# ai-opensource.com > Una guía en lenguaje llano sobre los últimos modelos de IA de código abierto y de pesos abiertos: qué es cada uno, qué tamaño tiene, qué permite su licencia y qué hardware puede ejecutarlo. Los datos se verifican contra fuentes primarias: fichas de modelo, archivos de licencia y anuncios oficiales. Salvo indicación contraria, las cifras de benchmarks son las que aportan los desarrolladores. Los textos y los datos se publican bajo CC BY 4.0. Última actualización del catálogo: 11 de noviembre de 2026. English: https://ai-opensource.com/llms.txt ## Modelos - [Clef](https://ai-opensource.com/es/models/clef/): Los modelos de decisión abiertos de Cloudflare: les das una situación y preguntas y devuelven una probabilidad por opción en una pasada. Parámetros: 9.41B–27.4B; Ventana de contexto: 64K; Licencia: Apache 2.0; Lanzamiento: 2026-10-01. - [Confucius4-R2T2](https://ai-opensource.com/es/models/confucius4-r2t2/): El reconocedor de voz en streaming de NetEase Youdao que nunca revisa las palabras ya emitidas, adaptado de Qwen3-ASR-1.7B. Parámetros: 2.04B; Licencia: NetEase Youdao Model Use; Lanzamiento: 2026-09. - [A.X K2](https://ai-opensource.com/es/models/a-x-k2/): MoE de SK Telecom: 688B parámetros, 33B activos, FP8 nativo y contexto de 256K. Apache 2.0; destaca en matemáticas y coreano. Parámetros: 688B (33B activos); Ventana de contexto: 256K; Licencia: Apache 2.0; Lanzamiento: 2026-07-29. - [Chatterbox](https://ai-opensource.com/es/models/chatterbox/): TTS de clonación de voz de Resemble AI (0.5B, MIT): Multilingual V3, 6 idiomas. Retirado en agosto de 2026: archivo sin actualizaciones. Parámetros: 500M; Licencia: MIT; Lanzamiento: 2026-06-10. - [Cosmos 3](https://ai-opensource.com/es/models/cosmos-3/): World models abiertos de NVIDIA para robots y conducción: 4B, 16B y 64B, con entrada y salida de texto, imágenes, vídeo y acciones. Parámetros: 3.86B–64.6B; Licencia: OpenMDW-1.1; Lanzamiento: 2026-05-31. - [Command A+](https://ai-opensource.com/es/models/command-a-plus/): El modelo empresarial abierto de 218B de Cohere: 25B activos, 48 idiomas, imágenes y herramientas, Apache 2.0, corre en dos H100 a 4 bits. Parámetros: 218B (25B activos); Ventana de contexto: 128K; Licencia: Apache 2.0; Lanzamiento: 2026-05-20. - [Anima](https://ai-opensource.com/es/models/anima/): Modelo de imágenes de anime e ilustración de 2B de CircleStone Labs y Comfy Org, con versión Turbo de 8 a 12 pasos. Pesos no comerciales. Parámetros: 2.09B; Licencia: CircleStone Non-Commercial; Lanzamiento: 2026-05-14. - [Cohere Transcribe](https://ai-opensource.com/es/models/cohere-transcribe/): El primer modelo de voz abierto de Cohere: un especialista en transcripción de 2B para 14 idiomas, publicado bajo Apache 2.0. Parámetros: 2.07B; Licencia: Apache 2.0; Lanzamiento: 2026-03-26. - [DeepSeek-OCR 2](https://ai-opensource.com/es/models/deepseek-ocr-2/): OCR de 3.4B con Apache 2.0 de DeepSeek: su nuevo codificador reordena los tokens visuales por significado, no en orden de barrido. Parámetros: 3.39B; Licencia: Apache 2.0; Lanzamiento: 2026-01-27. - [ACE-Step 1.5](https://ai-opensource.com/es/models/ace-step-1-5/): Modelo musical MIT: canciones completas en segundos, desde unos 4 GB de VRAM, con covers, edición parcial y más de 50 idiomas. Parámetros: 2B–4B; Licencia: MIT; Lanzamiento: 2026-01-23. - [DeepSeek-OCR](https://ai-opensource.com/es/models/deepseek-ocr/): OCR de 3B con licencia MIT de DeepSeek que comprime una página en pocos tokens visuales: ~97% de precisión con <10x de compresión. Parámetros: 3.34B (570M activos); Licencia: MIT; Lanzamiento: 2025-10-20. ## Los mejores - [Los mejores modelos de código abierto de OCR y documentos en 2026](https://ai-opensource.com/es/best/ocr-and-document-models/): Los modelos abiertos de OCR y de parseo de documentos de noviembre de 2026, desde modelos de 0.8B para el dispositivo hasta parsers multilingües de 5B, con sus licencias y para qué está hecho cada uno. - [Los mejores modelos multimodales de código abierto en 2026 (imágenes, vídeo y audio)](https://ai-opensource.com/es/best/multimodal-models/): Modelos abiertos que leen imágenes, vídeo y audio además de texto, desde un modelo de 1B que corre en tu dispositivo hasta sistemas de billones de parámetros, con la licencia y el contexto de cada uno. - [Modelos de IA de pesos abiertos hechos en Europa](https://ai-opensource.com/es/best/open-models-made-in-europe/): Modelos de pesos abiertos de desarrolladores de Francia, Alemania, Suiza y los Países Bajos, en lenguaje, imagen, voz, OCR y embeddings, con la licencia de cada uno. - [Modelos de IA de pesos abiertos hechos en Corea del Sur](https://ai-opensource.com/es/best/open-models-made-in-korea/): Modelos de pesos abiertos de desarrolladores surcoreanos: los cuatro modelos de lenguaje creados para el proyecto estatal de IA soberana, los dos modelos Raon de KRAFTON y un modelo de voz para el dispositivo. - [Los mejores modelos reranker de código abierto en 2026](https://ai-opensource.com/es/best/reranker-models/): Los rerankers abiertos de noviembre de 2026 para búsqueda y RAG: de solo texto y multimodales, de 0.6B a 8B parámetros, con idiomas, contexto, licencia y tamaño. - [Los mejores modelos de código abierto de música y sonido en 2026](https://ai-opensource.com/es/best/music-and-sound-generation/): Los modelos abiertos de música y sonido de noviembre de 2026: canciones con voz, un instrumento en directo y efectos de sonido, con los límites de hardware y de licencia a la vista. ## Comparar modelos - [ACE-Step 1.5 vs MiniMax Music 3: ¿qué modelo de canciones abierto elegir?](https://ai-opensource.com/es/compare/ace-step-1-5-vs-minimax-music-3/): ACE-Step 1.5 es un modelo de canciones con licencia MIT que funciona con unos 4 GB de VRAM. MiniMax Music 3, de 11.1B, crea canciones de hasta cinco minutos y necesita una GPU de 24 GB. - [Apertus 1.5 vs OLMo 3.1: ¿qué modelo totalmente abierto deberías usar?](https://ai-opensource.com/es/compare/apertus-1-5-vs-olmo-3-1/): Apertus 1.5 lee texto, imágenes y audio con un contexto de 262K; OLMo 3.1 es solo de texto, con 64K y un modelo 32B. Ambos son totalmente abiertos bajo Apache 2.0. - [BGE-M3 vs Granite Embedding R2: ¿qué modelo de embeddings deberías usar?](https://ai-opensource.com/es/compare/bge-m3-vs-granite-embedding-r2/): BGE-M3 es un único modelo multilingüe de 568M con búsqueda densa, dispersa y multivector; Granite Embedding R2 son cuatro modelos pequeños con hasta 32K de contexto. Compara tamaño y encaje. - [Cosmos 3 vs Wan 2.2: ¿qué modelo de vídeo abierto elegir?](https://ai-opensource.com/es/compare/cosmos-3-vs-wan-2-2/): Cosmos 3 es el modelo de mundo de NVIDIA para robots y conducción, con un tamaño Edge de 4B; Wan 2.2 es la familia de Alibaba de texto e imagen a vídeo bajo Apache 2.0, con un modelo 5B para GPU de 24 GB. - [DeepSeek V4 vs Hy3: ¿qué modelo abierto grande deberías usar?](https://ai-opensource.com/es/compare/deepseek-v4-vs-hy3/): DeepSeek V4 tiene licencia MIT, contexto de 1M de tokens y tamaños de 1.6T y 284B; Hy3 es un único modelo Apache 2.0 de 295B con 256K. Compara tamaño, contexto y licencia. - [FLUX 3 Klein vs Krea 2: ¿qué modelo de imagen elegir?](https://ai-opensource.com/es/compare/flux-3-image-klein-vs-krea-2/): FLUX 3 Image Klein edita imágenes y cabe en 8 GB con INT8, mientras que Krea 2 dibuja imágenes variadas solo desde texto. Ambos son gated, con topes de ingresos de 5 y 1 millones de USD. - [FLUX 3 Image Klein vs Qwen-Image-2.1: licencias, memoria y funciones](https://ai-opensource.com/es/compare/flux-3-image-klein-vs-qwen-image-2-1/): FLUX 3 Image Klein y Qwen-Image-2.1 generan y editan imágenes a partir de referencias. Compara sus licencias, necesidades de memoria y lo que cada uno hace mejor. - [FLUX.3 Image Klein vs Z-Image: ¿qué modelo de imagen abierto deberías usar?](https://ai-opensource.com/es/compare/flux-3-image-klein-vs-z-image/): FLUX.3 Image Klein edita imágenes desde hasta 10 referencias bajo una licencia con límite de ingresos; Z-Image es texto a imagen bajo Apache 2.0. Compara edición, licencia y memoria. - [Gemma 4 vs Qwen3.8-27B: ¿qué modelo abierto ejecutar en una GPU?](https://ai-opensource.com/es/compare/gemma-4-vs-qwen-3-8-27b/): Gemma 4 de Google y Qwen3.8-27B de Alibaba son modelos Apache 2.0 que caben en una GPU. Compara tamaños, tipos de entrada, necesidades de memoria y dónde encaja cada uno. - [GLM-5.3 Flash vs MiniMax M3: ¿qué modelo multimodal deberías usar?](https://ai-opensource.com/es/compare/glm-5-3-flash-vs-minimax-m3/): GLM-5.3 Flash: 320.000 millones de parámetros, licencia MIT y contexto largo a bajo costo; MiniMax M3: 428.000 millones, modos de razonamiento y licencia de comunidad. Compara tamaño y licencia. - [GLM-5.3 vs DeepSeek V4.1 Flash: comparación de dos modelos abiertos para agentes de programación](https://ai-opensource.com/es/compare/glm-5-3-vs-deepseek-v4-1-flash/): GLM-5.3 de Z.ai y DeepSeek V4.1 Flash son modelos de pesos abiertos para programación y agentes, con contexto de 1 millón de tokens. Compara tamaño, memoria necesaria y licencias. - [GLM-OCR vs PaddleOCR-VL: ¿qué analizador de documentos pequeño deberías usar?](https://ai-opensource.com/es/compare/glm-ocr-vs-paddleocr-vl/): Dos analizadores de documentos de 0.9B: GLM-OCR (MIT, SDK, extracción de formularios) y PaddleOCR-VL (Apache 2.0, gráficos y sellos). Compara herramientas, licencia y puntuaciones. - [Index-Translate vs TranslateGemma: ¿cuál elegir?](https://ai-opensource.com/es/compare/index-translate-vs-translategemma/): Index-Translate cubre 150 idiomas con Apache 2.0 y sigue glosario y tono. TranslateGemma cubre 55 con los Términos de Gemma y tiene muchas más descargas. No hallamos comparación independiente. - [K-EXAONE 2.0 vs A.X K2: ¿qué modelo de IA soberana coreana deberías ejecutar?](https://ai-opensource.com/es/compare/k-exaone-2-0-vs-a-x-k2/): ¿K-EXAONE 2.0 (750.000 millones, diez idiomas, contexto 262K) o A.X K2 (688.000 millones, cinco idiomas, más fuerte en matemáticas y coreano)? Ambos son Apache 2.0. Compara tamaño, hardware y ajuste. - [Kimi K3.1 Pro vs Qwen3.8-Max: ¿qué modelo abierto gigante te conviene?](https://ai-opensource.com/es/compare/kimi-k3-1-pro-vs-qwen-3-8-max/): Kimi K3.1 Pro y Qwen3.8-Max son los mayores modelos de pesos abiertos que puedes descargar. Compara tamaño, tipos de entrada, memoria necesaria y licencias lado a lado. - [Kokoro vs Pocket TTS: ¿qué modelo TTS abierto diminuto deberías usar?](https://ai-opensource.com/es/compare/kokoro-vs-pocket-tts/): Kokoro ofrece 54 voces fijas en 8 idiomas bajo Apache 2.0; Pocket TTS clona una voz a partir de 5 segundos de audio en 6 idiomas bajo CC BY 4.0. Ambos corren en CPU. - [LTX-2.5 vs Wan 2.2: comparación de generación de vídeo de código abierto](https://ai-opensource.com/es/compare/ltx-2-5-vs-wan-2-2/): LTX-2.5 genera vídeo con sonido sincronizado, mientras que Wan 2.2 es Apache 2.0 y corre en una GPU de 24 GB. Compara memoria necesaria, licencias y funciones. - [MiniCPM-OCR frente a LightOnOCR-3: ¿qué modelo OCR Apache 2.0 deberías usar?](https://ai-opensource.com/es/compare/minicpm-ocr-vs-lightonocr-3/): MiniCPM-OCR es un único modelo de 1.3B para páginas en chino e inglés; LightOnOCR-3 ofrece tamaños 4B, 1B y 0.8B con cajas y datos de gráficos. Compara herramientas y encaje. - [Mistral Large 4 frente a Muse Spark Open: dos modelos gigantes de pesos abiertos](https://ai-opensource.com/es/compare/mistral-large-4-vs-muse-spark-open/): Mistral Large 4 y Muse Spark Open se lanzaron ambos en octubre de 2026. Compara tamaño, tipos de entrada, necesidades de memoria y las condiciones de licencia de cada uno. - [MOSS-Image frente a Z-Image: ¿qué modelo de imagen Apache 2.0?](https://ai-opensource.com/es/compare/moss-image-vs-z-image/): MOSS-Image dibuja textos largos en chino e inglés y sigue diseños JSON; Z-Image Turbo crea imágenes fotorrealistas en 8 pasos en una GPU de 16 GB. Ambos son Apache 2.0. - [Nemotron 3.5 Lightning frente a Qwen3.6: ¿qué modelo de 3B activos usar?](https://ai-opensource.com/es/compare/nemotron-3-5-lightning-vs-qwen-3-6/): Nemotron 3.5 Lightning es un híbrido 30B-A3B para una H100 con contexto de 1M; Qwen3.6 es un par 35B-A3B más 27B denso con entrada de imágenes. Compara encaje y resultados. - [Nemotron 3 Nano Omni frente a MiniCPM-o 4.5: ¿qué modelo omni abierto?](https://ai-opensource.com/es/compare/nemotron-3-nano-omni-vs-minicpm-o-4-5/): El modelo omni de 31B de NVIDIA lee vídeo, audio e imágenes y responde en texto. El MiniCPM-o 4.5 de 9B de OpenBMB también habla. Compara memoria, idiomas y licencia. - [OmniVoice frente a VoxCPM2: ¿qué modelo de texto a voz abierto deberías usar?](https://ai-opensource.com/es/compare/omnivoice-vs-voxcpm2/): OmniVoice cubre más de 600 idiomas pero sus pesos no son comerciales; VoxCPM2 cubre 30 idiomas bajo Apache 2.0. Compara idiomas, diseño de voz y licencia. - [Ornith 1.5 frente a Qwen3.6: ¿qué modelo de codificación agéntica usar?](https://ai-opensource.com/es/compare/ornith-1-5-vs-qwen-3-6/): Ornith 1.5 es un derivado de Qwen3.5 con licencia MIT en cuatro tamaños; Qwen3.6 es la pareja Apache 2.0 de Alibaba con entrada de imágenes. Compara tamaños, licencias y evidencias. - [Parakeet TDT 0.6B v3 frente a Cohere Transcribe: ¿cuál deberías usar?](https://ai-opensource.com/es/compare/parakeet-tdt-0-6b-v3-vs-cohere-transcribe/): Parakeet v3 cubre 25 lenguas europeas con marcas de tiempo bajo CC BY 4.0; Cohere Transcribe cubre 14 idiomas, incluidos chino, japonés y coreano, bajo Apache 2.0. - [PLaMo 3 Translate vs Hy-MT2: ¿qué modelo de traducción abierto elegir?](https://ai-opensource.com/es/compare/plamo-3-translate-vs-hy-mt2/): PLaMo 3 Translate cubre 53 idiomas bajo una licencia con límite de ingresos; Hy-MT2 cubre 33 bajo Apache 2.0 puro y tiene una comunidad mucho mayor. Los gráficos de la propia PFN favorecen a PLaMo. - [Qwen3-ASR vs Voxtral Realtime: ¿qué modelo de transcripción en streaming usar?](https://ai-opensource.com/es/compare/qwen3-asr-vs-voxtral-realtime/): Qwen3-ASR cubre 30 idiomas más 22 dialectos chinos con marcas de tiempo; Voxtral Realtime es un único modelo 4B con una latencia de 80 ms a 2,4 s. Compara idiomas y latencia. - [Qwen3-Embedding vs EmbeddingGemma 2: ¿cuál usar?](https://ai-opensource.com/es/compare/qwen3-embedding-vs-embeddinggemma-2/): Qwen3-Embedding procesa texto y código en tres tamaños; EmbeddingGemma 2 junta texto, imágenes, audio y vídeo en un solo espacio. Compara contexto, tamaño y licencias. - [Ripple-65B vs Nanbeige4.3-33B: ¿qué modelo de agente nuevo?](https://ai-opensource.com/es/compare/ripple-65b-vs-nanbeige-4-3-33b/): Ripple-65B Preview es un modelo denso de 65B con contexto de 1M bajo Apache 2.0; Nanbeige4.3-33B es un modelo de 33B con contexto de 512K y una build INT4 de 23 GB. - [S2 Pro vs Higgs TTS 3: ¿qué modelo TTS no comercial?](https://ai-opensource.com/es/compare/s2-pro-vs-higgs-tts-3/): El S2 Pro de Fish Audio y el Higgs TTS 3 de Boson son ambos modelos de texto a voz de 4.6B con etiquetas en línea y clonación, y ambos son no comerciales. Compara licencias y hardware. - [Solar Open 2 vs Motif 3: ¿qué modelo de agente coreano ejecutar?](https://ai-opensource.com/es/compare/solar-open-2-vs-motif-3/): Solar Open 2 tiene 250B parámetros, contexto de 1M y una regla de nombres; Motif 3 tiene 314B, contexto de 256K y la licencia MIT pura. Compara hardware, idiomas y licencias. - [Stable Audio 3 vs MOSS-SoundEffect v2.0: ¿qué modelo de efectos de sonido abierto?](https://ai-opensource.com/es/compare/stable-audio-3-vs-moss-soundeffect-v2/): Stable Audio 3 crea música y efectos de hasta 6 min 20 s en ocho pasos, gratis bajo 1 millón de USD de ingresos. MOSS-SoundEffect v2.0 crea efectos de 30 segundos bajo Apache 2.0. - [Whisper large-v3-turbo vs Nemotron 3.5 Transcribe: ¿cuál usar?](https://ai-opensource.com/es/compare/whisper-large-v3-turbo-vs-nemotron-3-5-transcribe/): Whisper large-v3-turbo es pequeño y está muy soportado; Nemotron 3.5 Transcribe añade etiquetas de hablante y estilo controlado por prompt. Compara memoria, idiomas y licencias. - [ZONOS3-Mini vs Drama 3: ¿qué modelo TTS abierto nuevo?](https://ai-opensource.com/es/compare/zonos3-mini-vs-drama-3/): ZONOS3-Mini es un modelo Apache 2.0 de 800M para 43 idiomas que corre en el navegador. Drama 3 es un modelo de 36B para 83 idiomas, gratis solo bajo 500 mil USD de ingresos. ## Licencias - [Apache License 2.0](https://ai-opensource.com/es/licenses/apache-2-0/): Una de las licencias permisivas más utilizadas. Puedes usar y modificar el modelo y vender productos creados a partir de él con solo unas condiciones ligeras. - [bilibili Model Use License Agreement](https://ai-opensource.com/es/licenses/bilibili-model-use/): La licencia de Bilibili para IndexTTS, a la que apuntan tanto la ficha del modelo IndexTTS-2.5 como el repositorio de GitHub. Permite usar, modificar, entrenar con, distribuir y crear derivados del modelo en todo el mundo y sin regalías. El texto no prohíbe de forma general el uso comercial, pero un usuario o afiliado con más de 100 millones de usuarios activos mensuales o 1.000 millones de RMB de ingresos anuales necesita una licencia escrita aparte. - [Boson Higgs TTS 3 Research and Non-Commercial License](https://ai-opensource.com/es/licenses/boson-higgs-non-commercial/): La licencia de Boson AI para los pesos de Higgs TTS 3, actualizada por última vez el 8 de julio de 2026. Se autodefine como una licencia de código visible (source-available), no de código abierto. El uso en investigación y no comercial es gratuito, y cualquier propósito comercial necesita una licencia escrita aparte de Boson. La única excepción es una autorización de uso para creadores (Creator Use Grant), que permite a creadores digitales hacer y monetizar pódcast, vídeos, audiolibros y publicaciones sociales con el audio del modelo si acreditan “Boson AI's Higgs Audio”. - [BreezeBlue Research and Non-Commercial License Agreement v1.1](https://ai-opensource.com/es/licenses/breezeblue-non-commercial/): La licencia de los pesos de Breeze TTS 2, versión 1.1 de 1 de septiembre de 2026, emitida por Resonia, Inc., que opera como BreezeBlue. Es gratuita para investigación y uso no comercial y no otorga ningún derecho comercial, sin umbral de ingresos ni excepción para creadores. El audio que generes con los pesos abiertos está sujeto a los mismos límites. - [Creative Commons Attribution 4.0 (CC BY 4.0)](https://ai-opensource.com/es/licenses/cc-by-4-0/): Una licencia de Creative Commons que permite a cualquiera copiar, compartir y adaptar la obra para cualquier propósito, incluido el uso comercial, siempre que dé crédito. Se redactó para obras creativas y de datos más que para software, pero algunas publicaciones de voz y datos la usan para los pesos del modelo. - [Creative Commons Attribution-NonCommercial (CC BY-NC)](https://ai-opensource.com/es/licenses/cc-by-nc/): Una licencia de Creative Commons que permite a cualquiera copiar, compartir y adaptar la obra dando crédito, pero solo con fines no comerciales. Algunas fichas de modelo la nombran sin número de versión, y la versión actual es la 4.0. - [CircleStone Labs Non-Commercial License v1.2](https://ai-opensource.com/es/licenses/circlestone-non-commercial/): La licencia de los modelos de imagen Anima de CircleStone Labs. Los pesos son gratuitos solo para uso no comercial, pero las imágenes que generes pueden usarse comercialmente. Hospedar el modelo de pago, o integrarlo en un producto monetizado, necesita una licencia comercial aparte de CircleStone Labs. - [AI Pubs Open RAIL-M License (Modified, Datalab)](https://ai-opensource.com/es/licenses/datalab-openrail-m/): Una licencia Open RAIL-M modificada. Gratuita para investigación y uso personal, y para uso comercial solo por organizaciones con menos de 2 millones de USD de ingresos en el año anterior y menos de 2 millones de USD captados en total. También prohíbe usar el modelo para competir con Datalab y exige que los derivados y las salidas lleven la misma licencia. - [AI Pubs Open RAIL-M License (Modified, Datalab Surya)](https://ai-opensource.com/es/licenses/datalab-surya-openrail-m/): La misma licencia Open RAIL-M modificada que la de los modelos Chandra de Datalab, con límites más altos. Gratuita para investigación y uso personal, y para uso comercial solo por organizaciones con menos de 5 millones de USD de ingresos en el año anterior y menos de 5 millones de USD captados en total. También prohíbe usar el modelo para competir con Datalab y exige que los derivados y las salidas lleven la misma licencia. - [ERNIE 5.5 Flash Base Model License Agreement v1.0](https://ai-opensource.com/es/licenses/ernie-5-5-flash-base/): Gratuita para uso no comercial, y gratuita para uso comercial hasta 50 millones de USD de ingresos anuales relacionados si muestras “Powered by ERNIE” y envías a Baidu una notificación única, pero solo fuera de la UE, el Reino Unido y Corea del Sur. Por encima de 50 millones de USD necesitas autorización por escrito de Baidu. - [Fish Audio Community License Agreement 1.0](https://ai-opensource.com/es/licenses/fish-audio-community/): Gratuita para investigación y uso no comercial, y gratuita para uso comercial mientras tú y tus afiliados ganen menos de 500.000 USD al año. Por encima de eso, o para ofrecer el modelo a otros como servicio de texto a voz, clonación de voz o inferencia de cualquier tamaño, necesitas una licencia escrita aparte de Fish Audio. Debes mostrar “Built with Fish Audio”, no puedes clonar la voz de una persona real sin consentimiento ni usar el modelo o su audio para entrenar otros modelos de voz o fundacionales. - [Fish Audio Research License Agreement](https://ai-opensource.com/es/licenses/fish-audio-research/): La licencia de Fish Audio para los pesos de S2 Pro, actualizada por última vez el 7 de marzo de 2026. El uso en investigación y no comercial es gratuito, incluidos proyectos de afición, evaluación y pruebas. Cualquier propósito comercial, incluidas las operaciones internas de tu propia organización, necesita una licencia escrita aparte de Fish Audio. Si compartes los pesos o un derivado, transmites el acuerdo, conservas un aviso que acredite a 39 AI, Inc. y muestras “Built with Fish Audio”. - [FLUX Kommunity License v1.0](https://ai-opensource.com/es/licenses/flux-kommunity/): La licencia de Black Forest Labs para los pesos abiertos de FLUX 3. Es gratuita para uso personal y no comercial, y solo es gratuita para uso comercial si eres un "Qualifying User", es decir, si tú y tus filiales facturáis menos de 5 millones de USD al año. Las empresas más grandes necesitan una licencia comercial o la API de pago. - [Gemma Terms of Use](https://ai-opensource.com/es/licenses/gemma-terms/): La licencia personalizada de Google para los modelos Gemma publicados antes de Gemma 4, incluido TranslateGemma. Permite el uso comercial, las modificaciones y la redistribución sin límite de ingresos, pero cada copia y cada derivado debe incluir las mismas restricciones de uso, y Google puede restringir el uso que, en su opinión, incumpla los términos. - [GLM-5.3 License](https://ai-opensource.com/es/licenses/glm-5-3/): Muy cercana a MIT. La única condición adicional se aplica a los grandes negocios de hosting: un operador de "modelo como servicio" con más de 10.000 millones de USD de ingresos debe pasar una revisión de seguridad de Z.AI. Todos los demás pueden tratarla como MIT. - [Ideogram Non-Commercial Model Agreement](https://ai-opensource.com/es/licenses/ideogram-non-commercial/): La licencia de Ideogram para los pesos de Ideogram 4, actualizada por última vez el 3 de junio de 2026. Los pesos son gratuitos solo para fines no comerciales, que el texto define de forma estricta. Una empresa puede probar y hacer prototipos, pero no desplegar, y generar imágenes para productos que generan ingresos queda excluido. El uso comercial requiere un acuerdo aparte que Ideogram puede conceder o rechazar a su antojo. - [Kimi K3 License](https://ai-opensource.com/es/licenses/kimi-k3/): Una licencia al estilo MIT con dos condiciones de escala. La mayoría de las empresas pueden usarla comercialmente sin preguntar, pero los grandes negocios de alojamiento necesitan un acuerdo y los productos muy grandes deben acreditar el modelo. Kimi K3.1 Pro aplica los mismos términos bajo su propio nombre. - [Krea 2 Community License Agreement v1](https://ai-opensource.com/es/licenses/krea-2-community/): La licencia de Krea para los pesos de Krea 2 Raw y Turbo, con fecha del 22 de junio de 2026. Puedes usar, modificar y compartir los modelos y crear derivados, y el uso comercial solo se permite mientras tú y tus filiales facturáis menos de 1 millón de USD al año. Las organizaciones más grandes necesitan una licencia empresarial de Krea. - [LFM Open License v1.0](https://ai-opensource.com/es/licenses/lfm-open-1-0/): Una licencia al estilo Apache 2.0 de Liquid AI con un gran pero. El uso comercial solo está cubierto mientras tu empresa, junto con sus filiales, facture menos de 10 millones de USD al año. Por encima de esa línea no tienes licencia y necesitas tu propio acuerdo. - [LTX-2 Community License Agreement](https://ai-opensource.com/es/licenses/ltx-2-community/): La licencia personalizada para LTX-2 y LTX-2.3, con fecha del 5 de enero de 2026. Las organizaciones con ingresos anuales inferiores a 10 millones de USD pueden usar, modificar y alojar los modelos para cualquier propósito, sujetas a una lista de usos prohibidos. Las organizaciones en o por encima de esa cifra necesitan un acuerdo comercial de pago. LTX-2.5 usa en su lugar la licencia más reciente LTX-2.x. - [LTX-2.x Community License Agreement](https://ai-opensource.com/es/licenses/ltx-2x-community/): Una licencia personalizada para los modelos de vídeo LTX. Las organizaciones con ingresos anuales inferiores a 10 millones de USD pueden usar, modificar y alojar el modelo para cualquier propósito; las organizaciones en o por encima de esa cifra necesitan una licencia comercial de pago, aunque pueden seguir evaluándolo en entornos no productivos. - [MiniMax Community License](https://ai-opensource.com/es/licenses/minimax-community/): Una licencia que concede derechos para fines no comerciales y luego detalla los pasos para el uso comercial: mostrar una línea de crédito, enviar un aviso y obtener autorización por escrito si tu producto gana más de 20 millones de USD al año. El uso militar está prohibido. Pide una opinión legal antes de lanzar un producto sobre ella. - [MiniMax H3 Community License Agreement](https://ai-opensource.com/es/licenses/minimax-h3-community/): Una licencia comunitaria que te permite usar, modificar y distribuir MiniMax H3, pero solo en el "Territorio Aplicable", es decir, el mundo entero excepto la Unión Europea, el Reino Unido, Corea del Sur y Estados Unidos. Los productos comerciales que ganan más de 20 millones de USD al año necesitan autorización por escrito de MiniMax, todo producto comercial debe mostrar "MiniMax H3" en su interfaz, y no puedes usar el modelo ni sus resultados para entrenar otros modelos de IA. Busca asesoría legal, sobre todo si tú o tus usuarios estáis en una región excluida. - [MiniMax-H3-Image Community License Agreement](https://ai-opensource.com/es/licenses/minimax-h3-image-community/): Construida sobre la licencia de MiniMax H3, con un umbral comercial mucho más bajo. Solo puedes usar, modificar y distribuir MiniMax-H3-Image en el "Territorio Aplicable" (el mundo excepto la Unión Europea, el Reino Unido, Corea del Sur y Estados Unidos). Necesitas autorización por escrito de MiniMax si tú y tus filiales ganan más de 1 millón de USD al año, o si ofreces el modelo como servicio alojado a cualquier otra persona. Busca asesoría legal antes de construir un negocio sobre él. - [MiniMax M2.7 Non-Commercial License](https://ai-opensource.com/es/licenses/minimax-m2-7-non-commercial/): Una licencia al estilo MIT que solo cubre el uso no comercial. El uso personal, incluido el autoalojamiento para programar y construir tus propias herramientas, y el uso sin ánimo de lucro, académico y de investigación son gratuitos. Cualquier uso comercial necesita autorización previa por escrito aparte de MiniMax, y donde esté autorizado debes mostrar "Built with MiniMax M2.7". - [MiniMax Model License (M2.5)](https://ai-opensource.com/es/licenses/minimax-model-license/): Una licencia limitada de estilo permisivo de MiniMax, con fecha de versión del 13 de febrero de 2026. Concede un derecho mundial y libre de regalías para usar, copiar, distribuir, modificar y hacer obras derivadas del modelo, sin límite de ingresos en el texto. Debes transmitir el acuerdo, marcar los archivos cambiados, conservar el aviso de atribución de MiniMax y seguir una Política de Usos Prohibidos. La ficha del modelo y los metadatos de Hugging Face lo llaman Modified-MIT, pero el archivo de licencia en el repositorio se titula MiniMax Model License. - [MiniMax-Music3 Community License](https://ai-opensource.com/es/licenses/minimax-music3-community/): Una licencia al estilo MIT con condiciones comerciales. Puedes usar, modificar y distribuir MiniMax Music 3, pero un producto comercial debe mostrar "MiniMax-Music3" en su interfaz, y una empresa que gane más de 20 millones de USD al año con productos que lo utilicen necesita autorización por escrito. Quien ofrezca el modelo a otras personas también debe mantener salvaguardas contra salidas que infrinjan derechos. Se aplica una larga política de uso aceptable. - [Mistral Ecosystem Open-Weight License](https://ai-opensource.com/es/licenses/mistral-open-weight/): Una licencia MIT modificada. Puedes usar el modelo y construir sobre él con libertad, pero cualquier negocio que venda acceso alojado a él necesita una licencia comercial aparte de Mistral, sin umbral de ingresos. - [MIT License](https://ai-opensource.com/es/licenses/mit/): La licencia permisiva más corta y sencilla. Puedes hacer casi cualquier cosa con el modelo mientras conserves el aviso de copyright y la licencia. - [Modified MIT License (Moonshot AI)](https://ai-opensource.com/es/licenses/moonshot-modified-mit/): La licencia MIT estándar con una frase añadida. Cualquiera puede usar, modificar y vender el modelo, y solo los productos muy grandes (más de 100 millones de usuarios activos mensuales o más de 20 millones de USD de ingresos mensuales) deben mostrar el nombre del modelo en su interfaz. - [Muse Model License](https://ai-opensource.com/es/licenses/muse-model-license/): La licencia de Meta para Muse Spark Open. La mayoría de las empresas pueden usarlo comercialmente, pero un negocio que venda acceso alojado con más de 20 millones de USD de ingresos necesita un acuerdo aparte, y todos deben mostrar "Built with Muse Spark Open". La descarga requiere solicitud y aprobación. - [NetEase Youdao Model Use License Agreement](https://ai-opensource.com/es/licenses/netease-youdao-model-use/): La licencia del reconocedor de voz Confucius4-R2T2 de NetEase Youdao. El uso comercial está permitido salvo que tú o una filial hayan tenido más de 100 millones de usuarios activos mensuales o más de 1.000 millones de RMB de ingresos anuales, y entonces se necesita una licencia aparte. También prohíbe usar el modelo para mejorar otros modelos de IA, salvo los no comerciales, y veta los usos de alto riesgo. - [NVIDIA License (non-commercial)](https://ai-opensource.com/es/licenses/nvidia-license-non-commercial/): La licencia breve de NVIDIA de solo investigación, tal como se distribuye con LocateAnything-3B. Puedes usar, copiar, modificar y compartir la obra, pero solo de forma no comercial, que el texto define como únicamente fines de investigación o evaluación. NVIDIA y sus filiales conservan el derecho a usarla comercialmente. - [NVIDIA Nemotron Open Model License](https://ai-opensource.com/es/licenses/nvidia-nemotron-open-model/): Una licencia permisiva de estilo Apache de NVIDIA. Se permite el uso comercial, las obras derivadas y la redistribución, NVIDIA no reclama la propiedad de las salidas, y las principales obligaciones son transmitir la licencia y conservar los avisos. - [NVIDIA Open Model Agreement](https://ai-opensource.com/es/licenses/nvidia-open-model/): Un acuerdo permisivo de estilo Apache de NVIDIA, publicado el 2 de abril de 2026. NVIDIA confirma que sus obras pueden usarse comercialmente, que puedes crear y distribuir obras derivadas y que no reclama la propiedad de las salidas. Las principales obligaciones son transmitir el acuerdo y conservar los avisos. - [OpenMDW License Agreement 1.1](https://ai-opensource.com/es/licenses/openmdw-1-1/): Una licencia permisiva y breve creada para modelos de aprendizaje automático por la Linux Foundation y la PyTorch Foundation. Cubre en conjunto el modelo, sus datos, su documentación y su software, y no impone restricciones sobre lo que hagas con las salidas del modelo. - [BigScience Open RAIL-M License](https://ai-opensource.com/es/licenses/openrail-m/): La licencia Open RAIL-M estándar escrita por BigScience en agosto de 2022. Concede derechos de copyright y de patente gratuitos y válidos en todo el mundo, incluido alojar el modelo como servicio, pero ata cada copia y cada derivado a una lista de usos prohibidos, como infringir la ley, hacerse pasar por alguien sin su consentimiento, dar consejos médicos y tomar decisiones totalmente automatizadas sobre los derechos legales de las personas. - [PLaMo Community License Agreement](https://ai-opensource.com/es/licenses/plamo-community/): Una licencia comunitaria japonesa para los modelos PLaMo. El uso personal y académico es gratis. El uso comercial solo es gratis después de registrarte en Preferred Networks y mientras tú y tus filiales no superen 1.000 millones de yenes de ingresos o ventas anuales; por encima de eso se necesita un acuerdo aparte. Si entregas el modelo o un modelo derivado a otros, debes mostrar «Built with PLaMo» y mantener «PLaMo» en los nombres de los modelos que crees. - [Qwen3.8-Max License](https://ai-opensource.com/es/licenses/qwen-3-8-max/): Una licencia al estilo MIT del equipo Qwen de Alibaba para su modelo insignia. Es gratuita para casi todo el mundo, con una regla de acreditación del nombre para productos muy grandes y un acuerdo aparte para grandes negocios de hosting y de asistentes de trabajo con IA. - [Qwen Community License 1.0](https://ai-opensource.com/es/licenses/qwen-community-1-0/): Una licencia al estilo MIT con una regla de alojamiento más estricta que la Qwen3.8-Max License. Puedes crear productos con el modelo libremente, pero cualquiera que dirija un negocio de «modelo como servicio» o de «asistente de trabajo con IA» necesita una licencia aparte, sea cual sea su nivel de ingresos. - [Qwen Research License Agreement](https://ai-opensource.com/es/licenses/qwen-research/): La licencia de Alibaba solo para investigación. Puedes usar, modificar y compartir el modelo para investigación o evaluación, pero cualquier uso comercial necesita una licencia aparte de Qwen. La API alojada de Alibaba es la vía comercial habitual. - [Stability AI Community License](https://ai-opensource.com/es/licenses/stability-ai-community/): La licencia de Stability AI para sus modelos abiertos. La investigación y el uso no comercial son gratis, y también lo es el uso comercial mientras tú y tus filiales ingresen menos de 1 millón de USD al año, pero los usuarios comerciales deben registrarse en Stability AI y mostrar «Powered by Stability AI». Por encima de 1 millón de USD la licencia termina y debes solicitar una licencia empresarial. Los resultados son tuyos, en la medida en que la ley lo permita. - [Stellon Labs Community License Agreement](https://ai-opensource.com/es/licenses/stellon-labs-community/): La licencia de los pesos de KittenTTS 2 de KittenML, con texto fechado el 5 de julio de 2024. La investigación, el uso no comercial y el uso comercial limitado son gratis. Los usuarios comerciales deben registrarse en Stellon Labs, y la concesión comercial termina en cuanto tú o tus filiales superen 1 millón de USD de ingresos anuales o de financiación total. - [StepFun Model License 1.0](https://ai-opensource.com/es/licenses/stepfun-model-1-0/): Una licencia propia que te permite usar, modificar, distribuir y sublicenciar Step 5 Preview de forma gratuita, incluido comercialmente. Los fabricantes de hardware que integren el modelo en teléfonos, vehículos, gafas, wearables, robots o dispositivos del hogar inteligente necesitan una licencia comercial aparte, y también cualquier negocio que ofrezca un modelo como servicio con más de 20 millones de USD de ingresos anuales. Un producto con más de 100 millones de usuarios activos, o más de 20 millones de USD de ingresos en un mes, debe mostrar «Powered by StepFun AI». Los modelos entrenados en grado material con las salidas del modelo cuentan como obras derivadas. - [Tencent Hunyuan Community License](https://ai-opensource.com/es/licenses/tencent-hunyuan-community/): Una licencia libre de regalías con límites reales. Solo es válida fuera de la Unión Europea, el Reino Unido y Corea del Sur, los grandes servicios con más de 100 millones de usuarios mensuales deben pedir permiso a Tencent primero, y no puedes usar el modelo ni sus salidas para mejorar otros modelos de IA. - [Upstage Solar License](https://ai-opensource.com/es/licenses/upstage-solar/): Apache 2.0 con una regla añadida. Puedes usar el modelo comercialmente y construir sobre él con libertad, pero un modelo de IA que crees a partir de él y distribuyas debe tener un nombre que empiece por «Solar» y debe mostrar las palabras «Built with Solar». - [webAI Non-Commercial License ver. 1.0](https://ai-opensource.com/es/licenses/webai-non-commercial/): Una licencia breve que webAI, Inc. aplica a sus modelos TwIL. Concede una licencia de copyright perpetua, mundial y libre de regalías para usar, modificar y compartir los pesos, pero solo para fines de investigación y educación no comerciales. La misma limitación acompaña a cada obra derivada. ## Glosario - [Memoria de agente (Agent memory)](https://ai-opensource.com/es/glossary/agent-memory/): La memoria de agente permite que un agente de IA conserve datos, preferencias y experiencia pasada entre sesiones, en lugar de empezar cada vez con un contexto vacío. - [Programación agéntica (Agentic coding)](https://ai-opensource.com/es/glossary/agentic-coding/): La programación agéntica significa que el modelo trabaja en el software como lo haría un desarrollador: lee el código, edita archivos, ejecuta comandos y pruebas, y sigue hasta terminar la tarea. - [Agente de IA](https://ai-opensource.com/es/glossary/ai-agent/): Un agente de IA es un sistema en el que un modelo planifica y ejecuta tareas de varios pasos llamando a herramientas, como ejecutar código, buscar en la web o editar archivos. - [Modelo base (Base model)](https://ai-opensource.com/es/glossary/base-model/): Un modelo base es el resultado crudo del preentrenamiento, antes de que se le haya enseñado a seguir instrucciones o conversar; suele ser el punto de partida para el fine-tuning. - [Benchmark (prueba de referencia)](https://ai-opensource.com/es/glossary/benchmark/): Un benchmark es una prueba estandarizada para comparar modelos, como un conjunto de preguntas de matemáticas, programación o conocimiento; las puntuaciones son útiles pero fáciles de sobreinterpretar. - [Guía sin clasificador (CFG)](https://ai-opensource.com/es/glossary/classifier-free-guidance/): La guía sin clasificador, normalmente llamada CFG, es un ajuste de los modelos de difusión que controla cuánto se ciñe el resultado a tu prompt, a cambio de cómputo extra. - [Agente de uso de computadora (Computer-use agent)](https://ai-opensource.com/es/glossary/computer-use-agent/): Un agente de uso de computadora mira capturas de pantalla y maneja la computadora como lo haría una persona: haciendo clic, escribiendo y desplazándose, y a veces ejecutando comandos de shell o código. - [Ventana de contexto](https://ai-opensource.com/es/glossary/context-window/): La ventana de contexto es la cantidad máxima de texto, medida en tokens, que un modelo puede tener en cuenta a la vez, incluidos tu prompt y su propia respuesta. - [Modelo de decisión](https://ai-opensource.com/es/glossary/decision-model/): Un modelo de decisión lee una situación y una lista de preguntas, y devuelve una probabilidad para cada respuesta permitida en lugar de escribir texto. - [Modelo denso](https://ai-opensource.com/es/glossary/dense-model/): Un modelo denso usa todos sus parámetros para procesar cada token, a diferencia de un modelo de mezcla de expertos, que solo activa una parte de ellos. - [Modelo de difusión](https://ai-opensource.com/es/glossary/diffusion-model/): Un modelo de difusión genera imágenes o vídeo partiendo de ruido aleatorio y quitando el ruido paso a paso hasta que emerge una imagen. - [Destilación](https://ai-opensource.com/es/glossary/distillation/): La destilación entrena a un modelo estudiante más pequeño para imitar a un modelo profesor más grande, conservando gran parte de su capacidad con una fracción del tamaño. - [Atención eficiente (dispersa, lineal e híbrida)](https://ai-opensource.com/es/glossary/efficient-attention/): Los diseños de atención eficiente permiten que un modelo lea entradas muy largas con mucha menos memoria y cómputo que la atención estándar, mirando menos tokens o comprimiendo el pasado. - [Modelo de embeddings](https://ai-opensource.com/es/glossary/embedding-model/): Un modelo de embeddings convierte texto, imágenes u otros datos en una lista de números que captura su significado, de modo que los elementos parecidos acaban cerca unos de otros. - [Ajuste fino (fine-tuning)](https://ai-opensource.com/es/glossary/fine-tuning/): El ajuste fino continúa el entrenamiento de un modelo preentrenado con tus propios ejemplos para que se comporte mejor en una tarea, un estilo o un dominio concretos. - [Modelo con acceso restringido (gated model)](https://ai-opensource.com/es/glossary/gated-model/): Un modelo con acceso restringido (gated) es un modelo abierto cuya descarga en Hugging Face exige primero iniciar sesión y aceptar sus términos, o solicitar acceso. - [GGUF](https://ai-opensource.com/es/glossary/gguf/): GGUF es un formato de modelo en un solo archivo que usan llama.cpp y las herramientas construidas sobre él, y que empaqueta los pesos cuantizados junto con la información necesaria para ejecutarlos. - [Alucinación](https://ai-opensource.com/es/glossary/hallucination/): Una alucinación es una afirmación falsa o inventada que un modelo de IA expresa con total seguridad. - [Hugging Face](https://ai-opensource.com/es/glossary/hugging-face/): Hugging Face es el sitio web donde se publican la mayoría de los modelos abiertos: cada modelo tiene una página con sus archivos, licencia, model card y número de descargas. - [Inferencia](https://ai-opensource.com/es/glossary/inference/): La inferencia es ejecutar un modelo ya entrenado para obtener una salida, por ejemplo responder a un prompt, en contraste con entrenarlo. - [Caché KV](https://ai-opensource.com/es/glossary/kv-cache/): La caché KV es la memoria que usa un modelo para recordar los tokens anteriores de una conversación, y crece con la longitud del contexto. - [Transformer en bucle (looped transformer)](https://ai-opensource.com/es/glossary/looped-transformer/): Un transformer en bucle vuelve a ejecutar algunas de sus propias capas varias veces por cada token, así que obtiene más cálculo sin almacenar más parámetros. - [LoRA (adaptación de bajo rango)](https://ai-opensource.com/es/glossary/lora/): LoRA, siglas de low-rank adaptation, ajusta un modelo entrenando un pequeño conjunto de pesos añadidos en lugar de cambiar todos sus parámetros. - [Traducción automática](https://ai-opensource.com/es/glossary/machine-translation/): La traducción automática es software que traduce texto, voz o texto dentro de imágenes de un idioma a otro. Los modelos abiertos de hoy suelen partir de un modelo general y entrenarse después solo para traducir. - [Embeddings matrioska](https://ai-opensource.com/es/glossary/matryoshka-embeddings/): Los embeddings matrioska se entrenan para que la primera parte del vector funcione por sí sola, lo que te permite cortar el vector más corto y ahorrar almacenamiento y tiempo de búsqueda. - [Mezcla de expertos (MoE)](https://ai-opensource.com/es/glossary/mixture-of-experts/): Un modelo de mezcla de expertos contiene muchas subredes especializadas y usa solo unas pocas por cada token, así que puede ser enorme y a la vez rápido. - [MTEB (benchmark de embeddings)](https://ai-opensource.com/es/glossary/mteb/): MTEB, el Massive Text Embedding Benchmark, puntúa los modelos de embeddings en muchas tareas como búsqueda, clasificación y agrupamiento, y su leaderboard público es una forma habitual de compararlos. - [Modelo multimodal](https://ai-opensource.com/es/glossary/multimodal-model/): Un modelo multimodal puede manejar más de un tipo de datos, como texto, imágenes, audio o vídeo, como entrada, como salida o ambos. - [Generación de música](https://ai-opensource.com/es/glossary/music-generation/): Los modelos de generación de música convierten una descripción en texto (y a menudo una letra) en audio: canciones completas con voz, pistas instrumentales, música en directo o efectos de sonido. - [Licencia no comercial](https://ai-opensource.com/es/glossary/non-commercial-license/): Una licencia no comercial te permite usar un modelo para investigación, estudio y proyectos personales, pero no para ganar dinero con él. - [OCR y análisis de documentos](https://ai-opensource.com/es/glossary/ocr/): El OCR convierte en texto la imagen de un texto; el análisis de documentos va más allá y reconstruye tablas, fórmulas, gráficos y el orden de lectura, normalmente como Markdown. - [OmniDocBench](https://ai-opensource.com/es/glossary/omnidocbench/): OmniDocBench es un benchmark de análisis de documentos: puntúa lo bien que un modelo convierte páginas PDF de muchos tipos en texto, tablas y fórmulas. - [IA en el dispositivo (on-device)](https://ai-opensource.com/es/glossary/on-device-ai/): La IA en el dispositivo significa que el modelo se ejecuta en tu propio móvil, portátil o placa pequeña en lugar de en la nube, así los datos se quedan en local y funciona sin conexión. - [IA de código abierto](https://ai-opensource.com/es/glossary/open-source-ai/): La IA de código abierto, según la definición de la Open Source Initiative, es un sistema de IA que puedes usar, estudiar, modificar y compartir libremente, con los pesos, el código y la información detallada sobre los datos de entrenamiento todos disponibles. - [Pesos abiertos (open weights)](https://ai-opensource.com/es/glossary/open-weights/): Un modelo de pesos abiertos es un modelo de IA cuyos parámetros entrenados, llamados pesos, se publican para que cualquiera pueda descargarlo y ejecutarlo, normalmente bajo una licencia que fija las condiciones de uso. - [API compatible con OpenAI](https://ai-opensource.com/es/glossary/openai-compatible-api/): Una API compatible con OpenAI es un servidor que acepta las mismas peticiones que la API de OpenAI, así que las apps escritas para ella pueden usar un modelo abierto en su lugar. - [OpenRAIL (licencia de IA responsable)](https://ai-opensource.com/es/glossary/openrail/): OpenRAIL es una familia de licencias que te permiten usar, modificar y compartir un modelo, incluido el uso comercial, pero exigen que cada copia y derivado lleve una lista de usos prohibidos. - [Parámetros](https://ai-opensource.com/es/glossary/parameters/): Los parámetros son los números dentro de un modelo que se ajustan durante el entrenamiento; su cuenta, como 7B o 70B, es la medida habitual del tamaño de un modelo. - [Licencia permisiva](https://ai-opensource.com/es/glossary/permissive-license/): Una licencia permisiva, como Apache 2.0 o MIT, te permite usar, modificar y vender un modelo con muy pocas condiciones, normalmente solo mantener un aviso. - [Precisión (BF16, FP8, INT4)](https://ai-opensource.com/es/glossary/precision/): La precisión es cuántos bits se usan para guardar cada número en un modelo, como BF16 de 16 bits, FP8 de 8 bits o INT4 de 4 bits; menos bits significan un modelo más pequeño y rápido. - [Cuantización](https://ai-opensource.com/es/glossary/quantization/): La cuantización guarda los pesos de un modelo con menos bits, por ejemplo 4 en lugar de 16, para reducir el uso de memoria y acelerar la inferencia a un pequeño coste en calidad. - [Entrenamiento consciente de la cuantización (QAT)](https://ai-opensource.com/es/glossary/quantization-aware-training/): El entrenamiento consciente de la cuantización enseña al modelo a trabajar con pesos de baja precisión mientras aún se entrena, así que pierde menos calidad a 4 bits que un modelo comprimido después. - [Generación aumentada por recuperación (RAG)](https://ai-opensource.com/es/glossary/rag/): La generación aumentada por recuperación permite que un modelo responda a partir de tus propios documentos recuperando los pasajes relevantes y añadiéndolos al prompt. - [Modelo de razonamiento](https://ai-opensource.com/es/glossary/reasoning-model/): Un modelo de razonamiento trabaja un problema paso a paso en una fase de «pensamiento», visible u oculta, antes de dar su respuesta final. - [Aprendizaje por refuerzo (RL)](https://ai-opensource.com/es/glossary/reinforcement-learning/): El aprendizaje por refuerzo entrena a un modelo premiando los buenos resultados, como una respuesta correcta o superar pruebas, en lugar de copiar texto de ejemplo. - [Reranker](https://ai-opensource.com/es/glossary/reranker/): Un reranker vuelve a puntuar una lista corta de resultados de búsqueda leyendo la pregunta y cada resultado juntos, lo que es más lento pero más preciso que solo embeddings. - [Límite de ingresos (revenue cap)](https://ai-opensource.com/es/glossary/revenue-cap/): Un límite de ingresos es una condición de licencia que deja un modelo gratis por debajo de ciertos ingresos y exige un acuerdo aparte por encima. - [Pasos de muestreo](https://ai-opensource.com/es/glossary/sampling-steps/): Los pasos de muestreo son el número de pasadas que hace un modelo de difusión para convertir ruido en una imagen o un vídeo. Menos pasos significan resultados más rápidos, normalmente con alguna pérdida de detalle o variedad. - [Autoalojamiento (Self-hosting)](https://ai-opensource.com/es/glossary/self-hosting/): El autoalojamiento consiste en ejecutar un modelo en hardware que controlas tú, como tu propio PC o un servidor de GPU alquilado, en lugar de llamar a la API de un proveedor. - [IA soberana (Sovereign AI)](https://ai-opensource.com/es/glossary/sovereign-ai/): La IA soberana es aquella que un país u organización puede construir, alojar y gobernar bajo su propio control, desde la potencia de cálculo y los datos hasta el propio modelo. - [Diarización de hablantes (etiquetas de hablante)](https://ai-opensource.com/es/glossary/speaker-diarization/): La diarización determina quién habló y cuándo en una grabación, y etiqueta cada tramo de habla con un hablante, como Hablante 1 y Hablante 2. - [Decodificación especulativa y predicción multi-token](https://ai-opensource.com/es/glossary/speculative-decoding/): La decodificación especulativa acelera la generación de texto: un borrador barato adivina varios tokens por adelantado y el modelo completo los verifica todos a la vez. - [Reconocimiento de voz (ASR, voz a texto)](https://ai-opensource.com/es/glossary/speech-recognition/): El reconocimiento de voz, también llamado ASR o voz a texto, convierte el audio hablado en texto escrito. - [Pesos ternarios (1.58 bits)](https://ai-opensource.com/es/glossary/ternary-weights/): Los pesos ternarios limitan cada peso del modelo a uno de tres valores, -1, 0 o +1, así que el modelo necesita menos de 2 bits por peso en lugar de 16. - [Restricción territorial](https://ai-opensource.com/es/glossary/territory-restriction/): Una restricción territorial limita dónde es válida una licencia: usar el modelo en los países o regiones excluidos no está amparado por la licencia. - [Codificador de texto](https://ai-opensource.com/es/glossary/text-encoder/): En un generador de imágenes o vídeo, el codificador de texto es un modelo de lenguaje aparte que convierte tu prompt en números que el generador puede usar. Aumenta la descarga y el uso de memoria. - [Síntesis de voz (TTS)](https://ai-opensource.com/es/glossary/text-to-speech/): Los modelos de síntesis de voz convierten texto escrito en audio hablado, y muchos pueden copiar una voz a partir de una muestra breve. - [Token](https://ai-opensource.com/es/glossary/token/): Un token es un pequeño trozo de texto, a menudo una palabra o parte de una palabra, que un modelo de lenguaje lee y escribe; los modelos miden longitud y velocidad en tokens. - [Llamada a herramientas (function calling)](https://ai-opensource.com/es/glossary/tool-calling/): La llamada a herramientas permite que un modelo pida a tu programa que ejecute una función, como una búsqueda o una calculadora, y luego use el resultado en su respuesta. - [Métricas de traducción](https://ai-opensource.com/es/glossary/translation-metrics/): Las métricas de traducción son las puntuaciones que las fichas de modelo usan para valorar una traducción. Algunas cuentan el solapamiento con una referencia humana, otras usan un modelo entrenado o revisores humanos, y sus escalas no se pueden comparar. - [Memoria unificada](https://ai-opensource.com/es/glossary/unified-memory/): La memoria unificada es un diseño, usado por los chips de Apple y algunas otras piezas de silicio, en el que la CPU y la GPU comparten un único bloque de memoria, así que un modelo grande puede usar la mayor parte. - [Modelo de visión y lenguaje (VLM)](https://ai-opensource.com/es/glossary/vision-language-model/): Un modelo de visión y lenguaje lee imágenes, y a menudo vídeo, junto con texto, así que puedes hacer preguntas sobre una foto, una captura de pantalla o una página de documento. - [Clonación de voz](https://ai-opensource.com/es/glossary/voice-cloning/): La clonación de voz hace que un modelo de síntesis de voz hable con la voz de una persona concreta, a menudo a partir de solo unos segundos de grabación. - [VRAM](https://ai-opensource.com/es/glossary/vram/): La VRAM es la memoria de una tarjeta gráfica; decide qué modelos puede sostener una GPU, porque los pesos deben caber en memoria para que el modelo funcione rápido. - [Tasa de error de palabras (WER)](https://ai-opensource.com/es/glossary/word-error-rate/): La tasa de error de palabras es la puntuación estándar del reconocimiento de voz: la proporción de palabras de una transcripción que están mal, faltan o sobran frente a una referencia correcta. ## Herramientas - [AI Toolkit](https://ai-opensource.com/es/tools/ai-toolkit/): La suite de entrenamiento todo en uno de Ostris para modelos de difusión de imagen, vídeo y audio, con interfaz web y línea de comandos. - [AnythingLLM](https://ai-opensource.com/es/tools/anythingllm/): App todo en uno para conversar con tus documentos, crear agentes y ejecutar modelos locales: escritorio o servidor Docker multiusuario. - [Axolotl](https://ai-opensource.com/es/tools/axolotl/): Framework gratuito de fine-tuning con un solo archivo YAML: LoRA, QLoRA, ajuste por preferencias y NVFP4 y expert-parallel para modelos MoE. - [ComfyUI](https://ai-opensource.com/es/tools/comfyui/): El estudio de nodos para modelos abiertos de imagen, vídeo, audio y 3D: crea flujos de trabajo visuales y ejecútalos en tu propia GPU. - [DiffSynth-Studio](https://ai-opensource.com/es/tools/diffsynth-studio/): El motor de difusión open source de la comunidad ModelScope para ejecutar y entrenar modelos de imagen, vídeo y audio en GPUs modestas. - [Diffusers](https://ai-opensource.com/es/tools/diffusers/): La biblioteca de Python de Hugging Face para ejecutar y entrenar modelos de difusión de imagen, vídeo y audio. - [ExLlamaV3](https://ai-opensource.com/es/tools/exllamav3/): Biblioteca de inferencia CUDA para GPUs de consumo: cuantización EXL3 propia, paralelismo de tensores y offload a CPU para modelos MoE. - [InvokeAI](https://ai-opensource.com/es/tools/invokeai/): Estudio creativo autoalojado para generación de imágenes con IA: lienzo por capas, flujos por nodos y un gestor de modelos. - [Jan](https://ai-opensource.com/es/tools/jan/): Alternativa de escritorio gratuita y open source a ChatGPT: descarga y ejecuta modelos abiertos sin conexión y conecta con APIs de nube. - [KoboldCpp](https://ai-opensource.com/es/tools/koboldcpp/): Una app de un solo archivo que ejecuta modelos GGUF con una interfaz web integrada, y también genera imágenes, vídeo, voz y música. - [KTransformers](https://ai-opensource.com/es/tools/ktransformers/): Framework de investigación que reparte el trabajo entre la GPU y la memoria RAM para ejecutar modelos MoE gigantes. - [LightX2V](https://ai-opensource.com/es/tools/lightx2v/): Framework de inferencia ligero para generación de imágenes y vídeo, con modelos destilados, cuantización y muchos backends de hardware. - [llama.cpp](https://ai-opensource.com/es/tools/llama-cpp/): El motor C/C++ detrás de gran parte de la IA local: ejecuta modelos cuantizados en casi cualquier hardware, con herramienta de línea de comandos y servidor compatible con OpenAI. ## Desarrolladores - [Abacus.AI](https://ai-opensource.com/es/developers/abacusai/): Una empresa que vende una plataforma de asistente de IA para profesionales y empresas y publica los modelos abiertos Smaug en Hugging Face, desde Smaug-72B en 2024 hasta los modelos de decisión de audio, imagen y texto Smaug-Decisions de octubre de 2026, que usan Apache 2.0. - [ACE-Step](https://ai-opensource.com/es/developers/ace-step/): ACE-Step es un proyecto abierto de generación de música codirigido por ACE Studio y StepFun. Sus modelos ACE-Step 1.5, lanzados en enero de 2026 con una versión XL 4B en abril, usan la licencia MIT y están entrenados con datos con licencia, libres de regalías y sintéticos. - [Adventists AI](https://ai-opensource.com/es/developers/adventists-ai/): Una empresa de agentes de voz, conocida en chino como AI降临派, que publica los modelos de voz full-duplex Sophon-Realtime bajo Apache 2.0 y los modelos DuplexJev, que deciden los turnos de habla y el tono directamente a partir del audio, bajo CC BY-NC. - [Allen Institute for AI (Ai2)](https://ai-opensource.com/es/developers/ai2/): Un instituto de investigación sin ánimo de lucro de EE. UU. Sus modelos Olmo son "totalmente abiertos": publica los pesos junto con los datos de entrenamiento, el código y los checkpoints intermedios, para que los investigadores puedan reproducir y estudiar cómo se construye un modelo. - [Aleph Alpha](https://ai-opensource.com/es/developers/aleph-alpha/): Una empresa de IA alemana que crea modelos para gobiernos e industrias reguladas y apuesta por cadenas de suministro "soberanas": entrenamiento en Europa bajo la legislación europea. Su modelo Kolibri 1 se publica bajo Apache 2.0. - [Alibaba Qwen](https://ai-opensource.com/es/developers/alibaba-qwen/): El equipo Qwen de Alibaba. Publica una de las familias de modelos de pesos abiertos más amplias, desde modelos densos pequeños hasta un buque insignia de 2,4 billones de parámetros, con licencias que van de Apache 2.0 a los términos propios de Qwen. - [Alibaba Wan](https://ai-opensource.com/es/developers/alibaba-wan/): El equipo de generación de vídeo de Alibaba. Sus modelos Wan 2.1 y Wan 2.2, y los modelos de animación de personajes construidos sobre ellos, tienen pesos abiertos bajo Apache 2.0; las versiones más recientes de Wan solo se ofrecen a través de las apps y la API de Alibaba. - [AutoTrust AI Lab](https://ai-opensource.com/es/developers/autotrust/): Un laboratorio que publica en Hugging Face los modelos de decisión Decider bajo Apache 2.0, construidos sobre backbones de Qwen y Gemma y también disponibles en ModelScope, además de una demo de recomendación y búsqueda de noticias en news.guru.so. Encontramos poca información pública sobre la organización más allá de sus perfiles de Hugging Face y ModelScope, y las fichas de sus modelos aún usan los nombres antiguos JEV y GEV. - [BAAI](https://ai-opensource.com/es/developers/baai/): La Academia de Inteligencia Artificial de Pekín, un instituto de investigación chino. Sus modelos de embeddings y rerankers BGE, publicados a través de la organización de GitHub FlagOpen, se encuentran entre los modelos de recuperación más descargados de Hugging Face. Su modelo agéntico AREX-2, lanzado en septiembre de 2026 bajo Apache 2.0, está construido sobre Qwen3.8-27B. - [Baidu](https://ai-opensource.com/es/developers/baidu/): Empresa china de internet e IA detrás de los modelos ERNIE y del framework de aprendizaje profundo PaddlePaddle. Sus lanzamientos abiertos incluyen modelos compactos de análisis de documentos bajo las licencias MIT y Apache 2.0. - [Bilibili](https://ai-opensource.com/es/developers/bilibili/): Una plataforma de vídeo china. Su equipo de LLM Index publica modelos de pesos abiertos en Hugging Face como IndexTeam, encabezados por la familia Index-Translate, que cubre la traducción de texto, imágenes, voz y documentos largos. - [Black Forest Labs](https://ai-opensource.com/es/developers/black-forest-labs/): Una empresa de IA alemana, fundada por los investigadores detrás de Stable Diffusion, que crea los modelos de imagen FLUX. Vende acceso por API a sus modelos más grandes y publica los más pequeños como pesos abiertos bajo su propia licencia FLUX. - [Boson AI](https://ai-opensource.com/es/developers/boson-ai/): Boson AI USA, Inc. crea los modelos de audio Higgs para la IA de voz y los vende a través de una API alojada. También publica pesos en Hugging Face, incluido Higgs TTS 3, bajo su propia licencia de investigación y uso no comercial, con una concesión gratuita para contenido de creadores monetizado. - [BreezeBlue](https://ai-opensource.com/es/developers/breezeblue/): BreezeBlue es el nombre comercial de Resonia, Inc., que opera una plataforma de voz alojada y una API. Publica los pesos del modelo de texto a voz Breeze TTS 2 para uso de investigación y no comercial, con código de inferencia bajo Apache 2.0 y condiciones comerciales solo a través de su propio servicio. - [Bria AI](https://ai-opensource.com/es/developers/bria/): Una empresa de Tel Aviv que vende IA generativa visual entrenada con datos con licencia, con una API alojada y licencias comerciales. Publica pesos abiertos no comerciales bajo el nombre FIBO, liderados por el modelo de imagen FIBO 2.0. - [Cactus Compute](https://ai-opensource.com/es/developers/cactus-compute/): Una startup de San Francisco procedente del batch de verano de 2025 de Y Combinator. Crea modelos de IA diminutos para dispositivos y el motor de inferencia de código abierto Cactus para teléfonos, wearables, robots y otro hardware de bajo consumo. Sus modelos Needle, Whistle y Mirage se publican bajo Apache 2.0. - [CircleStone Labs](https://ai-opensource.com/es/developers/circlestone-labs/): CircleStone Labs LLC publica Anima, un modelo de texto a imagen de 2B para anime e ilustración creado junto con Comfy Org. Los pesos usan su propia licencia no comercial, mientras que las imágenes que generes pueden usarse comercialmente. - [Cloudflare](https://ai-opensource.com/es/developers/cloudflare/): Una empresa estadounidense de redes y nube que opera Workers AI, un servicio alojado para modelos de IA. Clef, un conjunto de modelos de decisión post-entrenados a partir de Qwen y publicados bajo Apache 2.0, es el primer modelo que entrenó su equipo de Workers AI. - [Cohere](https://ai-opensource.com/es/developers/cohere/): Una empresa canadiense de IA para empresas cuyo brazo de investigación, Cohere Labs, publica pesos abiertos. Sus primeros modelos Command se lanzaron para uso no comercial bajo CC BY-NC; Command A+ pasó a Apache 2.0. - [Datalab](https://ai-opensource.com/es/developers/datalab/): Empresa estadounidense que crea las herramientas de conversión de documentos Marker, Surya y Chandra. Publica sus modelos de OCR de forma abierta, bajo una licencia Open RAIL-M modificada que es gratuita para investigación, uso personal y organizaciones pequeñas. El límite es de 5 millones de USD de ingresos y financiación para Surya OCR 2 y de 2 millones de USD para Chandra OCR 2. - [Deep Principle](https://ai-opensource.com/es/developers/deep-principle/): Deep Principle (en chino: 深度原理) crea IA para la investigación en materiales y química, incluida Mira, una científica de IA que conecta modelos con simulaciones y experimentos de laboratorio. Publicó Hydrogen-1.0, un post-entrenamiento de GLM-5.3 centrado en la ciencia, bajo la licencia MIT. - [DeepReinforce](https://ai-opensource.com/es/developers/deepreinforce/): Startup de investigación de IA de California que publica los modelos de codificación agéntica Ornith bajo la organización ornith-ai en Hugging Face. Ornith 1.0 y 1.5 están post-entrenados a partir de Qwen3.5 y Gemma 4 y usan la licencia MIT, sin límites regionales. - [DeepSeek](https://ai-opensource.com/es/developers/deepseek/): Laboratorio de IA chino conocido por sus eficientes grandes modelos mixture-of-experts. Publica sus pesos bajo la licencia MIT y edita informes técnicos detallados. - [Fish Audio](https://ai-opensource.com/es/developers/fish-audio/): Empresa de IA de voz conocida por el proyecto open source Fish Speech. La entidad legal nombrada en su licencia es 39 AI, Inc., con oficinas en Palo Alto y Tokio. Drama 3, lanzado en octubre de 2026, es un modelo de texto a voz mixture-of-experts de 36.000 millones de parámetros bajo la Fish Audio Community License, mientras que el S2 Pro, más pequeño y de marzo de 2026, sigue bajo una licencia de investigación y uso no comercial. - [Google DeepMind](https://ai-opensource.com/es/developers/google-deepmind/): El laboratorio de investigación de IA de Google. Su familia Gemma de pesos abiertos abarca desde modelos del tamaño de un teléfono hasta modelos de clase estación de trabajo y, desde Gemma 4, se publica bajo la licencia Apache 2.0. Su equipo Magenta también publica Magenta RealTime 2, un modelo de música abierto que toca en directo en un MacBook. - [Gradium](https://ai-opensource.com/es/developers/gradium/): Una empresa parisina de IA de voz, surgida del laboratorio Kyutai y fundada por sus cofundadores, con oficinas en París y San Francisco. Vende APIs de voz y publica como open source sus modelos de texto a voz Phonon para dispositivos. El Phonon 31m en inglés usa Apache 2.0, mientras que los modelos 40m, más grandes, son CC BY-NC. - [HeartMuLa](https://ai-opensource.com/es/developers/heartmula/): El equipo HeartMuLa publica modelos fundacionales de música abiertos: el generador de canciones HeartMuLa, el códec de audio HeartCodec y HeartTranscriptor para el reconocimiento de letras. Todos son Apache 2.0, mientras que su modelo de covers MuLaCover de septiembre de 2026 es CC BY-NC 4.0. - [hexgrad](https://ai-opensource.com/es/developers/hexgrad/): Un desarrollador independiente, conocido como hexgrad en Hugging Face y GitHub y como rzvzn en Discord, que entrenó y publicó los modelos de texto a voz Kokoro. Kokoro-82M es un modelo de 82 millones de parámetros bajo Apache 2.0 y uno de los modelos de voz abiertos más descargados. No encontramos ningún país ni empleador publicado para el desarrollador, así que no se muestra ninguno. - [HiDream.ai](https://ai-opensource.com/es/developers/hidream/): Una empresa de generación de imágenes que publica sus modelos en Hugging Face bajo la organización HiDream-ai, desde los modelos HiDream-I1 y HiDream-E1 de 2025 hasta HiDream-O1-Image, un modelo de 8.000 millones de parámetros lanzado bajo la licencia MIT en mayo de 2026. - [IBM](https://ai-opensource.com/es/developers/ibm/): La empresa de tecnología detrás de la familia Granite de modelos abiertos para uso empresarial, que cubre modelos de lenguaje, voz, embeddings y guardrails. La mayoría de los modelos Granite usan Apache 2.0, pero al menos una variante de voz es no comercial, así que revisa cada repositorio. - [Ideogram](https://ai-opensource.com/es/developers/ideogram/): La empresa detrás del servicio de generación de imágenes Ideogram y su API alojada. Ideogram 4, publicado en junio de 2026, es su primer modelo de pesos abiertos, con pesos no comerciales y código de inferencia bajo Apache 2.0. - [Institute of Foundation Models (MBZUAI)](https://ai-opensource.com/es/developers/ifm/): El Instituto de Modelos Fundacionales (Institute of Foundation Models, IFM) es un instituto de investigación de la Universidad Mohamed bin Zayed de Inteligencia Artificial (MBZUAI) en Abu Dhabi, y el equipo detrás de LLM360. Publica los modelos K2 Horizon y Jais 3, con pesos y código bajo Apache 2.0, además de checkpoints intermedios, registros de entrenamiento y datos o recetas de datos. - [inclusionAI (Ant Group)](https://ai-opensource.com/es/developers/inclusion-ai/): La iniciativa de IA abierta fundada por Ant Group, la empresa china de tecnología financiera. Publica los modelos de lenguaje Ling e investigación relacionada, además de modelos de imagen como Ming-Image 0.1 Design; los recientes lanzamientos de Ling-3.1 y Ming-Image usan la licencia MIT. - [JetBrains](https://ai-opensource.com/es/developers/jetbrains/): JetBrains es una empresa de software, fundada en Praga en 2000 y con sede en Ámsterdam, que crea herramientas para desarrolladores como IntelliJ IDEA y PyCharm. Sus modelos Mellum, creados para código y agentes de programación, se publican con pesos abiertos bajo Apache 2.0. - [Jina AI](https://ai-opensource.com/es/developers/jina-ai/): Una empresa de IA de búsqueda con sede en Berlín que crea modelos de embeddings multilingües y multimodales, rerankers y modelos de lenguaje pequeños. Elastic completó su adquisición de Jina AI en octubre de 2025, y los últimos modelos v5 se siguen publicando en Hugging Face, bajo una licencia no comercial. - [Kandinsky Lab](https://ai-opensource.com/es/developers/kandinsky-lab/): El equipo de investigación detrás de los modelos de difusión de imagen y vídeo Kandinsky, que publica junto con su código en GitHub y Hugging Face. Kandinsky 6.0 Video, lanzado en octubre de 2026 bajo la licencia MIT, genera clips de cinco segundos con audio sincronizado. - [KittenML (Stellon Labs)](https://ai-opensource.com/es/developers/kittenml/): Empresa de IA de voz que publica los modelos Kitten-TTS bajo el nombre KittenML, con Stellon Labs Inc. como titular de los derechos de autor según su licencia. Sus modelos anteriores Kitten-TTS 0.8 van de 15 a 80 millones de parámetros y funcionan en CPU, mientras que Kitten-TTS 2 es un modelo ternario de 1.700 millones de parámetros bajo la Stellon Labs Community License, gratuita hasta superar un millón de USD en ingresos o financiación. - [KRAFTON](https://ai-opensource.com/es/developers/krafton/): KRAFTON es una empresa surcoreana de videojuegos, y KRAFTON AI es su equipo de IA. En octubre de 2026 lanzó Raon-1 mini preview, un modelo de lenguaje mixture-of-experts de 28.800 millones de parámetros entrenado desde cero bajo Apache 2.0, con un dominio destacado del coreano. - [Krea](https://ai-opensource.com/es/developers/krea/): Krea.ai, Inc., una corporación de Delaware que opera una app creativa para imágenes, vídeo y 3D. Su versión abierta es Krea 2, un modelo de imágenes entrenado desde cero disponible en una base Raw y una versión Turbo. Su más reciente Krea 3 no está en Hugging Face. - [Kyutai](https://ai-opensource.com/es/developers/kyutai/): Laboratorio de IA sin fines de lucro de ciencia abierta con sede en París, fundado en noviembre de 2023 por el grupo Iliad, CMA CGM y Schmidt Sciences. Es conocido por el modelo de diálogo por voz Moshi y el códec de audio Mimi. Su Pocket TTS ejecuta un modelo de voz con clonación de voz en la CPU de un portátil; el código es MIT y los pesos son CC BY 4.0. - [LG AI Research](https://ai-opensource.com/es/developers/lg-ai-research/): El brazo de investigación en IA del grupo surcoreano LG, responsable de las familias de modelos EXAONE y K-EXAONE. K-EXAONE 2.0, lanzado el 31 de julio de 2026 para el proyecto estatal de modelos fundacionales de IA soberana, es un modelo mixture-of-experts de 750.000 millones de parámetros bajo Apache 2.0. - [LightOn](https://ai-opensource.com/es/developers/lighton/): Empresa francesa de IA para empresas que vende una plataforma de búsqueda con IA para documentos corporativos. Sus publicaciones abiertas incluyen los modelos de documentos compactos LightOnOCR bajo la licencia Apache 2.0. - [Liquid AI](https://ai-opensource.com/es/developers/liquid-ai/): Una empresa estadounidense que crea "Liquid Foundation Models", pequeños y rápidos, para teléfonos, portátiles y otros dispositivos edge, con una arquitectura que combina convoluciones cortas con atención. Además de los modelos de lenguaje LFM, publica modelos de decisión pequeños como Liquid d1. Sus modelos usan la LFM Open License, gratuita para uso comercial por debajo de 10 millones de USD de ingresos anuales. - [LTX (Lightricks)](https://ai-opensource.com/es/developers/ltx/): Una empresa israelí detrás de los modelos de vídeo LTX. LTX se convirtió en junio de 2026 en una unidad de negocio independiente de Lightricks, la creadora de apps creativas de consumo; sus organizaciones de Hugging Face y GitHub siguen usando el nombre Lightricks. Publica pesos abiertos gratuitos para organizaciones con menos de 10 millones de USD de ingresos anuales. LTX-2.3 sigue usando la licencia LTX-2 de enero de 2026, mientras que LTX-2.5 usa la más reciente licencia LTX-2.x. - [M-A-P](https://ai-opensource.com/es/developers/m-a-p/): M-A-P (Multimodal Art Projection) es una comunidad de investigación de código abierto detrás de modelos de música abiertos como YuE, MERT y SheetSage. Su generador de canciones YuE2, lanzado en septiembre de 2026 junto con Tokenwave.AI, MBZUAI y ACE Studio, tiene pesos bajo CC BY-NC 4.0, por lo que es solo para uso no comercial. - [Maritaca AI](https://ai-opensource.com/es/developers/maritaca-ai/): Una empresa brasileña que crea modelos de lenguaje para portugués brasileño y los ofrece a través de su propio chat y API. Su buque insignia S5 se sirve así, mientras que S5-nano, lanzado en noviembre de 2026 sobre Qwen3.5-4B bajo Apache 2.0, es de pesos abiertos. - [Maya Research](https://ai-opensource.com/es/developers/maya-research/): Una startup de IA de voz, respaldada por una ronda semilla de 1,9 millones de USD de South Park Commons, que crea modelos de voz para lenguas de la India y los vende a través de una API alojada. Publica los modelos de texto a voz Maya y Veena en Hugging Face, y Maya 2 Native usa Apache 2.0. - [Meituan](https://ai-opensource.com/es/developers/meituan/): Plataforma china de reparto de comida y servicios locales. Su equipo LongCat publica modelos de lenguaje de pesos abiertos, incluidos LongCat-2.0 en julio de 2026 y el modelo multimodal de 1,6 billones de parámetros LongCat-2.5 en noviembre de 2026, que usa la licencia MIT. - [MemTensor](https://ai-opensource.com/es/developers/memtensor/): Una empresa china detrás de MemOS, un framework de memoria de código abierto para agentes LLM. Sus modelos MemT-1.0 incorporan un estado de memoria en el propio modelo, con pesos Nano bajo Apache 2.0 y pesos Flash bajo MIT. - [Meta](https://ai-opensource.com/es/developers/meta/): La empresa detrás de los modelos Llama. Su más reciente serie Muse incluye Muse Glimmer, un modelo pequeño bajo Apache 2.0 para uso local, y el mucho más grande Muse Spark Open bajo una licencia propia. - [Microsoft](https://ai-opensource.com/es/developers/microsoft/): La empresa tecnológica estadounidense. Sus equipos de investigación publican modelos abiertos en Hugging Face y GitHub, a menudo bajo la licencia MIT, incluidos los modelos de voz VibeVoice de Microsoft Research y los modelos de embeddings de texto Harrier. Sus modelos de visión y lenguaje Mage-VL usan Apache 2.0. - [MiniMax](https://ai-opensource.com/es/developers/minimax/): Empresa de IA con sede en Shanghái detrás de la serie MiniMax-M de modelos de lenguaje mixture-of-experts eficientes, los modelos de vídeo e imagen H3 y el generador de canciones Music 3. Sus licencias varían según el modelo. M2.5 usa una licencia de estilo permisivo con reglas de aviso y usos prohibidos, M2.7 se limita a uso no comercial, y la licencia comunitaria de M3 permite el uso no comercial gratuito y fija reglas de aviso, crédito e ingresos para el uso comercial. Las licencias de H3 también excluyen a EE. UU., la UE, el Reino Unido y Corea del Sur, y la licencia de Music 3 pide un crédito en la interfaz y autorización por escrito por encima de 20 millones de USD de ingresos. - [Mistral AI](https://ai-opensource.com/es/developers/mistral-ai/): Empresa de IA con sede en París y el laboratorio de pesos abiertos más conocido de Europa. Posiciona sus modelos para una IA soberana y autoalojada; Mistral Large 4 usa una licencia MIT modificada con una regla para negocios de alojamiento. - [Moonshot AI](https://ai-opensource.com/es/developers/moonshot-ai/): Empresa china de IA detrás del asistente Kimi. Sus modelos Kimi K3 y K3.1 Pro se encuentran entre los modelos de pesos abiertos más grandes, publicados bajo una licencia propia con condiciones para grandes negocios de alojamiento. Los anteriores K2.5, K2.6 y K2.7 Code usan una licencia Modified MIT que solo pide a los productos muy grandes que muestren el nombre del modelo. - [Motif Technologies](https://ai-opensource.com/es/developers/motif-technologies/): Empresa surcoreana de IA que diseña sus modelos, su tokenizador y su pila de entrenamiento de forma interna. Motif 3, un modelo mixture-of-experts de 314.000 millones de parámetros lanzado en agosto de 2026 bajo la licencia MIT, fue creado para el proyecto estatal de modelos fundacionales de IA soberana. - [Nanbeige LLM Lab](https://ai-opensource.com/es/developers/nanbeige/): Nanbeige (en chino: 南北阁) es el equipo de investigación de modelos de lenguaje de BOSS Zhipin, una plataforma china de reclutamiento. Publica modelos de agentes de pesos abiertos bajo el nombre Nanbeige4, desde modelos de clase 3B hasta el Nanbeige4.3 de 33B, y sus fichas de modelo indican Apache 2.0 sin un archivo LICENSE. - [NetEase Youdao](https://ai-opensource.com/es/developers/netease-youdao/): Empresa china con oficinas en Pekín que publica la familia de modelos Confucius en Hugging Face, incluidos Confucius4, un modelo de texto a voz, y el reconocedor de voz en streaming Confucius4-R2T2, además del proyecto de preguntas y respuestas QAnything. R2T2 usa el NetEase Youdao Model Use License Agreement, gratuito para uso comercial con menos de 100 millones de usuarios mensuales y 1.000 millones de RMB de ingresos anuales. - [Nex-AGI](https://ai-opensource.com/es/developers/nex-agi/): Un grupo de modelos fundacionales de código abierto cuya organización de GitHub, SII Nex, indica que fue creado por Shanghai Innovation Institute y sus socios. Sus modelos de agentes Nex-N2 se basan en bases abiertas como DeepSeek-V4-Pro-Base y GLM-5.3-Flash y están etiquetados como Apache 2.0. - [Nous Research](https://ai-opensource.com/es/developers/nous-research/): Una empresa estadounidense de investigación en IA que entrena modelos abiertos, incluida la línea Hermes, y construye Hermes Agent, un harness de agentes de código abierto. Su Arete-27B, lanzado en noviembre de 2026, es un post-training del Qwen3.8-27B de Alibaba bajo Apache 2.0. - [NuMind](https://ai-opensource.com/es/developers/numind/): Una empresa de IA documental que crea modelos especializados para extracción de datos estructurados y OCR y los vende a través de la plataforma NuExtract. Publica sus modelos en Hugging Face y dice que su línea NuExtract ha superado los 2 millones de descargas y su NuMarkdown-Thinking-8B 1,5 millones. NuExtract3 usa Apache 2.0. - [NVIDIA](https://ai-opensource.com/es/developers/nvidia/): El fabricante de GPU, que también publica modelos abiertos, conjuntos de datos y recetas de entrenamiento bajo el nombre Nemotron, además de modelos de voz, robótica y biología. Las versiones recientes de Nemotron usan la permisiva licencia OpenMDW-1.1, Nemotron 3 Nano Omni usa el NVIDIA Open Model Agreement, y LocateAnything-3B tiene una NVIDIA License solo para investigación. - [OpenAI](https://ai-opensource.com/es/developers/openai/): La empresa detrás de ChatGPT. Sus modelos gpt-oss, lanzados en agosto de 2025, son sus modelos de razonamiento de pesos abiertos bajo Apache 2.0. Su Privacy Filter, lanzado en abril de 2026 bajo Apache 2.0, es un modelo pequeño que encuentra datos personales en el texto, y también publica los modelos de reconocimiento de voz Whisper. - [OpenBMB](https://ai-opensource.com/es/developers/openbmb/): Una comunidad china de modelos de código abierto que publica las familias MiniCPM, AgentCPM y VoxCPM junto con la empresa ModelBest. Se centra en modelos pequeños y eficientes para teléfonos y portátiles, y sus lanzamientos recientes usan Apache 2.0. - [OpenMOSS](https://ai-opensource.com/es/developers/openmoss/): OpenMOSS es un grupo de investigación bajo el Shanghai Innovation Institute que trabaja en estrecha colaboración con la Universidad de Fudan y MOSS-AI. Publica modelos abiertos bajo el nombre MOSS. Entre ellos están la familia de voz MOSS-TTS, creada con MOSI.AI, con MOSS-TTS, MOSS-TTS-Nano y MOSS-TTSD bajo Apache 2.0, MOSS-SoundEffect v2.0, un modelo de 1.3B que genera efectos de sonido a partir de texto bajo Apache 2.0, MOSS-Image, un modelo texto a imagen de 5B publicado en octubre de 2026 bajo Apache 2.0, y MOSS-Transcribe-Diarize, un modelo de 0.9B que transcribe grabaciones largas con varios hablantes y etiquetas de hablante. - [Perplexity](https://ai-opensource.com/es/developers/perplexity/): La empresa estadounidense detrás del motor de respuestas Perplexity. En Hugging Face publica los modelos de embeddings pplx-embed, la mayoría bajo la licencia MIT, y los modelos de decisión pplx-decider bajo Apache 2.0, junto con otros modelos como PII-Tracer y BrowseSafe. - [Phạm Nguyễn Ngọc Bảo (VieNeu-TTS)](https://ai-opensource.com/es/developers/pham-nguyen-ngoc-bao/): Desarrollador independiente que crea el proyecto VieNeu-TTS para voz en vietnamita, publicado en Hugging Face bajo la cuenta pnnbao-ump y en GitHub como pnnbao97. La ficha del modelo v3 Turbo dice que su arquitectura es diseño propio del autor y que fue entrenado desde cero, y el proyecto incluye un SDK de Python y un servidor de voz compatible con OpenAI. Los pesos están bajo Apache 2.0. - [Pika](https://ai-opensource.com/es/developers/pika/): Pika es una empresa estadounidense de generación de video con aplicaciones de video alojadas y una API. En octubre de 2026 publicó Pika H3 Flex, una versión post-entrenada de MiniMax H3 que genera video con sonido en seis pasos de muestreo, como adaptadores abiertos bajo la MiniMax H3 Community License. - [Poolside](https://ai-opensource.com/es/developers/poolside/): Empresa de IA de San Francisco, fundada en 2023, que crea modelos para programación agéntica. Su serie Laguna comenzó con Laguna XS.2 bajo Apache 2.0 en abril de 2026; Poolside dice que los pesos abiertos son ahora su opción por defecto, y Laguna XS 2.1 y S 2.1 usan la licencia OpenMDW-1.1. - [Preferred Networks](https://ai-opensource.com/es/developers/preferred-networks/): Preferred Networks (PFN) es una empresa japonesa de IA que desarrolla los modelos de lenguaje PLaMo y sus propios aceleradores de IA MN-Core. Publica PLaMo 3 Translate y otros modelos PLaMo bajo la PLaMo Community License, que es gratuita para uso personal y académico y, tras registrarse, para usuarios comerciales por debajo de un límite de ingresos. - [PrismML](https://ai-opensource.com/es/developers/prismml/): Una empresa con sede en Pasadena, California, también escrita Prism ML, que crea modelos de IA de muy pocos bits. Sus modelos Bonsai comprimen modelos base abiertos como Qwen a pesos ternarios o de 1 bit, para que los modelos grandes quepan en portátiles, teléfonos y una sola GPU. Los modelos Bonsai 2 se publican bajo Apache 2.0. - [Pruna AI](https://ai-opensource.com/es/developers/pruna-ai/): Pruna AI es una empresa fundada en 2023 y con sede en Múnich, con un segundo centro de investigación en París. Es conocida por su biblioteca de código abierto que comprime y acelera modelos de IA, y ahora también publica sus propios modelos eficientes de imagen y video, algunos reelaborados a partir de los pesos abiertos de otros desarrolladores. - [Recursive](https://ai-opensource.com/es/developers/recursive/): Recursive Superintelligence, Inc. dice que su objetivo es una superinteligencia que se autoimprova de forma recursiva y automatiza el descubrimiento de conocimiento, y construye sus modelos con un sistema de investigación automatizado que llama la Eureka Machine. Flint, un modelo de programación de 40B publicado en octubre de 2026 bajo Apache 2.0, es su primer modelo de pesos abiertos. Es una empresa distinta de Ricursive Intelligence. - [Reflection AI](https://ai-opensource.com/es/developers/reflection-ai/): Laboratorio de IA estadounidense que publicó su primer modelo de pesos abiertos, Beam, de 501.000 millones de parámetros, bajo Apache 2.0 en octubre de 2026. - [Resemble AI](https://ai-opensource.com/es/developers/resemble-ai/): Empresa de IA de voz de California que hizo de código abierto los modelos de voz Chatterbox y DramaBox bajo la licencia MIT. En agosto de 2026 dijo que dejaba de vender generación de voz a nuevos clientes y se centraría en la detección de deepfakes, dejando sus modelos de voz como investigación abierta y sin mantenimiento. - [Ricursive Intelligence](https://ai-opensource.com/es/developers/ricursive-intelligence/): Laboratorio de IA estadounidense que construye sistemas que se autoimprovan diseñando conjuntamente hardware, software y modelos. Un modelo propietario impulsa su plataforma de diseño de chips de IA, y en noviembre de 2026 lanzó una variante de propósito general, Ripple-65B Preview, de 65.000 millones de parámetros, bajo Apache 2.0. - [Sarvam AI](https://ai-opensource.com/es/developers/sarvam-ai/): Una empresa india que crea IA para las lenguas y las empresas de la India. Sus modelos de razonamiento Sarvam 30B y 105B, publicados en marzo de 2026 y entrenados desde cero en India con la computación de la misión IndiaAI, y su modelo de decisión Sarvam Prism usan Apache 2.0. - [Sber (GigaChat)](https://ai-opensource.com/es/developers/sber/): El equipo de GigaChat de Sber publica pesos abiertos bajo el nombre ai-sage en Hugging Face y en GitVerse, y anuncia cada lanzamiento en el blog corporativo de Sber en Habr. GigaChat 3.5 Ultra y su versión Reasoning son modelos de mezcla de expertos de 432B, GigaChat 3.1 Lightning es un modelo de 10B con 1.8B de parámetros activos, y la familia GigaAM cubre el reconocimiento de voz para el ruso y las lenguas de Asia Central. Todos están bajo la licencia MIT. - [SenseTime](https://ai-opensource.com/es/developers/sensetime/): Empresa china de IA cuyo equipo SenseNova publica modelos abiertos bajo la organización de GitHub OpenSenseNova. SenseNova-U1.5 (agosto de 2026) es un modelo nativo unificado de imagen y texto, y SenseNova-Loop-9B-Preview (30 de octubre de 2026) es un modelo de visión-lenguaje en bucle de 9B, ambos bajo Apache 2.0. - [Shanghai AI Laboratory](https://ai-opensource.com/es/developers/shanghai-ai-laboratory/): Un laboratorio chino de investigación de IA en Shanghái. Su Centro de IA para la Ciencia dirige la organización open source InternScience, que publica los modelos de agentes Agents-A1 y Sage-A1.5 bajo Apache 2.0. - [SK Telecom](https://ai-opensource.com/es/developers/sk-telecom/): Empresa de telecomunicaciones surcoreana detrás de la familia de modelos de lenguaje A.X. A.X K2, lanzado en julio de 2026, es un modelo de mezcla de expertos de 688.000 millones de parámetros bajo Apache 2.0, creado para el proyecto de modelos fundacionales de IA soberana respaldado por el gobierno. - [Stability AI](https://ai-opensource.com/es/developers/stability-ai/): Stability AI es la empresa británica detrás de Stable Diffusion. Su familia Stable Audio 3, lanzada en mayo de 2026, es su línea más reciente de pesos abiertos: los modelos Small y Medium se entrenaron con datos con licencia y de Creative Commons y usan la Stability AI Community License, que es gratuita para uso comercial por debajo de 1 millón de USD de ingresos anuales. - [StepFun](https://ai-opensource.com/es/developers/stepfun/): StepFun (阶跃星辰) es una empresa china de IA detrás de la familia de modelos de lenguaje Step, con los modelos de voz Step-Audio y los modelos de edición de imagen Step1X junto a ellos. Publica pesos en Hugging Face y ModelScope, y su último buque insignia, Step 5 Preview, viene con una licencia propia. - [Supertone](https://ai-opensource.com/es/developers/supertone/): Una empresa surcoreana de IA de voz que creó los modelos de texto a voz Supertonic para ejecutarse en el dispositivo, mediante ONNX Runtime. Supertonic 3 cubre 31 idiomas, con los pesos bajo la licencia BigScience OpenRAIL-M. En septiembre de 2026 la empresa archivó sus repositorios de código abierto y dijo que el desarrollo y el soporte habían terminado. - [Swiss AI Initiative](https://ai-opensource.com/es/developers/swiss-ai/): Una iniciativa de investigación suiza liderada por ETH Zúrich, la EPFL y el Centro Nacional Suizo de Supercomputación (CSCS). Sus modelos Apertus son totalmente abiertos: los pesos, la preparación de datos, el código de entrenamiento y las evaluaciones se publican bajo licencias permisivas, y el entrenamiento usa solo datos disponibles abiertamente. - [Tencent](https://ai-opensource.com/es/developers/tencent/): Empresa de internet china detrás de WeChat y de la familia de modelos Hunyuan (Hy). Sus modelos de lenguaje Hy3 y Hy4 preview, los modelos de traducción Hy-MT2 y el modelo de mundo de video interactivo Hy-Nomas usan Apache 2.0, mientras que HunyuanOCR todavía usa una licencia comunitaria Hunyuan que excluye a la UE, el Reino Unido y Corea del Sur. Su modelo de generación y edición de voz AuK usa la licencia MIT, así que revisa cada repositorio. - [Thinking Machines Lab](https://ai-opensource.com/es/developers/thinking-machines-lab/): Laboratorio de IA estadounidense que crea herramientas para personalizar modelos. Su primera familia de pesos abiertos, Inkling, se publica bajo Apache 2.0 y está diseñada como base para el fine-tuning. - [TokenSpark (SparkLLM)](https://ai-opensource.com/es/developers/tokenspark/): La empresa detrás de la familia de modelos Spark, que publica en Hugging Face como XHToken. Su perfil dice que desarrolla modelos fundacionales de propósito general y productos profesionales de agentes de IA, incluidos dos sistemas de harness llamados AStudio y Loomy. Los modelos de lenguaje on-device Spark-X2.5 y Spark-X2.6, en tamaños de 1.7B y 4B, usan Apache 2.0. - [Tongyi MAI](https://ai-opensource.com/es/developers/tongyi-mai/): Un equipo del Tongyi Lab de Alibaba Group que crea modelos generativos eficientes. Es mejor conocido por los modelos de imagen Z-Image de 6B, publicados bajo Apache 2.0, y también publica MAI-UI, una familia de modelos de agentes GUI. - [Tongyi Lab Speech Team](https://ai-opensource.com/es/developers/tongyi-speech/): El equipo de voz del Tongyi Lab de Alibaba Group, que publica su trabajo bajo el nombre FunAudioLLM. Es el equipo detrás de los modelos de síntesis de voz CosyVoice, publicados bajo Apache 2.0. - [Upstage](https://ai-opensource.com/es/developers/upstage/): Empresa de IA surcoreana detrás de la familia de modelos de lenguaje Solar. Solar Open 2, lanzado en julio de 2026, es un modelo de mezcla de expertos de 250.000 millones de parámetros bajo la Upstage Solar License, que es Apache 2.0 más una regla de nomenclatura para los modelos derivados. - [Video Rebirth](https://ai-opensource.com/es/developers/video-rebirth/): Video Rebirth es una startup de video con IA con sede en Singapur fundada en 2024. Además de sus modelos de video alojados, publica la serie HyperFlow, que comprime modelos de video abiertos como MiniMax H3 para que necesiten menos pasos de muestreo y menos memoria. - [Voyage AI](https://ai-opensource.com/es/developers/voyage-ai/): Voyage AI crea los modelos de embeddings de texto Voyage, que según su blog están disponibles a través de la Voyage API y, para los clientes de MongoDB Atlas, a través de la Atlas Embedding and Reranking API. voyage-4-nano, lanzado con la serie Voyage 4 el 15 de enero de 2026, es su primer modelo de pesos abiertos bajo Apache 2.0, y su archivo de notice lleva un copyright de MongoDB, Inc. - [webAI](https://ai-opensource.com/es/developers/webai/): Una empresa que crea la app webAI, un espacio de trabajo donde los modelos de IA se ejecutan localmente en el dispositivo del usuario. Sus modelos de razonamiento TwIL, post-entrenados a partir de IBM Granite 4.2 y SmolLM3, usan la webAI Non-Commercial License en lugar de la licencia Apache 2.0 de sus modelos base. - [Xiaomi](https://ai-opensource.com/es/developers/xiaomi/): Fabricante chino de electrónica de consumo. Su equipo de modelos fundacionales MiMo publica modelos grandes centrados en agentes y puntos de control de investigación pequeños con etiquetas de licencia MIT en Hugging Face, y otros equipos de investigación de Xiaomi publican modelos como Xiaomi-OCR-0 y el modelo de voz OmniVoice. - [Z.ai (Zhipu AI)](https://ai-opensource.com/es/developers/z-ai/): Laboratorio chino que desarrolla la serie de modelos GLM. GLM-5.3-Flash tiene licencia MIT, mientras que el mayor GLM-5.3 usa una licencia personalizada que solo restringe los negocios de alojamiento muy grandes. GLM-5, 5.1, 5.2, el GLM-4.7-Flash de 30B-A3B y el modelo GLM-OCR también tienen licencia MIT. - [Zyphra](https://ai-opensource.com/es/developers/zyphra/): Laboratorio de IA de San Francisco detrás de la línea de texto a voz Zonos. ZONOS3-Mini, lanzado en noviembre de 2026 bajo Apache 2.0, es un modelo de clonación de voz de mezcla de expertos de 800 millones de parámetros que, según Zyphra, corre en tiempo real en portátiles, teléfonos y en una pestaña del navegador. ## Noticias - [Apertus 1.5: el modelo totalmente abierto de Suiza lee imágenes y audio](https://ai-opensource.com/es/news/apertus-1-5-released/): 2026-11-11. ETH Zúrich, EPFL y CSCS publicaron Apertus 1.5: modelos 8B y 70B totalmente abiertos, con imagen y audio, contexto de 262K y Apache 2.0. La comprensión de audio es experimental. - [Cuatro modelos de traducción abiertos, cuatro varas de medir distintas](https://ai-opensource.com/es/news/four-open-translation-models-four-yardsticks/): 2026-11-11. TranslateGemma, Hy-MT2, Index-Translate y PLaMo 3 Translate reportan calidad en distintos conjuntos de prueba, métricas y rivales, así que sus afirmaciones no se pueden comparar directamente. - [Modelos de texto a voz diminutos que corren en una CPU: cuatro opciones abiertas comparadas](https://ai-opensource.com/es/news/tiny-text-to-speech-models-run-on-a-cpu/): 2026-11-11. Kokoro, Pocket TTS, Phonon 31M y Supertonic 3: modelos abiertos de texto a voz de hasta 100M de parámetros para CPU. Compara tamaños, idiomas, clonación de voz y licencias. - [Moonshot lanza Kimi K3.1 Pro: 2,8 billones de parámetros, pesos abiertos](https://ai-opensource.com/es/news/kimi-k3-1-pro-released/): 2026-11-02. Moonshot AI publicó Kimi K3.1 Pro el 2 de noviembre de 2026: MoE de 2,8 billones para tareas largas de código y oficina, contexto de 1M y pesos a 4 bits de unas 1,56 TB. - [Mistral Large 4 pasa a pesos abiertos: 1 billón de parámetros, entrenado en Europa](https://ai-opensource.com/es/news/mistral-large-4-open-weights/): 2026-10-29. Mistral publicó los pesos de Large 4 el 29 de octubre de 2026: MoE multimodal con contexto de 1M de tokens, más de 160 idiomas y una licencia con condición de alojamiento. - [NVIDIA lanza Nemotron 3.5 Transcribe, un modelo de voz controlable por prompt](https://ai-opensource.com/es/news/nemotron-3-5-transcribe-released/): 2026-10-28. NVIDIA publicó Nemotron 3.5 Transcribe bajo OpenMDW-1.1: 40 idiomas, etiquetas de hablante, traducción y estilo controlado por prompt, para grabaciones de hasta una hora. - [Meta lanza Muse Spark Open, un modelo de pesos abiertos de 816B](https://ai-opensource.com/es/news/muse-spark-open-released/): 2026-10-15. Meta publicó Muse Spark Open: 816B parámetros, 42B activos, entrada de texto, imagen, vídeo y audio, contexto de 1M, acceso restringido y crédito obligatorio «Built with». ## Optional - [Calculadora de VRAM](https://ai-opensource.com/es/vram-calculator/): Estima cuánta memoria de GPU o unificada necesita un modelo de IA con precisión BF16, FP8 y de 4 bits, y qué hardware puede ejecutarlo. Elige un modelo o introduce tu propio tamaño. - [Todos los modelos (JSON)](https://ai-opensource.com/data/models.json): Descarga el catálogo completo de modelos de IA de código abierto en JSON o CSV: parámetros, ventana de contexto, tipo de licencia, fecha de lanzamiento y fuentes. Libre reutilización con atribución. - [Todos los modelos (CSV)](https://ai-opensource.com/data/models.csv) - [Licencias (JSON)](https://ai-opensource.com/data/licenses.json) - [Canal RSS](https://ai-opensource.com/es/rss.xml) - [llms-full.txt](https://ai-opensource.com/es/llms-full.txt): The full text of this site in one file