La carrera de la IA de frontera ha terminado: las redes de modelos más pequeños superan a la IA centralizada en costo y capacidad

Andrew Trask argumenta que las empresas de IA centralizadas — Fable, Mythos, GPT, Opus — han perdido permanentemente la frontera de capacidades. Usando conjuntos enrutados/ponderados de modelos más baratos, cualquiera puede ahora superar la precisión de cualquier modelo de frontera individual a menor costo y mayor velocidad.

Hallazgos clave del artículo

• Capacidad: Una combinación diferencialmente privada de modelos de frontera en Humanity's Last Exam alcanzó los 50 bajos, más alto que cualquier modelo individual. El artículo muestra un gráfico donde un conjunto de GPT y Opus supera a Fable/Mythos a la mitad del precio.
• Velocidad: Las clasificaciones independientes de velocidad de OpenRouter muestran que los modelos de código abierto son más rápidos porque los proveedores de hosting compiten en latencia.
• Costo: La forma más barata de obtener rendimiento al nivel de Fable/Mythos ya no son esos modelos, sino un conjunto de GPT-5.5 + Opus + Kimi K2.7, que se lanzó hoy y supera a Fable en benchmarks.

El manual de juego

1. Toma cualquier modelo de IA de frontera (ej., Fable).
2. Encuentra el siguiente mejor modelo de frontera más barato (ej., Opus o GPT-5.5).
3. Combínalo con un modelo líder de código abierto (ej., Kimi K2.7) y un enrutador.
4. Resultado: un sistema más barato y más capaz, que puede repetirse recursivamente para siempre.

Por qué la IA centralizada no puede responder: el Efecto Hydra

Trask compara la IA centralizada con los mainframes de los años 60. Una vez que internet conectó los mainframes, la red siempre fue más fuerte. De manera similar, una vez que puedes ensamblar cualquier combinación de modelos, ningún modelo individual puede alcanzarlos nunca — cada mejora en un modelo individual solo alimenta el conjunto.

El artículo afirma explícitamente: "Ningún sistema de IA de frontera individual alcanzará jamás la frontera de capacidades nuevamente debido a cómo funcionan las leyes de escala y los conjuntos." Predice que el futuro es la 'IA de red-fuente': redes de redes neuronales, análogas a la era de la PC+Internet.