NoticiasDeIA
investigaciónExplicador

Qué es un modelo abierto

Modelos abiertos publican sus pesos y documentación: quienes tienen acceso pueden ejecutarlos, modificarlos, reentrenarlos y desplegarlos. La apertura no es un binario: abarca licencias, pesos, código y datos.

Redacción de NoticiasDeIAPublicado el 2 min de lectura
Compartir

Qué es un modelo abierto

Un modelo abierto es aquel en el que el creador comparte, al menos, los pesos del modelo (los parámetros numéricos que codifican lo aprendido durante el entrenamiento) y, en muchos casos, el código de entrenamiento, la documentación y, en casos extremos, el dataset crudo.

La apertura es un espectro, no una bandera:

  • Solo pesos: el modelo está disponible pero no el código de entrenamiento. Los usuarios pueden usarlo y cuantificar sus capacidades, pero no pueden reentrenarlo fácilmente.
  • Pesos + código de entrenamiento: las personas pueden reentrenar, afinar y estudiar cómo se construyó.
  • Pesos + código + datos: la comunidad puede reproducir el pipeline completo (en la medida que los datos lo permiten por licencia).

Diferencia clave: abierto vs. propietario

Modelo propietarioModelo abierto
Pesos y código cerradosPesos y/o código y datos publicados
Restricciones de uso del creadorLicencias que delimitan usos prohibidos
Alto control sobre la distribuciónComunidad que desarrolla, ajusta y despliega
Las capacidades están contenidas en la ofertaEl proceso de mejora es abierto y colaborativo

Licencias y restricciones

Las licencias de los modelos abiertos no están estandarizadas. La más conocida es la de Meta (Llama), que permite usos no comerciales y propietarios limitados. Otras licencias abiertas más estrictas (como las de modelo optimizado por ciertas comunidades) prohiben el uso de fines comerciales.

Las licencias suelen incluir cláusulas que prohíben:

  • Usos maliciosos (fabricación de armas, engaño masivo, etc.).
  • Uso de los modelos para entrenar otros modelos sin permiso.
  • Propaganda, desinformación o manipulación.

Ventajas del modelo abierto

  • Transparencia: los investigadores pueden auditar cómo funciona el modelo.
  • Reproducibilidad: los ingenieros pueden aplicar el mismo modelo a nuevos dominios.
  • Accesibilidad: el modelo se puede ejecutar en el propio servidor de una organización (data sovereignty).
  • Evolución convocada: la comunidad contribuye a afinarlo, inicializarlo y escalarlo.

Límites del modelo abierto

  • El entrenamiento a escala requiere recursos masivos (gap de hardware entre laboratorios de cabecera y la comunidad).
  • El monitoreo de las capacidades avanza en tiempo real. Los límites de seguridad no están fijados.
  • La pregunta sobre la "investigación original" no tiene respuesta simple: el modelo es más un método que una invención.

El punto de vista editorial

Los modelos abiertos no son una alternativa binaria a los cerrados. La investigación sobre IA es mayoritariamente conjunta: los laboratorios abiertos publican baseline, los propios métodos y los datos; mientras que los propietarios controlan la distribución y la aplicación. La diversidad en la práctica es un valor por sí mismo, y los informes de auditoría deben distinguir código abierto de propietario.

Referencias

  • Hugging Face — Open Models.
  • Hugging Face — Open vs Closed Models.
  • Meta — Llama License.

Fuentes consultadas

Se conservan las referencias para poder reconstruir cómo se verificó esta información.

¿Ves un error? Escríbenos indicando el dato concreto y la fuente que lo contradice. Las correcciones se aplican en la propia página y se reflejan en la fecha de actualización. Contactar con la redacción.

Sigue leyendo

investigaciónExplicador

Qué es un centro de datos de IA

Los centros de datos de IA son instalaciones de infraestructura que construyen y operan miles de chips especializados para entrenar y servir modelos de inteligencia artificial. Alteran la economía energética y el consumo de agua de los sitios en los que operan.