El artículo argumenta que la promesa de 'no vendor lock-in' en productos de IA es una estrategia débil cuando el producto es esencialmente un clon de herramientas exitosas con un selector de modelos. El autor sostiene que los usuarios no eligen modelos de frontera como GPT-6 o Claude Fable por precio o por la confianza en la empresa, sino porque ofrecen el mejor rendimiento disponible para tareas específicas. Los modelos de código abierto, aunque más baratos, aún no alcanzan la calidad de los modelos de frontera en la mayoría de los casos, lo que hace que la opción de cambiar de modelo sea irrelevante para la mayoría de los usuarios.
El texto destaca que la métrica clave no es el coste por millón de tokens, sino el coste por tarea, donde la eficiencia del producto importa más que la especificación técnica del modelo. Se citan ejemplos como Codex, ChatGPT y Paper, que ofrecen una experiencia de usuario (UX) superior al permitir que el modelo subyacente se adapte a la tarea sin que el usuario tenga que gestionar la elección. La conclusión es que el éxito del producto depende de la experiencia de usuario y de la capacidad de resolver problemas concretos, no de la libertad técnica de elegir entre múltiples modelos de IA.