🎙️ Episodio 109. Modelos de IA abiertos, modelos de IA cerrados

En este episodio te cuento la diferencia entre los modelos de IA abiertos y los modelos de IA cerrados o propietarios: qué significa que un modelo sea abierto y qué ventajas e inconvenientes tiene cada uno.

¿Cuál es la diferencia entre un modelo de IA abierto y uno cerrado?

Un modelo de lenguaje se parece a una mesa de mezclas con miles de millones de ruedecitas. Esas ruedecitas son los pesos o parámetros del modelo. Durante el entrenamiento se van ajustando hasta que el texto que sale tiene sentido, y cuando termina el entrenamiento se quedan fijas. En la práctica, los pesos son números, y todos esos números se guardan en un fichero.

La diferencia entre un modelo abierto y uno cerrado está en quién tiene ese fichero con los valores de los pesos.

  • Modelo cerrado. La empresa que entrenó el modelo se queda los pesos. En este caso, el modelo se ejecuta en sus servidores y tú lo usas desde fuera, con su chat o a través de su API. Es el caso de GPT, Claude o Gemini.
  • Modelo abierto. Quién entrenó el modelo publica los pesos y cualquiera puede descargarlos. Puedes ejecutar el modelo en tu ordenador, en tus servidores o en la nube que tengas contratada.

Open source, pesos abiertos y modelos cerrados

Que un modelo sea abierto no siempre significa lo mismo. Hay tres grados:

  1. Open source completo. Se publican los pesos, el código de entrenamiento y los datos con los que se entrenó. Con los medios suficientes, podrías repetir el entrenamiento desde cero. Existen modelos así, como OLMo, del Allen Institute for AI, pero suelen venir del mundo de la investigación y son bastante más pequeños.
  2. Pesos abiertos (open weights). Se publican los pesos, pero no los datos ni cómo se entrenó el modelo. Es como recibir el pastel ya hecho, sin la receta. Casi todos los modelos grandes que llamamos abiertos son de este tipo: DeepSeek, Qwen, Kimi, GLM, Gemma, Mistral o Llama.
  3. Modelos cerrados. No se publican ni los pesos, ni los datos, ni la arquitectura. Desde GPT-4, normalmente ni siquiera el tamaño, así que las cifras de parámetros que circulan sobre estos modelos son estimaciones.

Ventajas e inconvenientes de los modelos abiertos y cerrados

Ninguno es mejor en todo. Esta tabla resume en qué gana cada uno.

Modelos cerradosModelos abiertos
CapacidadLa máxima. Los modelos frontera son cerradosEn general, por detrás de los cerrados
InfraestructuraNinguna. La pone el proveedorNecesitas hardware propio o alquilado
CostePago por uso (tokens) o suscripciónSin pago por token. Pagas el hardware y la electricidad
ControlEl proveedor puede cambiar el modelo sin avisarEl modelo no cambia si tú no lo cambias
Tus datosViajan a los servidores del proveedorNo salen de tu máquina si lo ejecutas tú

Para hacerse una idea de la distancia en capacidad, en el ranking de Arena.ai, donde los usuarios votan a ciegas qué respuesta prefieren.

Hoy en día la mayoría de los modelos abiertos punteros vienen de China, como DeepSeek, Qwen de Alibaba, Kimi o GLM. Meta, que durante años fue el gran referente de los modelos abiertos con Llama, ha cambiado de estrategia, y su último modelo, Muse Spark, ya no tiene pesos abiertos. En el lado occidental quedan, entre otros, Gemma de Google y el europeo Mistral.

Modelo abierto o cerrado, ¿por dónde empezar?

Antes de mirar rankings, hazte dos preguntas.

  1. ¿Qué tarea quieres resolver? Diseñar la arquitectura de una aplicación puede pedir el modelo más potente que haya. Clasificar correos en urgentes y no urgentes probablemente lo resuelve uno pequeño o incluso un modelo tipo System One como Jev.
  2. ¿Pueden salir tus datos de tu empresa? Si la respuesta es no, ya has descartado muchas opciones antes de empezar.

A partir de ahí puedes combinar.

Por ejemplo, anonimizar los datos antes de mandárselos a un modelo comercial, o usar un modelo local pequeño para las tareas sencillas y de mucho volumen y guardar el modelo comercial para lo difícil. Y, elijas lo que elijas, pruébalo con casos reales tuyos antes de decidir.

Preguntas frecuentes sobre modelos de IA abiertos y cerrados

¿ChatGPT es un modelo abierto o cerrado?

Cerrado. Los modelos de ChatGPT solo se pueden usar a través de los servicios de OpenAI. Eso sí, en agosto de 2025 OpenAI publicó gpt-oss, sus primeros modelos de pesos abiertos desde GPT-2.

¿Llama es un modelo open source?

No en sentido estricto. Llama es un modelo de pesos abiertos con licencia propia de Meta. Puedes descargarte los pesos, pero no se publican los datos de entrenamiento y la licencia tiene condiciones de uso.

¿Un modelo abierto es más seguro que uno cerrado?

Depende de dónde lo ejecutes. Si corre en tu propia infraestructura, los datos no salen de ella. Si usas un modelo abierto a través de un proveedor que lo tiene alojado, tus datos viajan igual que con uno cerrado.

Espero que te guste el episodio.

Si es así, no olvides dejar un «Me gusta» y algún comentario al episodio en Ivoox o una valoración de 5 estrellas del podcast en Apple podcasts, en Spotify, en Youtube o donde quiera que escuches el podcast.

Recuerda que si tienes cualquier duda o pregunta puedes contactar conmigo a través del formulario de contacto o podemos seguir la conversación en LinkedIn.

Muchas gracias por estar ahí y te espero en el próximo episodio de Un Podcast Ninja sobre Big Data e Inteligencia Artificial.


¿Quieres seguir aprendiendo sobre Big Data, Machine Learning e Inteligencia Artificial sin el hype distópico? Únete a la Comunidad Ninja donde encontrarás sesiones en directo, tutoriales, podcast premium y mucho más.

Accede a todo el contenido premium

Ya no necesitas pagar cientos de euros por un Bootcamp para convertirte en ninja de los datos. Por solo 17€/mes (o menos 🤯), obtén acceso al podcast premium, a todos los tutoriales y a los resúmenes de los libros más top sobre Machine Learning y Ciencia de datos y aprende a tu ritmo.
¡Empieza ahora!
Copyright © 2026  · Datos 🥷 · Todos los derechos reservados