La brecha entre modelos abiertos y cerrados ya es de cuatro meses
La creencia era que los modelos abiertos iban de seis a ocho meses por detrás de los cerrados. Mozilla lo cifra ahora en 4,4, y Anthropic acaba de enseñar lo que eso implica con GLM-5.3.
La creencia generalizada decía que los modelos abiertos, chinos o no, iban entre seis y ocho meses por detrás de los cerrados. Esa cifra ya está desfasada, todo nos arrolla. Un informe de Mozilla, que evalúa con las pruebas neutrales de Vals AI modelos como Kimi K3 o GLM-5.2 frente a los de Anthropic, sitúa la brecha entre los mejores modelos abiertos chinos y los cerrados estadounidenses en unos 4,4 meses. Con un coste de hasta cinco veces menos por tarea.
¿Dónde sigue mandando lo cerrado? En el trabajo de nivel experto, el que a un humano le llevaría de 8 a 12 horas, y en tareas con mucha recuperación de información. Según el CTO de Mozilla, para la automatización rutinaria los abiertos ya bastan. Hay empresas, como DoorDash, que mandan lo rutinario a modelos baratos y reservan los caros para lo complicado. En OpenRouter, ocho de los diez modelos con más tráfico son abiertos, siete de ellos chinos.
Parte del acercamiento tiene truco. Anthropic, OpenAI y el gobierno de EE. UU. acusan a varias empresas chinas, entre ellas Z.ai, de usar ilícitamente modelos propietarios: preguntarles y copiar sus respuestas y razonamientos para entrenar los suyos. Las estimaciones dicen que eso explica uno o dos meses de la brecha, no toda.
Y aquí entra GLM-5.3, de Z.ai. Anthropic lo ha evaluado y concluye que construye exploits de principio a fin casi igual que Mythos Preview, su modelo de acceso restringido: 50 de 410 intentos frente a 56. La agencia estadounidense CAISI coincide: es el modelo abierto con más capacidad cibernética hasta la fecha, aunque los de frontera de EE. UU., o sea, los que lo petan actualmente, siguen por delante.
Lo inquietante es lo que cambia al cerrarse la brecha. Los modelos así de capaces salían con salvaguardas o con acceso limitado. GLM-5.3 se puede descargar, y sus frenos se evaden entre el 64 % y el 100 % de las veces; con abliteration, editando los pesos, llegan al 100 % por unos 1.200 a 4.400 dólares de GPU. En los modelos Claude, las mismas técnicas no funcionaron.
Un matiz: quien lo advierte es Anthropic, que compite con los abiertos. Pero con CAISI diciendo lo mismo no es solo marketing. Cuando la capacidad de frontera está solo a cuatro meses de distancia y se puede descargar, la defensa llega tarde si se espera a que llegue la regulación.