Hy4: el modelo open-source que le gana a OpenAI por menos de un dólar

Hy4 es un modelo vision-language de 3 mil millones de parámetros de un equipo chiquito en Suiza, y está haciendo algo que el flagship de $400M de OpenAI no puede permitirse: corre en una sola GPU de consumo y cuesta centavos por llamada a la API. Los investigadores, liderados por Simon Willison, publicaron el modelo y los pesos en Hugging Face bajo una licencia open —sin letra chica, sin vendor lock-in.

Los números son lo que hace esto interesante. Hy4 saca 72.7% en MME-Bench, un benchmark estándar de vision-language. Va 0.3 puntos atrás de GPT-4o, pero a aproximadamente 1/40 del precio. El modelo corre con pesos cuantizados en 4-bit en unos 2.8 GB de VRAM. Lo puedes levantar en una RTX 3080 y procesa imágenes en tiempo real. Para la gente que ya tiene el hardware, el costo marginal es la electricidad.

Esto llega justo cuando la brecha entre los modelos de frontera y lo que un equipo pequeño puede correr localmente se achicó a unos cuantos puntos porcentuales. Hace un mes, los modelos open iban 8–10 puntos atrás. Ahora están lo suficientemente cerca que el diferenciador no es la precisión —es el costo, la privacidad, y la capacidad de correr la cosa tú mismo. Para la familia que maneja una tienda, el primo con su side hustle de fotografía, o cualquier operación que maneja imágenes de IDs, recibos o registros de clientes, la pregunta ya no es si pueden usar AI vision. Es si quieren mandar esas imágenes por la API de alguien más.

Por qué nos importa: la gente que controla los modelos es la misma que puede cobrarte lo que quiera —Hy4 demuestra que podemos correr la misma capacidad en casa, por centavos, sin entregar nuestros datos.