---
title: "Cinco LLMs de pesos abiertos explicados como Caballeros del Zodiaco"
description: "Saint Seiya en los 90, distros de Linux en los 2000 y el catálogo de modelos abiertos: analogía para no perderse entre Qwen, GLM, Kimi, DeepSeek y MiniMax."
date: 2026-10-18
locale: es
tags: [ai]
summary: "En el recreo nadie se ponía de acuerdo sobre cuál era el mejor caballero, y con los modelos abiertos pasa igual. Una chuleta con los cinco protagonistas de Los Caballeros del Zodiaco para orientarte."
url: https://escribano.dev/es/blog/021-llm-caballeros-zodiaco/
---
Cuando decides no quedarte con los modelos frontera y empiezas a bucear en el catálogo de pesos abiertos, te encuentras con una auténtica jungla. Hay docenas de modelos, todos publican pesos, y ninguno lidera en todo. La pregunta "¿cuál es el mejor modelo abierto?" se queda sin respuesta limpia.

Me pasó lo mismo con las distribuciones de Linux. Cuando me inicié en 2003, probé varias e incluso FreeBSD en busca de la "perfecta". No existía Ubuntu todavía (llegó en 2004, y es lo que hoy diríamos que es la distro para el que se inicia). Antes estaban Debian, Red Hat, Mandrake, Slackware, Gentoo, SUSE: cada una con su comunidad y sus guerras santas. Preguntar cuál era la mejor terminaba siempre en *flamewars*, porque la respuesta dependía de para qué la quisieras.

Y hay una sensación aún más antigua a la que me remite esto. TVE empezó a emitir la serie en 1991, y en el recreo cada uno tenía su caballero favorito; el mío era el del Dragón. Nadie preguntaba en serio cuál de los protagonistas era "el mejor": la respuesta dependía de qué buscas en un personaje. Con los pesos abiertos me pasa igual: la respuesta no es universal, sino situacional. Y como me sirvió la serie para no olvidar quién era quién en la API, dejo aquí el mapeo. Es una chuleta, no un benchmark; el mapa real sigue siendo el uso que le das tú.

## El mapeo

| Caballero | Proveedor | Rasgo que recuerdo |
|---|---|---|
| Seiya (Pegaso) | Qwen | Versátil en todos los tamaños; vale para todo sin destacar en nada |
| Shiryu (Dragón) | GLM | De solo texto a multimodal de verdad |
| Hyoga (Cisne) | Kimi | Frío y preciso en código; caro de mantener |
| Ikki (Fénix) | DeepSeek | Apariciones disruptivas: razonamiento, caché y precios |
| Shun (Andrómeda) | MiniMax | El débil aparente que a veces sorprende |

## Seiya (Caballero de Pegaso) → Qwen

Seiya es el protagonista de la serie, pero no destaca en nada concreto: está en todas las sagas sin ser el especialista de ninguna. Qwen tiene una dinámica parecida. La familia cubre un rango enorme de tamaños, desde modelos pensados para correr en máquinas modestas hasta los de centro de datos, con checkpoints generales, de código y multimodales. Si tu máquina no puede con los modelos grandes, la apuesta razonable es Qwen3.8-27B: pequeño de verdad, descargable, con licencia Apache 2.0 y suficiente para probar. Rara vez es el mejor en un solo eje, pero sirve para casi todo.

Un aviso práctico: con tantas versiones, el nombre no siempre dice qué estás usando. Los pesos abiertos publicados son los de **Qwen3.8-Flash-Next** (125B de parámetros totales, 6B activos), mientras que el modelo de producción que sirve la API como `qwen3.8-flash` llega con un millón de tokens de contexto por defecto y herramientas integradas. Alias y pesos no son exactamente el mismo modelo: lee el ID real antes de confiar en el nombre.

## Shiryu (Caballero del Dragón) → GLM

En la saga del Santuario, Shiryu se ciega a sí mismo para no ver el Escudo de Medusa de Argol de Perseo, que petrificaba a quien lo mirara. La vista le vuelve al despertar el séptimo sentido durante esa misma saga, la vuelve a perder contra Krishna de Crisaor en la saga de Poseidón y no la recupera definitivamente hasta el arco de Hades, al despertar el octavo sentido. Esa primera escena, la del sacrificio voluntario, es la que me marcó y la que explica por qué era mi favorito.

GLM pasó por un ciclo parecido. Las versiones anteriores de la serie GLM-5 no eran multimodales, y **GLM-5.3-Flash** (finales de agosto de 2026) llegó como el primer modelo multimodal nativo de la serie (texto e imagen), con pesos MIT en Hugging Face, 320B de parámetros totales, 18B activos y un millón de tokens de contexto. Ojo con dos matices: no es un modelo pequeño, y el GLM-5.3 grande (el *flagship*) no es multimodal. La recuperación de la "vista", en cualquier caso, es el rasgo que lo diferencia.

## Hyoga (Caballero del Cisne) → Kimi

Hyoga, discípulo de Camus, pelea con hielo: frío y preciso. Kimi me da una sensación parecida: fiable en código, pero caro de mantener a pleno rendimiento. Cursor basó sus Composer 2 y 2.5 en Kimi K2.5 (en Composer 2.5, el 85 % del cómputo es entrenamiento propio de Cursor). **Kimi K2.7 Code** (12 de junio de 2026) es mucho más barato y lo he usado para tareas de infra. **Kimi K3** (API el 16 de julio de 2026, pesos el 27 de julio, con licencia propia que no es MIT) sale caro y no es herramienta de día a día: lo dejo para cuando me sobra cuota justo antes de que se reinicie el límite de uso de mi suscripción de OpenCode Go, y aprovecho para pasarle revisiones de código en busca de vulnerabilidades.

## Ikki (Caballero del Fénix) → DeepSeek

Ikki tiene la costumbre de aparecer en el momento justo y cambiar el signo de la pelea. DeepSeek hace lo mismo con sus modelos: fue de los primeros en poner el razonamiento en el mapa de los pesos abiertos, y después ha seguido moviendo el tablero con cambios de precio y de caché. El 10 de septiembre de 2026 publicó **V4.1 Flash**, con pesos MIT, y los alias antiguos (`deepseek-v4-flash`) pasaron a apuntar a la nueva versión. Su caché en horas valle (las franjas de menor demanda, con tarifa reducida; en horas punta cuesta el doble) se queda en 0,003 $ por millón de tokens, muy por debajo de la competencia. En un bucle agéntico, donde el contexto vuelve una y otra vez, eso puede decidir la factura más que el precio de entrada.

## Shun (Caballero de Andrómeda) → MiniMax

Shun parece el más débil por pacifista: esquiva pelear siempre que puede y usa su cadena más para defenderse que para atacar, pero cuando la cosa se pone seria, responde. En mi experiencia, MiniMax es de los proveedores que menos se mencionan, pero puede ser muy útil en contextos concretos; me da la impresión de que sobre todo en refactors con mucho contexto. Los datos al menos no lo contradicen: **MiniMax M3** (1 de junio de 2026) trae ventana de un millón de tokens (con un mínimo garantizado de 512K en la API). No es un modelo pequeño: 428B de parámetros totales y unos 23B activos. Es multimodal nativo, usa una arquitectura de atención dispersa ([MSA](https://arxiv.org/abs/2606.13392)) y sale con licencia propia, no MIT. Y además es barato.

Para refactors o análisis de logs con mucho contexto, MiniMax es la cadena de Andrómeda: la que aparece de repente y lo sujeta todo.

## Cierre

Esto es una chuleta, no un benchmark. Si quieres números, la [guía rápida](/es/blog/018-open-weight-models-api/) y el post sobre [caché y runtimes](/es/blog/019-open-models-cache-agents/) están ahí. Aquí solo quería un mapa que cupiera en la cabeza.

*Nota: los nombres y personajes de Saint Seiya son propiedad de Toei Animation y Masami Kurumada. Este post es una analogía original; no utiliza imágenes ni material protegido.*