¿Está desacreditado el fine-tuning? No. OpenAI y Mistral están retirando el fine-tuning autoservicio de sus propios modelos, y entrenar modelos abiertos con los datos de la tarea de cada equipo sigue dando mejoras medibles, entre ellas la mayor mejora individual de nuestro estudio QMSum publicado.
La idea de que el fine-tuning se ha acabado tiene un origen claro. En "The End of Finetuning" (13 de mayo de 2026), el boletín AINews de Latent Space llamó al fine-tuning "the next casualty of the 2026 Side Quest massacre" (la próxima víctima de la masacre de proyectos secundarios de 2026) tras la retirada de OpenAI, y sostuvo que el 80% típico de la industria de la ingeniería de IA "probablemente ya iba en esa dirección". El mismo texto añadía que los mejores equipos, con Cursor y Cognition como ejemplos, habían aumentado su fine-tuning por refuerzo y su uso de modelos abiertos.
Este artículo repasa qué dejaron de ofrecer los laboratorios cerrados y por qué es una decisión de producto, dónde ganan los modelos abiertos entrenados según nuestras mediciones y cuándo basta con el prompting.
¿Qué dejaron de ofrecer los laboratorios cerrados, y por qué?
Tres proveedores han dado marcha atrás en el fine-tuning de sus propios modelos, cada uno con su calendario. Todos los datos de esta sección se tomaron de la documentación de cada proveedor el 28 de octubre de 2026.
| Proveedor | Qué cambió |
|---|---|
| OpenAI | Los nuevos trabajos de fine-tuning terminan el 6 de enero de 2027 |
| Mistral | API de fine-tuning obsoleta, sin soporte activo |
| La API de Gemini retiró el ajuste en mayo de 2025 |
OpenAI lo está cerrando por etapas, según su página de deprecaciones. Las organizaciones que nunca habían hecho fine-tuning perdieron el acceso el 7 de mayo de 2026; las que llevaban 60 días sin inferencia sobre un modelo ajustado, el 2 de julio de 2026; el resto de clientes puede crear trabajos hasta el 6 de enero de 2027. Los modelos ajustados siguen respondiendo hasta que se retira su modelo base, y GPT-4o, GPT-4o mini, GPT-4.1 y GPT-4.1 mini se retiran el 14 de enero de 2027.
Mistral sitúa su API de fine-tuning entre las funciones obsoletas: "This feature is deprecated and is no longer actively supported" (la función está obsoleta y ya no recibe soporte activo).
Google retiró el ajuste de la API de Gemini y AI Studio al dejar de ofrecer Gemini 1.5 Flash-001 en mayo de 2025. Sigue ofreciendo ajuste supervisado para varios modelos Gemini a través de Gemini Enterprise Agent Platform.
El aviso de OpenAI no da ningún motivo. Latent Space lo interpretó como uno de los recortes de proyectos secundarios de los laboratorios en 2026, algo que una escasez de capacidad de cómputo explicaría. En cualquier caso, es una decisión sobre lo que un proveedor quiere alojar. Cada modelo ajustado es un modelo aparte que el proveedor tiene que servir, versionar y acabar retirando para el tráfico de un solo cliente, y un laboratorio centrado en sus modelos generales tiene buenas razones para dejarlo. Son razones de negocio del proveedor. La prueba de si entrenar funciona sale de medir modelos entrenados, que es lo que hace la siguiente sección. Lo que sí muestran estas retiradas es el coste de alquilar un modelo entrenado: cuando se retira el modelo base, el ajuste se va con él.
¿Dónde ganan los modelos abiertos entrenados?
Un modelo entrenado gana cuando la misma tarea se repite a gran volumen, la salida se puede comprobar y las instrucciones se repiten en cada prompt. Cuatro resultados de nuestra investigación muestran dónde.
Entrenar con la tarea pesó más que mejorar las entradas. En nuestro estudio QMSum (arXiv 2609.25028), sobre resumen de reuniones guiado por consultas, mantuvimos fijo un modelo base y cambiamos una sola cosa cada vez. Darle mejores entradas, fragmentos recuperados de la transcripción en lugar de sus primeras palabras, sumó 1,55 puntos de ROUGE-1 en el conjunto de prueba y 0,29 en validación. Entrenarlo con esas mismas entradas sumó otros 5,29 puntos, con un intervalo del 95% de +4,02 a +6,56. Un especialista publicado por terceros perdió 6,30 puntos al pasar a la nueva forma de entrada sin reentrenar, y entrenarlo con ella recuperó la pérdida.
Un modelo entrenado más pequeño mantuvo la calidad. Un especialista mucho más pequeño que nuestro sistema principal, entrenado del mismo modo, obtuvo 36,33 de ROUGE-1 frente a 35,41, una diferencia que el benchmark no puede separar estadísticamente. Necesitó menos de la mitad de la memoria máxima de inferencia.
El modelo entrenado costó una fracción. Un modelo entrenado para esa única tarea tuvo un coste estimado por consulta un 99% inferior al de Claude Opus 5 y un 96% inferior al de GPT-5.6 Luna, y respondió 23 veces más rápido que Claude Opus 5, con precios de septiembre de 2026 y sin contar el entrenamiento. El artículo limita su comparación de calidad con los modelos frontera alojados, porque escribieron respuestas más largas y no se hizo ninguna evaluación humana ni de factualidad. Por eso, los resultados en los que nos apoyamos son el coste, la velocidad y el tamaño de la mejora por entrenamiento.
El gasto está en trabajo repetible. En los datos públicos de OpenRouter de los 30 días hasta el 12 de octubre de 2026, la clasificación, la extracción y la transformación sumaron el 20,8% del gasto clasificado en modelos, a entre 1,50 y 1,84 veces el precio medio por token, y los modelos frontera cerrados se llevaron entre el 75% y el 87% del gasto de los diez modelos principales en esas tareas. Son tareas cuya salida son etiquetas y registros, con las que un modelo entrenado se puede evaluar con precisión.
Un modelo entrenado también cambia el número de tokens. Las instrucciones, el protocolo y los ejemplos que un modelo frontera necesita en cada prompt quedan entrenados dentro del modelo, así que cada tarea envía menos tokens. Nuestra nota sobre los márgenes brutos de las startups de IA recorre las dos dimensiones del coste con tamaños de prompt de cargas de trabajo reales.
¿Cuándo basta con el prompting?
Escribir un buen prompt para un modelo frontera es el punto de partida correcto para la mayoría de las tareas nuevas, y para algunas sigue siendo la respuesta definitiva.
| Situación | Empieza por |
|---|---|
| Unos pocos miles de tareas al mes | Prompting con un modelo frontera |
| La definición de la tarea cambia cada semana | Prompting, guardando los ejemplos |
| Trabajo abierto que cambia en cada petición | Un modelo frontera |
| Datos que cambian a menudo | Recuperación (RAG) |
| La misma tarea a gran volumen | Un modelo entrenado |
| Instrucciones largas repetidas en cada prompt | Un modelo entrenado |
| Salidas comprobables contra un esquema | Un modelo entrenado |
El reparto sigue un principio que aplicamos en cada proyecto: el comportamiento, el formato y la destreza en la tarea van dentro del modelo, y los datos que cambian van a la recuperación. Un prompt es la forma más rápida de descubrir qué necesita la tarea. Cuando la tarea se estabiliza y llega el volumen, los ejemplos guardados se convierten en el conjunto de entrenamiento, y el conjunto de evaluación que creaste durante el prompting pasa a ser el listón que el modelo entrenado debe superar. Para comparar las dos técnicas, consulta fine-tuning frente a RAG.
¿Qué hacer si hiciste fine-tuning en OpenAI?
Guarda tus datos de entrenamiento, tu conjunto de evaluación y tus registros de producción, porque el modelo ajustado se queda en la API de OpenAI y se retira con su modelo base. Vuelve a entrenar la tarea con un modelo abierto, sírvelo detrás de una API compatible con OpenAI y compáralo con el ajuste antiguo antes del 14 de enero de 2027, mientras el original sigue disponible como referencia. Nuestra guía de migración recorre los cuatro pasos, y la calculadora de coste por tarea (en inglés) muestra qué le hace el cambio a tu factura.
Ertas ofrece para esto el endpoint de modelo adaptativo: un modelo entrenado con tu tarea, servido a través de una API compatible con OpenAI, en el que cada versión nueva se comprueba con tu conjunto de evaluación y tu equipo la aprueba antes de que reciba tráfico. Funciona gestionado por Ertas, en tu propia nube o en tus instalaciones. Por ahora el endpoint funciona solo por invitación, y estamos desarrollando una versión más ágil para abrirlo a más empresas.
Preguntas Frecuentes
¿Está desacreditado el fine-tuning?
No. OpenAI y Mistral están retirando el fine-tuning autoservicio de sus propios modelos, una decisión de producto sobre lo que alojan. Entrenar modelos abiertos con datos de la tarea sigue dando mejoras medidas: en nuestro estudio QMSum sumó 5,29 puntos de ROUGE-1 con un mismo modelo base, más del triple de lo que aportó mejorar las entradas.
¿Se sigue usando el fine-tuning?
Sí. Los equipos entrenan modelos abiertos a diario para que un modelo sea fiable en una tarea, y Google sigue ofreciendo ajuste supervisado de Gemini a través de Gemini Enterprise Agent Platform a octubre de 2026. Latent Space, el boletín que anunció el fin del fine-tuning, también señaló que las empresas de IA más avanzadas habían aumentado su fine-tuning por refuerzo y su uso de modelos abiertos.
¿Cuánto cuesta hacer fine-tuning de un LLM?
A 28 de octubre de 2026, OpenAI cobra el fine-tuning supervisado a 5 $ por millón de tokens de entrenamiento en GPT-4.1 mini y a 25 $ en GPT-4.1 y GPT-4o, solo para clientes existentes y hasta el 6 de enero de 2027. Entrenar modelos abiertos por tu cuenta en Ertas Studio es gratis para empezar, con planes desde 10 $ al mes según los precios de octubre de 2026. Un modelo construido por Ertas tiene una tarifa fija que se define tras una auditoría gratuita.
¿Qué LLM es mejor para hacer fine-tuning?
El modelo de pesos abiertos más pequeño que mantenga tu nivel de calidad en un conjunto de evaluación reservado, con una licencia que permita el uso comercial. Compara varios tamaños con tus propios ejemplos. Un modelo entrenado para una tarea puede ser mucho más pequeño que un modelo general e igualarlo en esa tarea.
¿Cuándo conviene el fine-tuning frente al prompting?
Cuando la tarea es estable, se ejecuta a gran volumen y lleva instrucciones largas en cada prompt, o cuando su salida se puede comprobar contra un esquema. El prompting sigue siendo mejor opción con poco volumen, en trabajo abierto y en tareas que todavía se están definiendo.
¿Gemini permite hacer fine-tuning?
A través de Gemini Enterprise Agent Platform, sí: a 28 de octubre de 2026, Google ofrece ajuste supervisado para Gemini 3.5 Flash, Gemini 3.5 Flash-Lite, Gemini 3.1 Flash-Lite y tres modelos Gemini 2.5. La API de Gemini y AI Studio no tienen ningún modelo ajustable desde mayo de 2025.
La Versión Corta
Los laboratorios cerrados se están retirando del alojamiento de copias ajustadas de sus modelos. Entrenar un modelo con tu propia tarea funciona igual que antes, y un modelo abierto entrenado funciona durante todo el tiempo que lo necesites. Usa el prompting mientras la tarea es nueva o el volumen es bajo, y entrena un modelo cuando la tarea sea estable, repetida y cara. Si lo primero es el dinero, empieza por a dónde va el coste de inferencia de una startup de IA.
Fuentes, consultadas el 28 de octubre de 2026: Latent Space, "The End of Finetuning" (13 de mayo de 2026); OpenAI, deprecaciones y precios de la API; Mistral, API de fine-tuning (legacy); Google, fine-tuning en la API de Gemini y ajuste supervisado en Gemini Enterprise Agent Platform. Nuestra investigación: el estudio QMSum y el informe sobre tareas estructuradas en OpenRouter.