Los modelos de pesos abiertos son modelos de aprendizaje automático, típicamente grandes modelos de lenguaje u otros modelos fundacionales, cuyos parámetros entrenados, o pesos, se publican públicamente para que cualquiera pueda descargarlos, ejecutarlos localmente, inspeccionarlos y ajustarlos. Esto contrasta con los modelos propietarios o cerrados, como GPT-4 o Claude, que solo son accesibles a través de una API de pago o una interfaz alojada, manteniendo los pesos subyacentes privados.
Terminología
El término "pesos abiertos" se usa a menudo en lugar de "código abierto" porque liberar solo los pesos no cumple con las definiciones tradicionales de código abierto, que típicamente requieren que los datos de entrenamiento, el código de entrenamiento y la metodología también sean públicos y libremente reutilizables. La mayoría de los modelos abiertos ampliamente utilizados, incluidos Llama, los lanzamientos de Mistral y Qwen, publican pesos y a menudo detalles de arquitectura, pero no los datos de entrenamiento completos ni la receta de entrenamiento completa, lo que hace que "pesos abiertos" sea un término más preciso que "IA de código abierto", una frase que organizaciones como la Open Source Initiative han trabajado para definir de manera más estricta.
Historia
Los primeros lanzamientos abiertos influyentes incluyen los modelos Llama de Meta, lanzados por primera vez en febrero de 2023 e inicialmente filtrados antes de un lanzamiento oficial más amplio, lo que provocó una ola de ajustes finos comunitarios y modelos derivados. Stability AI con su Stable Diffusion (2022) desempeñó un papel similar para la generación de imágenes. Entre 2023 y 2025, los lanzamientos de pesos abiertos proliferaron, incluidos los modelos de Mistral AI, la familia Qwen de Alibaba y, notablemente, DeepSeek con su DeepSeek-R1 en enero de 2025, un modelo de razonamiento de pesos abiertos cuyas afirmaciones de eficiencia de entrenamiento contribuyeron al impacto de mercado de DeepSeek. Los esfuerzos sin fines de lucro y de investigación, incluido el proyecto OLMo de el Instituto Allen para la IA, han buscado una apertura más completa, publicando datos de entrenamiento y código junto con los pesos.
Licencias
Los modelos de pesos abiertos se publican bajo licencias variadas, desde licencias permisivas cercanas al código abierto tradicional hasta licencias personalizadas que imponen condiciones, como límites de uso vinculados a los ingresos de una empresa o restricciones sobre el uso de los resultados para entrenar modelos competidores. Esta variación ha hecho que "abierto" sea una etiqueta disputada, ya que dos modelos ambos descritos como de pesos abiertos pueden tener términos legales significativamente diferentes.
Debate entre abierto y cerrado
Los defensores del lanzamiento de pesos abiertos argumentan que democratiza el acceso a la IA potente, permite la investigación independiente en seguridad y el trabajo de interpretabilidad, evita la dependencia del proveedor y permite el despliegue en entornos sensibles a la privacidad o sin conexión. Los críticos, incluidos algunos dentro de la seguridad de la IA, argumentan que una vez que los pesos son públicos, las mitigaciones de seguridad integradas en un modelo alojado, como los guardarraíles contra el uso dañino, pueden ser eliminadas por cualquiera con la habilidad técnica para ajustar el modelo, y que el lanzamiento abierto elimina cualquier capacidad de revocar el acceso a una capacidad peligrosa después del hecho. Figuras como Yann LeCun han argumentado que la apertura es esencial para la competencia y el progreso científico, mientras que otros favorecen prácticas de lanzamiento más cautelosas y escalonadas, como las que OpenAI adoptó inicialmente con GPT-2 en 2019.
Dimensiones económicas y geopolíticas
Los lanzamientos de pesos abiertos se han convertido en una estrategia competitiva: Meta posicionó a Llama como una forma de mercantilizar la capa de modelos base mientras compite en productos e infraestructura, y los agresivos lanzamientos abiertos de los laboratorios chinos se han interpretado en parte como una respuesta a los controles de exportación de EE. UU. sobre chips avanzados, ya que un modelo abierto ampliamente adoptado extiende la influencia incluso donde el acceso a las API propietarias líderes está restringido. A partir de 2025, los modelos de pesos abiertos de varios laboratorios se acercan al rendimiento de los principales modelos cerrados en muchos puntos de referencia, aunque los modelos frontera más grandes generalmente han permanecido cerrados.