Investigadores del NBER que probaron 13 LLMs propietarios y de peso abierto en HouseholdBench, que une 6 encuestas de hogares de EE. UU. y 32 tareas de predicción, descubrieron que el mejor modelo redujo el error para resultados numéricos en un 12,2 %, y que un modelo de peso abierto de 4.000 millones de parámetros igualó a los modelos propietarios después del ajuste fino y la agregación de 16 predicciones por observación Un modelo abierto ajustado igualó a los LLM propietarios en la predicción de resultados de hogares
Los investigadores del NBER Jin Huang, Diego Ferreras Garrucho, Yutong Xie, Walter M. Yuan, Qiaozhu Mei, Chen Lian y Jonathon Hazell midieron el rendimiento de 13 LLM propietarios y de código abierto en HouseholdBench, que une 6 encuestas de hogares de EE. UU. y 32 tareas de predicción. Descubrieron que un modelo de código abierto de 4 mil millones de parámetros igualaba el rendimiento de los modelos propietarios después de un ajuste fino y la agregación de 16 predicciones por observación.
Verificado 2026-11-02
Síguelo con IniciadoPor qué importa
Small open models can catch up with costly proprietary ones on specialist tasks once tuned, which pressures pricing at the top of the model market.
Esta frase está en inglés, el idioma en el que se escribió.
Más sobre Modelos
- Los modelos de IA ya pueden ganar el oro en la Olimpiada Internacional de Matemáticas, pero el AI Index 2026 de Stanford halló que aún fallan en una tarea que la mayoría de los niños dominan pronto. En los 180 diseños de reloj y 720 preguntas de ClockBench, el mejor modelo, GPT-5.4 High, leyó correctamente relojes analógicos solo el 50,6 % de las veces, frente al 90,1 % de los humanos
- Tras casi cerrarse brevemente en 2024, la brecha de rendimiento entre los mejores modelos de IA de pesos cerrados y abiertos volvió a ampliarse en el ranking Arena. A marzo de 2026, el AI Index 2026 de Stanford encuentra que el mejor modelo cerrado lidera al mejor modelo abierto por un 3,3 %, frente a una ventaja del 0,5 % en agosto de 2024
- El Índice de IA 2026 de Stanford hace seguimiento del desempeño de los modelos de IA en GPQA Diamond, un conjunto de preguntas de química y física de nivel doctoral diseñadas para resistir las búsquedas en Google. La precisión media de los modelos en esta prueba alcanzó el 93 % en 2025, frente a una referencia de validadores humanos expertos de 81,2 % -- los modelos de IA ya superan a los expertos con doctorado por 12 puntos en GPQA Diamond
GRATIS · SIN TARJETA
Datos como este, seis días a la semana
The Daily Receipts entre semana, The Weekly Brief los sábados — seis datos con fuente al día por email, dos más que la web gratuita. Cada uno trazado hasta el documento del que salió. Gratis.
Quiero el brief diario gratisGratis · Sin tarjeta · Date de baja cuando quieras
Únete ahora y empiezas con 100 Receipts en The Receipts Ledger — tu primer paso hacia un año gratis de Iniciado o Pro. Cómo funciona →
Ver la edición de hoy →