Mejores LLM open source en 2026 para empresas: ALIA, Qwen, GLM, Gemma y Nemotron

¿Qué es ALIA, la IA pública española?

ALIA es la familia de modelos de lenguaje que entrena el Barcelona Supercomputing Center (BSC) con dinero público. La ficha del modelo cita como financiadores al Ministerio para la Transformación Digital y de la Función Pública y a la Generalitat de Catalunya, a través del proyecto Aina. El que interesa a una empresa es ALIA 40B Instruct: la versión ajustada para conversar y seguir instrucciones.

Tiene 40.000 millones de parámetros, licencia Apache 2.0 (puedes usarlo en un producto comercial) y un contexto de 163.840 tokens. El modelo base se entrenó desde cero con 9,37 billones de tokens de 35 lenguas europeas, y el ajuste posterior se centró en castellano, catalán, euskera, gallego e inglés.

Su ficha lo presenta como un asistente multilingüe de propósito general: chat, resúmenes, traducción y redacción. Es decir, lo que hace a diario un equipo de atención al cliente, de comunicación o de una administración que trabaja en varias lenguas oficiales.

¿Por qué ALIA escribe mejor en las lenguas de España?

Porque se diseñó para eso. En el entrenamiento, el BSC duplicó el peso del castellano y de las lenguas cooficiales en los datos. Esta es la proporción final que publica la ficha del modelo base:

Parecen porcentajes pequeños, pero en un entrenamiento de billones de tokens son miles de millones de tokens en cada lengua. Y ninguna de las fichas de los otros cuatro modelos de esta comparativa desglosa así sus datos: Qwen3.8 no da cifra de idiomas, GLM 5.3 declara inglés y chino, Gemma 4 habla de más de 35 idiomas listos para usar sin detallarlos, y Nemotron 3.5 Lightning enumera seis, entre ellos el castellano, pero ninguna lengua cooficial.

¿Qué no hace ALIA?

Su ficha lo dice sin rodeos: no llama a funciones ni a APIs externas. Para eso el BSC publica una variante aparte, ALIA-40b-fc, que hoy no servimos. Además es solo texto, no ve imágenes, y no tiene un modo de razonamiento en el que piense antes de contestar.

Así que, si tu caso es un agente que busca, consulta tu CRM y actúa, ALIA no es la pieza para esa parte. Lo práctico es combinar: ALIA para lo que lee el ciudadano o el cliente en su lengua, y Qwen3.8 27B o GLM 5.3 para la lógica del agente.

Tampoco hay todavía evaluaciones publicadas de la versión Instruct por lenguas: las de castellano, catalán, euskera y gallego de la ficha son del modelo base, y la propia ficha marca las del Instruct como trabajo en curso.

Los otros cuatro: Qwen, GLM, Gemma y Nemotron

Tamaño, licencia e idiomas tal como los declara la ficha oficial de cada modelo. El contexto es el que da la ficha para el modelo original.

Gemma 4 y Nemotron 3.5 Lightning son mezclas de expertos: en cada token solo trabaja una parte del modelo (3,8B de 25,2B en Gemma, 3B de 30B en Nemotron). Por eso cuesta poco servirlos para su tamaño, y por eso su precio por token se parece al de modelos mucho más pequeños.

Qué dicen los benchmarks (de las fichas oficiales)

Cada cifra está copiada de la ficha del fabricante en Hugging Face, consultada el 9 de noviembre de 2026. Cada uno elige sus pruebas y las corre con su propia configuración, así que un guion significa que la ficha no publica esa prueba, no que el modelo la suspenda. Compara por filas: GPQA Diamond y Terminal Bench 2.1 son las dos pruebas en las que publican nota tres de los cuatro. ALIA no aparece porque su ficha no publica ninguna de estas.

Benchmarks copiados de las fichas oficiales el 9 de noviembre de 2026. Fuentes: huggingface.co/zai-org/GLM-5.3, huggingface.co/Qwen/Qwen3.8-27B, huggingface.co/google/gemma-4-26B-A4B-it, huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-NVFP4

Lo que se puede leer en la tabla: GLM 5.3 va por delante en trabajo largo de agente en terminal y sobre repositorios reales (Terminal Bench 2.1 y DeepSWE), que es para lo que Z.ai lo ha construido. Qwen3.8 27B saca la nota más alta del grupo en GPQA Diamond y LiveCodeBench v6 con una fracción de los parámetros de GLM. Gemma 4 y Nemotron 3.5 Lightning ceden algo de precisión a cambio de trabajar con muy pocos parámetros activos.

Dos matices. Las notas son de los pesos originales, salvo las de Nemotron, que NVIDIA publica para la versión cuantizada a 4 bits (NVFP4); su ficha pone las dos una al lado de la otra: 81,94 en MMLU Pro en BF16 y 81,62 en NVFP4. Y Qwen3.8 es un modelo de visión y texto: sus notas de visión solo valen donde se sirve con imágenes.

¿Qué modelo elijo para cada caso?

La tabla que hay que leer si solo lees una. Cruza los usos más habituales en una empresa española con el modelo que mejor encaja, según sus fichas y lo que sabe hacer cada uno.

Una regla que ahorra dinero: empieza con Qwen3.8 27B, baja a Qwen3.5 9B si la tarea es sencilla y el volumen alto, sube a GLM 5.3 solo si el pequeño falla con tus propios ejemplos, y pasa a ALIA lo que tenga que sonar nativo en una lengua cooficial. Antes de fiarte de cualquier tabla, esta incluida, prueba con veinte peticiones reales de tu producto.

Licencias: qué puedes usar en un producto

Apache 2.0 (ALIA, Qwen3.8, Qwen3.5 y Gemma 4): uso comercial, modificación y ajuste fino permitidos, siempre que conserves la licencia y los avisos. Es lo que menos dudas le genera a un departamento jurídico.

GLM 5.3 tiene licencia propia. Los permisos son los de una MIT, con una condición añadida: una empresa que venda el modelo como servicio y facture más de 10.000 millones de dólares en doce meses tiene que pasar antes una revisión de seguridad de Z.ai. Integrar el modelo en tu propio producto no cuenta como venderlo como servicio, según esa licencia.

Nemotron 3.5 Lightning usa la OpenMDW License Agreement 1.1, y la ficha de NVIDIA dice que el modelo está listo para uso comercial.

Esto no es asesoramiento jurídico: lee el fichero de licencia que acompaña a los pesos antes de lanzar, y fíjate en la versión, porque la licencia puede cambiar entre versiones de una misma familia.

Licencias según las fichas oficiales, consultadas el 9 de noviembre de 2026. Fuentes: huggingface.co/zai-org/GLM-5.3, huggingface.co/Qwen/Qwen3.8-27B, huggingface.co/google/gemma-4-26B-A4B-it, huggingface.co/nvidia/NVIDIA-Nemotron-3.5-Lightning-30B-A3B-NVFP4, huggingface.co/BSC-LT/ALIA-40b-instruct-2606

Cómo funciona esto en GPU Flow

Token Factory sirve estos modelos con una API compatible con la de OpenAI en https://api.gpuflow.ai/v1: cambias la URL base y el nombre del modelo, y tu código sigue igual. Se paga por millón de tokens, en euros, desde un saldo de prepago. Estos son los precios de hoy, leídos del mismo sitio que la página de precios, con IVA incluido:

Fichas de los modelos: GLM 5.3 NVFP4, Qwen3.8 27B, Qwen3 14B, Qwen3.5 9B, ALIA 40B Instruct, Gemma 4 26B A4B, Nemotron Nano 12B VL, Qwen3-VL 32B OCR, Nemotron 3.5 Lightning 30B

ALIA se sirve sin cuantizar (BF16) en una B200 completa, con la API de chat y modo JSON. Los modelos pequeños van en una fracción MIG de una NVIDIA B200, y por eso el contexto servido puede ser menor que el nativo. Qwen3.8 27B funciona con 98.304 tokens y solo con texto. Gemma 4, con 32.768. GLM 5.3 admite hasta 1.048.576 tokens, pero una clave corta el prompt en 256.000 por defecto; si necesitas más, pídelo.

GLM 5.3 NVFP4 se sirve fuera de nuestro clúster de España; los demás modelos funcionan en nuestras propias B200. Nada de lo que envías se usa para entrenar ningún modelo.

Las cuentas nuevas tienen 5 € de saldo de bienvenida en Token Factory para comparar modelos con sus propias peticiones. Para darte de alta hace falta tarjeta, y cuando se acaba el saldo la API devuelve un error en vez de cobrarte.

Relacionados

• Migra de la API de OpenAI a una alternativa open source en 15 minutos (con código)Migra del SDK de OpenAI a GPU Flow en cinco pasos: cambia la URL base, elige el modelo equivalente y conserva streaming, herramientas y razonamiento.