Ai2, el instituto que publica modelos de lenguaje totalmente abiertos
Ai2 (Allen Institute for AI) es un instituto de investigación sin fines de lucro con sede en Seattle. Se distingue por publicar no solo los pesos de sus modelos OLMo, sino también sus datos de entrenamiento, su código y sus puntos de control intermedios.
Datos a 22 de octubre de 2026
Lo esencial en cifras
| País | Estados Unidos |
|---|---|
| Sede | Seattle |
| Fundación | 2014 |
| Tipo | Organización sin ánimo de lucro |
| Política de pesos | Pesos abiertos |
| Familias de modelos | OLMo, Tülu, Molmo, OLMoE |
| Sitio oficial | allenai.org |
Un instituto de investigación fundado por Paul Allen
El Allen Institute for AI, hoy conocido como Ai2, fue fundado en Seattle en 2014 por Paul Allen, cofundador de Microsoft. Es un instituto de investigación sin fines de lucro, no una empresa comercial. Su misión es «construir una IA innovadora para resolver los mayores problemas del mundo». Su trabajo abarca los modelos de lenguaje, pero también la IA aplicada a la ciencia, la conservación del planeta y la robótica.
OLMo, Tülu, Molmo: las familias de modelos
- OLMo es la familia de grandes modelos de lenguaje de Ai2. Al 22 de octubre de 2026, la generación OLMo 3 existe en tamaños 7B y 32B, con variantes Base, Instruct (conversación) y Think (orientada al razonamiento). OLMoE es una versión de mezcla de expertos.
- Tülu 3 es una receta de post-entrenamiento totalmente documentada que combina ajuste fino supervisado, DPO y RLVR.
- Molmo es la familia de modelos multimodales capaces de entender imágenes.
«Más que código abierto»
Lo que distingue a Ai2 es el alcance de lo que publica. Muchos laboratorios ofrecen modelos de pesos abiertos sin revelar con qué datos se entrenaron. Ai2 lo publica íntegramente: los datos de entrenamiento (el corpus Dolma), el código de entrenamiento (OLMo-core, Open Instruct), los puntos de control intermedios y las herramientas de evaluación (OLMES). Su herramienta OlmoTrace permite incluso relacionar una respuesta del modelo con los pasajes de los datos de entrenamiento de los que podría provenir.
En la práctica, esto convierte a OLMo en una referencia para la investigación y la enseñanza: cada etapa se puede estudiar, reproducir o modificar. La contrapartida es que estos modelos no buscan igualar en todas las tareas a los modelos comerciales más grandes.
Cómo acceder a los modelos
- El Ai2 Playground, para conversar con los modelos en el navegador.
- Hugging Face para los pesos y los conjuntos de datos, con OLMo 3 bajo licencia Apache 2.0.
- GitHub para el código, y proveedores asociados como Cirrascale para el acceso por API.
Más información en allenai.org. Para comparar OLMo con otros modelos abiertos, consulte nuestra página de modelos open source.
Preguntas frecuentes
¿Qué diferencia hay entre pesos abiertos y totalmente abierto?
Un modelo de pesos abiertos se puede descargar, pero a menudo se desconoce con qué datos y técnicas se entrenó. Ai2 publica además los datos de entrenamiento, el código, las recetas y las herramientas de evaluación, de modo que el proceso completo se puede reproducir y estudiar.
¿Qué es Tülu?
Tülu 3 es una receta abierta de post-entrenamiento: selección de instrucciones, ajuste fino supervisado, ajuste por preferencias y aprendizaje por refuerzo con recompensas verificables. Ai2 publica los datos, el código y la técnica, y lo ha aplicado, entre otros, a modelos base Llama 3.
¿Puedo usar OLMo en un proyecto comercial?
OLMo 3 se publica con licencia Apache 2.0, que permite el uso comercial. Ai2 precisa que sus modelos están pensados principalmente para la investigación y la educación, de acuerdo con sus Responsible Use Guidelines.
¿Cómo puedo probar los modelos de Ai2?
El Ai2 Playground permite conversar con los modelos en el navegador. Los pesos y los conjuntos de datos están en Hugging Face, el código en GitHub, y algunos proveedores asociados ofrecen acceso por API.
Fuentes de los datos
Datos a 22 de octubre de 2026
Señalar un error
¿Una cifra, una fecha o un dato le parece incorrecto? Díganoslo: verificamos cada aviso.