donde migrar es mala idea, y reconocerlos es parte de hacer bien el trabajo.
1. Si dependés de la frontera absoluta
Los mejores modelos abiertos van meses detrás de los mejores cerrados. El AI Index 2026 de Stanford mide la brecha actual en 3,3% en el Arena Leaderboard — chica, pero no cero. Y en Hacker News no faltan profesionales escépticos: “They don’t compare yet to the online models of ChatGPT, Claude, Gemini… They are still about 18 months behind”, escribió uno (una estimación más pesimista que la de los benchmarks, pero refleja una experiencia real de uso).
Menlo Ventures observó además que las empresas persiguen rendimiento, no precio: “Even as individual models drop 10x in price, builders don’t capture savings by using older models; they just move en masse to the best performing one.” Si tu producto vive de exprimir lo último en razonamiento, quedate donde está lo último.
2. Si tu volumen es demasiado chico
Migrar no es gratis: un análisis de LLM Gateway estima que un equipo mediano gasta 2-4 semanas de ingeniería (US$15.000-30.000 en costo cargado) en un cambio de proveedor. Si tu factura de API es de $100/mes, el ahorro no paga la migración: dejala como está y volvé a mirar cuando el volumen crezca.
3. Ojo con la letra chica al comparar precios
Los tokenizadores difieren entre familias de modelos: VentureBeat documentó que un mismo texto puede tokenizar 16% más (inglés), 21% más (matemática) o 30% más (código Python) según el proveedor. Compará costo por tarea completada, no precio de lista por token.
4. Self-hosting: casi nunca es el primer paso
El self-hosting tiene glamour y tiene trampas:
- Break-even: análisis de 2026 calculan el costo real de una sola A100 con operación incluida en ~$3.240/mes; necesitás cientos de millones de tokens mensuales para ganarle a las API. Otro estudio concluye que la API gana en el 87% de los casos de uso, con break-even práctico cerca de los $4.200/mes de gasto.
- Utilización: una GPU al 10% de uso multiplica tu costo por token por 10 (guía de decisión 2026).
- Seguridad: en enero de 2026 se contabilizaron 175.000 servidores Ollama expuestos a internet en 130 países, con ataques de “LLMjacking” que pueden costar decenas de miles de dólares por día. Self-hosting sin operación seria no es ahorro: es riesgo.
- Rendimiento local: hay postmortems honestos de desarrolladores que volvieron a la API tras sufrir latencias de 10-30 segundos en hardware insuficiente.
La alternativa sensata para empezar casi siempre es un proveedor gestionado de modelos abiertos (DeepSeek, Groq, Together): ahí el ahorro llega sin operar nada.
5. “Open source” tiene matices de licencia
No todos los modelos “abiertos” son iguales: la OSI señala que la licencia de Llama restringe campos de uso y excluye usuarios de la UE en versiones recientes, por lo que técnicamente no es open source según su definición. DeepSeek (MIT) o GPT-OSS (Apache 2.0) sí usan licencias abiertas clásicas. Si la licencia importa para tu negocio, revisala antes de elegir modelo.
Entonces, ¿cuándo sí?
Cuando la tarea es concreta (soporte, clasificación, extracción, resumen, RAG, agentes acotados), el volumen es real y las evaluaciones con tus datos confirman la calidad. Ahí es donde aparecen los ahorros de 5× a 100× de los casos documentados — y donde los precios 2026 hacen el resto.
Mi trabajo en la auditoría inicial es justamente este cálculo: decirte con números si te conviene migrar, qué partes, y a qué — o decirte que no te conviene todavía. Un “no” a tiempo también es un buen resultado.