Definición
Los modelos de pesos abiertos (open-weight) son modelos de IA cuyos parámetros entrenados, los pesos, se publican para que cualquiera los descargue, los ejecute en su propia infraestructura y los modifique. Llama, Qwen, DeepSeek, Mistral o Kimi son ejemplos. Se distinguen de los modelos cerrados, como los de OpenAI, Anthropic o Google, que solo se usan a través de la API del proveedor. Y se distinguen del open source estricto porque a menudo no publican los datos ni el código de entrenamiento.
En la empresa, los modelos de pesos abiertos son la opción cuando los datos no pueden salir de la organización, cuando el volumen es tan alto que alojar el modelo resulta más barato que pagar por token, o cuando se quiere ajustar el modelo con fine-tuning profundo. Se ejecutan en servidores con GPU propios o alquilados, o a través de proveedores de inferencia que los sirven por API a precios muy competitivos. Requieren más capacidad técnica interna que usar una API cerrada.
En 2026, los mejores modelos de pesos abiertos están cerca de los cerrados en muchas tareas y por delante en coste, con laboratorios chinos como los de Qwen, DeepSeek y Kimi entre los más activos. El malentendido habitual es pensar que abierto significa gratis. El modelo no cuesta, pero el cómputo, el mantenimiento y el equipo sí. Otro error es asumir que abierto significa sin licencia: algunos imponen condiciones de uso comercial que hay que leer.
En la práctica
Una entidad financiera despliega un modelo de pesos abiertos en su propio centro de datos para analizar documentación de clientes. Ninguna información sale de su red, cumple con las exigencias del regulador y el coste por documento es una fracción del de una API externa a su volumen.
Por qué importa
Los modelos de pesos abiertos son tu palanca de negociación frente a los grandes proveedores y tu plan B si uno cambia precios o condiciones. Construir tus procesos de IA de forma que puedas cambiar de modelo es la decisión estratégica; qué modelo usas hoy es táctica.
Preguntas frecuentes
- ¿Qué diferencia hay entre un modelo open source y un modelo de pesos abiertos?
- Un modelo open source completo publica los pesos, el código de entrenamiento y los datos con una licencia libre. Un modelo de pesos abiertos publica los pesos, a veces con restricciones de uso, pero normalmente no los datos ni el proceso de entrenamiento. En la práctica casi todos los modelos abiertos conocidos son de pesos abiertos.
- ¿Es mejor usar un modelo abierto o la API de un proveedor como OpenAI o Anthropic?
- Depende de tres factores: dónde deben residir los datos, el volumen y tu capacidad técnica. Con poco volumen y sin restricciones, la API cerrada es más simple y suele dar mejor calidad. Con datos sensibles, mucho volumen o necesidad de personalizar a fondo, el modelo abierto compensa. Muchas empresas usan ambos.