NVIDIA, Microsoft, Meta, OpenAI y otras compañías firmaron una carta conjunta para pedir a legisladores de EEUU que no impongan restricciones amplias a los modelos de IA con pesos abiertos.
Los pesos de un modelo son millones o miles de millones de valores numéricos que el sistema ajusta durante su desarrollo y que funcionan como una configuración interna para producir respuestas. Cuando esos pesos quedan abiertos, se pueden descargar y usar en infraestructura propia. En un modelo cerrado, en cambio, normalmente se accede por app o API, pero no se descargan esos valores.
El documento defiende que estos modelos se puedan descargar, ejecutar y adaptar fuera del servicio original, y sostiene que esa opción amplía el acceso a la IA para startups, universidades, empresas e instituciones públicas.
En el documento oficial, entre los firmantes aparecen (además de los mencionados al principio) GitHub, Hugging Face, IBM, Mistral, Mozilla, Palantir, Perplexity, Replit, ServiceNow, Y Combinator y The Linux Foundation, además de otras empresas y organizaciones tecnológicas. La mezcla reúne actores de chips, nube, software, seguridad, código abierto e inversión.
Qué piden los firmantes sobre los pesos abiertos
La carta sostiene que el liderazgo de EEUU en IA no dependerá solo de un puñado de modelos cerrados de frontera, sino de que exista un ecosistema más amplio y utilizable por muchas organizaciones.
En esa lógica, los pesos abiertos sirven para que un laboratorio pequeño, una universidad o una empresa no tengan que entrenar un modelo desde cero ni pagar siempre precios de frontera para cada tarea.
El texto también vincula esa apertura con competencia y control del cliente. Si una organización puede ejecutar un modelo en su propia infraestructura, ajustar su comportamiento y moverlo entre proveedores, reduce el riesgo de quedar atada a una sola plataforma.
Ese argumento aparece en un momento en que muchas empresas revisan costos, dependencia tecnológica y soberanía sobre datos, procesos y conocimiento interno.
Otro punto central es la seguridad. Los firmantes dicen que los modelos abiertos permiten más revisión externa, más pruebas y más posibilidades de encontrar fallas o vulnerabilidades entre varios equipos.
La carta compara esa idea con la historia del software de código abierto: la transparencia no elimina riesgos, pero puede ayudar a detectarlos antes y a distribuir mejor la capacidad de defensa.
El documento también pide políticas públicas que vayan más allá del debate regulatorio inmediato. Menciona acceso a cómputo para startups e investigadores, inversión en activos compartidos como datos, herramientas y marcos de evaluación, y un entorno donde existan varias capas de aplicaciones construidas sobre IA.
Riesgos, destilación y el debate regulatorio en EEUU
La carta admite que los pesos abiertos tienen riesgos reales. Una vez liberados, es difícil rastrear todas las copias, revertir cambios o impedir que terceros los adapten para usos problemáticos. Esa parte del texto evita una promesa fácil: no dice que abrir pesos vuelva segura a la IA por sí sola, sino que los modelos cerrados tampoco quedan a salvo de fallas, filtraciones o usos indebidos solo por estar bajo control de un proveedor.
El tramo más delicado aparece cuando el documento pide no confundir técnicas legítimas con apropiación ilegal. La carta menciona la destilación, una práctica usada para mejorar o evaluar modelos a partir de salidas de otros sistemas, y propone tratar abusos concretos con marcos legales y comerciales específicos en vez de vetos amplios.
Ese punto llega mientras sube en EEUU la tensión por la destilación de modelos y por acusaciones de extracción no autorizada de capacidades.
Business Insider y MarketWatch sitúan la carta dentro de una discusión política más amplia sobre si Washington debería endurecer las reglas para modelos descargables, en especial después del avance de sistemas abiertos en China y del cruce sobre propiedad intelectual.
En ese contexto, el texto firmado por empresas tecnológicas intenta fijar una línea: separar las infracciones comprobables de las restricciones generales a herramientas que hoy forman parte del desarrollo normal de la IA.
