Router de LLM: ¿cuándo un gran modelo frontier, cuándo uno pequeño y cuándo open source?

Un router de LLM es una lógica de enrutamiento que asigna automáticamente cada paso de un agente de IA al modelo adecuado. Los grandes modelos frontier se encargan del razonamiento complejo y la orquestación de herramientas, los modelos pequeños y baratos resuelven pasos sencillos como la clasificación o la extracción, y los modelos open-weight reducen costes y, si se ejecutan en hosting soberano en la UE u on-premise, también cubren los requisitos de soberanía. En lugar de una decisión única del tipo «¿qué modelo usamos?», la elección del modelo se convierte así en una asignación continua de tareas a modelos según cuatro criterios: calidad, coste, latencia y cumplimiento normativo.

La idea clave para 2026: según la investigación de base, la pregunta «¿modelo grande o pequeño, propietario u open source?» ya no es una decisión binaria, sino una asignación de cartera. Un agente en producción rara vez funciona con un único modelo.

Tres respuestas rápidas

• ¿Cuándo uno grande (frontier cerrado)? Para razonamiento complejo, programación agéntica de primer nivel, tareas con contextos muy largos, multimodalidad premium y pasos de análisis poco frecuentes pero de alto valor. En las grandes empresas de la región DACH, esta categoría abarca normalmente un 15-35 % del volumen de tokens, pero aporta el 60-80 % del valor estratégico percibido.
• ¿Cuándo uno pequeño (workhorse/speed)? Para pasos sencillos, frecuentes y bien definidos: clasificación, extracción, resumen, las propias decisiones de enrutamiento y el formateo estándar. Aquí, según la investigación, la prima frontier ya no es económicamente imprescindible.
• ¿Cuándo open source / hosting soberano en la UE? Cuando predominan la soberanía, la residencia de datos, el control de costes con grandes volúmenes o los requisitos de participación de los trabajadores, sobre todo en agentes que definen el trabajo de la plantilla o procesan datos de clientes.

Por qué la pregunta binaria sobre el modelo ya no sirve en 2026

Según la investigación, la brecha de capacidades entre los mejores modelos open-weight y los frontier cerrados se ha estrechado de 12-18 meses (2024) a 3-6 meses (2026); en algunas cargas de trabajo es nula o incluso negativa. En concreto, con datos de abril a mayo de 2026: Kimi K2.6 (1T de parámetros, Modified MIT, open-weight) ocupaba el 4.º puesto de la clasificación general del Artificial Analysis Intelligence Index, solo por detrás de modelos de Anthropic, Google y OpenAI, y con un 58,6 % en SWE-Bench Pro alcanzaba la paridad con GPT-5.5. DeepSeek V4 Pro logró un 80,6 % en SWE-Bench Verified y un rating de Codeforces de 3.206. Por encima quedó Gemini 3 Deep Think, para el que Google comunicó en febrero de 2026 un rating de Codeforces de 3.455.

Al mismo tiempo, en ese mismo periodo la prima frontier siguió siendo real y nada trivial para determinados pasos: en FrontierMath, GPT-5.5 Pro obtuvo el mejor resultado público en matemáticas; en GPQA Diamond lideraba Gemini 3.1 Pro con un 94,3 %, y Claude Opus 4.7 alcanzaba un 87,6 % en SWE-Bench Verified. Para cargas de razonamiento poco frecuentes y de alto valor, como la investigación jurídica, la formulación de hipótesis científicas o el análisis financiero complejo, los modelos frontier cerrados eran, por tanto, claramente superiores.

Para la elección del modelo, esto significa que la pregunta honesta no es «¿open o cerrado?», sino «¿qué paso corresponde a qué nivel?».

La palanca de costes: por qué el enrutamiento sale a cuenta

El motor económico del enrutamiento de LLM es la dispersión de precios. Según la investigación, los modelos frontier cerrados siguen siendo entre 8 y 100 veces más caros en tokens de salida que los modelos open-weight baratos. Quien envía cada paso del agente al modelo frontier, incluso la simple clasificación de un correo electrónico, paga precios premium por una calidad que ese paso ni siquiera necesita.

La siguiente tabla muestra precios de lista representativos (USD por millón de tokens de entrada/salida). Cada pocos meses aparecen nuevas generaciones de modelos. Por eso, comprueba precios y versiones antes de cualquier compromiso plurianual.

La dispersión es drástica: en una comparación típica, el precio de salida varía en un factor de 8 a 100; si se enfrenta el modelo frontier más caro al workhorse más barato, GPT-5.5 Pro cuesta en salida incluso unas 640 veces más que DeepSeek V4 Flash. Precisamente esta brecha convierte el enrutamiento en el estándar económico.

El patrón router: de la tarea al modelo

Un router de LLM asigna cada paso entrante a su clase de complejidad y de cumplimiento normativo y elige el modelo más barato que cumple el requisito. En la práctica, suele ser un modelo pequeño y rápido el que clasifica la tarea antes de que el trabajo real pase al modelo de destino adecuado. La tabla de enrutamiento es el núcleo:

Las cuatro dimensiones del trade-off

La investigación estructura la elección del modelo en cuatro dimensiones que un buen router refleja de forma conjunta:

• Calidad (control de los pesos & capacidad): ¿Cuánta profundidad de razonamiento necesita realmente el paso? ¿Y quién controla el modelo: depende como API cerrada únicamente de la hoja de ruta del proveedor, o puede trasladarse como open-weight a otro proveedor de inferencia o a self-hosting?
• Costes (perfil de costes): Cerrado con pago por token (premium, totalmente variable), open-weight con pago por token a través de un proveedor de inferencia (gama media) o self-hosting (costes fijos, coste marginal por token cercano a cero con alta utilización). Según la investigación, el self-hosting solo resulta realmente atractivo a partir de un volumen constante de 5-50 millones de tokens al día y solo si se dispone de capacidad de MLOps.
• Latencia: Especialistas en velocidad como Groq (LPU) y Cerebras (wafer-scale) ofrecen un time-to-first-token inferior a un segundo para modelos seleccionados. Esto cuenta en agentes interactivos, no en el procesamiento batch nocturno.
• Cumplimiento normativo (soberanía del hosting): Según la investigación, una región de la UE en un hiperescalador estadounidense no equivale a soberanía europea. Reduce la latencia y la fricción con el RGPD, pero no elimina la jurisdicción de EE. UU. (CLOUD Act, OFAC). Estructuralmente fuera del alcance de EE. UU. solo quedan los stacks soberanos europeos (STACKIT, OVHcloud, T-Systems Open Telekom Cloud, IONOS, Hetzner) y el on-premise.

Open source frente a propietario: una valoración sobria

Aquí merece la pena mirar con detalle, porque «open» tiene varias dimensiones. Open-weight significa que los pesos se pueden descargar, no automáticamente que la licencia carezca de restricciones. Mistral Large 3 (Apache 2.0, soberano UE) y Phi-4 (MIT) son permisivos. Llama 4, en cambio, está sujeto a la Llama Community License, con un umbral de 700 millones de MAU y una restricción en la UE para los modelos multimodales. Meta justificó en julio de 2024 la exclusión de la UE de los modelos multimodales de Llama por el entorno regulatorio europeo impredecible. Según la prensa, el motivo era la interpretación incierta del RGPD en el entrenamiento con datos de usuarios de la UE, no el Reglamento de IA. La OSI clasifica Llama explícitamente como no open source.

Los modelos open-weight chinos (DeepSeek V4 con licencia derivada de MIT, Kimi K2.6 con Modified MIT, Qwen 3.6-27B con Apache 2.0) son genuinamente permisivos en cuanto a licencia, más que Llama. Pero, según la investigación, la jurisdicción de origen no se neutraliza con una licencia permisiva. Para grandes empresas europeas con filial en EE. UU., obligaciones con socios contractuales estadounidenses o infraestructura crítica, esta opción conlleva un riesgo de cola geopolítico indeterminado (controles a la exportación, riesgo reputacional) que hay que limitar explícitamente por carga de trabajo. Es aceptable, por ejemplo, para agentes de programación sobre código público o para la clasificación batch de textos de acceso público, y problemático con datos sensibles de clientes.

Además, en 2026 la soberanía es un criterio de compra medible: según Bitkom (noviembre de 2025), el 89 % de las empresas alemanas que importan bienes o servicios digitales se consideran dependientes de ellos. En una encuesta de Bitkom publicada en mayo de 2025, el 68 % de la población considera que Alemania depende demasiado de EE. UU. y China en IA. En las negociaciones con el comité de empresa, la infraestructura soberana europea genera estructuralmente menos fricción, porque los derechos de auditoría, la residencia de datos y la jurisdicción del proveedor son más fáciles de acordar.

Una indicación discreta pero importante: las afirmaciones sobre cumplimiento normativo y licencias aquí recogidas no constituyen asesoramiento jurídico. Para el enrutamiento es relevante un límite que señala la investigación: quien hace un fine-tuning sustancial de un modelo open-weight (umbral indicativo del Reglamento de IA de la UE: más de un tercio del cómputo de preentrenamiento del modelo base, por defecto 3,33 × 10²² FLOPs) puede convertirse en proveedor de GPAI. LoRA/QLoRA suele quedar muy por debajo; el preentrenamiento continuado supera el umbral casi siempre. Es un argumento para apostar en el pipeline de personalización por RAG más prompt engineering en lugar de un fine-tuning intensivo, y un motivo para encargar la valoración jurídica concreta a profesionales cualificados.

Ejemplo práctico: un agente de soporte con enrutamiento mixto

Un agente de atención al cliente gestiona 100.000 solicitudes al día. Sin router, todo funciona con Claude Opus 4.7 (5/25 USD por millón de tokens). Con router, la asignación queda así:

• Paso 1: clasificación de la intención (70 % de la carga): Un modelo open-weight speed como Ministral 3 (0,15/0,40 USD) clasifica la solicitud, ~60 veces más barato que Opus en salida. Este paso solo es soberano si el modelo se ejecuta en un stack soberano europeo u on-premise. La región UE de un proveedor de inferencia estadounidense reduce la fricción con el RGPD, pero no elimina la jurisdicción de EE. UU.
• Paso 2: respuesta estándar desde la base de conocimiento (20 % de la carga): Un workhorse europeo como Mistral Large 3 (0,50/1,50 USD, Apache 2.0, soberano UE) genera la respuesta mediante RAG, con un sólido rendimiento en alemán y residencia de datos en la UE.
• Paso 3: escalado con razonamiento contractual complejo (10 % de la carga): Aquí entra el modelo frontier (Claude Opus 4.7), porque la calidad de la respuesta es crítica para el negocio y la prima está justificada.

El resultado: la costosa ruta frontier solo soporta una décima parte de la carga; la mayor parte funciona con modelos open-weight baratos de Mistral, que con hosting soberano en la UE también son soberanos. Pseudocódigo de la decisión de enrutamiento:

```
intent = classify(consulta) # Ministral 3, stack soberano UE
if intent in SIMPLE:
return mistral_large_3(rag(consulta)) # Workhorse soberano UE
elif intent == CONTRATO_COMPLEJO:
return claude_opus_47(consulta) # Frontier solo donde haga falta
```

Para que el enrutamiento no se convierta en una trampa de dependencia del proveedor, la investigación recomienda una capa de portabilidad (por ejemplo, LiteLLM u OpenRouter para el enrutamiento multiproveedor) y al menos una vía de migración open-weight ligera para las cargas de trabajo más importantes, además de un pipeline de evaluación continua frente a un conjunto de pruebas reservado (held-out), porque las actualizaciones de las API cerradas se producen automáticamente y hay varios casos documentados de regresiones silenciosas de capacidad.

Para agencias y responsables de decisiones B2B

En 2026, un router de LLM bien pensado no es un extra opcional, sino la palanca de la que dependen a la vez los costes, la calidad de respuesta y el cumplimiento del RGPD de un agente. La arquitectura correcta es casi siempre híbrida. El trabajo real consiste en decidir con rigor, carga por carga, qué paso necesita calidad frontier, cuál puede ejecutarse en un modelo europeo barato y dónde la soberanía es vinculante. Esa lógica de enrutamiento, la portabilidad entre proveedores y la combinación adecuada de infraestructura soberana europea y frontier cerrado es lo que diseña Blck Alpaca, agencia de agentes de IA con sede en Viena, junto con empresas de toda Europa. Si quieres saber qué combinación de modelos encaja con tus cargas de trabajo, tu perfil de cumplimiento normativo y tu presupuesto, habla con nosotros.