Pantalla de código con el logo de MolmoWeb superando visualmente a GPT-4o en un gráfico comparativo de IA
Voltar ao Blog
🇧🇷Português4 de abril de 20267809

MolmoWeb Supera a GPT-4o con 8B Parámetros — La IA Abierta Está Ganando

Un modelo de 8.000M de parámetros supera a agentes basados en GPT-4o en tareas web reales.

Publicado em 04/04/2026

Tags: MolmoWeb, IA abierta, GPT-4o, Ai2, agentes web, open-source, costos IA, privacidad IA, Llama 4

Mientras OpenAI y Anthropic construyen muros cada vez más altos alrededor de sus modelos, un instituto sin fines de lucro de Seattle acaba de lanzar un agente de 8.000 millones de parámetros que supera a los sistemas propietarios en tareas reales. Esto no es un accidente. Es el punto de inflexión.

El mayor mito de la inteligencia artificial en 2026 es que las mejores herramientas pertenecen a las empresas con más dinero. El 24 de marzo de 2026, el Allen Institute for AI (Ai2) destruyó ese mito con una sola publicación en GitHub.

MolmoWeb — un agente web visual de código abierto con apenas 8.000 millones de parámetros — superó a agentes construidos sobre el GPT-4o de OpenAI en benchmarks estándar de navegación web, incluso cuando esos agentes propietarios tenían acceso a representaciones de página mucho más ricas y a órdenes de magnitud más parámetros. El resultado fue catalogado como "striking" — sorprendente — por el propio equipo de Ai2, según el blog oficial del instituto.

Qué Es MolmoWeb y Por Qué Cambia Todo

MolmoWeb es el primer agente web completamente abierto capaz de competir con los principales sistemas propietarios del mercado. Fue lanzado en dos tamaños — 4.000 millones y 8.000 millones de parámetros — con pesos, datos de entrenamiento, herramientas de evaluación y biblioteca de inferencia disponibles gratuitamente en Hugging Face y GitHub, bajo licencia Apache 2.0.

El funcionamiento es radical en su simplicidad: el agente recibe una instrucción en lenguaje natural, toma una captura de pantalla de la página actual, decide la siguiente acción — hacer clic, escribir, desplazarse, navegar — y repite el ciclo hasta completar la tarea. Sin acceso al código HTML de la página. Sin APIs dedicadas por sitio. Solo visión computacional y razonamiento secuencial, exactamente como lo haría un humano con el navegador.

Este diseño "vision-only" fue una elección deliberada. La mayoría de los agentes propietarios como OpenAI Operator, Google Project Mariner y el uso de computadora de Claude de Anthropic dependen de árboles de accesibilidad HTML para navegar — un enfoque que se rompe cuando los sitios cambian su código. MolmoWeb ve la pantalla como vos la ves. Eso lo hace más robusto, más transparente y auditable.

Los Números que Destruyen el Argumento de "El Dinero Compra Calidad"

Los benchmarks de Ai2 cuentan una historia que los laboratorios propietarios preferirían que no vieras.

En WebVoyager — test estándar que evalúa la navegación en 15 sitios populares incluyendo GitHub y Google Flights — MolmoWeb-8B alcanza el 78,2% de finalización de tareas con un solo intento. Con cuatro intentos, ese número sube al 94,7%. Para contexto: el OpenAI o3 marca 79,3% en ese mismo benchmark. Un modelo de código abierto de 8.000M de parámetros está empatado con uno de los modelos propietarios más avanzados del mundo.

En DeepShop, benchmark de compras en línea, MolmoWeb-8B queda a solo 6 puntos del GPT-5 — el modelo más avanzado de OpenAI. En WebTailBench, alcanza el 49,5%. En Online-Mind2Web, uno de los tests más exigentes del sector, marca 35,3% con un intento y 60,5% con cuatro.

Pero el dato más revelador viene de ScreenSpot y ScreenSpot v2, benchmarks de localización de elementos de interfaz. Aquí, un modelo especializado de 8.000M entrenado en los datos de MolmoWeb supera tanto a Fara-7B como a sistemas propietarios mucho más grandes — incluyendo el Claude 3.7 de Anthropic y el OpenAI CUA. Un modelo de 8.000 millones de parámetros superando a Claude 3.7 en tareas visuales. En 2024, eso habría sido impensable.

El mercado open-source en su conjunto confirma la tendencia. Según análisis de mercado citado por Programming Helper Tech, el mercado de IA open-source creció un 340% interanual en 2026. Las empresas que usan modelos open-weight en producción saltaron del 23% al 67% en el mismo período.

Por Qué Esto Te Importa

La IA abierta no es solo un argumento filosófico sobre transparencia. Es un cambio económico concreto que afecta a cualquier persona o empresa que usa IA.

El costo es el primer impacto directo. Las APIs propietarias de OpenAI y Anthropic cobran entre US$15 y US$60 por millón de tokens para sus modelos más capaces. Hospedar un modelo open-source en infraestructura de GPU propia cuesta de US$1 a US$5 por millón de tokens a escala — una reducción de hasta el 97%. Para aplicaciones de alto volumen, esa diferencia es la diferencia entre un producto viable y uno que quema el presupuesto.

La privacidad es el segundo. Cuando usás una API propietaria, tus datos viajan por los servidores de una empresa privada. Con un modelo open-source alojado localmente — en una GPU de consumo o en infraestructura corporativa — los datos nunca salen de tu entorno. Para salud, derecho y finanzas, eso no es una preferencia. Es un requisito regulatorio.

El control es el tercero. Los modelos open-source pueden ajustarse con tus propios datos, tu propia voz, tu propio dominio de conocimiento. Ningún modelo propietario, por más poderoso que sea, conocerá tu negocio tan bien como un modelo que entrenaste con tus propios datos.

El Llama 4 de Meta, lanzado a principios de 2026, ya acumuló más de 1.200 millones de descargas en todas las versiones — convirtiéndose en el modelo de IA más adoptado del planeta, según datos citados por el estratega Shawn Kanungo. Ollama, la herramienta para ejecutar modelos de IA localmente, pasó de 100.000 descargas mensuales en 2023 a 52 millones en el primer trimestre de 2026 — una multiplicación de 520 veces.

Qué Viene a Continuación

Ai2 — el mismo instituto que lanzó OLMo, el primer modelo de lenguaje completamente abierto en competir con GPT — está construyendo explícitamente para el futuro que el mercado aún no ha visto. La frase de apertura del blog oficial del MolmoWeb es directa: "En muchos aspectos, los agentes web hoy están donde estaban los LLMs antes de OLMo."

Antes de OLMo, la sabiduría convencional decía que los modelos abiertos nunca alcanzarían a los propietarios. Luego llegó OLMo. Luego DeepSeek. Luego Llama 4. Cada vez, la misma historia se repitió: el código abierto tardó más en llegar, pero cuando llegó, llegó para quedarse.

Según análisis de Epoch AI citado por BentoML, los modelos open-weight hoy quedan apenas 3 meses detrás de los modelos propietarios de frontera en promedio. En tareas específicas — como el grounding visual ScreenSpot — ya están adelante.

MolmoWeb también abre un dataset sin precedentes: el MolmoWebMix, con 30.000 tareas web completadas por humanos y más de 590.000 acciones individuales en 1.100 sitios — la mayor colección pública jamás liberada para entrenar agentes web. Eso significa que cualquier desarrollador, startup o universidad en cualquier parte del mundo puede hoy construir agentes web competitivos sin pagar un centavo a OpenAI, Google o Anthropic.

El futuro de la IA no está cerrado detrás de APIs de pago. Está en GitHub, esperando que cualquiera lo descargue.

¿Quieres seguir cada gran movimiento de la IA en el momento en que sucede? Únete a miles de lectores en fabioraphaelli.com y recibe las noticias más importantes de IA cada semana.

Frequently Asked Questions

¿MolmoWeb realmente supera a GPT-4o en navegación web?

Sí. En benchmarks estándar como WebVoyager y ScreenSpot v2, MolmoWeb-8B supera a agentes construidos sobre GPT-4o que tenían acceso a capturas de pantalla anotadas y datos estructurados de página — recursos que MolmoWeb no usa. Ai2 catalogó el resultado como "striking" dado el enorme gap de parámetros entre ambos modelos.

¿Qué significa que un modelo sea "open-weight" u "open-source"?

Un modelo open-weight tiene sus pesos disponibles para descarga gratuita — los parámetros que hacen funcionar al modelo. Eso permite que cualquiera lo ejecute localmente, lo ajuste con sus propios datos e inspeccione cómo funciona. MolmoWeb va más allá: además de los pesos, libera el dataset de entrenamiento completo, código de evaluación y biblioteca de inferencia bajo licencia Apache 2.0.

¿Cuál es la diferencia de costo entre IA open-source y API propietaria?

Las APIs propietarias de OpenAI y Anthropic cobran entre US$15 y US$60 por millón de tokens para sus modelos más avanzados. Hospedar un modelo open-source en GPU propia cuesta de US$1 a US$5 por millón de tokens a escala — una reducción de hasta el 97% por token.

¿Puede MolmoWeb iniciar sesión en sitios web y ejecutar transacciones?

No. Ai2 deliberadamente no entrenó a MolmoWeb para tareas que involucren datos personales, contraseñas o transacciones financieras. La recomendación oficial es usar el agente exclusivamente con información pública y evitar cualquier dato sensible.

¿Por qué la IA open-source está creciendo tan rápido en 2026?

Tres factores convergieron: la calidad de los modelos cruzó un umbral competitivo; el hardware de consumo se volvió capaz de ejecutar modelos de 8.000M-70.000M de parámetros localmente; y datasets públicos como MolmoWebMix eliminaron la principal barrera de entrada. El resultado: las empresas que despliegan modelos open-weight en producción pasaron del 23% al 67% entre 2025 y 2026, según datos de mercado.

Escrito por Fabio Raphaelli · @x9ads · @raphaelli_fr

#fabioraphaelli #x9ads #raphaelli_fr

📌 Conteúdos Recomendados