---
title: "¿Qué es un modelo de pesos abiertos? ¿Es código abierto?"
description: "Un modelo de pesos abiertos publica sus pesos entrenados para que cualquiera lo ejecute. Cómo difiere de la IA de código abierto, licencias y APIs alojadas."
url: https://broadrouter.com/es/glossary/open-weight-model/
lang: es
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traducido del inglés con ayuda de IA. [Lea el original en inglés](https://broadrouter.com/glossary/open-weight-model/) (actualizado el 2026-11-16).

# Modelo de pesos abiertos (open-weight model)

Actualizado 2026-11-16

Un modelo de pesos abiertos es un modelo de aprendizaje automático cuyos pesos entrenados se publican para que cualquiera los descargue y ejecute, normalmente con una licencia con condiciones. Se diferencia de la IA totalmente de código abierto, que además publica el código de entrenamiento e información detallada sobre los datos, para que otros puedan estudiar y reproducir el modelo.

También llamado: modelo de pesos abiertos, modelos de pesos abiertos, pesos abiertos, modelo abierto, open-weight model, open weights, open model, open-weights LLM, openly available model weights

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](https://broadrouter.com/es/glossary/zero-data-retention/).
-   **Sin dependencia.** Si un proveedor cambia sus condiciones, los mismos pesos funcionan en otro lugar. Una [API compatible con OpenAI](https://broadrouter.com/es/glossary/openai-compatible-api/) 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](https://broadrouter.com/es/models/gemma-4-vl-26b/) es la versión de BroadNet de Gemma 4 de Google. [BroadNet Transcribe Arabic](https://broadrouter.com/es/models/cohere-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](https://broadrouter.com/es/blog/choosing-an-llm-for-arabic/).

## Preguntas frecuentes

### ¿Un modelo de pesos abiertos es lo mismo que uno de código abierto?

No según la definición de la Open Source Initiative. Los pesos abiertos le dan el modelo entrenado. La IA de código abierto exige además el código de entrenamiento completo e información detallada sobre los datos de entrenamiento, para que otros puedan estudiarlo y reconstruirlo.

### ¿Puedo usar comercialmente cualquier modelo de pesos abiertos?

No. Las licencias varían. Algunas permiten el uso comercial y servirlo mediante una API, mientras que otras son no comerciales o añaden condiciones. Lea la licencia del checkpoint exacto que use.

### ¿Por qué usar una API alojada para un modelo de pesos abiertos?

Ejecutar modelos grandes requiere GPUs, software de servicio y trabajo de operación. Una API alojada le da el mismo modelo detrás de una clave y conserva la opción de autoalojarlo más adelante.

## Vea también

-   [Modelo de visión y lenguaje (VLM)](https://broadrouter.com/es/glossary/vision-language-model/) (término)
-   [Retención cero de datos (zero data retention, ZDR)](https://broadrouter.com/es/glossary/zero-data-retention/) (término)
-   [API compatible con OpenAI](https://broadrouter.com/es/glossary/openai-compatible-api/) (término)
-   [Router de LLM (LLM router)](https://broadrouter.com/es/glossary/llm-router/) (término)
-   [Mixture of experts (MoE, mezcla de expertos)](https://broadrouter.com/es/glossary/mixture-of-experts/) (término)
-   [Cuantización (quantization)](https://broadrouter.com/es/glossary/quantization/) (término)
-   [Fine-tuning (ajuste fino)](https://broadrouter.com/es/glossary/fine-tuning/) (término)
-   [Proveedor de inferencia (inference provider)](https://broadrouter.com/es/glossary/inference-provider/) (término)
-   [Licencia de modelo (model license)](https://broadrouter.com/es/glossary/model-license/) (término)
-   [GGUF](https://broadrouter.com/es/glossary/gguf/) (término)
-   [Lea facturas y recibos en árabe con un modelo de visión](https://broadrouter.com/es/guides/read-arabic-invoices-with-vision/) (guía)
-   [API de voz a texto en árabe, paso a paso](https://broadrouter.com/es/guides/arabic-speech-to-text-api/) (guía)
-   [Cómo elegir una API de LLM para árabe: qué probar](https://broadrouter.com/es/blog/choosing-an-llm-for-arabic/) (artículo)
-   [API de voz a texto en árabe: cómo elegir una en 2026](https://broadrouter.com/es/blog/arabic-speech-to-text-api-buyers-guide/) (artículo)

Pruébelo con su carga de trabajo real. Las cuentas nuevas empiezan con USD 5 de crédito para Gemma y transcripción. DeepSeek, GLM y Qwen3.8 requieren una recarga.

[Comenzar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-glossary-open-weight-model&utm_content=page-cta) ·

**Fuentes**

-   [Open Source Initiative, pesos abiertos frente a IA de código abierto](https://opensource.org/ai/open-weights)
-   [NTIA, informe sobre modelos fundacionales de doble uso con pesos ampliamente disponibles](https://www.ntia.gov/issues/artificial-intelligence/open-model-weights-report)
-   [Google AI for Developers, modelos abiertos Gemma](https://ai.google.dev/gemma/docs)
-   [Catálogo de modelos de BroadNet](https://www.broadnet.ai/es/inference/models)
