Modelos abiertos y modelos cerrados

Revisado : Cómo revisamos las fichasActualizado el

En breve

Un modelo cerrado solo es accesible a través del servicio de su proveedor; un modelo abierto publica sus pesos, que cualquiera puede descargar y ejecutar. Entre ambos, las licencias y el grado de apertura varían mucho.

Fuentes[1][2][3]

Definición

  • Un modelo cerrado (o propietario) solo se puede usar a través de la aplicación o la API de su proveedor. Sus parámetros, llamados pesos, son secretos.
  • Un modelo abierto (open weights) publica sus pesos: se puede descargar, ejecutar en tus propios equipos y adaptar.
  • Un modelo de código abierto en sentido estricto va más allá: según la definición de la Open Source Initiative (2024), también debe dar acceso a información suficiente sobre los datos de entrenamiento y al código para reproducirlo. Pocos modelos cumplen todas esas condiciones.

Ventajas de un modelo abierto

  • Control de los datos: puede funcionar en tus servidores o en tu ordenador, sin enviar información a terceros.
  • Personalización: se puede ajustar (fine-tuning) a una necesidad concreta.
  • Independencia: sin depender de un solo proveedor ni de sus cambios de precio o condiciones.

Ventajas de un modelo cerrado

  • Suelen ser los más potentes en el momento de su lanzamiento.
  • Nada que instalar: basta con una cuenta.
  • Seguridad, actualizaciones e infraestructura a cargo del proveedor.

Puntos de atención

  • Leer la licencia: algunas licencias «abiertas» limitan el uso comercial o imponen condiciones.
  • Coste del hardware: ejecutar un gran modelo abierto requiere máquinas potentes.
  • Responsabilidad: en Europa, el reglamento de IA prevé obligaciones distintas según el tipo de modelo y su uso.

Fuentes

  1. Open Source Initiative, «The Open Source AI Definition 1.0» (2024)
  2. Touvron et al., «Llama 2: Open Foundation and Fine-Tuned Chat Models» (2023)
  3. Reglamento (UE) 2024/1689 de inteligencia artificial