Metodología: cómo recopilamos, verificamos y clasificamos modelos de IA abiertos
Cómo decide ai-opensource.com qué listar, de dónde vienen los datos, cómo funcionan las estimaciones de memoria y las categorías de licencia, y con qué frecuencia se actualizan y corrigen las páginas.
En resumen. Listamos solo modelos cuyos pesos cualquiera puede descargar, tomamos los datos de fuentes primarias, estimamos la memoria con una fórmula publicada, clasificamos las licencias según lo que dice su texto y mostramos una fecha de actualización en cada página.
Qué listamos
Un modelo está en el catálogo si el público puede descargar sus pesos, incluidas las descargas con acceso restringido que piden aceptar primero una licencia. No listamos modelos solo por API, pesos filtrados ni anuncios sin pesos. El catálogo es curado, no exhaustivo: nos centramos en modelos vigentes, muy usados o técnicamente destacables, y marcamos los antiguos como legacy en lugar de borrarlos.
De dónde vienen los datos
Cada página de modelo cita sus fuentes, y cada noticia también. Usamos fuentes primarias en este orden:
- El archivo de licencia del repositorio del modelo.
- La ficha del modelo, los archivos de configuración y los tamaños reales de los checkpoints.
- El anuncio o informe técnico del desarrollador.
- Metadatos de plataformas como la API de Hugging Face, y el repositorio de código del proyecto.
No usamos rumores, publicaciones de redes sociales ni páginas agregadoras como única fuente de un dato. Cuando las fuentes discrepan, lo decimos en la página. La fecha de lanzamiento es el día en que el desarrollador anunció el modelo o publicó los pesos, no el día en que se creó el repositorio.
Benchmarks
No ejecutamos nuestra propia batería de benchmarks y no clasificamos modelos por una única puntuación. Las cifras de benchmarks de este sitio las reportan los desarrolladores, con la configuración de prueba que ellos eligieron, y se etiquetan como tales. Cómo evaluar modelos de IA por ti mismo explica cómo probar un modelo con tu propio trabajo.
Cómo estimamos la memoria
Las estimaciones son deliberadamente simples y conservadoras. Sirven para planificar, no como garantía.
| Formato | Bytes por parámetro |
|---|---|
| FP32 | 4 |
| BF16, FP16 | 2 |
| FP8, INT8 | 1 |
| INT4, FP4 | 0.5 |
| MXFP4 | 0.53 |
| NVFP4 | 0.56 |
| Ternario (pesos de −1, 0 o +1, unos 1.75 bits por peso) | 0.22 |
| GGUF Q4 (Q4_K_M, unos 4.8 bits por peso) | 0.6 |
La memoria de los pesos es parámetros multiplicado por bytes por parámetro. Añadimos un 15 % para buffers en tiempo de ejecución y una caché de contexto modesta. Luego aplican estas reglas:
- Los modelos de mezcla de expertos mantienen todos los expertos en memoria, así que usamos los parámetros totales, no los activos. Los activos solo afectan a la velocidad.
- Los modelos de lenguaje se listan con una estimación a 4 bits, porque se cuantizan habitualmente. Si el desarrollador distribuye pesos a 4 bits o ternarios, usamos en su lugar el tamaño real de descarga más un 10 %.
- Los modelos de imagen, vídeo, voz, música y embeddings rara vez se cuantizan, así que usamos los pesos tal como se distribuyen más un 15 %. Las pipelines con varios componentes, como un codificador de texto aparte, usan la descarga total.
- El mínimo del propio desarrollador prevalece sobre nuestra fórmula cuando lo declara o lo mide.
- Los contextos largos necesitan más. La caché clave-valor crece con cada token, así que un prompt largo puede requerir mucho más que estas cifras. La guía de memoria incluye un ejemplo resuelto.
Después situamos cada modelo en un nivel de hardware según esa cifra:
| Nivel | Hasta |
|---|---|
| Portátil o teléfono | 16 GB |
| GPU de gaming | 32 GB |
| Estación de trabajo | 96 GB |
| Escritorio de mucha memoria | 512 GB |
| Servidor GPU | 1.536 GB |
| Clúster multinodo | Más de 1.536 GB |
Cómo clasificamos las licencias
Leemos el propio archivo de licencia, no solo la etiqueta de la página del modelo, y señalamos cuando ambos discrepan. Cada licencia entra en uno de tres tipos:
- Permisiva: puedes usar, modificar y vender el modelo, y las condiciones son ligeras, como mantener el aviso. Apache 2.0 y MIT son ejemplos.
- Condicional: se permite el uso comercial, con condiciones extra. Las etiquetamos: atribución, acuerdo de alojamiento, límite de ingresos, restricciones territoriales, política de uso, revisión de seguridad, filtrado de salida o reglas de nombre.
- No comercial: solo uso de investigación y personal. El uso comercial requiere un acuerdo aparte.
También indicamos si la Open Source Initiative ha aprobado la licencia y la fecha en que verificamos por última vez el texto. Esto es una ayuda de lectura, no asesoría legal. Licencias de IA explicadas te da una lista de comprobación para antes de lanzar tu producto.
Listas, comparativas y set destacado
Las mejores listas y las comparativas son decisiones editoriales. Cada una declara sus criterios y da una razón por cada selección. Los modelos destacados de la portada son un conjunto curado de unos veinte, elegidos para cubrir un rango de tamaños y categorías. Estar destacado no es un ranking. Cuando cambia el catálogo, revisamos las listas que mencionan a los modelos afectados.
Actualizaciones y correcciones
Cada página muestra la fecha en que se verificaron sus datos por última vez. Las noticias muestran la fecha del suceso y la de nuestra última verificación. Cuando encontramos un error, corregimos la página y actualizamos su fecha, y si la corrección cambia una conclusión lo decimos en la página. Por favor, informa de errores por el enlace de contacto del pie.
Datos abiertos
El catálogo se publica como datos abiertos: modelos en JSON y CSV, y licencias en JSON. Los textos y datos se liberan bajo CC BY 4.0, así que puedes reutilizarlos citando la fuente.
Idiomas y asistencia con IA
El inglés es la versión de referencia y las traducciones lo siguen. Usamos herramientas de IA para ayudar con la investigación y la redacción, pero no publicamos un dato que no podamos rastrear hasta una fuente. Cada página de modelo lleva al menos un enlace a su fuente, y las noticias listan las suyas.