El estreno bursátil de Anthropic volvió a poner en primer plano a los modelos de inteligencia artificial más costosos. En la conferencia Slush, Chenyu Zhao, cofundador de Fireworks AI, defendió una alternativa para las empresas: usar modelos de pesos abiertos, adaptarlos con datos propios y reservar los sistemas de frontera para las tareas que realmente necesitan sus capacidades más avanzadas.
La propuesta no supone que todas las compañías deban abandonar servicios de IA como los de OpenAI o Anthropic. Zhao plantea que el costo, la velocidad y el control sobre la información cambian de importancia cuando un producto deja la fase inicial y empieza a atender a miles de usuarios. En ese punto, pagar por el modelo más potente para cada operación puede ser innecesario.

Modelos más pequeños para tareas concretas
Fireworks opera modelos para otras empresas y se especializa en modelos de pesos abiertos: herramientas que pueden descargarse y adaptarse. Su plataforma permite afinar esos modelos con información de cada cliente para atender necesidades específicas, con la promesa de ejecutarlos de forma más rápida y económica que los modelos de propósito general de los grandes laboratorios. Entre sus clientes se encuentran Uber, Shopify y Notion.
La diferencia está en especializar el sistema en vez de solicitar el máximo nivel de razonamiento en cada consulta. Zhao dijo a TechCrunch que, para tareas de alto nivel, un modelo de frontera puede ser valioso; para operaciones sencillas, como aritmética básica, una opción abierta puede cumplir el trabajo con menos gasto. En su planteamiento, las empresas pueden combinar ambos tipos de modelo y dirigir cada solicitud al recurso que se ajuste mejor.
El cofundador estimó que los modelos abiertos están entre tres y seis meses detrás de los modelos de frontera, más cerca de tres meses según su evaluación. Es una valoración atribuida a Zhao, no una medición independiente. La brecha, dijo, se redujo tras la llegada de DeepSeek y otros modelos abiertos recientes.
Cuándo empieza a pesar la factura de IA
La recomendación de Zhao depende de la escala del producto. Mientras una compañía busca encajar su oferta con el mercado, probar el mejor modelo disponible puede representar un riesgo operativo bajo. El cálculo cambia, según él, cuando el servicio rebasa los 10,000 o 100,000 usuarios y sus costos mensuales de tokens alcanzan entre 10,000 y 100,000 dólares. Entonces conviene revisar si cada función requiere un modelo de frontera o si puede resolverse con una alternativa especializada.
Ese cambio también modifica la forma de medir la eficiencia. En lugar de observar solo el precio por token, las empresas pueden comparar cuánto cuesta completar una tarea y qué calidad necesitan para darla por terminada. La estrategia de Fireworks consiste en ayudar a que el cliente adapte los modelos con sus propios datos, para que el sistema responda a su dominio sin depender por completo de proveedores generalistas.
La discusión incluye el control de la información. Zhao retomó la preocupación que el director ejecutivo de Microsoft, Satya Nadella, había expresado sobre el costo indirecto de los modelos propietarios: además del dinero, las empresas pueden entregar conocimiento mediante los prompts y datos que comparten. Fireworks argumenta que ajustar un modelo abierto puede ayudar a conservar mayor control sobre cómo se ejecuta la IA de una organización.
Las brechas de seguridad ponen a prueba esa promesa
La propuesta llega en un momento delicado para Fireworks. La empresa informó de dos incidentes de seguridad durante el otoño. En uno, atacantes accedieron a claves de API y tokens guardados como secretos en un número limitado de cuentas. En el otro, vulneraron a un proveedor de nube y desde allí alcanzaron un sistema de desarrollo, con datos de clientes, registros de facturación y algunos conjuntos de datos.
TechCrunch reportó que Notion dijo que las transcripciones de sus chats de IA en menos del 1% de sus espacios de trabajo quedaron expuestas y que desconectó el servicio de Fireworks. Uber, por su parte, señaló que atacantes robaron nombres, domicilios, fechas de nacimiento y números de licencia de conducir de alrededor de 150,000 conductores a través de un proveedor que TechCrunch identificó como Fireworks.
Zhao sostuvo que no hay indicios de que se haya comprometido la retención cero que la empresa ofrece para el tráfico de inferencia. También explicó que el incidente relacionado con Notion involucró predicciones por lotes: los conjuntos de datos se almacenan temporalmente, por lo que no funcionan bajo la misma política de retención cero. Fireworks dijo que está migrando esos servicios a un flujo en línea para conservar los datos solo el tiempo necesario. Esa explicación describe la respuesta de la empresa; los incidentes ya reportados muestran que proteger claves, infraestructura y datos cargados sigue siendo una parte crítica del servicio.
Un mercado con muchos competidores
Fireworks fue valuada en 17,500 millones de dólares por sus inversionistas durante el verano y, según el reporte, estaría en conversaciones preliminares para otra ronda. Zhao no quiso comentar sobre esa posible financiación. El sector también atrae capital hacia compañías como Together AI y Baseten, mientras que Palo Alto Networks anunció la compra de Applied Compute por 4,500 millones de dólares en acciones.
Para las empresas que evalúan modelos, el mensaje central es más práctico que absoluto: comparar el costo y la calidad por tarea, y no asumir que la opción más grande debe encargarse de todo. La posibilidad de usar modelos abiertos dependerá de cada necesidad, del trabajo de personalización y de las medidas de seguridad que un proveedor pueda demostrar. La oportunidad de reducir gastos convive con la obligación de proteger la información que los clientes entregan para adaptar sus sistemas.
Fireworks presenta esta ruta como una forma de depender menos de los grandes laboratorios y conservar más control sobre los modelos propios. Después de sus incidentes de seguridad, su capacidad para recuperar la confianza será tan importante como demostrar que sus modelos abiertos ofrecen una alternativa competitiva en precio y rendimiento.
Para más noticias de tecnología, cultura geek, gadgets y entretenimiento, visita: GeekAndLife.com.mx
Descubre más contenido en nuestras redes: Instagram | YouTube | TikTok
Fuente: TechCrunch
Fireworks AI, Inteligencia artificial, modelos de lenguaje, open source, interes,


