Recibe avisos ocasionales por correo sobre nuevas herramientas de IA. Sin spam.
"Abierto" significa cosas distintas. Algunos de estos publican sus pesos bajo una licencia genuinamente permisiva (Apache 2.0, MIT). Otros usan la palabra a la ligera: límites de uso comercial, pesos solo para uso no comercial o herramientas "gratuitas" que no son de código abierto en absoluto. En cada tarjeta decimos cuál es cuál.
La frontera sigue moviéndose entre lo "abierto" y lo "cerrado". OpenAI, famosa por haber sido cerrada, lanzó gpt-oss en 2025 — sus primeros pesos abiertos en años. Meta, el referente del código abierto desde Llama, ahora mantiene cerrado su modelo de frontera más reciente (Muse Spark), aunque sigue lanzando modelos abiertos más pequeños como Muse Glimmer 30B. Lee la licencia de cada tarjeta antes de construir sobre ella: "abierto" no siempre significa lo que esperarías.
La última versión de Llama que pudimos verificar (abril de 2025) — multimodal de forma nativa, mezcla de expertos, contexto muy largo. El modelo de frontera más nuevo de Meta, Muse Spark, es de pesos cerrados; su modelo de pesos abiertos más reciente es Muse Glimmer 30B, más abajo.
La principal familia de pesos abiertos de Europa. Medium 3.5 (primavera de 2026; las fuentes no coinciden en la fecha exacta de lanzamiento) es el modelo insignia más reciente de Mistral, con una licencia MIT modificada — lee los términos adicionales. Mistral Large 3 y los modelos pequeños Ministral 3 siguen con Apache 2.0.
Una de las escalas de tamaños abiertos más amplias disponibles, desde 27B apto para laptop hasta MoE a escala de frontera — el nivel más grande se publica bajo una licencia comercial aparte para ingresos superiores a $50M.
El modelo principal actual de DeepSeek (septiembre de 2026). Reemplazó a V4-Pro — las solicitudes a V4-Pro se redirigen a V4.1-Flash desde el 14 de septiembre. Licencia MIT; acepta texto e imagen como entrada. (Leímos la licencia en una página de discusión de Hugging Face, no en la ficha del modelo.)
La línea de modelos pequeños de Google, ahora con una licencia genuinamente abierta — según reportes, la variante densa de 31B está entre las 3 primeras de la clasificación de texto de LMArena.
Modelos compactos optimizados para razonar con eficiencia por parámetro — con licencia MIT, funcionan sin problema en una sola GPU de consumo.
Un modelo poco común, abierto de principio a fin — los datos de entrenamiento, el código y los checkpoints intermedios son públicos, no solo los pesos finales, lo que hace que los resultados sean totalmente reproducibles.
Una arquitectura híbrida de atención y espacio de estados del Technology Innovation Institute de los Emiratos Árabes Unidos, que afirma ofrecer el mejor razonamiento de su clase para un modelo de 7B.
Los primeros pesos abiertos de OpenAI en años — esfuerzo de razonamiento ajustable, cuantizado para ejecutar la versión de 20B en una GPU de consumo con ~16GB de memoria.
Creado para programación de largo horizonte y tareas de agentes, con una ventana de contexto de 1M de tokens — gratis para autoalojar, pero los despliegues grandes requieren un acuerdo comercial y atribución pública por encima de ciertos umbrales de ingresos o uso.
Misma base que GLM-5.2, con mejoras de posentrenamiento (agosto de 2026). Conviene saber: 5.2 tenía licencia MIT, pero 5.3 pasó a una licencia personalizada — revisa los términos antes del uso comercial. La página de documentación de Z.ai no menciona pesos abiertos; el repositorio de Hugging Face sí.
El modelo de pesos abiertos más reciente de Meta — entra texto e imagen, sale texto. Muse Spark, su modelo de frontera, sigue cerrado, así que aquí continúan sus lanzamientos abiertos después de Llama 4.
El modelo Nemotron 3 de pesos abiertos de nivel Ultra de NVIDIA (una mezcla de expertos de 550B parámetros, según su nombre en Hugging Face), solo texto. Un Nemotron 3.5 Lightning (30B) más pequeño llegó el 11 de agosto. Todavía no hemos clasificado esta licencia — léela antes del uso comercial.
La familia abierta Granite de IBM, sucesora de Granite 4.1. Modelos de texto; voz y visión son modelos Granite aparte.
El modelo insignia de Cohere, ahora de pesos abiertos: un solo modelo de mezcla de expertos que unifica Command A Reasoning, Vision y Translate. 128K tokens de entrada, 64K de salida.
El modelo insignia de MiniMax, sucesor de M2.7. Acepta imagen y video como entrada (no se indica si la salida es texto). Se prometieron los pesos unos diez días después del lanzamiento; vimos el repositorio de Hugging Face, pero no su fecha de publicación. Revisa la licencia comunitaria antes del uso comercial.
Una familia abierta de modelos de visión y lenguaje que busca igualar la capacidad multimodal de clase GPT-4o — comprensión de imágenes, OCR y razonamiento visual. Es la generación actual de la línea InternVL (InternVL2 ya fue reemplazado).
Un modelo pequeño de visión y lenguaje creado para funcionar con eficiencia en dispositivos edge y de pocos recursos — realmente útil donde un modelo de 78B no es una opción. Los pesos se actualizan con frecuencia bajo el mismo nombre de repositorio, así que fija una revisión específica para uso en producción.
Gratis para individuos y organizaciones con menos de $1M de ingresos anuales; las organizaciones más grandes necesitan una licencia Enterprise de pago. El modelo de pesos abiertos que dio origen a todo el ecosistema de fine-tunes y LoRA en torno a Automatic1111 y ComfyUI.
Creado por exinvestigadores de Stability. Elige tu variante con cuidado: solo [klein] y el VAE son realmente de código abierto; [dev] es de pesos abiertos pero no comercial por defecto, y [pro] es solo por API.
El estándar de código abierto para transcripción y traducción — con licencia permisiva, se ejecuta en local y, aun así, nadie lo ha superado oficialmente con una v4.
Un modelo diminuto de 82M de parámetros que rinde muy por encima de su tamaño — 8 idiomas, ~54 voces, lo bastante económico para correr en la CPU de una laptop.
La respuesta de pesos abiertos de Alibaba al Stable Video Diffusion de Stability — realmente abierto, sin límites de ingresos, en desarrollo activo.
Una interfaz visual de arrastrar y conectar para construir pipelines de modelos de difusión (generación de imagen, video y audio) nodo por nodo — la forma estándar en que los usuarios avanzados ejecutan y remezclan flujos de trabajo de Stable Diffusion. GPL-3.0 es copyleft, no permisiva: el código modificado o derivado que distribuyas también debe publicarse bajo GPL.
Retrieval-based Voice Conversion (conversión de voz basada en recuperación): entrena un modelo de conversión de voz a partir de una muestra de audio corta y convierte habla o canto a esa voz. Mantenido activamente por su comunidad; Applio es un fork popular con una experiencia de uso más amigable, construido sobre la misma tecnología, también con licencia MIT.
Clona una voz a partir de un clip de referencia corto y la transfiere a la salida de texto a voz, incluidos el tono y la emoción. La V1 se lanzó originalmente solo para uso no comercial; ambas versiones pasaron a licencia MIT en 2024, lo que permite el uso comercial.
El modelo base de Stability AI de 2023 — 3B de parámetros, dos codificadores de texto, utilizable solo o junto con un SDXL Refiner aparte para obtener una salida de mayor fidelidad. El código de inferencia es MIT, pero los pesos se publican bajo la licencia RAIL++-M, que conlleva restricciones basadas en el uso; desde entonces fue superado por Stable Diffusion 3.5 para trabajo nuevo, aunque sigue siendo el modelo base con más fine-tunes y LoRA del ecosistema.
Una versión destilada de SDXL que genera una imagen en una sola pasada de la red mediante Adversarial Diffusion Distillation — velocidad casi en tiempo real a cambio de algo de calidad. Gratis para descargar y usar sin fines comerciales; el uso comercial requiere una licencia aparte de Stability AI.
Genera GIF animados de 1 segundo a 8 FPS, diseñados para funcionar junto con fine-tunes de SDXL, LoRA y ControlNet. Conviene saber antes de construir sobre él: el repositorio no se actualiza desde enero de 2024 y parece abandonado, aunque nunca se archivó formalmente.
Agrega un "módulo de movimiento" entrenado sobre un checkpoint existente de Stable Diffusion (SD1.5 o SDXL) para animarlo, sin reentrenar el modelo de imagen base. Esta es la implementación original de la investigación; el desarrollo del día a día se ha trasladado en gran parte a integraciones de la comunidad como ComfyUI-AnimateDiff-Evolved.
La puerta de entrada más fácil para ejecutar la mayoría de los modelos de pesos abiertos en tu propia máquina — un solo comando para descargar y ejecutar.
El motor de bajo nivel sobre el que se construyen discretamente la mayoría de las herramientas de IA local (incluida Ollama) — ejecuta modelos en formato GGUF de forma eficiente en hardware modesto.
La opción de nivel producción para servir modelos de pesos abiertos a gran escala — muy usada para endpoints de API autoalojados.
Una app de escritorio pulida para ejecutar modelos de pesos abiertos totalmente sin conexión, sin necesidad de terminal — de código abierto de verdad, no solo gratis.
Una de las interfaces gráficas más populares para modelos locales — gratis para uso personal y comercial, pero la aplicación en sí es freeware de código cerrado, no de código abierto, aunque todos los modelos que ejecuta sí lo son.
Un framework de agentes de IA local-first que gestiona mensajes, correo, calendarios y archivos a través de una interfaz de chat — tus datos se quedan en tu equipo, no en los servidores de un proveedor. Lo construye y administra una organización sin fines de lucro independiente; no tiene nivel de pago ni empresarial.
Una app de escritorio de código abierto al estilo ChatGPT que ejecuta modelos totalmente sin conexión — sin cuenta, sin llamadas a la nube, funciona en Windows/macOS/Linux.
Una interfaz en el navegador para ejecutar, ajustar (fine-tuning) y cuantizar modelos locales, con llamada a herramientas y una API compatible con OpenAI — la opción para usuarios avanzados cuando la simplicidad de Ollama ya no basta. AGPL-3.0 significa que un servicio en red construido sobre una versión modificada también debe publicar su código fuente, una obligación más fuerte que el copyleft de la GPL-3.0 de ComfyUI.
Una interfaz SDXL simplificada y sin conexión, creada para eliminar el ajuste manual de prompts y parámetros. El repositorio original ahora tiene soporte limitado a largo plazo (solo correcciones de errores, sin nueva versión desde agosto de 2024) y sigue siendo solo SDXL — no se planea soporte para Flux ni SD3.5. mashb1t/Fooocus ("1-Up Edition") es un fork de la comunidad con mantenimiento más activo, por si quieres actualizaciones continuas.
La interfaz web de Stable Diffusion original y con más estrellas, compatible con SD1.x/SD2.x/SDXL/SD3 mediante un gran ecosistema de extensiones. Conviene saber que su última versión etiquetada es de febrero de 2025, y que desde entonces tanto usuarios como desarrolladores de extensiones se han pasado en gran parte a ComfyUI y sus forks (como Forge).
Encadena modelos, herramientas y fuentes de datos para construir aplicaciones y agentes basados en LLM — uno de los frameworks de agentes más adoptados. La biblioteca principal es completamente MIT; LangSmith (trazabilidad/evaluación/observabilidad) es un producto aparte, de pago y cerrado, construido junto a ella.
Conecta, indexa y recupera tus propios documentos/datos para que un LLM pueda responder preguntas basadas en ellos — el framework estándar para construir sistemas de generación aumentada por recuperación (RAG). LlamaCloud (análisis e indexado administrados) es un nivel de pago aparte.
Construye pipelines modulares de LLM — RAG, búsqueda semántica, sistemas conversacionales — con control explícito sobre los pasos de recuperación, enrutamiento y generación. deepset también vende un nivel aparte, de pago y alojado, llamado "Haystack Enterprise", sobre el núcleo de código abierto.
La biblioteca estándar de Python para cargar, ejecutar y entrenar las arquitecturas de modelos que hay detrás de casi todo lo que aparece en esta página — texto, visión, audio y multimodal. Es distinta de la plataforma Hugging Face Hub (listada por separado más abajo), que ofrece niveles de pago; esta biblioteca en sí es totalmente de código abierto.
Una plataforma abierta para agentes de programación autónomos que pueden modificar código, ejecutar comandos, navegar por la web y llamar a APIs para llevar a cabo tareas reales de ingeniería de software — renombrada a partir de OpenDevin. Junto al núcleo de código abierto existe un nivel aparte de pago, OpenHands Cloud / Enterprise.
Reconstruido en 2026 como un agente de programación de terminal basado en Rust, optimizado para modelos económicos o de pesos abiertos — un relanzamiento real, no solo un cambio de nombre, del proyecto original en Python "deja que un LLM ejecute código en tu equipo" (ese código base es ahora un fork comunitario no oficial; úsalo con precaución).
Uno de los primeros experimentos de agentes autónomos, ahora renombrado como una plataforma low-code para crear agentes, con un marketplace. Matiz importante: el agente "clásico" original sigue siendo MIT, pero la nueva plataforma, en desarrollo activo, se distribuye bajo Polyform Shield — una licencia de código disponible (source-available), no de código abierto genuino.
Orquesta "equipos" de agentes autónomos con roles que colaboran para automatizar tareas complejas de varios pasos. Junto al núcleo MIT de código abierto existe un Control Plane / AMP Suite aparte y de pago (despliegue administrado, observabilidad, gobernanza).
Un framework de más bajo nivel para construir agentes y flujos de trabajo de varios pasos con estado, controlables y de larga duración, como grafos — del equipo de LangChain, pero se puede usar de forma independiente. LangSmith y una plataforma de despliegue alojada son productos de pago aparte construidos encima.
Una interfaz autoalojada, pulida y extensible para chatear con modelos locales (Ollama) o en la nube, con RAG y controles de acceso. Desde la v0.6.6 (abril de 2025) ya no es código abierto en sentido estricto: no puedes quitar ni alterar la marca "Open WebUI" a menos que tengas menos de 50 usuarios en 30 días o una licencia empresarial — una restricción real y debatida, no aprobada por la OSI.
Una app todo en uno para crear un asistente privado tipo ChatGPT sobre tus propios documentos — multiusuario, con backends de LLM y bases de datos vectoriales intercambiables, y agentes integrados. Mintplex Labs también ofrece una versión alojada de pago aparte, junto al núcleo MIT gratuito.
El conector propio de Blender Foundation para el Model Context Protocol — permite que un cliente MCP como Claude consulte una escena de Blender, renombre o corrija objetos, explique relaciones entre materiales y genere documentación mediante lenguaje natural. Lo construye y mantiene el propio Blender a través de su programa experimental "Blender Lab", y es distinto de los complementos de Blender MCP de terceros anteriores. La documentación de Blender advierte que ejecuta código generado por un LLM sin sandbox — usa una máquina virtual, no tu equipo principal.
Permite que un asistente de IA maneje Krita mediante MCP — gestionar capas, dibujar, aplicar filtros, exportar y leer el lienzo para que el asistente vea lo que pintó. Este no es un proyecto de Krita Foundation — es una herramienta independiente, de un solo mantenedor y con pocos seguidores (~35 estrellas en GitHub en la última revisión), así que considérala en fase temprana, no lista para producción.
Conecta un asistente de IA con Audacity para editar, limpiar y masterizar sin usar las manos. No está afiliado a Audacity ni a Muse Group — es un proyecto independiente de un solo mantenedor. Su propia documentación afirma tener 144 herramientas en 9 pipelines; esa cifra proviene solo de las notas de versión del mantenedor, no de una auditoría independiente, así que tómala como una cifra autoinformada.
Una base de datos vectorial de alto rendimiento para búsqueda aproximada de vecinos más cercanos a gran escala — la base de recuperación detrás de muchos sistemas RAG. Creada originalmente por Zilliz, ahora es un proyecto graduado de la Linux Foundation; Zilliz Cloud es un nivel administrado de pago aparte.
Combina búsqueda por similitud vectorial con filtrado estructurado y búsqueda híbrida para pipelines RAG. Weaviate B.V. vende un nivel aparte de pago, Weaviate Cloud, junto al núcleo de código abierto gratuito.
Una base de datos de embeddings/vectores creada específicamente para flujos de recuperación de IA — una opción ligera habitual por defecto para prototipos locales de RAG. Chroma Cloud es una oferta administrada de pago aparte sobre el núcleo de código abierto.
Una biblioteca (no una base de datos alojada completa) para búsqueda por similitud y agrupamiento eficientes de vectores densos, en CPU o GPU — un bloque de construcción de bajo nivel que suele integrarse dentro de otras bases de datos vectoriales. Sin nivel de pago; Meta no vende una versión alojada.
Una forma simplificada, basada en archivos de configuración, de ajustar (fine-tuning) LLM abiertos sin escribir código de entrenamiento propio — uno de los frameworks de fine-tuning más usados en la comunidad abierta.
La biblioteca oficial de Hugging Face para el post-entrenamiento de modelos de lenguaje — ajuste fino supervisado y métodos de alineación basados en aprendizaje por refuerzo como DPO y PPO.
Ofrece paralelismo de datos/tensores/pipeline y optimización de memoria para entrenar modelos grandes en muchas GPU. El ritmo de desarrollo se ha reducido desde su punto máximo de 2023-24, pero el proyecto sigue mantenido, no abandonado.
Una biblioteca de optimización de aprendizaje profundo (optimizador ZeRO, soporte para mixture-of-experts, kernels de inferencia) que se usa para entrenar y servir modelos muy grandes de forma eficiente. El repositorio pasó de la organización de GitHub propia de Microsoft a una organización independiente deepspeedai — enlaza la actual.
Despliega modelos ya entrenados (PyTorch, TensorFlow, ONNX, TensorRT y más) en producción, tanto en la nube como en el edge. No es el mismo proyecto que el lenguaje de kernels de GPU "Triton" de OpenAI, que no tiene relación: una colisión de nombres real que conviene conocer si lo vas a buscar.
Crea motores de inferencia optimizados para ejecutar LLM rápido en hardware de NVIDIA. El código de TensorRT-LLM en sí es Apache 2.0, pero envuelve el SDK TensorRT de código cerrado de NVIDIA, con una licencia propietaria aparte, y solo funciona con GPU de NVIDIA: no es neutral respecto al fabricante.
Optimiza y despliega inferencia de aprendizaje profundo en hardware de Intel: la alternativa que no es de NVIDIA frente a TensorRT-LLM, para equipos que trabajan con CPU o aceleradores de Intel en lugar de GPU.
El hogar de facto de los modelos de pesos abiertos y los conjuntos de datos. El Hub en sí es un producto comercial con niveles de pago; sus bibliotecas, muy usadas, son de código abierto por separado bajo Apache 2.0.
El principal punto de encuentro de fine-tunes y LoRAs de la comunidad creados sobre Stable Diffusion y FLUX — el sitio en sí no es un proyecto de código abierto, pero casi todo lo que aloja se puede descargar gratis.
Donde vive realmente el código fuente de casi todo lo que aparece en esta página. No es en sí un proyecto de “IA de código abierto” — es solo el taller compartido en el que se construye el ecosistema.
Los términos de licencia varían según el modelo, y los proveedores no siempre usan "código abierto" con precisión. Esto es lo que significa cada insignia de esta página.
Permisiva Apache 2.0 o MIT — gratis para usar, modificar, autoalojar y crear productos comerciales, sin límites de ingresos ni restricciones de uso.
Restringida Los pesos se pueden descargar, pero una licencia personalizada añade condiciones reales: límites de ingresos, umbrales de MAU o una política de uso aceptable encima.
Mixta El proyecto publica varias variantes con términos distintos: algunas realmente abiertas, otras no. Revisa qué versión concreta estás descargando.
Gratis, no es código abierto Usarlo no cuesta nada, pero el código fuente no se publica bajo una licencia abierta: no puedes inspeccionar, hacer fork ni autoalojar el código real de la aplicación.
Copyleft Realmente abierta (p. ej. GPL-3.0), pero no permisiva: si distribuyes una versión modificada, también debes publicar tus cambios bajo la misma licencia abierta. Obligaciones distintas a las de Apache 2.0/MIT, no una licencia inferior.
El término se usa con ligereza. En la práctica, la "IA de código abierto" de hoy se divide en seis categorías reales, y el modelo que elijas depende de cuál de ellas estés obteniendo en realidad.
1. Totalmente permisiva (Apache 2.0, MIT) — sin límites de uso, sin límites de ingresos, con todos los derechos comerciales. Los pesos, y a veces los datos de entrenamiento, son tuyos para usarlos libremente. En esta página: DeepSeek-V4.1-Flash, Phi-4, OLMo 3.1, gpt-oss, Muse Glimmer 30B, Granite 4.2, Command A+, Mistral Large 3 / Ministral 3.
2. Pesos abiertos, licencia restringida — pesos descargables, pero con condiciones reales encima: una política de uso aceptable, un límite de ingresos o una licencia comunitaria. En esta página: Falcon-H1R (basada en Apache + AUP), Kimi K3 (licencia personalizada, con condiciones comerciales por encima de ciertos umbrales), Llama 4 (Llama Community License), GLM-5.3 (licencia personalizada — la 5.2 era MIT), MiniMax M3 (licencia comunitaria), Mistral Medium 3.5 (MIT modificada).
3. Licencias mixtas — algunos tamaños o variantes se publican realmente abiertos y otros con términos comerciales aparte. En esta página: Qwen3.8 — Apache 2.0 hasta sus tamaños estándar; una licencia comercial personalizada se activa por encima de $50M de ingresos para el nivel MoE más grande.
4. Gratis, pero no de código abierto — usarlo no cuesta nada, pero el código fuente no se publica bajo una licencia abierta, así que no puedes inspeccionar, hacer fork ni autoalojar la aplicación en sí. En esta página: LM Studio — todos los modelos que ejecuta son abiertos; la aplicación que los ejecuta, no.
5. Frontera cerrada, variantes pequeñas abiertas — un laboratorio mantiene cerrado su mejor modelo y aun así lanza versiones abiertas más pequeñas. El ejemplo más claro ahora mismo: el modelo de frontera más reciente de Meta, Muse Spark (pesos cerrados), convive con Muse Glimmer 30B (Apache 2.0, agosto de 2026), su modelo de pesos abiertos más reciente. OpenAI fue en la dirección opuesta con gpt-oss, sus primeros pesos abiertos en años.
6. Copyleft (familia GPL) — realmente abierta, pero no permisiva: si distribuyes una versión modificada, también debes publicar tus cambios bajo la misma licencia. En esta página: ComfyUI (GPL-3.0) — obligaciones distintas a las de Apache 2.0/MIT, no una licencia inferior.
Los pesos abiertos solo sirven cuando algo puede ejecutarlos. Tres entornos cubren casi todos los casos.
A) En local, en una laptop o computadora de escritorio — la opción adecuada para modelos más pequeños y eficientes: Phi-4, Ministral 3, en sus tamaños de 3B–14B, y gpt-oss-20b (pensado para correr en una GPU de consumo con ~16GB de memoria) caben sin problema. Ejecútalos con las herramientas de la pestaña "Ejecútalo en local" de arriba: Ollama, LM Studio o GPT4All son las formas más fáciles de empezar.
B) Proveedores de GPU en la nube — necesario para los modelos MoE de escala de frontera: Kimi K3 (2.8T en total), Nemotron 3 Ultra (550B en total) y los modelos grandes de DeepSeek y GLM superan con creces el hardware de consumo. Las plataformas de GPU alquiladas (RunPod, Lambda Labs y las grandes nubes lo permiten) son la forma estándar de autoalojar a esa escala.
C) Híbrido — local para iterar, nube para escalar — el patrón habitual para desarrolladores y flujos de trabajo con agentes: haz el prototipo con un modelo local pequeño (rápido, gratis, privado) y luego apunta el mismo código a un modelo más grande alojado en la nube cuando haya que pasar a producción. vLLM (en la pestaña "Ejecútalo en local") está pensado justo para este tipo de servicio autoalojado, a cualquier escala.
Los modelos de pesos abiertos no son solo chatbots: varios de los modelos de arriba están pensados específicamente para flujos de trabajo con agentes que usan herramientas.
Agentes de programación — DeepSeek-V4.1-Flash y GLM-5.3 están ajustados tanto para razonamiento como para programación.
Agentes de investigación de horizonte largo — Kimi K3: su ventana de contexto de 1M de tokens está pensada para tareas que necesitan mantener en memoria un código base completo o un conjunto de documentos durante una ejecución larga con agentes.
Agentes pequeños y locales — Phi-4 y Ministral 3: sus tamaños más pequeños son lo bastante eficientes para ejecutar un agente local siempre activo sin alquilar una GPU.
Agentes totalmente reproducibles — OLMo 3.1 publica sus datos de entrenamiento y puntos de control intermedios, no solo los pesos finales, así que un agente construido sobre él se puede auditar de punta a punta, no solo en la capa de salida.
Si vas a elegir tu primer modelo abierto para probar, empieza por aquí.
Para una laptop: Phi-4 (MIT) — pequeño, eficiente, centrado en el razonamiento. Ministral 3 (Apache 2.0) — un modelo abierto versátil y capaz, de tamaño manejable. gpt-oss-20b (Apache 2.0) — corre en una GPU de consumo.
Para la nube: DeepSeek-V4.1-Flash (MIT) — razonamiento de nivel de frontera a una fracción del costo habitual de entrenamiento e inferencia. GLM-5.3 (licencia personalizada) — programación y trabajo con agentes; lee primero sus términos. Kimi K3 — para trabajo con agentes de largo horizonte que necesita su ventana de contexto de 1M de tokens.
Seis cosas deciden realmente qué modelo es el adecuado para tu proyecto, más o menos en este orden.
Licencia — Apache 2.0 o MIT es la opción por defecto más segura para trabajo comercial; una licencia restringida o mixta (Falcon-H1R, Kimi K3, el nivel más grande de Qwen3.8) obliga a leer los términos reales antes de lanzar.
Hardware — local (Phi-4, Ministral 3 pequeño) frente a GPU en la nube (DeepSeek-V4.1-Flash, GLM-5.3, Kimi K3) depende sobre todo del número de parámetros.
Caso de uso — la programación y el trabajo con agentes favorecen a DeepSeek-V4.1-Flash/GLM-5.3; el uso general amplio favorece a Mistral o Llama 4; el razonamiento con poco tamaño favorece a Phi-4 o Falcon-H1R.
Longitud de contexto — el 1M de tokens de Kimi K3 destaca; para el resto, revisa el dato rápido "Último" de cada tarjeta de arriba.
Eficiencia — los tamaños más pequeños de Phi-4 y Ministral 3 están hechos para sacar el máximo razonamiento por parámetro, no solo la puntuación bruta más alta.
Reproducibilidad — OLMo 3.1 es el único modelo de aquí cuyos datos de entrenamiento y checkpoints, no solo los pesos finales, son públicos.
Las herramientas de IA local suelen ser seguras, pero siguen siendo software que instalas de muchos mantenedores distintos: unos pocos hábitos ayudan mucho.
Revisa siempre la licencia antes de desplegar con fines comerciales (consulta la guía de insignias de arriba). Ejecuta las herramientas que no conozcas en un entorno aislado, como un contenedor o una máquina virtual, en lugar de hacerlo directamente en tu computadora principal, sobre todo si piden permisos elevados. Prefiere modelos Apache 2.0 / MIT para trabajo comercial y evita sorpresas de licencia más adelante. Mantén actualizados los modelos y las herramientas de inferencia, igual que cualquier otro software. Y para los modelos de escala de frontera (Kimi K3, Nemotron 3 Ultra, los grandes modelos de DeepSeek y GLM), una GPU alquilada en la nube mantiene el cómputo pesado, y cualquier dependencia desconocida, fuera de tu equipo personal por completo.
Espera que más laboratorios adopten licencias mixtas en lugar de una división limpia entre abierto y cerrado: la división por tamaño de Qwen3.8 probablemente anticipa la norma, no es una excepción. Los modelos pequeños siguen volviéndose desproporcionadamente más capaces (Phi-4, Gemma 4), lo que acerca la IA local seria a los portátiles comunes. Los flujos de trabajo agénticos, con uso de herramientas, se están volviendo la forma por defecto de usar estos modelos, no una función secundaria. Y el pipeline de entrenamiento totalmente público de OLMo 3.1 (datos y checkpoints, no solo pesos) es un firme candidato para lo que "realmente abierto" empiece a significar por defecto, en vez de la excepción que es hoy.