Dossier
Modelos abiertos
La liberación de los pesos de Llama 2 (2023) y la eficiencia de DeepSeek (2025) convirtieron a los modelos abiertos en el frente más disputado de la IA. La apertura reduce dependencia y permite auditoría, pero facilita usos dañinos; y bajo la palabra 'abierto' caben grados muy distintos (pesos abiertos no es lo mismo que código abierto).
Este dossier sigue los hitos —desde el release escalonado de GPT-2 como antecedente del debate— y ancla la distinción conceptual que el medio sostiene: open source, open weights, acceso condicionado y modelo cerrado son cinco grados, no sinónimos.
Actualizado el 2 de agosto de 2026
Estado actual
El ecosistema de pesos abiertos es hoy amplio y se mueve rápido, con fine-tuning comunitario y despliegue local al alcance de cualquier operador. El debate 'apertura vs. no proliferación' sigue sin respuesta única, y el llamado open-washing (modelos presentados como abiertos que sólo liberan pesos) es el riesgo que el medio señala para no confundir marketing con transparencia real.
No confundir 'abierto' con 'bueno' ni con 'libre': los pesos abiertos son un grado específico, con beneficios y riesgos propios.
En la línea de tiempo
Conceptos clave
Actores
- DeepSeek
- High-Flyer
- Liang Wenfeng
- Meta
- Meta AI
- Open Source Initiative
- OpenAI
Lentes del medio
Preguntas abiertas
- ¿La auditoría que permite la apertura compensa el riesgo de usos dañinos que también facilita?
- ¿Cómo evitar el open-washing y exigir que 'abierto' declare exactamente qué se libera?
- ¿Los modelos abiertos reducen de verdad la dependencia o sólo la trasladan a quien tiene el cómputo para afinarlos?
En debate
Fuentes esenciales
- The Model Openness Framework: Promoting Completeness and Openness for Reproducibility, Transparency, and Usability in Artificial Intelligence
Matt White et al. · 2024
- Open Weights: not quite what you've been told
Open Source Initiative · 2024