Todas las funcionalidadesEspacio de trabajo soberano

IA en tus propios servidores

Los nodos GPU de tu propio clúster ejecutan los modelos. El NVIDIA GPU Operator instala los controladores, HAMi permite que varias cargas de trabajo compartan una GPU y KEDA las escala. Tú aportas los modelos, y se ejecutan en hardware que controlas tú.

Open WebUI con el modelo ministral-3:8b respondiendo a una petición de un comunicado para la plantilla sobre el traslado del correo electrónico a los servidores propios de la empresa.
Open WebUI, una interfaz de chat de ejemplo, con ministral-3:8b, un modelo de pesos abiertos de Mistral AI con licencia Apache-2.0

Las capturas de pantalla se han tomado de las aplicaciones funcionando en un servidor de pruebas, con datos inventados.

Lo que sigue bajo tu control

  • El modelo se ejecuta en nodos GPU de tu propio clúster, así que las instrucciones (prompts) y los documentos se quedan en hardware que controlas tú.

  • Los modelos de pesos abiertos son archivos que puedes descargar, ejecutar sin conexión y conservar. Los modelos totalmente abiertos, como Apertus y OLMo, también publican sus datos de entrenamiento, así que puedes comprobar cómo se construyeron.

  • La interfaz de chat y las herramientas de programación son programas independientes que se comunican con tu modelo, así que puedes sustituir cualquiera de ellos.

  • La licencia decide qué puedes hacer con un modelo. Algunos modelos de pesos abiertos imponen límites a empresas de la UE o con grandes ingresos. La tabla de abajo los recoge.

Aplicaciones de código abierto en las que se basa

  • NVIDIA GPU Operator
  • HAMi
  • KEDA

Alternativa a

Asistentes de IA cerrados de proveedores de fuera de la UE, como ChatGPT, Microsoft Copilot, Google Gemini y Claude

Modelos de pesos abiertos que puedes ejecutar

Pesos abiertos significa que los archivos del modelo están publicados, así que puedes ejecutarlos tú. Datos de entrenamiento abiertos significa que también se publican los datos, así que puedes comprobar cómo se construyó el modelo. Los datos de la tabla se tomaron de las fichas de los modelos, los archivos de licencia y los anuncios de los fabricantes el 15 de octubre de 2026.

  • MistralMistral Large 3, Mistral Small 4, Mistral Medium 3.5
    Fabricante
    Mistral AI
    País
    Francia
    Datos de entrenamiento abiertos
    No
    Licencia
    Apache-2.0, Modified MIT

    Large 3 y Small 4 usan Apache-2.0. Medium 3.5 y Devstral 2 usan una licencia MIT modificada que no concede ningún derecho a una empresa con unos ingresos mensuales consolidados globales superiores a 20 millones de USD. Large 4 se anunció el 6 de octubre de 2026 y su licencia aún no se ha indicado. Mistral afirma que los pesos llegarán antes de que termine octubre.

  • ApertusApertus 1.5 70B, Apertus 1.5 8B
    Fabricante
    EPFL, ETH Zurich, CSCS
    País
    Suiza
    Datos de entrenamiento abiertos
    Sí
    Licencia
    Apache-2.0

    Totalmente abierto: se publican los pesos, los datos de entrenamiento y todos los detalles del entrenamiento. La versión 1.5 llegó el 24 de julio de 2026.

  • EuroLLMEuroLLM-22B, EuroLLM-9B
    Fabricante
    IST Lisbon, Unbabel, University of Edinburgh et al.
    País
    Unión Europea
    Datos de entrenamiento abiertos
    Sin confirmar
    Licencia
    Apache-2.0

    Desarrollado por universidades y empresas europeas y financiado por la UE. Su ficha de modelo lo describe como el mejor modelo totalmente abierto hecho en la UE en pruebas de referencia generales. Los datos web multilingües de preentrenamiento (EuroWeb) y los datos de instrucciones (EuroBlocks) son públicos en Hugging Face. No hemos confirmado que el resto de los datos de entrenamiento sea público.

  • TeukenTeuken-7B-instruct-v0.6
    Fabricante
    OpenGPT-X: Fraunhofer, FZ Jülich, TU Dresden, DFKI
    País
    Alemania
    Datos de entrenamiento abiertos
    Sin confirmar
    Licencia
    CC-BY-NC-4.0, Apache-2.0

    Desarrollado en Alemania para 24 lenguas de la UE. La versión más reciente, Teuken-7B-instruct-v0.6 (julio de 2025), usa CC-BY-NC-4.0, que excluye el uso comercial. La versión con Apache-2.0 es la v0.4, más antigua (octubre de 2024).

  • OLMoOlmo 3.1 32B Think, Olmo 3.1 32B Instruct
    Fabricante
    Ai2
    País
    Estados Unidos
    Datos de entrenamiento abiertos
    Sí
    Licencia
    Apache-2.0

    Totalmente abierto: se publican los pesos, los datos de entrenamiento (Dolma 3 y Dolci), el código de entrenamiento y los checkpoints.

  • GemmaGemma 4 31B, Gemma 4 26B-A4B, Gemma 4 12B
    Fabricante
    Google
    País
    Estados Unidos
    Datos de entrenamiento abiertos
    No
    Licencia
    Apache-2.0

    Gemma 4 (2 de abril de 2026) usa Apache-2.0. Las versiones anteriores de Gemma usaban la licencia propia de Google.

  • gpt-ossgpt-oss-120b, gpt-oss-20b
    Fabricante
    OpenAI
    País
    Estados Unidos
    Datos de entrenamiento abiertos
    No
    Licencia
    Apache-2.0

    Apache-2.0. OpenAI publica los pesos y el código de referencia, pero no los datos de entrenamiento.

  • Llama, MuseMuse Glimmer 30B, Llama 4 Scout, Llama 4 Maverick
    Fabricante
    Meta
    País
    Estados Unidos
    Datos de entrenamiento abiertos
    No
    Licencia
    Llama 4 Community License, Apache-2.0

    Llama 4 usa la Llama 4 Community License. Su política de uso aceptable niega la licencia de los modelos multimodales Llama 4 a las personas domiciliadas en la UE y a las empresas con su sede principal en la UE. Muse Glimmer 30B (10 de agosto de 2026) usa Apache-2.0.

  • DeepSeekDeepSeek-V4-Pro, DeepSeek-V4-Flash, DeepSeek-V4.1-Flash
    Fabricante
    DeepSeek
    País
    China
    Datos de entrenamiento abiertos
    No
    Licencia
    MIT

    Licencia MIT. DeepSeek publica los pesos, un informe técnico y parte del código de infraestructura, pero no los datos de entrenamiento.

  • GLMGLM-5.3, GLM-5.3-Flash
    Fabricante
    Zhipu AI (Z.ai)
    País
    China
    Datos de entrenamiento abiertos
    No
    Licencia
    GLM-5.3 License, MIT

    GLM-5.3 usa una licencia de tipo MIT con una condición: una empresa que venda acceso alojado al modelo (Model-as-a-Service) y tenga unos ingresos de grupo superiores a 10.000 millones de USD en cualquier periodo de 12 meses debe superar la revisión de seguridad de Z.AI antes del uso comercial. GLM-5.3-Flash y GLM-5.2 usan MIT.

  • QwenQwen3.8-2.4T-A95B, Qwen3.8-27B, Qwen3.8-Flash-Next
    Fabricante
    Alibaba
    País
    China
    Datos de entrenamiento abiertos
    No
    Licencia
    Qwen3.8-Max License, Qwen Community License 1.0, Apache-2.0

    Qwen3.8-27B usa Apache-2.0. Para Qwen3.8-2.4T-A95B, una empresa que venda acceso alojado al modelo (Model-as-a-Service) o un asistente de trabajo con IA necesita una licencia aparte por encima de 50 millones de USD de ingresos en 12 meses. Para Qwen3.8-Flash-Next la necesita con cualquier nivel de ingresos.

  • KimiKimi K3, Kimi K2.7 Code
    Fabricante
    Moonshot AI
    País
    China
    Datos de entrenamiento abiertos
    No
    Licencia
    Kimi K3 License, Modified MIT

    Kimi K3: una empresa que venda acceso alojado al modelo (Model-as-a-Service) necesita un acuerdo aparte por encima de 20 millones de USD de ingresos en 12 meses. Un producto con más de 100 millones de usuarios mensuales o 20 millones de USD de ingresos mensuales debe mostrar el nombre Kimi K3.

Programar con modelos abiertos

Los modelos de pesos abiertos ya pueden dirigir un agente de programación, pero los mejores modelos cerrados siguen por delante. En Terminal-Bench 4.0 (datos actualizados el 6 de octubre de 2026), el mejor resultado de pesos abiertos es GLM-5.3, con un 41,8 % de tareas resueltas. El mejor resultado cerrado es Claude Opus 5.5, con un 64,8 %. Ambos se ejecutaron con Claude Code como agente.

Ollama fija por defecto la ventana de contexto según la memoria de la GPU: 4k tokens por debajo de 24 GiB, 32k de 24 a 48 GiB y 256k a partir de 48 GiB (según su documentación, consultada el 15 de octubre de 2026). La misma documentación indica que las herramientas de programación deberían usar al menos 64.000 tokens, así que amplía la ventana antes de iniciar un agente de programación. La documentación de Aider advierte de que, en repositorios grandes, puede que ni siquiera el mapa del repositorio quepa en la ventana de contexto de un modelo.

Documentación de Aider: mapa del repositorio

Herramientas de programación de código abierto que pueden usar un modelo local

Redactar con modelos abiertos

Una interfaz de chat delante de un modelo de pesos abiertos en tu propio servidor puede redactar y reescribir textos sin que ninguna instrucción salga de tus servidores. En la clasificación de texto de Arena (consultada el 15 de octubre de 2026), el mejor modelo de pesos abiertos, Kimi K3, ocupa el puesto 17 con una puntuación de 1488. El modelo en primer puesto es cerrado, obtiene 1525 y todavía figura como preliminar. El rango de puestos de Kimi K3 va del 9 al 29, así que el orden no es exacto.

Interfaces de chat que puedes ejecutar tú

Open WebUI, Onyx y LobeHub añaden sus propias condiciones a la licencia, así que léelas antes de desplegar una de ellas.

Clasificaciones públicas

  • Terminal-Bench 4.0

    Los agentes de programación resuelven tareas en un terminal. Cada resultado corresponde a un agente y un modelo juntos. Datos actualizados el 6 de octubre de 2026.

  • Clasificación de texto de Arena

    Clasifica 415 modelos a partir de 8.804.675 votos de usuarios. Consultada el 15 de octubre de 2026.

  • Artificial Analysis

    Puntúa los modelos en diez evaluaciones dentro de su Intelligence Index (v4.3.2) y mantiene un gráfico aparte para los modelos de pesos abiertos. Consultado el 15 de octubre de 2026.

  • SWE-bench VerifiedNo actualizada

    La entrada más reciente es del 26 de febrero de 2026, así que faltan los modelos publicados después de esa fecha.

  • Aider PolyglotNo actualizada

    La última entrada es del 3 de octubre de 2025.

  • LiveCodeBenchNo actualizada

    Sus datos cubren problemas de mayo de 2023 a abril de 2025 y modelos publicados hasta mediados de 2025, así que no puede clasificar modelos de 2026.

¿Cómo de soberano es tu entorno?

Puntúa esta funcionalidad y el resto de tu stack en la evaluación gratuita.

Hacer la evaluación