Inteligencia artificial de código abierto

La inteligencia artificial de código abierto , según la define la Open Source Initiative , es un sistema de IA que está disponible gratuitamente para su uso, estudio, modificación y compartición. ^{[ 1 ] [ 2 ]} Esto incluye los conjuntos de datos utilizados para entrenar el modelo , su código y los parámetros del modelo , lo que promueve un enfoque colaborativo y transparente para el desarrollo de la IA, de modo que alguien pueda crear un resultado sustancialmente similar. ^{[ 3 ] [ 4 ]}

El debate sobre qué debería considerarse de "código abierto" dada la diversidad de apertura entre los proyectos de IA ha sido significativo. Algunos grandes modelos de lenguaje promocionados como de código abierto que son simplemente pesos abiertos y no publican datos de entrenamiento ni código ^{[ 5 ] [ 6 ]} han sido criticados como " openwashing " ^{[ 7 ]} sistemas que son mayoritariamente cerrados. ^{[ 8 ]}

Las categorías populares de proyectos de inteligencia artificial de código abierto incluyen grandes modelos de lenguaje , herramientas de traducción automática y chatbots . ^{[ 9 ]} El debate sobre los beneficios y riesgos de la IA de código abierto involucra una serie de factores como la seguridad, la privacidad y el avance tecnológico. ^{[ 10 ] [ 11 ] [ 8 ] [ 12 ]}

La historia de la inteligencia artificial de código abierto está entrelazada tanto con el desarrollo de las tecnologías de IA como con el crecimiento del movimiento del software de código abierto . ^{[ 13 ]}

El concepto de IA se remonta a mediados del siglo XX, cuando científicos informáticos como Alan Turing y John McCarthy sentaron las bases de las teorías y algoritmos modernos de IA. ^{[ 14 ]} Una forma temprana de IA, el "doctor" de procesamiento del lenguaje natural ELIZA , fue reimplementado y compartido en 1977 por Jeff Shrager como un programa BASIC, y pronto se tradujo a muchos otros lenguajes. Las primeras investigaciones sobre IA se centraron en el desarrollo de sistemas de razonamiento simbólico y sistemas expertos basados ​​en reglas . ^{[ 15 ]}

Durante este período, la idea del software de código abierto comenzó a tomar forma, con pioneros como Richard Stallman abogando por el software libre como un medio para promover la colaboración y la innovación en la programación. ^{[ 16 ]} La Free Software Foundation , fundada en 1985 por Stallman, fue una de las primeras organizaciones importantes en promover la idea de software que pudiera usarse, modificarse y distribuirse libremente. Las ideas de este movimiento influyeron finalmente en el desarrollo de la IA de código abierto, a medida que más desarrolladores comenzaron a ver los beneficios potenciales de la colaboración abierta en la creación de software, incluidos los modelos y algoritmos de IA. ^{[ 17 ] [ 18 ]}

En la década de 1990, el software de código abierto comenzó a ganar mayor popularidad, ^{[ 19 ]} el auge del aprendizaje automático y los métodos estadísticos también condujo al desarrollo de herramientas de IA más prácticas. En 1993, se inició el Repositorio de Inteligencia Artificial de CMU, con una variedad de software compartido abiertamente. ^{[ 20 ]}

A principios de la década de 2000, la IA de código abierto comenzó a despegar, con el lanzamiento de bibliotecas y marcos fundamentales más fáciles de usar que estaban disponibles para que cualquiera los utilizara y contribuyera a ellos. ^{[ 21 ]}

OpenCV se lanzó en 2000 ^{[ 22 ]} con una variedad de algoritmos de IA tradicionales como árboles de decisión , k-vecinos más cercanos (kNN), Naive Bayes y máquinas de vectores de soporte (SVM). ^{[ 23 ]}

El marco de aprendizaje profundo de código abierto conocido como Torch se lanzó en 2002 y se convirtió en código abierto con Torch7 en 2011, y posteriormente se amplió con PyTorch y TensorFlow . ^{[ 24 ]}

AlexNet se lanzó en 2012. ^{[ 25 ]}

OpenAI se fundó en 2015 con la misión de crear inteligencia artificial de código abierto que beneficiara a la humanidad, al menos en parte para ayudar con el reclutamiento en las fases iniciales de la organización. ^{[ 26 ]} GPT-1 se lanzó en 2018.

Con el anuncio de GPT-2 en 2019, OpenAI planeó inicialmente mantener el código fuente de sus modelos en privado, citando preocupaciones sobre aplicaciones maliciosas. ^{[ 27 ]} Sin embargo, después de que OpenAI enfrentara una reacción negativa pública, publicó el código fuente de GPT-2 en GitHub tres meses después de su lanzamiento. ^{[ 27 ]} OpenAI no publicó públicamente el código fuente ni los pesos preentrenados para el modelo GPT-3. ^{[ 28 ]} En el momento del lanzamiento de GPT-3, GPT-2 seguía siendo el modelo de lenguaje de código abierto más potente del mundo. En 2022 también se vio el auge de modelos más grandes y potentes bajo licencias de apertura variable, incluido OPT de Meta. ^{[ 29 ]}

La Open Source Initiative consultó a expertos durante dos años para crear una definición de "código abierto" que se ajustara a las necesidades del software y los modelos de IA. El aspecto más controvertido se relaciona con el acceso a los datos, ya que algunos modelos se entrenan con datos sensibles que no pueden divulgarse. En 2024, publicaron la Open Source AI Definition 1.0 (OSAID 1.0). ^{[ 1 ] [ 2 ] [ 3 ]} Requiere la liberación completa del software para procesar los datos, entrenar el modelo y realizar inferencias a partir del modelo. Para los datos, solo requiere acceso a detalles sobre los datos utilizados para entrenar la IA para que otros puedan comprenderla y recrearla. ^{[ 2 ]}

En 2023, se lanzaron por primera vez los modelos Llama 1 y 2 de Meta, con pesos disponibles , y los modelos Mistral y Mixtral de Mistral AI , con pesos abiertos, ^{[ 30 ] [ 31 ]} junto con los modelos de código abierto más pequeños de MosaicML . ^{[ 32 ] [ 33 ]} El lanzamiento de los modelos Llama fue un hito en la generación de interés en los modelos de código abierto y con pesos abiertos. ^{[ 34 ]} En 2024, Meta lanzó una colección de grandes modelos de IA, incluyendo Llama 3.1 405B, que era competitivo con modelos menos abiertos. ^{[ 35 ]} La descripción de Meta de Llama como código abierto ha sido cuestionada debido a la licencia de software de Llama, que prohíbe su uso para ciertos fines, y debido a que Meta no reveló el origen de los datos utilizados para entrenar los modelos. ^{[ 36 ] [ 37 ] [ 38 ]}

DeepSeek lanzó su modelo LLM V3 en diciembre de 2024 y su modelo de razonamiento R1 el 20 de enero de 2025, ambos como modelos de ponderación abierta bajo la licencia MIT. ^{[ 39 ] [ 40 ]} Este lanzamiento dio a conocer ampliamente cómo China había estado adoptando el uso y la construcción de sistemas de IA más abiertos como una forma de reducir la dependencia del software occidental y el control de acceso, así como para ayudar a que sus industrias accedieran a una IA más potente con mayor rapidez. ^{[ 41 ]} Desde entonces, los proyectos con sede en China se han vuelto más utilizados en todo el mundo y han cerrado al menos parte de la brecha con los principales modelos propietarios estadounidenses. ^{[ 41 ] [ 42 ] [ 43 ]}

Desde el lanzamiento del modelo propietario ChatGPT de OpenAI a finales de 2022, solo se han publicado unos pocos modelos de lenguaje grandes completamente abiertos (pesos, datos, código, etc.). En septiembre de 2025, un consorcio suizo se sumó a esta corta lista al publicar un modelo completamente abierto llamado Apertus . ^{[ 44 ] [ 45 ]}

En diciembre de 2025, la Linux Foundation creó la Agentic AI Foundation , que asumió el control de algunos protocolos de IA ágítica de código abierto y otras tecnologías creadas por OpenAI, Anthropic y Block . ^{[ 46 ] [ 47 ]}

A partir de noviembre de 2024, Lightricks comenzó a publicar los modelos de vídeo LTX como pesos abiertos. ^{[ 48 ] [ 49 ]}

La etiqueta "código abierto" puede brindar beneficios reales a las empresas que buscan contratar a los mejores talentos o atraer clientes. ^{[ 4 ]} El debate en torno al " openwashing " (o llamar a un proyecto de código abierto cuando en su mayoría es cerrado) tiene grandes implicaciones para el éxito de varios proyectos dentro de la industria. ^{[ 7 ]}

La inteligencia artificial de código abierto tiende a obtener mayor apoyo y adopción en países y empresas que no cuentan con un modelo de IA líder propio. ^{[ 4 ]} Estos proyectos de código abierto pueden ayudar a debilitar la posición de rivales comerciales y geopolíticos con los modelos propietarios más fuertes. ^{[ 4 ]} Europa es una región que busca la apertura como estrategia de soberanía digital para intentar reducir la influencia que países como Estados Unidos pueden ejercer en negociaciones sobre diversos temas, como el comercio. ^{[ 50 ] [ 51 ]}

A partir de 2025, la mayoría (39%) de los modelos publicados en Hugging Face utilizaban la permisiva Licencia Apache 2.0 . ^{[ 34 ]}

Algunos modelos, como Llama 3, cuyo código fuente está disponible , ^{[ 37 ] [ 38 ]} tienen licencias que otorgan algunos de los beneficios de las licencias de código abierto , pero también contienen restricciones legales que disuaden a algunas empresas de usar esos modelos, ya que temen una futura demanda ^{[ 4 ]} o un cambio en los términos y condiciones. ^{[ 52 ]} Algunos de estos mismos temores también existen en la gran cantidad de modelos más pequeños que no especifican una licencia. ^{[ 34 ]}

En la industria de la salud , la IA de código abierto se ha utilizado en diagnósticos , atención al paciente y opciones de tratamiento personalizadas . ^{[ 53 ]} Las bibliotecas de código abierto se han utilizado para imágenes médicas en tareas como la detección de tumores , mejorando la velocidad y la precisión de los procesos de diagnóstico. ^{[ 54 ] [ 53 ]} Además, OpenChem, una biblioteca de código abierto específicamente orientada a aplicaciones de química y biología, permite el desarrollo de modelos predictivos para el descubrimiento de fármacos , ayudando a los investigadores a identificar compuestos potenciales para el tratamiento. ^{[ 55 ]}

Los modelos Llama de Meta, descritos como de código abierto por Meta, fueron adoptados por contratistas de defensa estadounidenses como Lockheed Martin y Oracle después de que salieran a la luz adaptaciones no autorizadas por parte de investigadores chinos afiliados al Ejército Popular de Liberación (EPL). ^{[ 56 ] [ 57 ]} La Open Source Initiative y otros han cuestionado el uso que hace Meta del término código abierto para describir Llama, debido a que la licencia de Llama contiene una política de uso aceptable que prohíbe casos de uso que incluyan el uso militar fuera de los EE. UU. ^{[ 38 ]} Investigadores chinos utilizaron una versión anterior de Llama para desarrollar herramientas como ChatBIT, optimizada para inteligencia militar y toma de decisiones, lo que llevó a Meta a ampliar sus asociaciones con contratistas estadounidenses para garantizar que la tecnología pudiera utilizarse estratégicamente para la seguridad nacional. ^{[ 57 ]} Estas aplicaciones ahora incluyen mejoras en logística, mantenimiento y ciberseguridad. ^{[ 57 ]}

Un editorial de Nature sugiere que la atención médica podría volverse dependiente de modelos de IA que podrían ser desactivados en cualquier momento, son difíciles de evaluar y pueden amenazar la privacidad del paciente. ^{[ 11 ] [ 58 ]} Sus autores proponen que las instituciones de atención médica, los investigadores académicos, los médicos, los pacientes y las empresas tecnológicas de todo el mundo colaboren para construir modelos de código abierto para la atención médica cuyo código subyacente y modelos base sean fácilmente accesibles y puedan ajustarse libremente con conjuntos de datos propios. ^{[ 11 ]}

Los modelos de código abierto son más difíciles de censurar que los de código cerrado. ^{[ 58 ]}

Las colaboraciones a gran escala, como las observadas en el desarrollo de marcos de código abierto como TensorFlow y PyTorch, han acelerado los avances en el aprendizaje automático (ML) y el aprendizaje profundo. ^{[ 59 ]} La naturaleza de código abierto de estas plataformas también facilita la iteración y mejora rápidas, ya que los colaboradores de todo el mundo pueden proponer modificaciones y mejoras a las herramientas existentes. ^{[ 59 ]}

El código abierto permite a los países y organizaciones que de otro modo no tendrían acceso a modelos propietarios, una forma de usar e invertir en IA de manera más económica. ^{[ 4 ] [ 60 ] [ 61 ]} Esto puede ayudar a crear un ecosistema sobre el cual otras empresas puedan vender servicios. ^{[ 52 ]}

Una ventaja de la IA de código abierto es la mayor transparencia que ofrece en comparación con las alternativas de código cerrado. ^{[ 34 ]} Los aspectos de código abierto de los modelos permiten inspeccionar esos algoritmos y código, lo que promueve la rendición de cuentas y ayuda a los desarrolladores a comprender cómo un modelo llega a sus conclusiones. ^{[ 34 ]} Además, los modelos de ponderación abierta, como Llama y Stable Diffusion , permiten a los desarrolladores acceder directamente a los parámetros del modelo, lo que potencialmente facilita la reducción del sesgo y el aumento de la equidad en sus aplicaciones. ^{[ 34 ]} Esta transparencia puede ayudar a crear sistemas con resultados legibles por humanos, o " IA explicable ", que es una preocupación cada vez más importante, especialmente en aplicaciones de alto riesgo como la atención médica, la justicia penal y las finanzas, donde las consecuencias de las decisiones tomadas por los sistemas de IA pueden ser significativas. ^{[ 62 ]}

Los modelos de código abierto tienen menos formas de evitar que se utilicen para actividades maliciosas. ^{[ 58 ]} La IA de código abierto puede permitir que los grupos bioterroristas eliminen el ajuste fino y otras salvaguardas de los modelos de IA. ^{[ 10 ] [ 4 ] [ 58 ]} Un paso propuesto para reducir este tipo de daños podría ser exigir que los modelos tengan sus riesgos evaluados y pasen un cierto estándar antes de ser publicados. ^{[ 58 ]} Un informe de julio de 2024 de la Casa Blanca concluyó que aún no había encontrado evidencia suficiente para restringir la revelación de los pesos de los modelos, ^{[ 63 ]} aunque varios expertos en 2024 parecían más preocupados por los avances futuros que por las capacidades actuales. ^{[ 58 ]}

Los ejecutivos que preferían los modelos propietarios en 2025 citaron las preocupaciones de seguridad y el rendimiento como factores importantes. ^{[ 64 ]}

El costo de los conjuntos de datos de entrenamiento para modelos totalmente de código abierto puede ser prohibitivamente caro para muchos proyectos. ^{[ 4 ] [ 52 ]}

• Listados de software de inteligencia artificial de código abierto
• Inteligencia artificial en los proyectos de Wikimedia

• ¿Es más seguro y mejor para la sociedad mantener la IA como software de código cerrado que abrirla como software de código abierto? , mapa interactivo de argumentos en Kialo