Un nuevo estudio de la Universidad de Stanford sugiere que los modelos lingüísticos pequeños (SLMs) que funcionan en PC local están igualando o superando a los modelos lingüísticos grandes (LLMs) en la mayoría de las tareas. La investigación comparó QWEN 3, GEMMA 3, GPT-OSS y GRANITE 4.0 en chips Nvidia y Apple M4 contra ChatGPT 5, Claude Sonnet 4.5 y Gemini 2.5 Pro basados en la nube. En tareas de chat, el mejor SLM igualó o superó el rendimiento de LLM en el 98.6% de los casos.
Para tareas de razonamiento, los SLMs alcanzaron una paridad del 62.5%. Combinados, los SLMs se desempeñaron igual o mejor en el 81.2% de los escenarios del mundo real. Los SLMs también cuestan entre un 50% y un 85% menos en energía y cómputo.
Las tasas de éxito de los SLMs mejoraron del ~50% en 2023 al 99% en tareas fáciles en octubre de 2025, aunque aún se retrasan en razonamiento complejo de nivel 5 (51.5%). El estudio estima el mercado de SLMs en EE. UU. en 10 billones de dólares, amenazando las inversiones en centros de datos de los hyperscalers y reduciendo potencialmente la demanda de chips avanzados.
Fuente: Hacker News · Resumido por HeadlinesBriefing