Un modelo es, sobre todo, un archivo muy grande de números: sus pesos. Cuando un desarrollador publica ese archivo, cualquiera puede ejecutar el modelo en su propio hardware.
Cómo funciona
El entrenamiento produce los pesos: los parámetros que aprendió una red neuronal. La Open Source Initiative describe los pesos abiertos como “the final weights and biases of a trained neural network” (traducción: los pesos y sesgos finales de una red neuronal entrenada). Con ellos, usted puede ejecutar inferencia, hacer fine-tuning o cuantizar el modelo.
Lo que los pesos abiertos no suelen incluir, según la OSI:
- el código de entrenamiento;
- información detallada sobre los datos de entrenamiento.
La definición de IA de código abierto de la OSI exige ambos, junto con los pesos, para que otros puedan estudiar y reproducir el modelo. Muchos modelos populares son de pesos abiertos, pero no de código abierto en ese sentido. Los informes del gobierno de EE. UU. usan una expresión parecida: modelos con “widely available model weights” (traducción: pesos de modelo ampliamente disponibles). Google, por ejemplo, llama a su familia Gemma “open models” (traducción: modelos abiertos).
Cada publicación de pesos abiertos viene con una licencia. Entre las comunes están Apache-2.0 y MIT, mientras que otras restringen el uso comercial. La licencia decide si usted puede servir el modelo a otras personas mediante una API.
Por qué importa
- Elegir dónde se ejecuta. Autoalójelo para tener control total, o llame a uno de los varios proveedores que sirven el mismo modelo.
- Privacidad. Puede mantener los datos en su propio hardware o elegir un proveedor con retención cero de datos.
- Sin dependencia. Si un proveedor cambia sus condiciones, los mismos pesos funcionan en otro lugar. Una API compatible con OpenAI convierte el cambio en un ajuste de configuración.
- Mismo nombre, distinto servicio. Dos proveedores pueden servir un mismo modelo con distinta cuantización, límites de contexto o ajustes. Pruebe con sus propios prompts.
En BroadNet Inference
El catálogo de modelos de BroadNet dice “~270 models run on our GPUs” (traducción: ~270 modelos ejecutados en nuestras GPUs) (cifra del laboratorio, septiembre de 2026). Esa cifra cuenta todos los modelos que BroadNet dice haber ejecutado, evaluado, cuantizado o ajustado, incluidos los que descartó, no solo los modelos de su API. Su declaración de privacidad describe el alojamiento como hardware en EE. UU. propio o arrendado por BroadNet, con capacidad de socios como respaldo. Su catálogo de modelos muestra las licencias porque, en sus palabras, estas “decide what can be served through an API” (traducción: deciden qué se puede servir mediante una API). BroadNet Gemma 4 VL 26B es la versión de BroadNet de Gemma 4 de Google. BroadNet Transcribe Arabic se basa en Cohere Transcribe, y BroadNet informa que ocupa el puesto #2 de 37 (su cifra de septiembre de 2026; el tablero en vivo lo situaba en el #4 de 39 el 15 de noviembre de 2026) en el Open Universal Arabic ASR Leaderboard, y el primero entre los modelos cuyas licencias permiten servirlos por API.
Para elegir un modelo para texto en árabe, consulte cómo elegir un LLM para árabe.