Lectura 5:00 min
¿Qué modelos de IA son de pesos abiertos, código abierto o cerrados?
La liberación de Kimi K3 muestra cómo los pesos abiertos permiten operar IA en infraestructura propia, mientras el código abierto revela además su proceso de construcción y los modelos cerrados mantienen parámetros y operación bajo control del proveedor.
Moonshot AI liberó el 27 de julio los pesos de Kimi K3, el modelo chino de 2.8 billones de parámetros que había presentado 11 días antes. La publicación coincidió con la creación de una alianza encabezada por Nvidia para desarrollar inteligencia artificial abierta aplicada a la ciberseguridad y convirtió una diferencia técnica en una discusión comercial. Las empresas deben distinguir ahora entre recibir acceso a un servicio, descargar el resultado de su entrenamiento o disponer de los materiales necesarios para estudiar cómo fue construido.
Kimi K3 puede instalarse fuera de los servidores de Moonshot y modificarse mediante entrenamiento adicional. Sus archivos contienen los valores numéricos aprendidos por el sistema, mientras los datos completos de entrenamiento permanecen reservados. Esa combinación lo coloca en la categoría de pesos abiertos.
Te puede interesar
El modelo contiene 2.8 billones de parámetros y activa 104,000 millones al procesar cada token. Ofrece una ventana de contexto superior al millón de tokens. Su licencia permite crear derivados y exige un acuerdo adicional a los proveedores que superen 20 millones de dólares de ingresos durante doce meses.
El lanzamiento llegó después de que Nvidia y otras 36 organizaciones fundaran la Open Secure AI Alliance para desarrollar sistemas defensivos instalables en centros de datos empresariales. Anthropic respondió que los modelos avanzados requieren evaluaciones previas de seguridad, porque las copias descargadas permanecen disponibles aunque el desarrollador retire el sistema.
Abrir el resultado o abrir el proceso
Los pesos son las variables que una red neuronal ajusta durante el entrenamiento de un modelo de IA. Publicarlos entrega una copia funcional y permite conservarla aunque el fabricante modifique su plataforma. También hace posible procesar información sensible dentro de la empresa.
La Open Source Initiative aplica una definición más exigente al código abierto. El sistema debe proporcionar el código empleado durante el entrenamiento y la inferencia. También necesita ofrecer información suficientemente detallada sobre los datos de origen y poner sus parámetros a disposición bajo términos que permitan estudiarlos y modificarlos.
La definición permite reservar un conjunto de entrenamiento cuando los derechos impiden publicarlo. El desarrollador debe documentar su procedencia y explicar cómo fue procesado. La presencia de un archivo en Hugging Face demuestra su disponibilidad técnica. La licencia determina los derechos efectivos.
OLMo, desarrollado por el Allen Institute for AI, es uno de los ejemplos más claros de código abierto. Publicó pesos y puntos de control intermedios bajo Apache 2.0. Su repositorio incluye el código de entrenamiento y documenta los datos Dolma. La OSI incluyó a OLMo y Pythia entre los sistemas que aprobaron su validación.
La mayor parte de los modelos comerciales descargables queda en la categoría de pesos abiertos. Llama 4 Scout y Llama 4 Maverick pueden instalarse bajo la licencia comunitaria de Meta. Scout contiene 109,000 millones de parámetros y Maverick alcanza 400,000 millones. Sus condiciones de uso impiden clasificarlos como código abierto bajo el criterio de la OSI.
OpenAI divide su catálogo entre ambos esquemas. GPT-5.6 Sol y las versiones Terra y Luna son modelos cerrados disponibles mediante ChatGPT o su interfaz para desarrolladores. GPT-oss-120b y GPT-oss-20b permiten descargar sus pesos bajo Apache 2.0. OpenAI publicó implementaciones para ejecutarlos y mantiene reservada la información necesaria para reconstruir el entrenamiento.
Qwen3, desarrollado por Alibaba, distribuye varios modelos bajo Apache 2.0. Mistral Large 3 utiliza la misma licencia. Gemma 4 ocupa el segmento descargable de Google. Estos proyectos conservan una parte sustancial del entrenamiento, por lo que pesos abiertos describe mejor su disponibilidad.
DeepSeek V4 también pertenece al grupo descargable. OpenRouter analizó más de 450 billones de tokens procesados hasta el 14 de junio de 2026 y encontró que la participación de DeepSeek pasó de 9 a 18 por ciento. V4 Flash concentró 70% de su tráfico relacionado con tareas ejecutadas por agentes al terminar mayo.
El costo cambia la elección
El AI Index de Stanford calculó que la diferencia entre el modelo cerrado líder y el mejor modelo de pesos abiertos en Chatbot Arena bajó de 8.04% en enero de 2024 a 1.70% en febrero de 2025. La medición describe un benchmark específico y documenta la reducción de la brecha.
El precio de la API amplía la diferencia económica. OpenRouter registró para DeepSeek V4 Flash una tarifa mínima de nueve centavos de dólar por millón de tokens de entrada y 18 centavos por la salida. GPT-5.5 costaba cinco dólares por la entrada y 30 dólares por la salida durante el mismo análisis. El volumen de uso y el gasto representan mediciones distintas, pues una participación elevada de tokens puede generar una proporción menor de ingresos.
Además, el autoalojamiento traslada el gasto hacia procesadores y electricidad. La empresa necesita almacenamiento y personal especializado. También asume las actualizaciones y la vigilancia de vulnerabilidades. Una API cerrada incorpora esos costos en la tarifa por token.
La apertura también forma parte de la disputa por los datos de entrenamiento. Anthropic informó en febrero que detectó más de 16 millones de intercambios con Claude realizados mediante unas 24,000 cuentas fraudulentas. La compañía atribuyó esas operaciones a DeepSeek, Moonshot y MiniMax, y afirmó que buscaban extraer capacidades para mejorar sus propios modelos. Moonshot habría generado 3.4 millones de esos intercambios.
Claude Fable 5 y Claude Opus 5 permanecen cerrados. Gemini 3.1 Pro y Gemini 3.6 Flash siguen el mismo esquema. Sus usuarios compran acceso a las respuestas y a las herramientas incorporadas, mientras los desarrolladores conservan la posibilidad de aplicar salvaguardas o retirar una versión.
Cada denominación describe un nivel de control. Los sistemas cerrados concentran la operación en el proveedor. La publicación de los pesos permite trasladarla a infraestructura propia, y la entrega del código junto con la información de entrenamiento abre el proceso de construcción al estudio. Kimi K3 llevó los modelos descargables hasta la escala de frontera, mientras la posibilidad de reproducirlos desde el entrenamiento continúa limitada a un grupo mucho menor.
rodrigo.riquelme@eleconomista.mx