Modelos de IA open-source vs closed-source: ¿cuál es la diferencia?

Un modelo de IA open-source es uno que cualquiera puede descargar, ejecutar en sus propios equipos y modificar, normalmente gratis. Un modelo closed-source permanece dentro de la empresa que lo creó; solo lo alcanzas a través de su servicio de pago, con sus reglas. La elección decide quién controla el modelo, adónde van tus datos y cuánto cuesta a escala.

Open normalmente significa que los pesos del modelo, los miles de millones de números ajustados que son el modelo, se publican para descargar. Ejecutarlo en tus servidores significa que tus datos nunca salen del edificio, justo lo que valoran hospitales y bancos. También puedes modificarlo, casi siempre con fine-tuning hasta volverlo especialista, y no hay factura por petición, solo tu hardware. Los modelos cerrados invierten las tres cosas: los sistemas de frontera más fuertes son mayormente cerrados, alcanzables solo por la interfaz de pago del fabricante. Eso compra capacidad tope sin infraestructura, pero cada petición pasa por el taxímetro, tus datos viajan por sus servidores, y el proveedor puede cambiar precios bajo tus pies. Un matiz: la mayoría de modelos abiertos son de pesos abiertos, la receta de entrenamiento sigue secreta y algunas licencias restringen el uso comercial. El reparto habitual: cerrado para arrancar rápido, abierto para control, privacidad y coste cuando el volumen crece.

Tener coche propio frente a usar un servicio de transporte. El coche propio cuesta por adelantado y lo mantienes tú, pero es tuyo: modifícalo, ve adonde quieras, sin taxímetro, sin nadie anotando adónde fuiste. El servicio te da al instante un coche más nuevo y sin mantenimiento, pero pagas por viaje, vas con sus reglas y cada trayecto queda en sus registros. Ninguno es simplemente mejor; depende de si valoras pulido y comodidad o control, privacidad y coste plano.