IA open source o propietaria: ¿qué diferencias hay para usted?

Una IA propietaria solo se usa a través de la aplicación o la API de su fabricante, mientras que un modelo abierto se descarga y puede funcionar en su propio ordenador o servidor. Para usted, la diferencia se juega en cuatro puntos: privacidad, coste, rendimiento y libertad de uso, que comparamos aquí con los datos del sitio al 22 de octubre de 2026.

Open source, pesos abiertos, propietario: tres nociones distintas

Un modelo de IA es, en el fondo, un enorme conjunto de números: sus parámetros, también llamados pesos, fijados durante el entrenamiento. Todo el debate gira en torno a lo que el fabricante acepta publicar.

• Propietario (o cerrado): los pesos se quedan en los servidores del fabricante. Usted utiliza el modelo mediante un asistente como ChatGPT o Claude, o mediante una API, una puerta de acceso para los programas. Es el caso de GPT-6, Claude o Gemini.
• De pesos abiertos: los pesos se publican y se pueden descargar, con una licencia más o menos permisiva. Se habla de modelo de pesos abiertos (open weights). Es el caso de la mayoría de los modelos de DeepSeek, Qwen, Kimi o GLM.
• Open source en sentido estricto: además de los pesos, el fabricante publica el código de entrenamiento y suficiente información sobre los datos para reproducir el modelo.

En la práctica, muy pocos modelos cumplen todos los requisitos. Fabricantes y prensa usan «open source» en sentido amplio. Cuando lea «modelo open source», entienda casi siempre «modelo de pesos abiertos». Algunos actores van más lejos: Ai2 publica los datos, el código y los puntos intermedios de entrenamiento de sus modelos OLMo, y NVIDIA difunde sus modelos Nemotron con sus conjuntos de datos y recetas, bajo su propia licencia.

La licencia, el detalle que lo cambia todo

Un modelo abierto no está libre de condiciones. Según las fichas de fabricantes del sitio:

Fabricante	Licencia más habitual de sus modelos abiertos	Uso comercial
Mistral AI	Apache 2.0 (algunos con MIT modificada)	Sí
Alibaba (Qwen)	Apache 2.0 en la mayoría	Sí
DeepSeek	MIT	Sí
Zhipu AI (GLM)	MIT	Sí
Moonshot AI (Kimi)	MIT modificada	Sí, con cláusulas añadidas
IBM (Granite)	Apache 2.0	Sí
Meta (Muse Spark Open)	Licencia propia de Meta	A comprobar
NVIDIA (Nemotron)	NVIDIA Open Model License	Sí

Apache 2.0 y MIT son licencias breves y muy permisivas. Las licencias propias pueden restringir algunos usos o imponer obligaciones. La regla es sencilla: lea el archivo de licencia del modelo concreto que descarga, porque puede cambiar de una versión a otra.

Rendimiento: la distancia con los modelos cerrados

Los modelos cerrados siguen por delante. En la clasificación semanal, elaborada a partir de las pruebas del Epoch AI Benchmarking Hub al 22 de octubre de 2026, los diez primeros puestos son para modelos de Anthropic, Google DeepMind y OpenAI. El primer modelo de pesos abiertos del top 20 es Kimi K2.6, de Moonshot AI, en el puesto 19 con un índice de 84,4 sobre 100.

El gráfico compara el índice Epoch de varios modelos abiertos recientes con tres modelos cerrados de primera línea.

Índice de capacidad (sobre 100)

• Claude Sonnet 5.595,9
• Gemini 4 Argon95,3
• GPT-6 Astra94,7
• DeepSeek V4.1 Flash 101790,6
• Kimi K2.684,4
• Kimi K380,7
• GLM-5.378,8
• Muse Spark Open75,2
• Qwen3.6 27B72,2

Un benchmark mide tareas concretas, como preguntas científicas o código. No dice si un modelo le conviene. Para redactar un correo, resumir un informe o clasificar documentos, un modelo peor clasificado puede servir perfectamente. Nuestro artículo sobre los benchmarks de IA y sus trampas le ayuda a leer estas cifras con distancia.

La comparativa en cifras: precio, contexto, apertura

Esta es una selección de modelos de pesos abiertos registrados por models.dev el 22 de octubre de 2026, con un modelo cerrado como referencia. Los precios corresponden al acceso por API, en dólares estadounidenses por millón de tokens, los pequeños fragmentos de texto que procesan los modelos.

Modelo	Desarrollador	Lanzamiento	Contexto (tokens)	Entrada ($/M tokens)	Salida ($/M tokens)	Pesos abiertos
DeepSeek V4.1 Flash 1017	DeepSeek	17 de octubre de 2026	1,05 M	0,15 US$	0,60 US$	Sí
Kimi K2.6	Moonshot AI	20 de abril de 2026	262 k	0,95 US$	4 US$	Sí
GLM-5.3	Zhipu AI (Z.ai)	14 de agosto de 2026	1 M	1,2 US$	4,18 US$	Sí
Muse Spark Open	Meta	15 de octubre de 2026	1,05 M	1,25 US$	4,25 US$	Sí
Qwen3.6 27B	Alibaba Cloud (Qwen)	22 de abril de 2026	262 k	0,33 US$	2,7 US$	Sí
Gemma 4 31B IT	Google DeepMind	2 de abril de 2026	262 k	0,14 US$	0,40 US$	Sí
Mistral Small 4	Mistral AI	16 de marzo de 2026	262 k	0,16 US$	0,63 US$	Sí
Nemotron 3.5 Super VL 120B A12B	NVIDIA	15 de octubre de 2026	1,05 M	0,15 US$	0,50 US$	Sí
Claude Sonnet 5.5	Anthropic	28 de septiembre de 2026	1 M	2 US$	10 US$	No

Destacan dos conclusiones. Primero, el precio: DeepSeek V4.1 Flash cuesta 0,15 $ de entrada y 0,60 $ de salida por millón de tokens, frente a 2 $ y 10 $ de Claude Sonnet 5.5. Segundo, la ventana de contexto, es decir, la cantidad de texto que el modelo puede leer de una vez, supera a menudo el millón de tokens en los grandes modelos abiertos, igual que en los cerrados. Los modelos más pequeños, como Qwen3.6 27B, tienen ventanas más modestas, pero son mucho más fáciles de ejecutar por cuenta propia.

Para ir más allá, nuestro comparador de modelos pone dos modelos frente a frente, y la página de modelos open source reúne los modelos abiertos con su licencia y su tamaño.

Privacidad, control, dependencia: lo que realmente importa

El principal argumento de los modelos abiertos no es el precio, sino el control.

• Sus datos se quedan con usted si ejecuta el modelo por su cuenta: no se envía nada al fabricante. Atención: si recurre a un proveedor de alojamiento externo, se aplican sus condiciones.
• Puede adaptar el modelo mediante ajuste fino con sus propios ejemplos, o reducirlo por cuantización para que funcione en un equipo modesto.
• No depende de un proveedor: un modelo descargado no desaparece si el fabricante cambia precios o condiciones, o retira una versión.

Por su parte, los modelos propietarios ofrecen comodidad: ningún servidor que gestionar, actualizaciones automáticas, funciones integradas (búsqueda web, voz, modo agente) y, por ahora, el mejor rendimiento bruto. Ejecutar un gran modelo abierto exige hardware caro, conocimientos y tiempo de mantenimiento. Nuestra guía para usar una IA en local detalla el equipo necesario.

La apertura también tiene una dimensión geopolítica: buena parte de los modelos de pesos abiertos más potentes procede hoy de China, mientras que Mistral AI encabeza la oferta europea. Nuestro artículo sobre la IA europea frente a Estados Unidos y China hace balance, y el panorama de las empresas que fabrican la IA presenta a cada actor. El reglamento europeo también tiene en cuenta esta distinción, con obligaciones más ligeras para algunos modelos publicados con licencia libre, como explica nuestro resumen de la ley de IA europea.

Póngase a prueba Una pyme quiere resumir contratos de clientes sin que salgan de su red. ¿Qué opción debería priorizar?

Un modelo de pesos abiertos instalado en un servidor interno, con una licencia que permita el uso comercial (Apache 2.0 o MIT, por ejemplo). Así, los contratos no se envían a ningún servicio externo. Habrá que prever el hardware, la seguridad y una revisión humana de los resúmenes.

Probar un modelo abierto sin instalar nada

No necesita un servidor para hacerse una idea. Varios asistentes de uso general ya ofrecen modelos abiertos en su interfaz, según los datos del sitio al 22 de octubre de 2026:

• Duck.ai, el chat de DuckDuckGo, utilizable sin cuenta, incluye gpt-oss-120b y Gemma 4 31B entre sus modelos;
• Lumo, el asistente de Proton, se apoya en modelos como Qwen 3.5 y GLM 5.3;
• Brave Leo, integrado en el navegador Brave, da acceso a modelos Llama, Qwen, DeepSeek o Mistral.

Es una forma sencilla de comparar sus respuestas con las de su asistente habitual, con sus propias preguntas, antes de plantearse una instalación.

Veredicto: ¿qué tipo de modelo y para quién?

Su perfil	Opción recomendada	Por qué
Particular, uso diario	Asistente propietario	Sencillo, versión básica gratuita, funciones integradas
Aficionado a la tecnología	Modelo abierto pequeño en local	Aprender, probar sin conexión, sin suscripción
Desarrollador, proyecto de gran volumen	Modelo abierto mediante API	Precio por token a menudo mucho menor
Empresa con datos sensibles	Modelo abierto alojado internamente	Datos bajo control, sin dependencia
Necesidad del máximo rendimiento	Modelo propietario puntero	Cabeza de la clasificación al 22 de octubre de 2026

No existe una opción «mejor» en términos absolutos: muchas organizaciones combinan ambas, un modelo cerrado para las tareas más difíciles y uno abierto para el volumen o los datos sensibles.