Durante años, la industria de la IA asumió que el modelo más grande era el mejor. Pero los costes se disparan y startups y grandes empresas empiezan a preguntarse si realmente necesitan tanta potencia para todo.

El coste como amenaza existencial

Kylan Gibbs, CEO de Inworld, lo deja claro: el coste de ejecutar modelos de IA es la mayor amenaza para las startups de consumo. «Cost is the single number one problem», dijo en una entrevista.

Según Gibbs, las startups de IA para consumo gastan entre el 70% y el 90% de su presupuesto operativo solo en inferencia. Muchas cobran a los usuarios entre 5 y 10 dólares al mes, lo que hace casi imposible la rentabilidad cuando el uso crece. «Su rentabilidad se desploma cada vez que tienen éxito», afirma.

¿Y si lo pequeño funciona igual?

Brian Armstrong, cofundador de Coinbase, lanzó una predicción que está dando que hablar:

«La demanda de inteligencia es casi infinita, pero el 80% de las cargas de trabajo se ejecutarán en modelos un 99% más baratos en un plazo de 12 a 18 meses. El 20% de las cargas de trabajo seguirá usando modelos de última generación donde maximizar el CI sea importante.»

De cumplirse, el impacto sería enorme. La mayoría de empresas de IA han competido usando el modelo más avanzado disponible. Si las mismas tareas pueden hacerlas modelos baratos sin perder calidad, el ahorro saldría de los grandes laboratorios como OpenAI y Anthropic, justo cuando se preparan para sus salidas a bolsa.

Las pruebas iniciales lo respaldan. La herramienta de IA legal Harvey hizo un test con Fireworks AI: combinaron Claude Opus con Fireworks GLM 5.1 y usaron Opus solo para las tareas más complejas. Redujeron los costes de inferencia en 3 veces sin perder calidad. Gabe Pereyra, cofundador de Harvey, lo explica: «La calidad es lo primero, pero la definición de calidad está evolucionando: ya no es usar el modelo más potente para todo, sino usar el mejor modelo que da la respuesta correcta de la forma más eficiente».

La apuesta de Inworld

Gibbs cree que los precios actuales están inflados: los proveedores fijan precios según la competencia, no según sus costes reales, generando ingresos muy superiores al coste de cómputo.

Inworld, que ha recaudado más de 117 millones de dólares y dice que sus ingresos se han quintuplicado desde principios de 2026, ha recortado sus precios más del 50% y ofrece descuentos mayores según escala el cliente. La compañía apuesta a que una infraestructura más barata permitirá a nuevas aplicaciones de consumo —educación, terapia, salud, fitness— alcanzar escala masiva. «Si queremos que los beneficios de la IA lleguen a la gente de a pie, la economía tiene que funcionar para las empresas que construyen esos productos», afirma Gibbs.

Grande contra pequeño

El verdadero debate no es entre modelos abiertos y propietarios, sino entre grandes y pequeños. Cambiar de GPT-5.5 a DeepSeek V4 Flash ahorra dinero, pero pasarse a GPT-5.4-mini funciona igual.

Con los precios de los tokens subiendo y los subsidios reduciéndose, los usuarios sienten la presión del coste por primera vez. Queda por ver si esta presión llevará realmente a las empresas a adoptar modelos más pequeños. Pero si la mayoría de las tareas pueden hacerse igual de bien con modelos pequeños, la creciente demanda de inferencia podría frenarse y surgirían nuevas preguntas sobre cómo justificar el coste de entrenar un modelo de frontera.