Listados de software de inteligencia artificial de código abierto

Estas listas incluyen proyectos que distribuyen su software bajo licencias de código abierto y están relacionados con proyectos de inteligencia artificial . Entre ellos se incluyen bibliotecas de software , marcos de trabajo , plataformas y herramientas utilizadas para el aprendizaje automático , el aprendizaje profundo , el procesamiento del lenguaje natural , la visión artificial , el aprendizaje por refuerzo , la inteligencia artificial general y mucho más.

IA agencial

Auto-GPT : agente autónomo experimental de código abierto basado en GPT
CrewAI : marco de trabajo para la creación y orquestación de flujos de trabajo de IA multiagente.
LangChain : marco de trabajo para integrar modelos de lenguaje natural en aplicaciones.
OpenClaw : marco de trabajo para agentes de IA autónomos que ejecutan tareas.

Hardware de IA y aceleración de inferencias

Marcos de inferencia y servicio de LLM

llama.cpp — biblioteca que puede realizar inferencias en varios LLM como Llama , Mistral , Gemma , DeepSeek o Qwen . ^{[ 1 ]}
SGLang : marco para la generación estructurada y la inferencia y el servicio de modelos lógicos logarítmicos de alto rendimiento.
vLLM : motor de inferencia de alto rendimiento para grandes modelos de lenguaje que utiliza técnicas como PagedAttention.
Ollama : una plataforma de software que permite una fácil implementación e interacción con muchos modelos de lenguaje grandes de forma local .

Formatos de modelos y herramientas de optimización

ONNX – Formato de intercambio de redes neuronales abiertas para la interoperabilidad entre marcos de IA
OpenVINO : el conjunto de herramientas de Intel para optimizar modelos de aprendizaje profundo para dispositivos periféricos .
TensorRT-LLM : kit de herramientas de Nvidia para optimizar e implementar modelos de lenguaje de gran tamaño en GPU.

Redes neuronales artificiales

EDLUT : simulador de redes neuronales basado en eventos para redes de impulsos a gran escala.
Emergent : plataforma de modelado cognitivo que implementa redes neuronales.
Encog : marco de aprendizaje automático para Java y C# compatible con redes neuronales.
JOONE – Marco de redes neuronales basado en Java con arquitectura modular para tareas de aprendizaje
Nengo : biblioteca de Python para construir y simular sistemas neuronales a gran escala.
Neuroph : un marco de trabajo Java ligero para la creación de redes neuronales.
OpenNN : biblioteca de C++ para diseñar, entrenar y desplegar redes neuronales.
SNNS – Simulador de Redes Neuronales de Stuttgart, admite redes neuronales recurrentes y de alimentación directa.

Redes neuronales convolucionales (CNN)

AlexNet , una CNN pionera para la clasificación de imágenes , ganó la competición ImageNet de 2012 ^{[ 2 ]}^{[ 3 ]}^{[ 4 ]}
VGGNet — CNN profunda conocida por su simplicidad y el uso de filtros de convolución de 3x3 ^{[ 5 ]}
Inception — Arquitectura CNN que utiliza capas convolucionales paralelas de diferentes tamaños ^{[ 6 ]}

Chatbots

Arquitecturas cognitivas y plataformas de IA general

OpenCog : proyecto que tiene como objetivo construir un marco de inteligencia artificial de código abierto.
Soar : arquitectura cognitiva para la toma de decisiones y el aprendizaje en agentes inteligentes.
CLARION – Aprendizaje conexionista con inducción de reglas adaptativas. Arquitectura cognitiva híbrida conexionista/simbólica en línea.

Visión por computadora y procesamiento de imágenes

AForge.NET : biblioteca de visión artificial, inteligencia artificial y robótica para el framework .NET.
Dlib : biblioteca de C++ para visión artificial y procesamiento de imágenes.
OpenCV : biblioteca de funciones de programación principalmente para visión artificial en tiempo real.
Teseracto : reconocimiento óptico de caracteres

marcos de aprendizaje profundo

BigDL : biblioteca de aprendizaje profundo distribuido para Apache Spark
Caffe : marco de aprendizaje profundo centrado en la velocidad y la modularidad.
Deeplearning4j : biblioteca Java para algoritmos de aprendizaje profundo en la máquina virtual Java.
DeepSpeed : biblioteca de optimización de aprendizaje profundo desarrollada por Microsoft.
fastai : una biblioteca de aprendizaje profundo construida sobre PyTorch.
Red neuronal artificial rápida (FANN): biblioteca C para redes neuronales de alimentación directa.
Horovod : marco de aprendizaje profundo distribuido para TensorFlow , Keras y PyTorch.
Keras : biblioteca de Python para redes neuronales artificiales.
Microsoft Cognitive Toolkit : marco de aprendizaje profundo desarrollado por Microsoft Research.
MXNet : marco de aprendizaje profundo para entrenar e implementar redes neuronales profundas.
Neuroph : un marco de trabajo para redes neuronales artificiales orientado a objetos escrito en Java.
OpenNN : biblioteca de redes neuronales artificiales escrita en C++.
PlaidML : plataforma de aprendizaje profundo para redes neuronales y cálculos tensoriales.
PyTorch : marco de aprendizaje profundo desarrollado por Meta AI.
PyTorch Lightning : un marco de alto nivel construido sobre PyTorch para organizar y escalar modelos de aprendizaje profundo.
TensorFlow : plataforma de código abierto integral para aprendizaje automático y aprendizaje profundo desarrollada por Google Brain.
Torch : marco de computación científica con soporte para algoritmos de aprendizaje automático y aprendizaje profundo.

aprendizaje automático o minería de datos

Apache Mahout : una biblioteca de aprendizaje automático escalable para big data basada en Hadoop y Spark.
Apache SINGA : software distribuido de aprendizaje profundo y aprendizaje automático.
Apache SystemDS : sistema de aprendizaje automático para el ciclo de vida completo de la ciencia de datos.
CatBoost : biblioteca de aprendizaje automático para potenciación de gradiente en árboles de decisión.
Caffe — Clasificación y segmentación de imágenes
Dlib : biblioteca de C++ para aprendizaje automático y visión artificial.
ELKI : software de minería de datos y aprendizaje no supervisado.
fastText : incrustaciones de palabras desarrolladas por Meta AI
Flux : biblioteca de aprendizaje automático para el lenguaje de programación Julia.
Gensim : kit de herramientas para modelado de temas y espacios vectoriales.
JAX : biblioteca de aprendizaje automático para computación numérica y diferenciación automática.
H₂O _: plataforma de aprendizaje automático y análisis predictivo
Infer.NET : marco de programación probabilística para inferencia bayesiana.
Jubatus : marco de trabajo en línea para aprendizaje automático y computación distribuida.
KNIME : canalización modular de datos
LIBSVM — biblioteca para máquinas de vectores de soporte
LightGBM : marco de aprendizaje automático para el aumento de gradiente.
Microsoft Cognitive Toolkit : marco de aprendizaje profundo desarrollado por Microsoft Research.
MindSpore : marco de aprendizaje automático y aprendizaje profundo
ML.NET — marco de aprendizaje automático para .NET
mlpack — Biblioteca de aprendizaje automático de C++ que solo requiere archivos de cabecera
MXNet : marco de aprendizaje profundo
Naranja : aprendizaje automático, minería de datos , visualización de datos y análisis de datos.
Scikit-learn : biblioteca construida sobre NumPy , SciPy y matplotlib.
Shogun : biblioteca de C++ para aprendizaje automático a gran escala.
Spark MLlib : biblioteca de aprendizaje automático para Apache Spark.
TensorFlow : plataforma de aprendizaje automático y aprendizaje profundo
Theano : biblioteca de computación numérica para aprendizaje automático.
Vowpal Wabbit : sistema de aprendizaje automático para un aprendizaje rápido en línea.
Weka : conjunto de algoritmos de aprendizaje automático para tareas de minería de datos.
XGBoost : biblioteca de aprendizaje automático para potenciación de gradiente

Plataformas AutoML

TPOT : herramienta de optimización de tuberías basada en árboles que utiliza programación genética.
Inteligencia de redes neuronales : kit de herramientas de Microsoft para la optimización de hiperparámetros y la búsqueda de arquitecturas neuronales.
MindsDB : plataforma AutoML que integra el aprendizaje automático en bases de datos y aplicaciones SQL .

Modelos de lenguaje a gran escala

Apertus - LLM de la Iniciativa Nacional Suiza de IA ^{[ 7 ]}
BERT – Máster en Derecho de Google
Cerebras-GPT – Cerebras Systems LLMs ^{[ 8 ]}
DeepSeek – Modelos R1 y V3 ^{[ 9 ]}
Gemma 4 – Google LLM ^{[ 10 ]}
GLM-4.5 y versiones posteriores – Z.ai LLMs ^{[ 11 ]}
GPT-1 , GPT-2 y GPT-OSS : LLM de OpenAI ^{[ 12 ]}
GPT-J , GPT-Neo y GPT-NeoX: LLM de EleutherAI ^{[ 13 ]}
Granito – IBM LLMs ^{[ 14 ]}
Grok-1 – LLM xAI
Kimi (algunas versiones) – Maestría en Derecho de IA de alto impacto
Mistral (algunas versiones) ^{[ 15 ]}
OLMo – Instituto Allen para el Máster en Derecho de la IA
Phi – Másteres en Derecho (LLM) de Microsoft
Qwen (algunas versiones) – LLM de Alibaba Cloud ^{[ 16 ]}
Sarvam-M , Sarvam-105B y Sarvam-30B - LLM de Sarvam AI
Paso 3.5 - Flash – StepFun LLM
T5 – Máster en Derecho de Google
XLNet – Máster en Derecho de Google

Procesamiento del lenguaje natural (PLN)

Apache OpenNLP
Apertium : plataforma de traducción automática basada en reglas .
ChatScript : motor de lenguaje natural y sistema de gestión de diálogos.
Arquitectura general para la ingeniería de textos : extracción de información
Gensim : biblioteca para el modelado de temas y el análisis de similitud de documentos.
GloVe : algoritmo de aprendizaje no supervisado para obtener representaciones vectoriales de palabras.
Mallet – Kit de herramientas de aprendizaje automático para lenguajes de Java
MontyLingua : bibliotecas y programas para PLN simbólico y estadístico para Python y Java.
Moses : motor de traducción automática estadística para entrenar modelos estadísticos de texto de un idioma de origen a un idioma de destino.
NiuTrans – traducción automática estadística
NLTK : conjunto de herramientas de lenguaje natural para el procesamiento del lenguaje natural simbólico y estadístico.
Núcleos de acción probabilística : intérprete de instrucciones en lenguaje natural para aplicaciones robóticas.
spaCy – Biblioteca de Python
Spark NLP : biblioteca de procesamiento de texto para PLN avanzado para Python, Java y Scala .
Word2vec : obtención de representaciones vectoriales de palabras

Sistemas de reconocimiento de voz

Planificación reactiva

GOLOG – lenguaje de programación lógica , cálculo de situaciones , lenguaje lógico de primer orden para razonar sobre acciones y cambios.

Marcos de aprendizaje por refuerzo

KataGo : agente de aprendizaje por refuerzo diseñado para jugar al Go.

Software de robótica

Texto a imagen

Conversión de texto a voz

Bibliotecas de transformadores

Biblioteca de transformadores Hugging Face : biblioteca de Python con modelos transformadores preentrenados para PLN, visión artificial, voz y más. ^{[ 17 ]}

Descubrimiento de algoritmos asistido por IA

AlphaTensor : sistema de aprendizaje por refuerzo de DeepMind para descubrir algoritmos eficientes de multiplicación de matrices.

Véase también

Inteligencia artificial de código abierto
Lista de algoritmos de inteligencia artificial
Lista de revistas especializadas en inteligencia artificial y lista de libros sobre inteligencia artificial.
Lista de proyectos de inteligencia artificial
Lista de paquetes de software gratuitos y de código abierto para inteligencia artificial.
Common Crawl : organización sin fines de lucro que rastrea la web y proporciona gratuitamente sus archivos y conjuntos de datos al público bajo una licencia MIT.
Google Colab : un entorno de Jupyter Notebook basado en O-IDE con acceso gratuito a GPU y TPU para el desarrollo de aprendizaje automático y aprendizaje profundo.
Aplicaciones de la inteligencia artificial

Referencias

↑ ggml-org/llama.cpp , ggml, 19-04-2026 , consultado el 19-04-2026
↑ "GitHub - computerhistory/AlexNet-Source-Code: Este paquete contiene el código original de AlexNet de 2012" . GitHub . Museo de Historia de la Computación . Consultado el 14 de abril de 2026 .
↑ "Cómo AlexNet transformó la IA y la visión por computadora para siempre" . IEEE Spectrum . 25 de marzo de 2025. Consultado el 14 de abril de 2026 .
↑ "CHM pone a disposición del público el código fuente de AlexNet" . Museo de Historia de la Computación . 20 de marzo de 2025. Consultado el 14 de abril de 2026 .
↑ Dhillon, Anamika; Verma, Gyanendra K. (1 de junio de 2020). "Red neuronal convolucional: una revisión de modelos, metodologías y aplicaciones para la detección de objetos" . Progress in Artificial Intelligence . 9 (2): 85– 112. doi : 10.1007/s13748-019-00203-0 . ISSN 2192-6360 .
↑ Zhang, Aston; Lipton, Zachary; Li, Mu; Smola, Alexander J. (2024). Sumérgete en el aprendizaje profundo . Cambridge Nueva York Puerto Melbourne Nueva Delhi Singapur: Cambridge University Press. ISBN 978-1-009-38943-3.
↑ Allen, Matthew (2 de septiembre de 2025). «Suiza lanza una alternativa transparente a ChatGPT» . SWI swissinfo.ch . Consultado el 21 de enero de 2026. Apertus (del latín «abierto») no deja lugar a dudas al respecto. Promete que cada detalle, incluido su manual de diseño y fórmula, está a disposición del público.
^ Dey, Nolan; Gosal, Gurpreet; Chen, Zhiming; Khachane, Hemant; Marshall, Guillermo; Patria, Ribhu; Tom, Marvin; Hestness, Joel (2023). "Cerebras-GPT: modelos de lenguaje de computación abierta óptimos entrenados en el clúster de escala de oblea Cerebras". arXiv : 2304.03208 [ cs.LG ].
↑ solo pesos del modelo
↑ "google/gemma-4-31B-it · Hugging Face" . huggingface.co . 2026-04-02 . Consultado el 2026-04-07 .
↑ Cheng, Evelyn (28 de julio de 2025). "El último modelo de IA de China afirma ser incluso más barato de usar que DeepSeek" . CNBC . Consultado el 12 de abril de 2026 .
↑ Heath, Alex (5 de agosto de 2025). "OpenAI lanza un modelo GPT gratuito que puede ejecutarse en tu portátil" . The Verge . Consultado el 7 de marzo de 2026 .
↑ Black, Sid; Biderman, Stella; Hallahan, Eric; Anthony, Quentin; Gao, Leo; Golding, Laurence; He, Horace; Leahy, Connor; McDonell, Kyle; Phang, Jason; Pieler, Michael; Prashanth, USVSN Sai; Purohit, Shivanshu; Reynolds, Laria; Tow, Jonathan; Wang, Ben; Weinbach, Samuel (2022). "GPT-NeoX-20B: Un modelo de lenguaje autorregresivo de código abierto". arXiv : 2204.06745 [ cs.CL ].
↑ "Liberación de código abierto de los modelos de código Granite de IBM" . IBM Research . 6 de mayo de 2024. Consultado el 27 de junio de 2026 .
↑ "Descripción general de los modelos | Modelos de lenguaje a gran escala de Mistral AI" . docs.mistral.ai . Archivado del original el 9 de abril de 2025. Consultado el 7 de marzo de 2026 .
↑ Mo, Liam; Hall, Casey (19 de septiembre de 2024). "Alibaba acelera su impulso en IA mediante el lanzamiento de nuevos modelos de código abierto y la conversión de texto a vídeo" . Reuters .
↑ "huggingface/transformers" . GitHub . Hugging Face . Consultado el 30 de abril de 2026 .

Enlaces externos

opensource.org/ai – Iniciativa de Código Abierto
Libro blanco sobre datos e IA (24 de julio de 2024) – Open Data Institute

[1] ggml-org/llama.cpp , ggml, 19-04-2026 , consultado el 19-04-2026

[2] "GitHub - computerhistory/AlexNet-Source-Code: Este paquete contiene el código original de AlexNet de 2012" . GitHub . Museo de Historia de la Computación . Consultado el 14 de abril de 2026 .

[3] "Cómo AlexNet transformó la IA y la visión por computadora para siempre" . IEEE Spectrum . 25 de marzo de 2025. Consultado el 14 de abril de 2026 .

[4] "CHM pone a disposición del público el código fuente de AlexNet" . Museo de Historia de la Computación . 20 de marzo de 2025. Consultado el 14 de abril de 2026 .

[5] Dhillon, Anamika; Verma, Gyanendra K. (1 de junio de 2020). "Red neuronal convolucional: una revisión de modelos, metodologías y aplicaciones para la detección de objetos" . Progress in Artificial Intelligence . 9 (2): 85– 112. doi : 10.1007/s13748-019-00203-0 . ISSN 2192-6360 .

[6] Zhang, Aston; Lipton, Zachary; Li, Mu; Smola, Alexander J. (2024). Sumérgete en el aprendizaje profundo . Cambridge Nueva York Puerto Melbourne Nueva Delhi Singapur: Cambridge University Press. ISBN 978-1-009-38943-3.

[7] Allen, Matthew (2 de septiembre de 2025). «Suiza lanza una alternativa transparente a ChatGPT» . SWI swissinfo.ch . Consultado el 21 de enero de 2026. Apertus (del latín «abierto») no deja lugar a dudas al respecto. Promete que cada detalle, incluido su manual de diseño y fórmula, está a disposición del público.

[8] Dey, Nolan; Gosal, Gurpreet; Chen, Zhiming; Khachane, Hemant; Marshall, Guillermo; Patria, Ribhu; Tom, Marvin; Hestness, Joel (2023). "Cerebras-GPT: modelos de lenguaje de computación abierta óptimos entrenados en el clúster de escala de oblea Cerebras". arXiv : 2304.03208 [ cs.LG ].

[9] solo pesos del modelo

[10] "google/gemma-4-31B-it · Hugging Face" . huggingface.co . 2026-04-02 . Consultado el 2026-04-07 .

[11] Cheng, Evelyn (28 de julio de 2025). "El último modelo de IA de China afirma ser incluso más barato de usar que DeepSeek" . CNBC . Consultado el 12 de abril de 2026 .

[12] Heath, Alex (5 de agosto de 2025). "OpenAI lanza un modelo GPT gratuito que puede ejecutarse en tu portátil" . The Verge . Consultado el 7 de marzo de 2026 .

[13] Black, Sid; Biderman, Stella; Hallahan, Eric; Anthony, Quentin; Gao, Leo; Golding, Laurence; He, Horace; Leahy, Connor; McDonell, Kyle; Phang, Jason; Pieler, Michael; Prashanth, USVSN Sai; Purohit, Shivanshu; Reynolds, Laria; Tow, Jonathan; Wang, Ben; Weinbach, Samuel (2022). "GPT-NeoX-20B: Un modelo de lenguaje autorregresivo de código abierto". arXiv : 2204.06745 [ cs.CL ].

[14] "Liberación de código abierto de los modelos de código Granite de IBM" . IBM Research . 6 de mayo de 2024. Consultado el 27 de junio de 2026 .

[15] "Descripción general de los modelos | Modelos de lenguaje a gran escala de Mistral AI" . docs.mistral.ai . Archivado del original el 9 de abril de 2025. Consultado el 7 de marzo de 2026 .

[16] Mo, Liam; Hall, Casey (19 de septiembre de 2024). "Alibaba acelera su impulso en IA mediante el lanzamiento de nuevos modelos de código abierto y la conversión de texto a vídeo" . Reuters .

[17] "huggingface/transformers" . GitHub . Hugging Face . Consultado el 30 de abril de 2026 .

[ 1 ]

[ 2 ]

[ 3 ]

[ 4 ]

[ 5 ]

[ 6 ]

[ 7 ]

[ 8 ]

[ 9 ]

[ 10 ]

[ 11 ]

[ 12 ]

[ 13 ]

[ 14 ]

[ 15 ]

[ 16 ]

[ 17 ]