Un análisis publicado por ITmedia el 8 de septiembre de 2026 sostiene que la ola de interés por los modelos de lenguaje grandes locales (Local LLM) se basa en la madurez simultánea de tres elementos: los modelos de pesos abiertos, el hardware capaz de ejecutarlos y el software necesario para aprovecharlos. Esto ocurre en un momento en que los límites de la dependencia de los servicios de inteligencia artificial en la nube han comenzado a hacerse más evidentes.
¿Qué se entiende por un modelo de lenguaje local?
El artículo define el modelo local como un modelo de lenguaje grande de pesos abiertos que puede ejecutarse en un dispositivo personal o una estación de trabajo. Los archivos de pesos, junto con el motor de inferencia, permiten descargar y ejecutar el modelo incluso sin conexión a Internet. De este modo, el uso no queda completamente ligado a la continuidad de un servicio en la nube ni a la decisión de su proveedor sobre la cuenta o el acceso.
ITmedia señala que este factor adquirió mayor importancia durante 2026, después de que varios casos relacionados con servicios de inteligencia artificial en la nube mostraran que el acceso podía interrumpirse repentinamente. El artículo ofrece ejemplos de interrupciones o riesgos de suspensión de cuentas, pero confirma al mismo tiempo que explicar el auge de los modelos locales únicamente por estas preocupaciones sería una simplificación excesiva.
Primera condición: modelos de pesos abiertos más capaces
El primer elemento que analiza el artículo es la rápida evolución de los modelos de pesos abiertos. Cita lo que denomina el «impacto de DeepSeek» en enero de 2025, cuando la empresa china DeepSeek lanzó el modelo DeepSeek R1, presentado como cercano al rendimiento del modelo o1 de OpenAI en ciertos ámbitos, y lo puso a disposición gratuitamente con pesos abiertos. En aquel momento también se difundió información sobre su entrenamiento con un número menor de unidades de procesamiento gráfico en comparación con empresas como OpenAI y Google, lo que contribuyó a una caída temporal de las acciones de NVIDIA.
El artículo también destaca la familia Qwen de Alibaba Cloud, que cobró impulso tras las versiones de pesos abiertos de Qwen3 durante julio y agosto de 2025. Según el análisis, su ventaja reside en la amplitud de su gama: desde modelos pequeños que pueden ejecutarse en teléfonos inteligentes hasta modelos intermedios destinados a unidades de procesamiento gráfico de consumo, además de otros grandes que requieren servidores GPU. El modelo Qwen3.8-27B, lanzado en agosto de 2026, también recibió gran atención debido a la afirmación de que iguala a Claude Opus 4.6.
El artículo menciona otros modelos chinos grandes, entre ellos GLM-5.3 de Z.ai, Kimi K3 de Moonshot AI y MiniMax M3 de MiniMax, además de modelos medianos y pequeños de Google, NVIDIA y Meta, y proyectos japoneses de Preferred Networks, SB Intuitions y LLM-jp, perteneciente al Instituto Nacional de Informática.
¿Por qué es importante esta evolución?
El cambio práctico no consiste únicamente en la disponibilidad de modelos gratuitos, sino en la ampliación de la variedad de modelos que pueden ejecutarse en distintos dispositivos, desde el teléfono hasta la estación de trabajo y el servidor. Esto abre opciones adicionales para las organizaciones que deben equilibrar la privacidad, la dependencia de un proveedor de servicios en la nube, el tiempo de respuesta y el coste operativo.
Sin embargo, el artículo no concluye que la ejecución local sea siempre una alternativa mejor. La parte disponible aborda principalmente la condición de los modelos y, al final, pasa a la «memoria unificada» como tema de la siguiente parte, mientras que el coste operativo, la forma de uso y el papel de los proveedores y los países quedan fuera del alcance de esta sección. Por tanto, según los datos disponibles, el auge de los modelos locales es el resultado de la convergencia entre la evolución de los modelos, el hardware y el software, y no simplemente una reacción a los riesgos de los servicios en la nube.