Junio de 2026 ha sido el mes de mayor cosecha de modelos del año: OpenAI con GPT-5.6, Google con Gemini 3.5 Pro y Anthropic con Claude Fable 5, además de lanzamientos de NVIDIA y Microsoft. La frontera, que durante años avanzaba a saltos, ahora se mueve casi a la vez en todos los laboratorios.

El efecto es la convergencia: en los benchmarks compuestos, los modelos punteros se separan por fracciones de punto. Cuando todos rozan el mismo techo, la ventaja deja de estar en el rendimiento bruto y se traslada a otras capas: el precio por token, la latencia, la integración en productos y la distribución.

Esa comoditización es buena para el usuario —más capacidad, más barata— y dura para los laboratorios, que ven cómo su mayor diferencial se erosiona. La pregunta ya no es quién tiene el mejor modelo, sino quién gana dinero cuando el mejor modelo es casi gratis.

La comoditización de la frontera es la noticia más importante del año aunque no tenga un titular con nombre propio. La señal real es que el rendimiento ha dejado de ser un foso defensivo: si tu ventaja dura un mes hasta que el rival la iguala, no es una ventaja, es un calendario. El riesgo para los laboratorios es existencial: han gastado cientos de miles de millones en entrenar modelos que se vuelven intercambiables. El valor se está mudando aguas abajo —a la distribución, los datos propios, el flujo de trabajo— y aguas arriba —al silicio y la energía—. En el medio, el modelo, antes la joya, empieza a ser una pieza más.