Análisis de IA · 6 min de lectura

IA de pesos abiertos en 2026: qué significan para ti los lanzamientos de DeepSeek, Qwen y Meta

DeepSeek, Qwen de Alibaba y Meta lanzaron modelos de pesos abiertos en 2026. Descubre qué significa 'abierto' y a quién le importa.

Ilustración de bloques de modelos apilados que emergen de un contenedor abierto, rodeados de nodos de red

La mayoría de las noticias sobre IA tratan de modelos cerrados: aquellos que solo puedes usar a través de la aplicación o la API de una empresa. Pero algunos de los lanzamientos más importantes de este año fueron modelos cuyos pesos cualquiera puede descargar, ejecutar en su propio hardware y modificar.

Este otoño, la oferta de IA de pesos abiertos ha crecido de forma notable. Veamos qué se lanzó, qué significa realmente «abierto» en cada caso y quién debería prestar atención.

Los pesos abiertos, en pocas palabras

Los pesos de un modelo son los miles de millones de números que aprendió durante el entrenamiento. Cuando una empresa los publica, puedes ejecutar el modelo tú mismo en lugar de enviar tus datos a los servidores de otra compañía. También puedes ajustarlo con tus propios datos.

Esto es distinto del «código abierto» en el sentido tradicional del software. Muchos modelos de pesos abiertos no publican sus datos de entrenamiento ni el código completo de entrenamiento, y muchos vienen con licencias que restringen su uso. Volveré a este punto, porque importa más de lo que sugiere la mayoría de las noticias.

Los principales lanzamientos del año

DeepSeek

El laboratorio chino DeepSeek ha mantenido un ritmo constante este año. Su familia V4 llegó a Hugging Face en versiones Pro y Flash en primavera, seguida de checkpoints actualizados durante el verano, un modelo de visión experimental a principios de septiembre y el lanzamiento de V4.1 Flash a mediados de octubre. Las frecuentes actualizaciones graduales de DeepSeek lo han convertido en uno de los laboratorios de pesos abiertos más seguidos.

Qwen de Alibaba

El 14 de agosto, el equipo de Qwen de Alibaba publicó los pesos abiertos de dos modelos Qwen3.8. El más pequeño, Qwen3.8-27B, es un modelo multimodal de 27.000 millones de parámetros que procesa texto, imágenes y vídeo. Tiene una ventana de contexto nativa de unos 262.000 tokens que, según el equipo, se puede ampliar a un millón. Qwen afirma que supera al modelo más grande Qwen3.7-Plus en tareas de programación y oficina. Se publica bajo la licencia permisiva Apache 2.0.

El segundo, un modelo mucho más grande llamado Qwen3.8-2.4T-A95B, apunta a la gama más alta. Según informó eWeek, incluye una licencia personalizada que añade límites para algunos grandes usuarios comerciales.

Meta

La trayectoria de Meta con los pesos abiertos dio un giro. Llama 4, lanzado en abril de 2025, fue el último gran lanzamiento con el nombre Llama. Este año Meta pasó a una nueva familia de modelos llamada Muse, y su primer modelo Muse salió en abril como producto cerrado disponible solo mediante API.

El 15 de octubre, Meta lanzó Muse Spark Open, un gran modelo de mezcla de expertos con pesos abiertos. Alexandr Wang, director de IA de Meta, lo calificó como «el modelo estadounidense de pesos abiertos más capaz hasta la fecha». Meta afirma que rivaliza con modelos similares de destacados desarrolladores chinos, como Qwen de Alibaba, Kimi de Moonshot AI y GLM de Z.ai, y que en algunos casos los supera. Son afirmaciones de la propia Meta.

Meta dice que el modelo puede ejecutarse en dos Mac Studios con chips M5 Ultra de Apple, lo que da una idea de la situación: «se ejecuta localmente» ahora implica hardware considerable en la gama más alta. También se publica bajo una licencia propia de Meta con restricciones comerciales, en lugar de una licencia estándar de código abierto.

Qué cambió realmente

Los laboratorios chinos marcan el ritmo

El detalle más revelador del otoño quizá sea cómo presentó Meta su propio lanzamiento. Su argumento para Muse Spark Open se centró en cómo se compara con los modelos chinos de pesos abiertos. Durante el último año, laboratorios como DeepSeek, el equipo de Qwen de Alibaba, Moonshot y Z.ai han definido cómo es un modelo potente de pesos abiertos, y el mayor nuevo participante estadounidense se posiciona ahora frente a ellos.

Para algunas empresas, esto importa por razones que van más allá del rendimiento. Las empresas de sectores regulados, o con políticas sobre el origen de su software, pueden necesitar comprobar el origen y la licencia de cualquier modelo antes de usarlo, incluso cuando se ejecuta íntegramente en sus propios servidores.

Los modelos pequeños se volvieron realmente útiles

Los lanzamientos que encuentro más prácticos no son los gigantes. Son modelos como Qwen3.8-27B: lo bastante pequeños, una vez comprimidos, para ejecutarse en una sola GPU de gama alta, pero lo bastante capaces para trabajos reales como el procesamiento de documentos, la búsqueda interna y la ayuda con la programación. Para muchas tareas empresariales, ese es el punto óptimo.

«Abierto» abarca ahora una amplia gama

Compara las licencias: Apache 2.0 para el modelo más pequeño de Qwen, una licencia personalizada con límites para el más grande y la licencia propia de Meta con restricciones comerciales para Muse Spark Open. Todos reciben el nombre de «abiertos». No son igual de abiertos. Lee siempre la licencia antes de crear un producto sobre un modelo, especialmente si planeas crecer.

Quién debería prestar atención

Probablemente no necesitas pesos abiertos si eres una persona o un pequeño equipo que usa IA para escribir, investigar y analizar a diario. Un buen modelo cerrado mediante un plan empresarial es más sencillo y suele ser más potente en las tareas más difíciles.

Vale la pena considerar seriamente los pesos abiertos si:

  • Tus datos no pueden salir de tu entorno. Ejecutar un modelo en tu propia infraestructura mantiene los datos sensibles dentro de la organización. Nuestra guía sobre cómo usar IA en el trabajo sin filtrar datos sensibles explica cuándo importa esto.
  • Procesas grandes volúmenes. A gran escala, alojar tu propio modelo para tareas rutinarias puede costar menos que pagar por token.
  • Necesitas personalizarlo. El ajuste con tus propios datos es mucho más fácil cuando controlas los pesos.
  • Quieres evitar la dependencia de un proveedor. Un modelo que alojas tú no puede quedar obsoleto, cambiar de precio o modificarse sin que tengas control sobre ello.

La contrapartida es que asumes lo que normalmente gestiona un proveedor: hardware, actualizaciones, supervisión y medidas de seguridad. Eso supone trabajo real, y por eso muchos equipos terminan usando ambos: modelos cerrados para las tareas más difíciles y de menor volumen, y modelos de pesos abiertos para tareas de gran volumen o sensibles.

Mi opinión

El ecosistema de pesos abiertos está más sano que hace un año: hay más laboratorios, más tamaños de modelos y más competencia. Eso beneficia a todos, incluidas las personas que nunca descargan un modelo, porque ejerce presión sobre los precios de los modelos cerrados.

Pero tendría cuidado con la palabra «abierto». La pregunta más importante sobre un modelo de pesos abiertos no es su puntuación en una prueba comparativa. Es si la licencia te permite hacer lo que planeas y si realmente puedes ejecutarlo en hardware que puedas pagar.

Para conocer los modelos cerrados lanzados este otoño, consulta qué cambiaron los lanzamientos de GPT-6, Gemini 4 Argon y Claude 5.5. Y si estás eligiendo un modelo para una tarea concreta, nuestra guía sobre cómo elegir un modelo de IA explica las ventajas y desventajas, incluidas las de los modelos abiertos frente a los cerrados.

Fuentes

Escrito por

Chunyu Cai

Chunyu Cai es el director ejecutivo de Lotook, LLC y un emprendedor que escribe sobre modelos de IA, agentes y cómo cambian el trabajo cotidiano. Chunyu Cai tiene un título de máster de Imperial College London.