Nos dieron todos los modelos frontier con tokens ilimitados. Ganamos con DeepSeek y nuestro harness

El miércoles 14 de octubre, en la inauguración del hackatón AWS Breaking Barriers Chile 2026, alguien de AWS dijo la frase que cambió el experimento: acceso ilimitado a Kiro, a su SDK, y tokens ilimitados para prácticamente todos los modelos del catálogo — OpenAI, Anthropic, los de frontera. Sin cuota. Sin tarjeta. Sin contar tokens.

En la sala había más de veinticinco equipos. Y durante los siguientes tres días, la mayoría hizo lo previsible: abrió los modelos más caros que existen. GPT-6. Claude Opus 5.5. Lo mejor de lo mejor, porque era gratis. Incluso mis propios compañeros de equipo optaron por esos modelos.

Yo abrí mi laptop y seguí usando Shiva, mi propio harness, con DeepSeek. Una versión que ni siquiera era la última. Un modelo que, en el mercado, cuesta una fracción de lo que cuesta el tope de gama.

Tres días después, ese sistema quedó segundo entre más de veinticinco equipos.

Este artículo no es la crónica de ese podio —eso ya lo contamos en las tres crónicas del hackatón—. Es el análisis de lo que ese resultado significa, porque creo que es el dato más importante que hemos producido en el año: cuando el acceso al modelo se vuelve ilimitado para todos, el modelo deja de explicar nada. Y lo único que queda en pie es la arquitectura que lo rodea.

El aviso de rigor, que en este artículo es más importante que nunca: esto no fue un experimento controlado. No audité el código de los otros equipos ni sus resultados internos. Lo que sí sé con certeza es (a) qué modelos eligieron —se veía en las pantallas—, (b) que el acceso era ilimitado para todos, y (c) el ranking final. Todo lo que voy a afirmar se sostiene en eso. Donde interpreto, lo digo. Donde no sé, también.

1. Lo que AWS puso sobre la mesa (y por qué cambió el experimento)

Un hackatón normalmente tiene un sesgo escondido: el que puede pagar, prueba más. El acceso al modelo de frontera ha sido, durante dos años, la ventaja competitiva más aburrida y más real del mercado: el que tiene presupuesto para Opus no compite con el que tiene que usar un modelo chico.

AWS eliminó esa variable de un plumazo. Kiro, su SDK y tokens ilimitados sobre prácticamente todo el catálogo frontier. Nadie en esa sala podía decir "no tuve acceso". Nadie podía decir "me faltó cuota". El techo técnico era el mismo para todos, y estaba muy alto.

2. La decisión: no cambiar de cerebro a mitad de carrera

Cuando cayó la noticia del acceso ilimitado, hubo un momento de duda razonable: "¿y si me cambio a Opus? Total, es gratis, es mejor". Es la decisión que tomó casi todo el mundo. Yo no la tomé, y quiero explicar por qué, porque no fue por romanticismo ni por terquedad.

Porque el trabajo no era el modelo. A esa altura, mi harness ya tenía cosas que ningún modelo te da al conectarte:

• Memoria del problema: notas de sesión, un grafo de conocimiento y el contexto del desafío, acumulados durante semanas.
• Procedimientos: skills reutilizables —cómo escribimos, cómo validamos, cómo desplegamos— que no había que reexplicar.
• Verificación: pruebas, criterios de aceptación y un humano en el loop que aprueba o rechaza.
• Portabilidad: el sistema estaba construido para que el modelo fuera una pieza reemplazable, no el fundamento.

Cambiar de motor a mitad de la carrera no te hace ganar: te hace entrar a boxes. Y en un hackatón de 72 horas, entrar a boxes es la forma más elegante de perder tiempo que existe.

3. Lo que eligió la sala: el default es el más caro

Vale la pena detenerse en esto porque es un patrón de mercado, no una anécdota de hackatón. En esa sala, con acceso ilimitado a todo, la mayoría eligió los modelos más caros del catálogo: GPT-6, Claude Opus 5.5. Incluidos mis compañeros de equipo.

¿Por qué el default es el más caro? Por tres razones que no tienen nada de técnicas: miedo (no quiero que me falte capacidad), marketing (el nombre del modelo es la señal de status) y pereza (elegir el más caro no requiere pensar). Y funciona, en el sentido de que nadie te va a criticar por elegir Opus. Nadie te va a criticar por sobre-ingeniería cuando el token es gratis.

4. Qué demuestra el resultado (y qué no)

Voy a ser quirúrgico, porque este es exactamente el tipo de dato que se suele vender de más.

Lo que SÍ demuestra: que un modelo de una generación anterior, montado sobre un harness con memoria y verificación, puede competir de tú a tú contra equipos que usan el estado del arte del catálogo — y llegar al podio. Es decir: la capacidad efectiva de un sistema no es la capacidad bruta de su modelo.

Lo que NO demuestra: que el modelo no importe, ni que DeepSeek sea superior a Opus o a GPT-6. En tareas de razonamiento puro, matemática dura o generación de código complejo desde cero, el modelo de frontera gana, y negarlo es mentir. Lo que este resultado demuestra es más específico y más útil: en problemas reales —con datos sucios, reglas de negocio, memoria y verificación— la arquitectura domina sobre el motor.

En un hackatón —y en producción— no compites con capacidad bruta. Compites con capacidad efectiva. Y esa se construye.

5. La trampa de los tokens ilimitados

Hay una consecuencia de tener tokens infinitos que casi nadie menciona en voz alta: lo ilimitado esconde la ineficiencia. Si tu arquitectura reenvía 40.000 tokens de contexto en cada turno, el fin de semana no te importa. Pero en producción, ese mismo diseño es la diferencia entre un proyecto rentable y uno que no se puede sostener.

El eje real deja de ser "cuántos tokens gasto" y pasa a ser costo, latencia y confiabilidad por resultado entregado. En un post anterior documentamos cómo nuestro harness sostiene turnos de 142.000 tokens con 98,99% servidos desde caché: la palanca no fue un modelo más barato, fue no reenviar lo mismo cada vez. Eso es diseño, no presupuesto.

6. Por qué esto no es RLHF ni fine-tuning (aunque parezca)

Cuando digo "la ventaja está en el harness y la memoria", la respuesta automática es: "entonces hay que afinar el modelo". No. Son cosas distintas, con costos distintos y riesgos opuestos — y en este hackatón lo comprobamos con datos propios.

Y el dato incómodo del día 1: quisimos afinar "el modelo de moda" para nuestra tarea y lo empeoramos. En nuestro benchmark interno sobre 300 notas sintéticas, el modelo afinado rindió 0,137 frente al 0,507 del base. El ensamble con memoria y reglas, sin tocar un solo peso, llegó a 0,940.

7. Cómo se audita un harness (seis métricas, no una)

Si el harness es lo que diferencia, entonces necesitas métricas que no sean "el modelo respondió bien". Estas son las seis que usamos para auditar la capa que de verdad decide:

Ninguna de estas seis se resuelve eligiendo un modelo más caro. Todas se resuelven diseñando.

8. La pregunta que queda: ¿y cuando el modelo sea gratis para tu competencia también?

Ese hackatón fue un adelanto de lo que viene. Hoy pasa en una sala de la Universidad de Chile con 200 personas; mañana pasa en tu industria, cuando el proveedor de turno baje los precios, incluya el modelo en la suscripción o lo regale para ganar cuota. El acceso se está democratizando rápido, y con él desaparece la última excusa cómoda.

Cuando eso pase, la pregunta que te van a hacer no va a ser "¿qué modelo usas?". Va a ser "¿qué puedes hacer tú que tu competencia —con el mismo modelo— no pueda?". Y la respuesta va a estar, completa, en la arquitectura: qué recuerdas, qué verificas, qué automatizas, qué puedes auditar y qué puedes llevarte.

Por eso la última pregunta, la que nos importa como empresa, sigue siendo la misma de siempre: ¿de quién es lo que tu sistema recuerda? Si tu memoria vive en el SaaS del proveedor, tu ventaja es alquilada — y el día que te suban el precio, descubrirás que nunca fue tuya. Es el mismo argumento que hicimos sobre los productos de memoria que no te devuelven el control de tu conocimiento.

Nosotros quedamos segundos con un motor de una generación anterior y un harness propio. No lo cuento para presumir de un trofeo: lo cuento porque es la prueba más limpia que tenemos de que el modelo es el terreno, no el jugador. Y de que si mañana el modelo es gratis para todos, el juego que queda es el que ya estábamos jugando.