APREX · EST. 2026
No todos los modelos abiertos son igual de abiertos
En la industria de la IA, el término «código abierto» se utiliza a menudo de forma imprecisa. Algunos modelos solo liberan los pesos. Otros liberan el código, pero no los datos de entrenamiento. Algunos permiten el uso comercial, pero con fuertes restricciones. El resultado es un panorama donde «abierto» puede significar desde una verificabilidad completa hasta puro marketing.
Ai2 intenta mover la definición con Olmo 3 y la actualización Olmo 3.1. El instituto no describe solo un modelo, sino un flujo de modelo: todo el ciclo de vida desde los datos y el preentrenamiento hasta el post-entrenamiento, el aprendizaje por refuerzo, los puntos de control y la evaluación.
Esto es importante porque la verdadera apertura no se trata solo de descargar un archivo. Se trata de poder entender cómo se creó el modelo, dónde se puede modificar y qué tipo de decisiones dieron forma a su comportamiento.
Los pesos abiertos te permiten ejecutar el modelo. Un flujo de modelo abierto te permite entenderlo y modificarlo.
Qué añade Olmo 3.1
Ai2 lanzó Olmo 3 en noviembre de 2025 y luego lo actualizó con Olmo 3.1. La actualización incluye, entre otros, Olmo 3.1 Think 32B y Olmo 3.1 Instruct 32B.
Según Ai2, la variante Think se basa en una ejecución prolongada de aprendizaje por refuerzo, con mejoras claras en tareas como AIME, ZebraLogic, IFEval e IFBench. La variante Instruct está orientada a chat, uso de herramientas y diálogo multietapa.
El punto no es que Olmo de repente supere a todos los modelos cerrados. El punto es que el proceso de desarrollo es más visible que el de la mayoría de los competidores.
Por qué esto es investigación, no solo un producto
La serie Olmo es especialmente interesante para universidades, entornos públicos y empresas relacionadas con la investigación. Cuando los datos, el código y los puntos de control están disponibles, otros entornos pueden investigar cómo surgen ciertas propiedades.
Esto significa más que solo benchmarking. Si un modelo comete errores en lenguaje jurídico, terminología técnica noruega o texto médico, es valioso saber si el problema proviene de los datos, el tokenizador, el preentrenamiento, el ajuste de instrucciones o la evaluación.
Los modelos cerrados suelen ofrecer solo el resultado final. Olmo intenta proporcionar más de la cadena causal.
Relevancia para Noruega
Noruega tiene fuertes entornos de investigación, pero un acceso limitado a la computación a escala de frontera en comparación con USA y Kina. Por lo tanto, los modelos completamente abiertos son importantes. Permiten construir sobre la investigación internacional sin empezar de cero.
Para los modelos de lenguaje noruegos, el sector público y la IA de dominio, el enfoque de Olmo puede ser más relevante que los puros ganadores de las tablas de clasificación. Un modelo que puede adaptarse de forma transparente, documentarse bien y evaluarse localmente, puede ser más adecuado para áreas sensibles o reguladas.
Esto es especialmente cierto para el lenguaje, el derecho, la salud y la administración pública, donde la confianza y la trazabilidad significan más que un efecto de demostración crudo.
Los pesos abiertos no son suficientes
La industria ha celebrado durante mucho tiempo los «pesos abiertos» como una victoria. Y lo es. Pero los pesos abiertos sin datos de entrenamiento y una receta ofrecen una visión limitada. Puedes ejecutar el modelo, pero sabes poco sobre por qué responde como lo hace.
El argumento de Ai2 es que la IA de código abierto debería ser más como la ciencia: reproducible, verificable y sobre la que se pueda construir.
Esto ejerce presión sobre otros actores. Si un modelo se comercializa como abierto, pero no proporciona información sobre los datos o el entrenamiento, los usuarios deberían preguntar: ¿Abierto para quién y con qué propósito?
Las limitaciones
Olmo 3.1 todavía no es una respuesta mágica a todas las necesidades. Ejecutar y adaptar modelos de 32B requiere experiencia e infraestructura. La apertura total también puede hacer que el sistema sea más complejo de entender para los equipos de producto habituales.
Además, «totalmente abierto» no es lo mismo que libre de riesgos. Los modelos aún pueden alucinar, codificar errores, reproducir sesgos o usarse de forma engañosa. La apertura ofrece una mejor oportunidad para encontrar y corregir problemas, pero no garantiza que los problemas desaparezcan.
Conclusión
Olmo 3.1 es uno de los lanzamientos de código abierto más importantes porque eleva la pregunta de «¿puedo descargar los pesos?» a «¿puedo entender el modelo?».
Para Noruega, es un recordatorio útil. Si queremos construir una IA que pueda usarse en el sector público, la investigación y las industrias reguladas, no basta con elegir el modelo que mejor se vea en una demostración. Necesitamos modelos que puedan ser examinados, documentados y adaptados con un método abierto.
Olmo 3.1 muestra cómo puede ser eso.