Blog · Guía de IA
Pesos abiertos, código abierto y modelos cerrados: qué significa cada uno
Cuando se anuncia una IA nueva, casi siempre aparece la misma pregunta: ¿es abierta o cerrada? La respuesta tiene más matices de lo que parece, y cambia cosas muy concretas para quien la usa.
Primero: ¿qué son los pesos?
Un modelo de IA es, por dentro, una red neuronal: un cálculo gigantesco con miles de millones de números ajustables. Durante el entrenamiento, esos números se van afinando hasta que el modelo hace bien su trabajo. Al resultado final se le llama los pesos o parámetros, y se guarda en uno o varios archivos.
Piénsalo como una consola de sonido con millones de perillas. El código es la consola; los datos de entrenamiento son las canciones que se usaron para encontrar el punto justo; los pesos son la posición exacta en que quedó cada perilla. Con la consola y esas posiciones puedes reproducir el sonido, aunque no sepas cómo se llegó a él.
Tres maneras de publicar un modelo
Modelo cerrado. Los pesos se quedan en los servidores de quien lo creó. Tú lo usas a través de una app, una página o una API: escribes, tu texto viaja a sus computadoras y vuelve la respuesta. No puedes descargarlo ni ver cómo está hecho por dentro.
Modelo de pesos abiertos. Puedes descargar el archivo de pesos y correr el modelo en tu equipo o en el servidor que elijas. Muchas veces también puedes modificarlo con ajuste fino. Pero que los pesos estén disponibles no significa que lo esté todo: a menudo no se publican los datos de entrenamiento ni el código completo para entrenarlo, y la licencia puede poner condiciones.
Modelo de código abierto. Es el escalón más exigente. La definición de IA de código abierto de la Open Source Initiative pide que se publiquen los pesos, el código para entrenar y ejecutar el sistema e información suficientemente detallada sobre los datos de entrenamiento, todo con términos que permitan usarlo, estudiarlo, modificarlo y compartirlo para cualquier fin. Pocos modelos cumplen todo eso, y por eso conviene no usar «abierto» y «código abierto» como sinónimos.
En la práctica es un espectro, no tres cajas: hay modelos con pesos abiertos y licencias muy libres, otros con restricciones de uso y otros que publican hasta sus datos.
Qué cambia para ti
- Privacidad. Si corres un modelo de pesos abiertos en tu computadora, lo que escribes no sale de ella. Con un servicio en la nube, tu texto llega a otra empresa; ahí lo que cuenta es su política de privacidad y si usa tus datos para entrenar.
- Costo. Los cerrados suelen cobrarse por suscripción o por uso. Los abiertos se descargan gratis, pero pagas el equipo, la electricidad o el servidor donde los corres.
- Correr en tu computadora. Necesitas memoria suficiente para cargar los pesos, y una GPU ayuda mucho. Los modelos grandes no caben en una laptop; versiones más pequeñas o comprimidas sí.
- Estabilidad. Un modelo cerrado puede cambiar o retirarse sin que tú decidas. Un archivo de pesos que descargaste se comporta igual mañana que hoy.
- Comodidad. El servicio cerrado no exige instalar nada, y quien lo opera se encarga de actualizarlo, protegerlo y darle herramientas extra. Con uno abierto, ese trabajo es tuyo.
Por qué hay un debate de seguridad
Publicar los pesos de un modelo potente es una decisión que no tiene marcha atrás: una vez que el archivo circula, nadie puede retirarlo. Alrededor de eso hay posiciones serias en ambos lados.
Quienes defienden la apertura señalan que permite que investigadores independientes estudien los modelos y encuentren fallas, que no deja la tecnología en manos de pocas empresas, que permite usos privados y locales, y que facilita adaptar la IA a idiomas y comunidades que el mercado atiende poco.
Quienes piden cautela advierten que, con los pesos en la mano, las salvaguardas que traiga el modelo se pueden quitar con ajuste fino, y que eso puede facilitar usos dañinos, como deepfakes o fraudes a gran escala. También se discute cuánto riesgo extra añade un modelo abierto frente a lo que ya existe.
Los gobiernos también lo estudian. Por ejemplo, la NTIA de Estados Unidos publicó en 2024 un informe sobre modelos con pesos ampliamente disponibles que revisa beneficios y riesgos y recomienda vigilar la evolución de esos riesgos antes que restringir de inmediato. Es un tema que sigue abierto y que conviene seguir con datos, no con consignas.
Cómo leer una licencia
«Lo puedes descargar» no significa «puedes hacer lo que quieras con él». Antes de usar un modelo en un proyecto, busca su licencia (en plataformas como Hugging Face suele estar en la ficha del modelo; su documentación tiene una lista de licencias comunes) y revisa estas preguntas:
- ¿Es una licencia estándar? Si es una de las aprobadas por la Open Source Initiative, como Apache 2.0 o MIT, sus reglas son conocidas y bastante libres. Si es una licencia propia del modelo, léela completa.
- ¿Permite uso comercial? Algunas lo prohíben o lo limitan según el tamaño de tu empresa o tu número de usuarios.
- ¿Tiene política de uso aceptable? Muchas prohíben ciertos usos, y aceptarlas te obliga a cumplirlas.
- ¿Qué pasa con lo que derives de él? Revisa si puedes publicar tu versión ajustada, si debes conservar el nombre o dar crédito, y si puedes usar lo que genera para entrenar otros modelos.
Esto es orientación general, no asesoría legal: para un uso comercial importante, consulta a alguien especializado.
En resumen
Los pesos son lo que el modelo aprendió, guardado como números. Un modelo cerrado se usa a distancia; uno de pesos abiertos te deja descargar esos números; uno de código abierto, en sentido estricto, entrega además el código y la información de sus datos. Ninguna opción es mejor en todo: lo abierto da control, privacidad y libertad para modificar, y lo cerrado, comodidad y mantenimiento incluido. Elige según lo que necesitas, lee la licencia y desconfía de las etiquetas que prometen más de lo que dicen. Cada término de esta guía está explicado en la enciclopedia de Aster.