Jensen Huang y el futuro de los modelos de IA con pesos abiertos
Las grandes empresas tecnológicas defienden los modelos de pesos abiertos como motor de innovación, competencia, seguridad y soberanía.
Jensen Huang, fundador y CEO de NVIDIA, eligió un asunto especialmente relevante para su primera publicación en X: el futuro de los modelos de inteligencia artificial con pesos abiertos.
El mensaje daba visibilidad a “Open Weights and American AI Leadership”, una carta que defiende el papel de estos modelos en la innovación, la competencia, la seguridad y la soberanía tecnológica. La versión actual del documento está respaldada por decenas de organizaciones, entre ellas NVIDIA, Microsoft, Meta, Google, OpenAI, Palantir, IBM, Mistral, Hugging Face, Andreessen Horowitz y Y Combinator.
No se trata únicamente de otra declaración corporativa. La carta plantea una cuestión que puede condicionar la estructura de toda la industria:
¿Queremos que la inteligencia artificial dependa de unos pocos proveedores o que pueda desplegarse, adaptarse y mejorarse en miles de organizaciones?
La historia del software podría repetirse con la inteligencia artificial
El argumento central comienza con una comparación histórica.
Durante los años ochenta, muchos pensaban que el software solo podría avanzar si las empresas protegían estrictamente su código. Los pioneros del código abierto defendieron lo contrario: que los desarrolladores pudieran estudiar, modificar, reutilizar y mejorar el software.
Aquella decisión no solo redujo costes. Creó una infraestructura común sobre la que se construyó buena parte de internet y numerosos sistemas utilizados por empresas tecnológicas, universidades, administraciones públicas y organizaciones militares.
La carta sostiene que la inteligencia artificial se encuentra ahora ante una bifurcación similar. El liderazgo no dependerá exclusivamente de quién tenga el modelo más potente, sino de quién consiga extender la IA por hospitales, fábricas, universidades, pequeñas empresas, explotaciones agrícolas y administraciones públicas.
¿Qué es exactamente un modelo de pesos abiertos?
Un modelo de pesos abiertos permite descargar sus parámetros entrenados para ejecutarlo en una infraestructura propia, inspeccionarlo, ajustarlo o especializarlo para determinadas tareas.
Esto permite que una organización pueda:
- Ejecutar el modelo dentro de su propio entorno.
- Adaptarlo a sus datos, procesos y necesidades.
- Reducir su dependencia de una API externa.
- Controlar mejor los costes, la latencia y la privacidad.
- Conservar las capacidades desarrolladas sobre el modelo.
Conviene introducir una precisión: pesos abiertos y código abierto no son necesariamente lo mismo.
La Open Source Initiative considera que una IA verdaderamente abierta requiere algo más que publicar los pesos. También debe ofrecer información suficiente sobre los datos, el código de entrenamiento, la arquitectura y los elementos necesarios para estudiar y modificar realmente el sistema. Un modelo puede ofrecer pesos descargables sin cumplir todos esos requisitos.
La distinción es importante, aunque no reduce el impacto potencial de los modelos de pesos abiertos.
Democratizan el acceso a capacidades avanzadas
Entrenar un modelo fundacional desde cero está fuera del alcance de la mayoría de las organizaciones. Requiere grandes volúmenes de datos, talento altamente especializado, infraestructura de computación y una inversión considerable.
Los modelos de pesos abiertos cambian esa ecuación.
Una startup, una universidad, un hospital o una empresa industrial puede partir de un modelo avanzado y especializarlo sin asumir el coste de construir uno desde cero. También puede utilizar modelos más pequeños y eficientes para tareas cotidianas, reservando los sistemas de frontera para los problemas que realmente necesitan esa capacidad.
El resultado es una arquitectura más sostenible: el modelo adecuado para cada tarea, con el coste adecuado.
Evitan que el valor de la IA quede concentrado
La segunda idea de la carta es económica.
Cuando una tecnología depende de un número reducido de proveedores, estos controlan los precios, las condiciones de acceso, la evolución del producto y buena parte del valor generado alrededor de él.
Los pesos abiertos introducen competencia en varias capas simultáneamente:
- Desarrollo de modelos.
- Infraestructura de computación.
- Servicios cloud.
- Aplicaciones empresariales.
- Herramientas de personalización.
- Plataformas de agentes.
- Servicios de seguridad y evaluación.
Una empresa puede cambiar de infraestructura, comparar modelos o desplegar una versión especializada sin reconstruir todo su sistema desde cero.
Esta presión competitiva puede acelerar la innovación, reducir los costes y evitar que el mercado de la IA termine convertido en un oligopolio de APIs.
Permiten conservar el conocimiento creado por cada organización
Uno de los mayores riesgos empresariales de la inteligencia artificial no es únicamente el precio. Es la dependencia.
Cuando una organización entrena procesos, agentes, evaluaciones y personalizaciones sobre una plataforma cerrada, una parte significativa de su conocimiento operativo puede quedar vinculada a ese proveedor.
Los modelos de pesos abiertos ofrecen otra posibilidad: que la empresa controle el modelo, los datos, las adaptaciones y la infraestructura donde se ejecuta.
Esto convierte la soberanía tecnológica en algo concreto.
No se trata solo de almacenar los datos en un servidor propio. Se trata de conservar:
- Las especializaciones desarrolladas.
- Los conjuntos de evaluación.
- Los flujos de trabajo aprendidos.
- El conocimiento acumulado.
- Las capacidades diferenciales creadas por la organización.
En la era de la IA, esa combinación puede convertirse en uno de los principales activos empresariales.
La apertura también puede mejorar la seguridad
La carta no niega los riesgos.
Una vez publicados los pesos de un modelo, su creador pierde parte del control sobre las modificaciones, los usos posteriores y la distribución de nuevas versiones. Algunas adaptaciones pueden resultar difíciles de rastrear o retirar.
Sin embargo, sus firmantes rechazan que la única respuesta posible sea prohibir o restringir los modelos abiertos.
Su tesis es que la apertura también permite que una comunidad más amplia de investigadores, desarrolladores y especialistas en ciberseguridad examine el comportamiento de los modelos, encuentre vulnerabilidades, realice pruebas de red teaming y desarrolle defensas.
Los sistemas cerrados tampoco son seguros por definición. Pueden sufrir ataques, utilizarse incorrectamente o presentar fallos que nadie fuera de la empresa tiene capacidad para detectar.
Concentrar toda la capacidad en unos pocos sistemas también crea puntos únicos de fallo.
La verdadera discusión, por tanto, no debería enfrentar ingenuamente modelos abiertos contra modelos seguros. Debería analizar qué mecanismos de evaluación, monitorización, responsabilidad y mitigación necesita cada nivel de capacidad.
Kimi K3 convierte el debate en algo tangible
El lanzamiento de Kimi K3 por Moonshot AI ha intensificado esta conversación.
La empresa presenta Kimi K3 como un modelo de 2,8 billones de parámetros, con comprensión visual nativa y una ventana de contexto de un millón de tokens. Moonshot ha anunciado la publicación completa de sus pesos para el 27 de julio de 2026.
Más allá de sus benchmarks, lo relevante es la señal que envía al mercado: los modelos de pesos abiertos ya no compiten únicamente en eficiencia o en casos de uso especializados. Están acercándose rápidamente a escenarios de inteligencia de frontera.
Esto obliga a las empresas estadounidenses y europeas a responder a una pregunta incómoda: ¿las restricciones protegerán su ventaja tecnológica o terminarán reduciendo su capacidad de innovar?
La posición de Jensen Huang también responde a la lógica de NVIDIA
Huang sostiene que la expansión de los modelos abiertos no perjudica necesariamente a las empresas que comercializan modelos cerrados ni a los fabricantes de infraestructura.
Su argumento es que los modelos más económicos y accesibles aumentan la adopción. Y cuantas más organizaciones utilicen inteligencia artificial, mayor será la demanda de chips, centros de datos, redes y capacidad de inferencia.
Desde esa perspectiva, la IA abierta no reduce el mercado: lo amplía.
Huang también ha rechazado la idea de que descargar un modelo chino implique automáticamente introducir una puerta trasera controlada desde China. Su planteamiento es que estos modelos pueden ejecutarse, inspeccionarse y aislarse dentro de entornos corporativos controlados. También considera que un ecosistema basado en un único modelo o proveedor sería más vulnerable por la concentración de los puntos de ataque y de fallo.
Evidentemente, NVIDIA se beneficia de cualquier escenario que incremente el consumo de computación. Pero que exista un interés comercial no invalida el razonamiento: una mayor difusión de la IA puede generar más demanda de infraestructura, no menos.
Destilación no significa apropiación ilegal
Otro de los puntos más relevantes de la carta es la defensa de la destilación.
La destilación utiliza las respuestas o capacidades de un modelo para entrenar, evaluar o mejorar otro sistema. Es una técnica habitual en el desarrollo de inteligencia artificial.
La carta pide no confundir esta práctica con la extracción ilegal de propiedad intelectual o con el incumplimiento de contratos y condiciones de uso.
Son problemas diferentes y deberían recibir respuestas diferentes.
Las posibles apropiaciones ilegales deben abordarse mediante marcos jurídicos, contractuales y comerciales específicos. Aplicar restricciones generales a la destilación podría bloquear una técnica fundamental para crear modelos más pequeños, eficientes y especializados.
El futuro probablemente no será abierto o cerrado
La conclusión más razonable no es que todos los modelos deban ser abiertos ni que los sistemas cerrados vayan a desaparecer.
Ambos enfoques responderán a necesidades diferentes.
Los modelos cerrados pueden ofrecer comodidad, rendimiento gestionado, soporte, actualizaciones continuas y garantías contractuales. Los modelos de pesos abiertos proporcionan control, adaptabilidad, independencia, personalización y capacidad de despliegue soberano.
La cuestión decisiva será quién controla el valor creado sobre ellos.
Las organizaciones que se limiten a consumir inteligencia artificial mediante interfaces externas podrán avanzar rápidamente. Pero aquellas que construyan sus propios datos, evaluaciones, agentes, personalizaciones y modelos especializados estarán creando un activo mucho más difícil de replicar.
La carta impulsada por Jensen Huang no es solo una defensa de una determinada arquitectura tecnológica. Es una declaración sobre cómo debería distribuirse el poder en la próxima etapa de la inteligencia artificial.
Y esa discusión acaba de empezar.
Carta «Open Weights and American AI Leadership»
Información basada en la publicación en X/Twitter de Jensen Huang: The world needs both frontier closed models and frontier open models. El PDF de la carta está aquí: Open Weights and American AI Leadership (PDF).
