Las afirmaciones de apertura de la IA china no resisten el escrutinio

Puntos clave

• GeoGPT de China, un sistema de IA en geociencias, fue exhibido en la Conferencia Mundial de IA en julio de 2025 como ejemplo de IA abierta y gobernada conjuntamente.
• Bajo el marco de apertura de modelos respaldado en un informe reciente de la ONU, GeoGPT no calificaría como abierto.
• Los pesos del modelo subyacente de GeoGPT se construyen principalmente sobre Qwen de Alibaba, cuyas licencias no cumplen con el estándar de Interconexión de Sistemas Abiertos para una genuina apertura.
• Ni los datos de entrenamiento de GeoGPT ni su código fuente de aplicación han sido lanzados públicamente.
• Su comité de gobernanza reporta al propio Zhejiang Lab, no a un organismo independiente.

Los laboratorios de IA de China han dado al mundo algunas herramientas impresionantes y gratuitas. Qwen, DeepSeek, Kimi y otros provienen de equipos chinos y han sido lanzados de maneras que permiten a desarrolladores de todo el mundo descargarlos y ejecutarlos. Para investigadores en el mundo en desarrollo que trabajan con computadoras modestas, eso importa mucho.

Pero "lanzado abiertamente" y "verdaderamente abierto" no son lo mismo, y esa distinción es ahora objeto de un intenso debate.

¿Qué es GeoGPT y por qué importa?

GeoGPT es un sistema de IA construido para investigación en geociencias por Zhejiang Lab, un instituto de investigación respaldado por el estado chino. En la Conferencia Mundial de IA de julio, fue presentado como un modelo de ciencia abierta y gobernada conjuntamente, con gobiernos del mundo en desarrollo invitados a tratarlo como un recurso compartido.

El problema: no cumple con la definición estándar de "abierto" que expertos independientes e un informe reciente de la ONU han respaldado.

Bajo el marco de apertura de modelos, un sistema de IA genuinamente abierto debe publicar sus pesos de modelo (las configuraciones internas que hacen funcionar la IA), sus datos de entrenamiento y su código fuente. GeoGPT publica solo los pesos, y aun esos vienen con condiciones: se basan en el modelo Qwen de Alibaba, que lleva licencias que no cumplen con el estándar de Interconexión de Sistemas Abiertos, un punto de referencia ampliamente reconocido para software abierto. Los datos de entrenamiento y el código fuente permanecen bloqueados. El comité que se supone governa el proyecto responde al propio Zhejiang Lab.

Eso es menos "ciencia abierta" y más "más o menos abierto, en nuestros términos".

Nuestra historia del 27 de julio sobre la primera declaración conjunta EEUU-China respaldando IA de código abierto muestra cuánto peso político lleva ahora la palabra "abierto", lo que hace más urgente la precisión sobre lo que realmente significa.

¿Es este solo un problema de China?

De ninguna manera, y los investigadores que levantaban la voz tienen cuidado de señalarlo. Académicos que escriben en respuesta a un artículo del embajador de China en el Reino Unido argumentan que la brecha entre "abierto" como palabra de marketing y "abierto" como estándar técnico recorre toda la industria.

Muchos laboratorios occidentales también publican pesos de modelo mientras mantienen los datos de entrenamiento bloqueados. El impulso por estándares compartidos que cualquier IA de cualquier país debe cumplir para reclamar esa etiqueta aplica en todas partes.

Para usuarios ordinarios, el punto práctico es este: cuando una herramienta de IA se describe como "abierta", pregunte qué es lo que realmente cubre. ¿Puede alguien inspeccionar los datos de los que aprendió? ¿Puede alguien auditar quién la controla? Las respuestas vagas significan que la palabra está haciendo mucho trabajo.

Preguntas frecuentes

¿Por qué importa si los datos de entrenamiento de IA son públicos?

Sin acceso a los datos de entrenamiento, nadie fuera del laboratorio puede verificar si la IA aprendió de material sesgado, inexacto o restringido. Esa transparencia es una de las principales formas en que investigadores y reguladores rinden cuentas de los sistemas de IA.

¿Qué es el marco de apertura de modelos?

Es un estándar para juzgar cuán genuinamente abierto es un sistema de IA, cubriendo pesos, datos de entrenamiento, código fuente y estructura de gobernanza. Un informe reciente de la ONU lo respaldó como un punto de referencia, y más organismos internacionales están comenzando a usarlo al evaluar herramientas de IA promocionadas para uso global.