Wiki sobre Inteligencia Artificial

Versión infantil

Modelos abiertos y uso en local

Revisada el 2026-10-09 · vigente hasta 2027-01-07

Un modelo de pesos abiertos se puede descargar y ejecutar en tu propio equipo; no equivale a código abierto, que exige además el código y la información de entrenamiento.

La ventaja principal es el control: el modelo funciona sin conexión y los datos no salen de la máquina. El precio es el hardware y algo menos de capacidad: según Epoch AI, los mejores modelos abiertos van unos cuatro meses por detrás de los cerrados, y los que caben en una sola tarjeta gráfica doméstica, entre 6 y 12 meses.123

Cómo funciona

Pesos abiertos frente a código abierto

  • Los pesos son los parámetros que el modelo aprende al entrenarse. Publicarlos permite ejecutar y modificar el modelo, pero no reconstruirlo desde cero.
  • La Open Source Initiative publicó el 2024-10-28 la Open Source AI Definition 1.0. Exige las cuatro libertades del software libre (usar, estudiar, modificar y compartir) y tres componentes: información suficientemente detallada sobre los datos de entrenamiento, el código completo para entrenar y ejecutar el sistema, y los parámetros.45
  • No obliga a publicar los datos en sí, sino a describirlos con detalle (origen, tratamiento y dónde conseguirlos).4
  • En la validación de la OSI pasaron Pythia, OLMo, Amber, CrystalCoder y T5. Llama 2, Grok, Phi-2 y Mixtral no pasaron por faltarles componentes.6
  • Por eso los laboratorios hablan de «open-weight»: OpenAI presenta así gpt-oss, con licencia Apache 2.0, que permite el uso comercial.7
  • Cada laboratorio usa su licencia; algunas son propias o no comerciales. El detalle por laboratorio está en Laboratorios y familias de modelos.

Uso en local

  • Ollama. Funciona en macOS, Windows y Linux. ollama run <modelo> descarga el modelo y abre un chat en la terminal.8 Sirve además una API en http://localhost:11434 compatible con clientes de OpenAI y de Anthropic.98 Ofrece también modelos en la nube, que no corren en tu equipo.9
  • LM Studio. App de escritorio para macOS, Windows y Linux. Ejecuta modelos GGUF mediante llama.cpp y, en los Mac con Apple Silicon, también con MLX. Funciona sin conexión una vez descargado el modelo, ofrece endpoints compatibles con OpenAI y tiene una línea de comandos, lms.1
  • Ejemplo real: gpt-oss-20b cabe en 16 GB de memoria y se instala con ollama run gpt-oss:20b o con lms get openai/gpt-oss-20b.7
  • Cuantización: reducir la precisión de los pesos para que el modelo quepa en menos memoria. La versión en 4 bits de Muse Glimmer (Meta) apunta a equipos de consumo de 24 o 32 GB.10
  • Google recomienda para Gemma Ollama o LM Studio si quieres chat o API, y llama.cpp o MLX en dispositivos.11

Ventajas e inconvenientes

Ventajas:

  • Privacidad: en local, sin conexión, los prompts y documentos no salen del equipo.1 Útil con material que no debe subirse a un servicio externo; ver privacidad de los datos en IA.
  • Control: se puede afinar el modelo con herramientas propias (Google cita Keras, Transformers, Unsloth o Tunix para Gemma) y quedarse con la versión que funciona.11
  • Sin factura por token: el coste pasa a ser el equipo y la electricidad.
  • Uso comercial libre con licencias permisivas como Apache 2.0.7

Inconvenientes:

  • Capacidad. Desde enero de 2026, los mejores abiertos han ido una media de cuatro meses por detrás de los cerrados en el índice de capacidades de Epoch.2 Los que caben en una sola tarjeta gráfica doméstica igualan a la frontera de hace 6 a 12 meses.3
  • Esa cifra puede ser optimista: Epoch avisa de que los modelos abiertos pequeños tienden a optimizarse para benchmarks concretos, así que el retraso en uso real puede ser mayor.3 Ver cómo leer los benchmarks.
  • Hardware. Los modelos grandes exigen mucha memoria; incluso cuantizados, los medianos piden decenas de gigas.10
  • Licencias. «Abierto» no siempre es libre: hay que leer la licencia de cada modelo antes de usarlo en un trabajo.

Cómo lo uso

Sin uso propio documentado todavía. No hay rastro de Ollama ni de LM Studio en el Mac mini.

Véase también

Referencias

Footnotes

  1. LM Studio docs. LM Studio, documentación. Consultado el 2026-10-09. ↩ ↩2 ↩3

  2. Open models lag state-of-the-art closed models by 4 months. Epoch AI, 2026-05-29. Consultado el 2026-10-09. ↩ ↩2

  3. Frontier AI capabilities can be run at home within a year or less. Epoch AI, 2025-08-15. Consultado el 2026-10-09. ↩ ↩2 ↩3

  4. The Open Source AI Definition 1.0. Open Source Initiative. Consultado el 2026-10-09. ↩ ↩2

  5. The Open Source Initiative Announces the Release of the Industry’s First Open Source AI Definition. Open Source Initiative, 2024-10-28. Consultado el 2026-10-09. ↩

  6. Final Board Report. Open Source Initiative. Consultado el 2026-10-09. ↩

  7. openai/gpt-oss-20b. OpenAI, ficha del modelo en Hugging Face. Consultado el 2026-10-09. ↩ ↩2 ↩3

  8. Quickstart. Ollama, documentación. Consultado el 2026-10-09. ↩ ↩2

  9. Ollama documentation. Ollama. Consultado el 2026-10-09. ↩ ↩2

  10. meta-models/Muse-Glimmer-30B. Meta Superintelligence Lab, ficha del modelo en Hugging Face. Consultado el 2026-10-09. ↩ ↩2

  11. Gemma models overview. Google, documentación. Consultado el 2026-10-09. ↩ ↩2

Graph View

Backlinks