Vaya, si te interesa entender mejor la diferencia entre lo que es abierto, lo que es propietario y lo que es de código abierto en el mundo de la IA, te invitamos a seguir leyendo. Porque este artículo no solo va a desglosar estos conceptos, sino que te va a aclarar cómo afectan a la innovación, la accesibilidad y, al final del día, tu capacidad de interactuar con las inteligencias artificiales. Vamos allá.
¿Qué es realmente la IA de código abierto?
A ver, por muy abierto que suene el nombre, ni OpenAI ni Meta están compartiendo totalmente sus secretos con el mundo. Tanto GPT como DALL·E, dos de los grandes, son modelos propietarios, es decir, cerrados. Incluso Llama, que parece más accesible, no es lo que podríamos llamar realmente de código abierto. Entonces, ¿cómo diferenciamos lo «abierto» de lo «propietario» y del código abierto? Es importante entender esto, sobre todo si estás interesado en cómo la inteligencia artificial está transformando el mercado.
Empecemos por las definiciones básicas de IA
Hay tres categorías que tenemos que tener claras antes de seguir avanzando:
- Modelos propietarios: Son desarrollados por empresas privadas, quienes mantienen control absoluto sobre su uso. Para acceder a ellos, necesitas pasar por sus plataformas y pagar sus tarifas, sin ver nunca cómo están hechos por dentro.
- Modelos de código abierto: Aquí, no solo el código fuente está disponible, sino que también lo están los datos y los pesos del modelo. Es decir, cualquiera puede coger ese código, modificarlo y distribuirlo como quiera.
- Modelos abiertos: Estos modelos se pueden descargar y usar, pero tienen más restricciones que los de código abierto, especialmente cuando hablamos de uso comercial.
Estas categorías nos ayudan a entender el ecosistema de la IA, pero a veces los términos se usan de forma un poco engañosa. Y aquí es donde entra en juego la cuestión del «open-washing» en IA.
¿Qué es el código abierto?
Cuando hablamos de código abierto, estamos hablando de transparencia total. La Open Source Initiative (OSI) define claramente este concepto. Ser de código abierto significa que cualquiera puede utilizar, modificar y redistribuir el software sin ningún tipo de restricción. Pero esto no es solo cuestión del código fuente; también abarca los datos, las técnicas y las metodologías que se han utilizado para entrenar la IA.
En el ámbito de la inteligencia artificial, decir que algo es de código abierto implica que no solo el código es accesible, sino también los datos de entrenamiento y cualquier otro elemento necesario para que cualquier persona pueda entender y replicar el modelo.
Licencias comunes de código abierto incluyen:
- Apache 2.0
- MIT
- GNU General Public License
Ahora bien, ¿cuántos de los grandes modelos de IA realmente cumplen con esto? Te sorprendería saber que muchos que se presentan como abiertos, en realidad, no lo son tanto.
¿Y un modelo de IA propietario qué es?
Ah, aquí entramos en la parte más cerrada del asunto. Un modelo de IA propietario es desarrollado por una empresa privada, que mantiene control total sobre cómo y quién puede usar el modelo. Por ejemplo, OpenAI con GPT-4 o Google con Gemini 3. ¿Te suena?
Estos modelos no están disponibles para que tú los descargues y juegues con ellos en tu ordenador. La única manera de interactuar con ellos es a través de una API que la empresa controla. Y claro, eso cuesta dinero. Además, no te dan ningún detalle sobre cómo entrenaron el modelo o qué datos usaron. Esto ha sido motivo de muchas críticas, especialmente por parte de quienes defienden la apertura y la transparencia en la IA.
Ejemplos de modelos propietarios:
- GPT-4 y DALL·E 3 de OpenAI
- Claude 3.5 de Anthropic
- Gemini 3 de Google
- Midjourney de Midjourney, Inc.
La falta de transparencia y acceso a estos modelos ha generado debates en la comunidad de inteligencia artificial, donde muchos creen que la innovación real viene de un acceso más libre a estas tecnologías.
¿Qué entendemos por IA de código abierto?
El código abierto en la IA va más allá de liberar el código fuente. Para que un modelo sea realmente de código abierto, se necesita que se publiquen los datos de entrenamiento, los pesos del modelo, el código de entrenamiento y toda la documentación técnica bajo licencias abiertas.
Aquí es donde entra el concepto de open-washing: algunos modelos se comercializan como abiertos cuando, en realidad, no cumplen con todos los principios del código abierto. Quizás el código esté disponible, pero si no se liberan los datos de entrenamiento, estamos ante un falso código abierto. Un buen ejemplo de esto es lo que ocurre con muchos modelos populares que se venden como abiertos, pero que no lo son del todo.
Uno de los modelos que más se acerca a la verdadera definición de IA de código abierto es OLMo 7B. Este es un modelo que ha hecho un esfuerzo considerable por compartir todos los aspectos clave del desarrollo y permitir a cualquier persona entender y modificar el modelo.
¿Y qué hay de los modelos de IA abiertos?
Un modelo de IA abierto está a medio camino entre el propietario y el de código abierto. ¿Por qué? Porque aunque el modelo esté disponible para descarga y uso, generalmente tiene restricciones en su licencia, especialmente cuando se trata de uso comercial.
Un buen ejemplo es Llama 3, que permite su uso hasta un cierto límite de usuarios mensuales. O Gemma 2, que prohíbe su uso en aplicaciones que puedan estar relacionadas con el crimen. Aunque sean más accesibles que los modelos completamente propietarios, estos no llegan a cumplir con los principios de apertura completa del código abierto.
Los mejores modelos de IA abiertos y de código abierto
Aquí hay una lista de los modelos más relevantes de IA que caen en la categoría de abiertos o de código abierto:
| Modelo | Desarrollador | Tipo de Modelo | Licencia | Parámetros | Notas |
|---|---|---|---|---|---|
| Llama 3.1 | Meta | LLM | Custom | 8B, 70B, 405B | Restricciones en uso y número de usuarios |
| Gemma 2 | LLM | Custom | 2B, 9B, 27B | Uso limitado en ciertos sectores | |
| Phi-3 | Microsoft | LLM | MIT | 3.8B, 7B, 14B | |
| Mistral 7B | Mistral | LLM | Apache 2.0 | 7B | |
| OLMo 7B | Allen Institute for AI | LLM | Apache 2.0 | 7B | El modelo de código abierto más completo |
| Stable Diffusion | Stability AI | Generador de imágenes | Custom | N/A | Versiones previas disponibles bajo licencias abiertas |
¿Deberías usar un modelo abierto o de código abierto?
Aunque no hay tantos modelos de IA de código abierto de alto nivel, los mejores modelos abiertos, como Llama 3.1 y FLUX.1, son increíblemente competitivos con sus contrapartes propietarias, como GPT-4 y DALL·E 3. Si tienes las habilidades técnicas necesarias, estos modelos te ofrecen un rendimiento similar a una fracción del costo y con mucha más libertad para personalizarlos.
¿A dónde vamos con todo esto?
¿Es realmente importante que un modelo sea abierto o de código abierto? Bueno, la respuesta depende de cómo y para qué lo quieras usar. Si eres un desarrollador o investigador, tener acceso a los datos, los pesos y el código fuente te permite experimentar, innovar y mejorar las tecnologías existentes. Sin embargo, el lado negativo es que los modelos propietarios, aunque restringidos, suelen ser mucho más avanzados debido a los recursos que las grandes empresas invierten en ellos.
Y ahora te pregunto: ¿crees que el futuro de la IA debería ir más hacia el código abierto, o las empresas privadas tienen derecho a mantener sus modelos bajo llave?
