Open Weight vs Open Source en modelos de IA 2026: la diferencia real

"Open weight" describe un modelo cuyos parámetros entrenados —los pesos numéricos que hacen funcionar al modelo— se publican para que cualquiera pueda descargarlos y ejecutarlos. Eso es todo lo que afirma. No dice nada sobre el código usado para entrenar el modelo, el conjunto de datos con el que se entrenó, la receta exacta de entrenamiento, ni sobre si la licencia que lo acompaña cumple algún estándar externo de apertura.

En la práctica, la mayoría de las versiones open weight se distribuyen con una licencia propia redactada por el proveedor en lugar de una licencia open source estándar. La Llama Community License de Meta y las Gemma Terms of Use de Google son los dos ejemplos más comunes en las comparativas de modelos de este sitio: ambas permiten descargar y ejecutar los pesos, ambas permiten el uso comercial para la mayoría de las organizaciones, y ambas añaden una condición que una licencia open source estándar no tendría —Llama, un umbral de escala de uso (un límite de usuarios activos mensuales, por encima del cual se requiere un acuerdo aparte), y Gemma, una política de usos prohibidos basada en la conducta, añadida a sus propias condiciones de uso.

Nada de esto convierte a "open weight" en una etiqueta engañosa —es una descripción exacta de lo que realmente se publica. El problema surge solo cuando "open weight" se abrevia como "open source" en un uso informal, porque las dos etiquetas responden a preguntas distintas: open weight responde "¿puedo descargar y ejecutar este archivo?", y open source (en el sentido estricto de abajo) responde "¿la propia licencia cumple un estándar de apertura externo sin trampa de escala de uso o ámbito de aplicación?".

Un modelo es "open source" en sentido estricto solo si su licencia está aprobada por la Open Source Initiative (OSI) —la organización que mantiene la Open Source Definition. Esa definición prohíbe específicamente las licencias que discriminan por ámbito de actividad (por ejemplo, "libre para investigación, no para uso comercial") o por grupos de personas, y prohíbe las restricciones ligadas al tamaño de la empresa del licenciatario. Un límite basado en el uso, como un umbral de usuarios activos mensuales, no supera esa prueba aunque los pesos en sí sean libremente descargables —exactamente por eso Llama y Gemma, descritos arriba, no se consideran open source aprobado por la OSI pese a estar ampliamente disponibles para descargar.

Dos licencias cubren la gran mayoría de las versiones de LLM locales realmente open source: la Apache License 2.0 y la licencia MIT, ambas aprobadas por la OSI, ambas permiten uso comercial, modificación y redistribución con solo un requisito estándar de aviso y atribución, y ninguna de las dos impone un umbral de uso o de ingresos. Cuando la página de licencia de una familia de modelos indica una de estas dos licencias para el checkpoint concreto que está consultando, ese checkpoint es open source en el sentido estricto descrito aquí.

Una salvedad que conviene conocer: la Open Source Initiative también ha publicado una Open Source AI Definition aparte, que va más allá de una licencia de código permisiva y pide transparencia real sobre los datos de entrenamiento y el propio proceso de entrenamiento —no solo un texto de licencia sobre los pesos. Casi ningún modelo de esta comparativa alcanza ese listón más exigente; OLMo, tratado a continuación, es el que más se acerca entre las familias listadas aquí. Esa distinción va más allá de lo que este artículo cubre en profundidad, pero conviene conocerla si un proveedor presenta un modelo como "open source AI" y quiere verificar en qué se basa realmente esa afirmación.

La apertura limitada a los pesos y las versiones totalmente abiertas no son lo mismo, y la diferencia entre ambas suele estar en los datos y el código de entrenamiento, no en el texto de la licencia. La mayoría de los modelos de la tabla comparativa de abajo son open source en el sentido de la licencia —los pesos están bajo Apache 2.0 o MIT—, pero el conjunto de datos con el que se entrenaron, la mezcla exacta de datos y el propio proceso de entrenamiento siguen siendo propietarios. OLMo, del Allen Institute for AI, es el ejemplo más claro de esta lista de un modelo que va más allá: publica el código de entrenamiento y una parte sustancial de los datos de entrenamiento junto con los pesos, bajo Apache 2.0. Ese nivel adicional de apertura es realmente poco frecuente en el panorama actual de LLM locales —trate cualquier afirmación de "totalmente abierto" sobre una familia de modelos como no verificada hasta que pueda señalar el conjunto de datos y el código de entrenamiento realmente publicados, no solo una insignia de licencia en la ficha del modelo.

Ninguna de estas estructuras de licencia es idéntica a otra, y varias familias distribuyen licencias distintas según el checkpoint —la licencia se fija por archivo de modelo, no por marca. Use esta tabla como orientación y luego verifique el archivo LICENSE del checkpoint concreto antes de un despliegue comercial.

Si ejecuta un modelo localmente para uso propio —chatear, asistencia de código, escribir, experimentar—, la distinción entre open weight y open source casi nunca cambia lo que realmente puede hacer. Todos los modelos de la tabla comparativa de arriba permiten el uso personal y local bajo su licencia actual. Descárguelo, ejecútelo con Ollama o llama.cpp, ajústelo en su propia máquina para sus propios fines, y la diferencia práctica entre "open weight" y "open source" es prácticamente nula.

La distinción empieza a importar en el momento en que construye algo para otras personas. Si va a lanzar un producto comercial, ofrecer una API alojada o un SaaS basado en el modelo, redistribuir los pesos (incluido un derivado ajustado), o acercarse a un umbral de escala definido por una licencia (como el límite de usuarios activos mensuales de Llama o los checkpoints con tope de ingresos de Mistral), la categoría de licencia le indica qué comprobar a continuación: una licencia aprobada por la OSI como Apache 2.0 o MIT generalmente no tiene ese tipo de trampa; una licencia open weight como la de Llama o Gemma, posiblemente sí.

Esto no es asesoramiento legal, y ninguno de los resúmenes de licencia aquí sustituye la lectura del texto real de la licencia asociado al checkpoint concreto que planea desplegar. Antes de cualquier decisión comercial, verifique la licencia actual y consulte con un abogado antes del lanzamiento.