Qué es la IA de código abierto y por qué importa
Qué es la IA de código abierto, en qué se diferencia de los pesos abiertos, cómo revisar licencias y cuáles son sus ventajas y límites.
Foto de Ilya Pavlov en Unsplash
Qué es la IA de código abierto es una pregunta sencilla con una respuesta que cambia según quién la explique. En términos simples, se trata de modelos de inteligencia artificial cuyo código, su forma de entrenamiento y, en muchos casos, sus parámetros ya entrenados están disponibles para que cualquiera los descargue, estudie, modifique y comparta. La idea viene del software libre, aplicada a sistemas que aprenden a partir de datos.
El problema es que la etiqueta se usa para cosas distintas. Modelos como Llama o Mistral se describen a menudo como abiertos, pero en realidad muchas veces publican sus pesos sin publicar todo lo demás. Entender esa diferencia te dice qué puedes hacer de verdad con un modelo antes de usarlo en un proyecto o en tu trabajo.
Qué es la IA de código abierto, en palabras simples
En software, código abierto significa que el código fuente se publica con una licencia que permite usarlo, estudiarlo, modificarlo y redistribuirlo. En inteligencia artificial la idea se complica, porque un modelo no es solo un programa. Tiene tres partes:
- El código que define la arquitectura y que sirve para entrenar y ejecutar el modelo.
- Los datos con los que aprendió, o al menos información suficiente sobre ellos.
- Los pesos, que son los parámetros numéricos que quedan después del entrenamiento y que determinan cómo responde el modelo.
Un modelo puede publicar los pesos sin publicar los datos ni el proceso completo de entrenamiento. Por eso no todo lo “abierto” es igual de abierto.
Pesos abiertos frente a código abierto
Los pesos abiertos (open weights) describen modelos cuyos parámetros puedes descargar y ejecutar en tu propio equipo o servidor. El código abierto, en el sentido estricto que usa la Open Source Initiative (OSI), exige más: que el sistema pueda usarse, estudiarse, modificarse y compartirse, con información suficiente para entenderlo y reconstruirlo.
| Característica | Pesos abiertos | Código abierto (definición OSI) |
|---|---|---|
| Descargas los parámetros | Sí | Sí |
| Acceso al código de entrenamiento | No siempre | Sí |
| Información sobre los datos | Puede ser limitada | Información suficiente para reconstruir el sistema de forma sustancial |
| Modificar y redistribuir | Depende de la licencia | Sí, con las libertades de la definición |
En la práctica, muchos modelos que la prensa llama “de código abierto” son de pesos abiertos. Por eso conviene preguntar siempre qué se publicó exactamente y bajo qué condiciones.
Qué dice la definición de la OSI
El 28 de octubre de 2024, la OSI publicó la primera versión de su Open Source AI Definition (OSAID 1.0). Según la definición, un sistema de IA de código abierto debe garantizar cuatro libertades: usarlo para cualquier propósito, estudiarlo, modificarlo y compartirlo. Además, debe incluir información sobre datos, código y parámetros lo bastante detallada para que alguien pueda recrearlo.
Un punto que suele pasar desapercibido: la OSI no exige publicar el conjunto de datos completo. Basta con información suficiente para reconstruirlo de forma sustancial. Esa diferencia importa, porque muchos datos de entrenamiento tienen restricciones legales y no pueden liberarse tal cual.
La OSI también revisó modelos populares como Llama 2, Phi-2, Mixtral y Grok, y concluyó que no cumplían su definición, según IBM. La discusión sigue abierta, y las empresas que publican estos modelos suelen defender su propio uso del término.
Un informe internacional sobre seguridad de la IA distingue ambos conceptos y advierte que los modelos de pesos abiertos no necesariamente son de código abierto.
Licencias: qué revisar antes de usar un modelo
La licencia dice qué puedes hacer con el modelo, y eso incluye si puedes usarlo en un negocio. Estas son algunas de las más comunes:
| Licencia | Qué permite | Condiciones a tener en cuenta |
|---|---|---|
| Apache 2.0 | Usar, modificar y distribuir, incluso con fines comerciales | Conservar los avisos de licencia y de derechos de autor |
| MIT | Muy permisiva: usar, copiar, modificar y vender | Conservar el aviso de copyright y el texto de la licencia |
| Llama Community License | Uso comercial en general | Mostrar “Built with Llama”, cumplir la política de uso aceptable y pedir permiso a Meta si tu servicio supera 700 millones de usuarios activos mensuales, según un análisis de licencias de Promise Legal |
| Licencia de investigación | Experimentar y estudiar | No está pensada para uso comercial |
Mistral ha liberado muchos modelos con Apache 2.0, pero algunas versiones de Mistral Large 2 se publicaron solo para investigación. Es decir, el nombre de la empresa no te dice la licencia: tienes que revisar cada modelo.
Si usarás un modelo en un producto, revisa también las restricciones de uso y la documentación de los datos, no solo la licencia del archivo. Esto no sustituye una asesoría legal, sobre todo si tu empresa opera en varios países.
Ventajas de la IA de código abierto
- Control de tus datos: al ejecutar el modelo en tu equipo o en tu servidor, tus textos no tienen por qué salir hacia un proveedor externo.
- Menos dependencia de un solo proveedor: si cambian los precios o las condiciones de un servicio cerrado, puedes cambiar de modelo o de servidor.
- Personalización: puedes ajustar un modelo a un idioma, un tema o una tarea específica.
- Transparencia para estudiar: si el código y la documentación están disponibles, puedes revisar cómo funciona y reportar fallas.
- Comunidad: muchos proyectos reciben mejoras y pruebas de personas de todo el mundo.
Límites y costos reales
Un modelo abierto no es gratis en el sentido completo. Quitar el cobro por uso de un proveedor no elimina el costo de cómputo. Un modelo grande necesita memoria suficiente y, muchas veces, tarjetas gráficas caras o un servidor.
- Hardware: los modelos pequeños pueden correr en laptops recientes, pero los grandes requieren equipos de alto nivel.
- Calidad: los modelos abiertos han avanzado mucho, aunque no siempre igualan a los mejores modelos cerrados en todas las tareas.
- Mantenimiento: actualizaciones, configuración y seguridad corren por tu cuenta.
- Seguridad: que el código sea público permite revisarlo, pero también facilita que alguien lo modifique y quite salvaguardas.
Openwashing: cuando la etiqueta no coincide con el producto
El openwashing es el uso de la palabra “abierto” para dar una imagen de transparencia que el producto no tiene del todo. En IA aparece cuando una empresa publica pesos con una licencia restrictiva y promueve el modelo como de código abierto. Hay posturas en conflicto: algunas compañías sostienen que liberar pesos ya es abrir su tecnología a la comunidad, mientras que críticos responden que faltan datos, código de entrenamiento o libertades para usarlo sin restricciones. Ambas posturas tienen parte de razón, y conviene leer la licencia y la documentación antes de creer el título.
Cómo se usan en la práctica: Ollama y LM Studio
Para probar modelos de pesos abiertos sin enviar tus datos a la nube, herramientas como Ollama y LM Studio permiten descargarlos y ejecutarlos en tu computadora. Su función es de inferencia: ejecutan el modelo, pero no lo entrenan ni lo ajustan. Muchos modelos se distribuyen en formato GGUF, que comprime los pesos para que quepan en equipos de consumo. LM Studio usa llama.cpp por debajo para estos modelos, y ambas herramientas pueden exponer una interfaz compatible con OpenAI en localhost, lo que permite conectar tus propias aplicaciones.
Un flujo básico para probar un modelo abierto en tu equipo sería este:
- Revisa la licencia del modelo que quieres usar y confirma si permite tu caso de uso.
- Verifica la memoria RAM y la tarjeta gráfica disponibles, y elige una versión del modelo que quepa en tu equipo.
- Descarga el modelo desde la herramienta que elijas, Ollama o LM Studio, y ejecútalo con una consulta sencilla.
- Haz pruebas con tus propios ejemplos antes de integrarlo en un proceso real.
Regulación: lo que conviene saber
En la Unión Europea, el Reglamento de IA contempla exenciones parciales para modelos liberados con licencias libres y de código abierto (artículo 53), aunque no aplican a los modelos que implican riesgo sistémico. Si trabajas con clientes europeos, revisa el texto oficial del Reglamento antes de tomar decisiones.
Preguntas frecuentes
¿Llama es de código abierto?
Depende de la definición que uses. Meta distribuye sus pesos con la Llama Community License, que tiene restricciones comerciales y de uso. La OSI concluyó que Llama 2 no cumple su definición de código abierto, aunque Meta lo promueve como abierto. Lo más preciso es llamarlo modelo de pesos abiertos.
¿Los modelos de código abierto son gratis?
Muchos se pueden descargar sin pagar licencia, pero el costo total incluye hardware, electricidad, mantenimiento y tiempo de configuración. Lo que se elimina es el cobro por uso a un proveedor, no el gasto de cómputo.
¿Puedo usar un modelo abierto en mi negocio?
Sí, si la licencia lo permite. Apache 2.0 y MIT son permisivas, pero otras licencias imponen condiciones o prohíben el uso comercial. Revisa la licencia, las restricciones de uso y la documentación de los datos antes de integrar el modelo en un producto.
¿Puedo correr una IA de código abierto en mi computadora?
Sí, sobre todo con modelos pequeños y medianos y con herramientas como Ollama o LM Studio. Los modelos grandes requieren mucha memoria y, en general, equipos más potentes.
Conclusión
La IA de código abierto promete transparencia, control y competencia, pero la palabra “abierto” hay que leerla con cuidado. Distingue entre código, datos y pesos, revisa la licencia de cada modelo y calcula el costo real de cómputo. Con esa base, puedes decidir si un modelo te sirve para aprender, experimentar o construir un producto.