¿Cuándo fue la última vez que leíste un titular sobre Microsoft Copilot? Seguramente hace tiempo. El espacio mediático está lleno de noticias sobre GPT-5, Claude 4.7, Gemini Ultra. Copilot parece una herramienta corporativa aburrida de la que solo se habla en LinkedIn.
Ahora mira quién paga por qué.
Leer más
Cualquiera que lleve el tiempo suficiente trabajando con ChatGPT o Claude termina haciéndose la misma pregunta: ¿se puede ejecutar algo parecido directamente en el portátil, sin suscripción, sin que los datos salgan de casa y sin depender de servidores remotos?
La respuesta, en 2026, es que sí – pero con matices que importan más que la propia respuesta.
Este artículo es para quienes ya usan LLMs en la nube y quieren entender qué aporta realmente ejecutar una modelo en local, qué hardware hace falta y dónde terminan las expectativas razonables. Sin inmersión técnica profunda, pero con cifras concretas.
En noviembre de 2025, los datos de Stanford mostraron un hecho inesperado: los estadounidenses usan IA con más frecuencia en casa que en el trabajo. En mysummit.school lo analizamos en un artículo aparte – y la conclusión entonces fue directa: la IA en el trabajo aún iba por detrás de la personal.
Han pasado cuatro meses. Epoch AI, junto con Ipsos, publicó un nuevo estudio – y el panorama ha cambiado.
No todos los managers tienen acceso a GPT-5.4 o Claude. En Rusia, un proyecto de ley sobre «modelos de confianza» podría restringir el uso de modelos extranjeros en organismos estatales e infraestructura crítica a partir de septiembre 2027 – dejando a GigaChat, Alice (YandexGPT) y pocos más como únicas opciones. Pero este no es solo un problema ruso. Cualquier organización que despliega un modelo local de Llama por privacidad de datos, usa Phi o Mistral por costes, o simplemente trabaja con un modelo más barato que el líder del mercado – se enfrenta a la misma pregunta.
En nuestro estudio de 54 modelos, GigaChat obtuvo 3,26 de 5; GPT-5.4 – 4,80. Una brecha del 32%.
Si el modelo que tienes es lo mejor a lo que puedes acceder – por regulación, por presupuesto, por política de seguridad – ¿puede la ingeniería de prompts cerrar esa distancia?
En marzo de 2026, Lenny Rachitsky publicó un artículo con un título rotundo: «Everyone should be using Claude Code». El material se extendió por LinkedIn, acumuló cientos de miles de visualizaciones, y ahora cada semana algún manager pregunta: ¿cómo puedo probarlo?
La respuesta es incómoda. Claude Code requiere una suscripción Anthropic Max de 100 dólares al mes. Es uno de los agentes de IA más comentados del año – y está detrás de un muro de pago que no todos pueden o quieren asumir. Para muchos equipos, ese coste recurrente es difícil de justificar solo para explorar una herramienta nueva.
Existe una alternativa directa. OpenCode es un proyecto open-source que hace exactamente lo mismo, funciona con cualquier modelo (incluidos los gratuitos) y se instala en 15 minutos.
En marzo de 2025, en SXSW EDU, la asesora en prospectiva estratégica Sinead Bovell presentó una conferencia sobre la IA y el futuro de la educación. Sin euforia y sin alarma. Pero con dos estudios que cambian la forma de pensar sobre el papel de la IA en el aprendizaje.
El primero: un grupo de estudiantes que usó ChatGPT sin restricciones obtuvo resultados un 17% peores que el grupo de control que trabajó con el libro de texto. El segundo: otro grupo, donde la IA se aplicó dentro de un sistema de aprendizaje completamente rediseñado, duplicó los resultados frente a la clase magistral tradicional.
La misma herramienta. Resultados opuestos. La diferencia está en el enfoque.
Doce horas a la semana. Es el tiempo que un project manager típico dedica a informes, actualización de planes, comunicación con stakeholders y seguimiento de riesgos. Casi un tercio de la jornada laboral que no se destina a tomar decisiones, sino a documentarlas.
Con IA, ese tiempo se reduce a tres horas. Pero solo con una condición: la IA debe estar integrada en el ritmo operativo del trabajo, no utilizarse de forma esporádica – “cuando te acuerdas”.
320 000 estrellas en GitHub. Una conferencia presencial en Manhattan. Subsidios gubernamentales en Shenzhen. En seis semanas, OpenClaw ha pasado de ser un repositorio con un README interesante a convertirse en un fenomeno geopolitico que debaten los analistas de Bernstein, los funcionarios del Ministerio de Industria chino y los usuarios de Xianyu que publican anuncios de consultoria con el titulo “te ayudo a desinstalar”.
Esta es la sexta parte de la serie. En la parte anterior registramos 265 000 estrellas, la incorporacion del creador a OpenAI, los primeros despliegues enterprise a traves de Sundae Bar y tres nuevas CVE. Eso fue hace 12 dias.
¿Puede un modelo chino open source competir con los buques insignia cerrados de OpenAI y Anthropic? Según nuestras pruebas independientes – sí. El 27 de enero de 2026, la empresa pekinesa Moonshot AI lanzó Kimi K2.5, que se incorporó de inmediato al grupo de élite de los mejores modelos del mundo – compitiendo directamente con GPT-5.4 y Claude Sonnet 4.5. Y es completamente gratuito para uso básico.
El 6 de febrero de 2026, en la plataforma OpenRouter apareció un modelo anónimo llamado «Pony Alpha» – gratuito, sin ningún detalle sobre sus creadores. La comunidad de IA comenzó a identificarlo de inmediato. Sus capacidades de programación se acercaban a las de Claude Opus 4.5. Al preguntarle «¿quién eres?», el modelo respondía: «Soy GLM». Pero cuando le pidieron crear una página web describiéndose a sí mismo, escribió: «I am Claude, created by Anthropic».