¿Cuál es la diferencia entre un modelo de IA de peso abierto y uno de código abierto?

Peso abierto significa que los parámetros entrenados del modelo se pueden descargar, pero los datos de entrenamiento, el código o las libertades de la licencia pueden estar restringidos. Código abierto (según la definición de la OSI) exige además información sobre los datos y el código de entrenamiento/inferencia bajo términos abiertos. Si los datos de entrenamiento no se divulgan, el modelo es de peso abierto, no de código abierto.

¿Es Llama de código abierto?

No: Llama es de peso abierto bajo una licencia comunitaria. Meta no publica los datos de entrenamiento, y la licencia añade una política de uso aceptable, un umbral de 700 millones de usuarios activos mensuales y restricciones sobre el uso de las salidas para entrenar modelos competidores. La OSI y otros la clasifican como de fuente disponible o de peso abierto, no de código abierto.

¿Qué es la Definición de IA de Código Abierto de la OSI?

Publicada en octubre de 2024, es la primera definición estable de IA de código abierto. Otorga cuatro libertades —usar, estudiar, modificar y compartir— y exige tres componentes: información sobre los datos, el código completo de entrenamiento e inferencia y los parámetros del modelo. Cabe destacar que exige información detallada sobre los datos de entrenamiento en lugar del conjunto de datos en bruto.

¿Exige la IA de código abierto publicar los datos de entrenamiento?

No el conjunto de datos en bruto: la definición de la OSI requiere información sobre los datos lo bastante detallada como para que una persona cualificada pueda construir un sistema sustancialmente equivalente, y los datos en sí solo cuando sea legalmente posible. Este compromiso es la parte más debatida de la definición, ya que la verdadera reproducibilidad posiblemente requiera los datos mismos.

¿Puedo usar modelos de peso abierto comercialmente sin pagar?

A menudo sí, pero depende por completo de la licencia. Los modelos Apache-2.0 (muchas versiones de Qwen y Mistral) permiten el uso comercial sin restricciones. La licencia comunitaria de Llama permite el uso comercial, pero con un límite de usuarios y otras restricciones. Algunas variantes son solo para uso no comercial. Consulta siempre la licencia específica del modelo antes de desplegarlo comercialmente.

¿Qué modelos de IA son verdaderamente de código abierto?

Los modelos que publican los pesos junto con los datos de entrenamiento y el código completo de entrenamiento e inferencia. OLMo de Ai2 es el ejemplo más destacado, ya que publica su corpus, código, registros y puntos de control. La mayoría de los modelos "abiertos" populares (Llama, Qwen, Mistral, DeepSeek) son de peso abierto y retienen al menos los datos de entrenamiento.

¿Un modelo Apache-2.0 es lo mismo que código abierto?

Apache-2.0 es una licencia de código abierto genuina, por lo que los pesos bajo Apache-2.0 son permisivos y no tienen restricciones comerciales. Sin embargo, un modelo con pesos bajo Apache-2.0 sigue sin ser plenamente "código abierto" según la definición de IA de la OSI a menos que también se publiquen la información sobre los datos de entrenamiento y el código, por lo que se describe mejor como peso abierto con licencia permisiva.

← Resources

By Ren Sugaya — Performance Engineer, GPU & Inference · 2026-04-12 · INSIGHT

Modelos de IA de peso abierto vs. código abierto: ¿cuál es la diferencia?

La mayoría de los modelos que se presentan como "código abierto" son en realidad de peso abierto: los pesos se pueden descargar, pero los datos de entrenamiento y las libertades completas de la licencia no están disponibles. Aquí se explica la distinción, la Definición de IA de Código Abierto de la OSI, dónde se ubican los modelos populares en el espectro y por qué la etiqueta importa para el uso comercial.

La distinción fundamental

"Peso abierto" significa que los parámetros del modelo entrenado se pueden descargar, pero los datos de entrenamiento, el código de entrenamiento o las libertades completas de la licencia pueden estar restringidos. La "IA de código abierto", según la definición oficial, exige además información sobre los datos y el código de entrenamiento e inferencia, todo bajo términos abiertos. Sin divulgación de los datos de entrenamiento, una publicación es de peso abierto, no de código abierto.

Esto importa porque ambos términos se confunden constantemente. Un modelo que puedes descargar y ejecutar no es automáticamente "código abierto" en el sentido que le da el mundo del software, y la diferencia aparece justo donde más cuenta: derechos comerciales, reproducibilidad y lo que realmente puedes hacer con él.

La Definición de IA de Código Abierto de la OSI

En octubre de 2024, la Open Source Initiative publicó la primera Definición de IA de Código Abierto estable. Otorga cuatro libertades —usar el sistema para cualquier propósito sin permiso, estudiar cómo funciona, modificarlo para cualquier propósito y compartirlo con o sin modificaciones— y exige tres componentes: información sobre los datos (suficiente detalle para construir un sistema sustancialmente equivalente), el código completo de entrenamiento e inferencia y los parámetros del modelo.

Su compromiso más debatido es que no exige publicar el conjunto de datos de entrenamiento en bruto, sino únicamente información suficientemente detallada sobre él. Los críticos lo consideran un debilitamiento; sus defensores señalan que las restricciones legales y de privacidad a menudo hacen imposible publicar los datos en bruto. En cualquier caso, ese es el estándar con el que deben medirse las afirmaciones de "código abierto".

Dónde se ubican realmente los modelos populares

La mayoría de los modelos "abiertos" conocidos son de peso abierto, no de código abierto:

Llama es de peso abierto bajo una licencia comunitaria: Meta no publica los datos de entrenamiento, y la licencia añade una política de uso aceptable, una cláusula de 700 millones de usuarios activos mensuales y restricciones sobre el uso de las salidas para entrenar modelos competidores. No cumple la libertad de "usar para cualquier propósito sin permiso", por lo que es de fuente disponible, no de código abierto. (Consulta nuestra [guía de Llama](/articles/run-llama-locally-hardware-guide).)
Qwen y Mistral publican muchos modelos bajo Apache-2.0, una licencia de código abierto genuina sobre los pesos, lo que permite un uso comercial permisivo; aun así, sin datos ni código completos siguen siendo "peso abierto con licencia permisiva" en lugar de cumplir con la OSAID. (Consulta nuestra [guía de Qwen3](/articles/run-qwen3-locally-guide).)
OLMo (de Ai2) es la referencia de lo verdaderamente abierto: pesos más el corpus de entrenamiento completo, el código de entrenamiento, los registros y los puntos de control.
DeepSeek es de peso abierto: los pesos se publican, pero los datos de entrenamiento no se divulgan.

El espectro de licencias

Conviene pensar en un espectro de mayor a menor apertura:

Totalmente abierto / alineado con la OSAID: pesos más datos más código (OLMo).
Licencia OSI permisiva sobre los pesos: Apache-2.0 (Qwen, Mistral): pesos sin restricciones comerciales, pero sin divulgación completa de datos ni código.
"Comunitaria" restrictiva / fuente disponible: Llama, de uso comercial permitido pero con límites, reglas de uso aceptable y restricciones para competidores.
Solo no comercial / solo investigación: algunas variantes de modelos se limitan al uso no comercial.
Solo API / cerrado: los pesos nunca se publican.

Saber dónde se ubica un modelo te indica qué puedes hacer legalmente con él, que es la pregunta práctica, más allá de si merece la etiqueta de "código abierto".

Por qué importa y el "open-washing"

La etiqueta tiene consecuencias reales. Los términos de la licencia —límites de usuarios activos mensuales, prohibiciones por campo de uso, cláusulas de no destilación— determinan directamente la legalidad comercial. El código abierto (en sentido estricto) también permite reproducir y auditar un modelo, lo que importa para la confianza y la investigación. Y la regulación eleva las apuestas: la Ley de IA de la UE otorga ciertas exenciones a los sistemas de código abierto, así que llamar "código abierto" a un modelo de peso abierto no es solo un descuido, sino que puede tener consecuencias.

Esa es la esencia de la crítica al "open-washing": comercializar un modelo como código abierto cuando, en el mejor de los casos, es de peso abierto. Estudios sobre sistemas de IA generativa han hallado que muchas etiquetas de "código abierto" son en realidad de peso abierto, y la tendencia general lo confirma: la proporción de descargas de modelos que divulgan los datos de entrenamiento ha caído drásticamente, lo que significa que el ecosistema avanza hacia el peso abierto, no hacia el código abierto.

Cómo lo aborda osFoundry

osFoundry ejecuta modelos de peso abierto independientemente de dónde se ubiquen en el espectro: los permisivos Apache-2.0 (Qwen, Mistral), los de licencia comunitaria restrictiva (Llama) y los totalmente abiertos (OLMo) funcionan del mismo modo mediante BYOK o autoalojamiento. Como la cuestión de lo abierto frente al peso abierto es, en el fondo, una cuestión de licencias, osFoundry muestra los términos reales de la licencia de cada modelo —las cláusulas de límite de usuarios, las reglas de no destilación y las restricciones no comerciales— para que los equipos puedan confirmar la legalidad comercial antes de desplegar. Con BYOK y autoalojamiento, mantienes los pesos, los datos y la inferencia bajo tu propio control en lugar de depender de la API de un proveedor, que es el beneficio práctico de lo "abierto", supere o no un modelo dado el estricto estándar de código abierto.

Frequently asked questions

¿Cuál es la diferencia entre un modelo de IA de peso abierto y uno de código abierto?: Peso abierto significa que los parámetros entrenados del modelo se pueden descargar, pero los datos de entrenamiento, el código o las libertades de la licencia pueden estar restringidos. Código abierto (según la definición de la OSI) exige además información sobre los datos y el código de entrenamiento/inferencia bajo términos abiertos. Si los datos de entrenamiento no se divulgan, el modelo es de peso abierto, no de código abierto.
¿Es Llama de código abierto?: No: Llama es de peso abierto bajo una licencia comunitaria. Meta no publica los datos de entrenamiento, y la licencia añade una política de uso aceptable, un umbral de 700 millones de usuarios activos mensuales y restricciones sobre el uso de las salidas para entrenar modelos competidores. La OSI y otros la clasifican como de fuente disponible o de peso abierto, no de código abierto.
¿Qué es la Definición de IA de Código Abierto de la OSI?: Publicada en octubre de 2024, es la primera definición estable de IA de código abierto. Otorga cuatro libertades —usar, estudiar, modificar y compartir— y exige tres componentes: información sobre los datos, el código completo de entrenamiento e inferencia y los parámetros del modelo. Cabe destacar que exige información detallada sobre los datos de entrenamiento en lugar del conjunto de datos en bruto.
¿Exige la IA de código abierto publicar los datos de entrenamiento?: No el conjunto de datos en bruto: la definición de la OSI requiere información sobre los datos lo bastante detallada como para que una persona cualificada pueda construir un sistema sustancialmente equivalente, y los datos en sí solo cuando sea legalmente posible. Este compromiso es la parte más debatida de la definición, ya que la verdadera reproducibilidad posiblemente requiera los datos mismos.
¿Puedo usar modelos de peso abierto comercialmente sin pagar?: A menudo sí, pero depende por completo de la licencia. Los modelos Apache-2.0 (muchas versiones de Qwen y Mistral) permiten el uso comercial sin restricciones. La licencia comunitaria de Llama permite el uso comercial, pero con un límite de usuarios y otras restricciones. Algunas variantes son solo para uso no comercial. Consulta siempre la licencia específica del modelo antes de desplegarlo comercialmente.
¿Qué modelos de IA son verdaderamente de código abierto?: Los modelos que publican los pesos junto con los datos de entrenamiento y el código completo de entrenamiento e inferencia. OLMo de Ai2 es el ejemplo más destacado, ya que publica su corpus, código, registros y puntos de control. La mayoría de los modelos "abiertos" populares (Llama, Qwen, Mistral, DeepSeek) son de peso abierto y retienen al menos los datos de entrenamiento.
¿Un modelo Apache-2.0 es lo mismo que código abierto?: Apache-2.0 es una licencia de código abierto genuina, por lo que los pesos bajo Apache-2.0 son permisivos y no tienen restricciones comerciales. Sin embargo, un modelo con pesos bajo Apache-2.0 sigue sin ser plenamente "código abierto" según la definición de IA de la OSI a menos que también se publiquen la información sobre los datos de entrenamiento y el código, por lo que se describe mejor como peso abierto con licencia permisiva.