Tipos de Modelos de IA

🎧 Podcast: Tipos de modelos

2.1 Modelos Frontier (cerrados / API)

Son los modelos de última generación desarrollados por las grandes empresas del sector.

Empresa	Modelos destacados
OpenAI	GPT-5
Anthropic	Claude Sonnet / Opus
Google	Gemini

Características:

• Mayor capacidad general y mejor reasoning.
• Context windows enormes.
• Se acceden vía API con pago por token.

Cuándo elegir un modelo frontier

Son la opción adecuada cuando necesitas máxima calidad y el coste por token es asumible.

2.2 Modelos Abiertos

Pueden ejecutarse en tu propio hardware o en servicios de hosting privado. Ejemplos: Mistral, Qwen, DeepSeek, Gemma.

Requisitos técnicos:

• GPU con suficiente VRAM (cuanto más grande el modelo, más VRAM necesitas).

Estado actual:

• La calidad ha mejorado enormemente.
• Aún existe un gap con los modelos frontier en tareas complejas de reasoning.

Ventajas de la ejecución en local

• Sin coste por API.
• Sin dependencia externa.
• Los datos nunca salen de tu infraestructura.

2.3 Frontier vs. Abiertos: resumen comparativo

Aspecto	Frontier	Abiertos
Coste	Pago por token (API), alto coste.	Gratis en local (solo hardware) o costos reducidos si es en proveedores de terceros.
Datos	Salen hacia el proveedor	Permanecen en tu infraestructura, si es en local. En cloud los datos viajan al proveedor.
Dependencia externa	Sí	No, si es en local.
Calidad en reasoning	Estado del arte, Los modelos propietarios suelen estar más ajustados para lograr alta precisión, comprensión contextual y aplicaciones específicas por tarea.	Cerca, pero con gap en tareas complejas
Hardware requerido	Ninguno (cloud) - Los proveedores ofrecen una infraestructura robusta, garantizando un tiempo de actividad y un funcionamiento fluido para aplicaciones críticas	GPU con VRAM suficiente. Alternativa cloud, existen también en proveedores de cloud (Open-router, huggingface, Kilo Gateway, Open Code, Github-copilot)
Licencia	Cerrada Propietaria	Abierta - Cualquiera puede revisar la arquitectura, las fuentes de datos de entrenamiento (si se revelan) y los detalles de la implementación.
Velocidad	Alta	Baja en hardware no espcializado, de consumo general.

El acceso abierto al código y metodologías fomenta la confianza y permite el escrutinio, reduciendo las preocupaciones sobre sesgos ocultos o prácticas poco éticas.

3. Clasificación por tamaño y especialización

Además del tipo de acceso, los modelos se clasifican principalmente por su tamaño y su especialización técnica:

3.1 LLM (Large Language Models)

• Poseen miles de millones de parámetros.
• Conocimiento general muy amplio.
• Ejemplos: serie GPT, Gemini.

3.2 SLM (Small Language Models)

• Versiones más pequeñas y rápidas.
• Optimizados para ejecutarse en dispositivos con pocos recursos o para tareas muy específicas.

3.3 Modelos de Razonamiento (RLM / LRM)

• Diseñados para resolver problemas lógicos, matemáticos y de programación complejos.
• Utilizan múltiples pasos de pensamiento interno antes de responder.

3.4 Mezcla de Expertos (MoE)

• Arquitectura eficiente que solo activa una pequeña parte de sus neuronas ("expertos") para cada consulta.
• Permite construir modelos gigantes con menor coste computacional.

3.5 Modelos Multimodales y VLA

• Pueden procesar y generar simultáneamente texto, imágenes y audio.
• Los modelos VLA (Vision-Language-Action) además traducen instrucciones en acciones físicas para robots.

4. Resumen de tipos

Tipo	Rasgo clave	Cuándo encaja
LLM	Miles de millones de parámetros, conocimiento general	Tareas generales de alta calidad
SLM	Pequeño y rápido	Dispositivos con pocos recursos / tareas específicas
RLM / LRM	Razonamiento multi-paso	Lógica, matemáticas, programación complejas
MoE	Activa solo parte de los expertos	Modelos grandes con menor coste
Multimodal / VLA	Texto + imagen + audio (y acciones)	Interacción rica o robótica

Idea clave

No existe "el mejor modelo" en abstracto: la elección depende del coste, la infraestructura disponible, la privacidad de los datos y el tipo de tarea que necesitas resolver.