---
title: "Modelos de pesos abiertos por API: guía rápida"
description: "Siete modelos de pesos abiertos que se consumen por API y cuándo usar cada uno: volumen con herramientas, contexto largo, coding y licencias limpias."
date: 2026-09-20
locale: es
tags: [ai]
summary: "Guía de siete modelos de pesos abiertos por API y cuándo elegir cada uno: Qwen3.8-Flash-Next para volumen barato con herramientas, DeepSeek V4.1 Flash por caché y bucles agénticos, GLM-5.3-Flash multimodal, MiniMax M3 y Kimi K3 para un millón de tokens, Kimi K2.7 Code para coding de largo horizonte y Qwen3.8-Max para specs. Todos con pesos publicados: cambiar de proveedor reduce el lock-in."
url: https://escribano.dev/es/blog/018-open-weight-models-api/
---
Siete modelos de pesos abiertos que se consumen por API: qué hace bien cada uno y cuándo elegirlo. Verifiqué precios el 20 de septiembre de 2026; caducan rápido (uno ya lo hizo mientras escribía), así que la tabla va sin cifras.

Todos tienen los pesos publicados: puedes descargarlos y, con la infraestructura adecuada, ejecutarlos tú mismo o buscar otro proveedor de inferencia. Cambiar de proveedor no es plug-and-play (suelen cambiar URL, ID del modelo y parámetros), pero reduce una dependencia importante: si mañana suben los precios o retiran una API, los pesos siguen disponibles. No elimina todas las dependencias, pero cambia bastante la relación. Es la capa de cognición de la que hablé en el [post sobre soberanía digital](/blog/005-digital-sovereignty/).

## La tabla

| Modelo | Cuándo usarlo |
|---|---|
| Qwen3.8-Flash-Next | Volumen alto con herramientas y entrada multimodal; la mejor relación calidad-precio de la lista. Es el checkpoint que sirve la API `qwen3.8-flash` |
| DeepSeek V4.1 Flash | Agentes con muchas herramientas e iteraciones (OpenClaw, Hermes, Moltis): de los mejores números agénticos de la lista y la caché más barata con diferencia, que en esos bucles puede dominar la factura. ID de API: `deepseek-flash` (los alias `deepseek-v4-flash` redirigen). Licencia MIT |
| GLM-5.3-Flash | Multimodal de verdad (imagen, vídeo y ficheros) con licencia MIT |
| MiniMax M3 | Refactors grandes a bajo coste con tests o revisión detrás: ventana de hasta un millón de tokens (entrada más salida; la API de MiniMax lo contabiliza así) mediante su arquitectura de atención dispersa [MSA](https://github.com/MiniMax-AI/MSA) (el contexto largo sigue siendo usable), multimodal nativo y razonamiento adaptable que se activa solo cuando hace falta |
| Kimi K2.7 Code | Coding de largo horizonte e ingeniería de sistemas: completa tareas de principio a fin con pocos tokens de razonamiento. Caro, para cuando la tarea lo justifica |
| Qwen3.8-Max | Redactar la spec y descomponer el trabajo (la implementación la hacen los modelos baratos); también muy bien puntuado en Code Arena: WebDev. El snapshot de la API va un paso por delante de los pesos descargables (`Qwen/Qwen3.8-2.4T-A95B`) |
| Kimi K3 | Deep research y tareas de largo horizonte: contrasta cientos de fuentes con ventana de un millón de tokens (90,4 en BrowseComp en una evaluación con 1M de contexto sin compactación, una cifra comparable a modelos cerrados de primera línea). Razona siempre, graduable en tres niveles; caro, para cuando la tarea lo justifica |

## En la práctica

Llevo varios meses con Cursor y estoy contento con Composer 2.5, sobre todo por la velocidad cuando va en modo fast. En la práctica es un Kimi K2.5, y me ha ido muy bien tanto para programación como para infraestructura de homelab (Docker, Podman, Quadlet y similares). Por eso ahora pruebo Kimi K2.7 Code en [OpenCode](https://opencode.ai/): quiero ver si la familia Kimi mantiene ese nivel fuera del ecosistema Cursor.

Me acabo de suscribir a OpenCode Go y pienso usar Cursor, OpenCode y [OpenRouter](https://openrouter.ai/) en paralelo un tiempo en side projects. OpenRouter, de pago por uso, me sirve como plan B. En el trabajo sigo con modelos cerrados; en tiempo libre calibro abiertos por si algún día hace falta llevarlos a producción, sobre todo si siguen subiendo los precios de inferencia (Anthropic es el caso más claro). Los abiertos también pueden encarecerse, pero el lock-in del proveedor es menor, y ese es el motivo de esta guía.

El reparto que tengo en mente, aún en prueba: tres workhorses en agentes tipo OpenClaw y Moltis (Hermes aún no lo he probado): DeepSeek V4.1 Flash por coste y caché, GLM-5.3-Flash cuando el flujo es multimodal o va por Z.AI, y MiMo-V2.6-Flash cuando quiero ventana de un millón de tokens con la misma liga de precio. En el día a día sigo priorizando DeepSeek; el detalle de caché y runtimes lo desarrollo en el post que sigue a esta guía. Qwen3.8-Max para redactar specs en [OpenSpec](https://github.com/Fission-AI/OpenSpec). GLM-5.3-Flash también quiero contrastarlo en frontend: Z.AI lo vende fuerte en coding visual y reproducción de interfaces. Kimi K2.7 Code lo reservo para backend (sobre todo Go) e ingeniería de sistemas: Quadlets, integración con Tailscale o Zitadel y tareas parecidas.

Kimi K3 lo reservo para revisiones de código importantes: razona siempre y el precio se nota. Con Qwen3.8-Max tuve una lección más brusca: en unas horas quemé la mitad de la cuota mensual de OpenCode Go, en buena parte porque dejé crecer el contexto sin vigilarlo. Vigilar el contexto importa también en OpenSpec, aunque ahí el trabajo es más acotado.

## Lo que no caduca

Los precios cambian. GLM-5.3-Flash costaba la mitad hace dos semanas y la promoción se acabó el 9 de septiembre sin aviso; DeepSeek publicó V4.1 Flash el 10 de septiembre con tarifa nueva. En diciembre estas cifras no coincidirán.