Nvidia y Microsoft piden a EE.UU. no restringir los modelos abiertos

Nvidia y Microsoft, dos empresas que compiten por el control de la infraestructura de inteligencia artificial, coincidieron esta semana en pedirle a Washington lo mismo: que no imponga restricciones amplias sobre los modelos abiertos de inteligencia artificial. El pedido, reportado por Fox Business, llega justo cuando modelos chinos como Qwen, DeepSeek y Kimi dominan cada vez más la adopción de IA abierta fuera de China.

La postura conjunta es inusual: Nvidia vende los chips que entrenan y corren estos modelos, mientras Microsoft opera Azure y es el mayor inversor de OpenAI, cuyo negocio depende en parte de mantener cerrados sus propios modelos frontera. Ambas coinciden en que restringir los pesos abiertos perjudicaría más a EE.UU. que a sus competidores.

TL;DR

• Nvidia y Microsoft pidieron a Washington evitar restricciones amplias sobre los modelos abiertos de IA, según Fox Business.- El debate reabre si publicar los pesos de un modelo equivale a una exportación controlada bajo el régimen EAR.- La Regla de Difusión de IA de enero de 2025 fue rescindida en mayo de 2025 tras críticas de la industria.- Modelos abiertos chinos como Qwen, DeepSeek y Kimi ya compiten de igual a igual y no están bajo jurisdicción de EE.UU.- Nvidia ya enfrentó restricciones a la exportación de chips a China durante 2025.- Microsoft opera Azure AI Foundry, que aloja modelos abiertos de terceros junto a los propios de OpenAI.- RAND y CSET documentan desde 2023 el riesgo de asegurar pesos de modelos frontera una vez publicados.

Qué pasó

El reporte de Fox Business, replicado por MSN, indica que Nvidia y Microsoft trasladaron a funcionarios de la administración estadounidense su preocupación por una posible ampliación de los controles de exportación hacia los modelos abiertos de IA. Hasta ahora, el régimen de controles bajo el EAR (Export Administration Regulations) se había concentrado en el hardware: GPUs de entrenamiento, aceleradores y equipos de fabricación de semiconductores. La discusión actual, según el reporte, apunta a algo distinto: si publicar los pesos de un modelo de IA de gran escala debería tratarse también como una exportación de tecnología sensible.

Para Nvidia, la lógica es directa: a mayor cantidad de restricciones sobre el ecosistema abierto, menor demanda de GPU para experimentar, ajustar y desplegar modelos fuera de un puñado de laboratorios cerrados. Para Microsoft, el cálculo es más matizado: la empresa opera Azure AI Foundry, un catálogo que aloja tanto modelos propios como modelos abiertos de terceros, y buena parte de sus clientes empresariales combina modelos abiertos con los modelos cerrados de OpenAI. Una regla amplia que trate la publicación de pesos como una exportación controlada obligaría a licencias, revisiones de destino y potenciales sanciones por incumplimiento, justo el tipo de fricción que Microsoft y Nvidia ya enfrentaron cuando se opusieron a la Regla de Difusión de IA de enero de 2025.

El detalle que hace noticia no es la postura en sí (la industria lleva años pidiendo reglas más quirúrgicas), sino que dos empresas con incentivos tan distintos coincidan públicamente en el mismo argumento: restringir de forma amplia los modelos abiertos no frena a China, solo le cede el terreno.

Contexto e historia

Este debate no nace de cero. En enero de 2025, en sus últimos días, la administración Biden publicó la Regla de Difusión de IA (AI Diffusion Rule), que dividía al mundo en tres niveles de acceso a chips de IA: aliados con acceso prácticamente libre, un grupo intermedio con cuotas, y un tercer grupo, que incluía a China, con acceso muy restringido. La industria, con Nvidia a la cabeza, calificó la regla de excesivamente amplia: penalizaba a países aliados y clientes comerciales legítimos junto con los actores que en verdad preocupaban a seguridad nacional.

La administración siguiente rescindió esa regla en mayo de 2025, prometiendo un enfoque más bilateral, país por país. Pero el problema de fondo (cómo controlar la difusión de capacidades de IA sin frenar la innovación doméstica) no desapareció: solo se desplazó. Primero fue una discusión sobre chips. Ahora, con modelos abiertos de origen chino como Qwen, DeepSeek y Kimi ganando adopción global, la pregunta se trasladó a los pesos de los modelos mismos.

Investigadores de centros como RAND y CSET (Center for Security and Emerging Technology) documentan desde 2023 el llamado problema de 'asegurar los pesos de los modelos': una vez que un archivo de pesos se publica, replicarlo en miles de servidores toma horas, no meses. A diferencia de una GPU física, que se puede rastrear en una aduana, un archivo de varios cientos de gigabytes se puede subir a un espejo en otro país con una sola línea de comando. Esa asimetría es el núcleo técnico de lo que Nvidia y Microsoft están planteando ahora.
La Regla de Difusión de IA de enero de 2025 fue rescindida en mayo del mismo año.

Qué son los modelos abiertos y por qué preocupan a Washington

Antes de seguir, conviene separar dos términos que se usan como sinónimos y no lo son. Un modelo de código abierto (open source) publica pesos, código de entrenamiento y, a veces, los datos. Un modelo de pesos abiertos (open weight) solo publica el archivo con los parámetros entrenados, bajo una licencia que puede ser permisiva (Apache 2.0, MIT) o restrictiva (como la licencia comunitaria de Llama, que impone condiciones de uso). La mayoría de los modelos frontera que se discuten en este debate son, en rigor, de pesos abiertos, no de código abierto completo.

La tabla siguiente resume dónde queda cada familia de modelos relevante frente a una eventual ampliación del control de exportación:
ModeloOrigenLicenciaPesos abiertosExpuesto a un control EAR ampliadoLlama (Meta)Estados UnidosCommunity License personalizadaSíSí, por ser de origen estadounidenseOLMo (Allen Institute)Estados UnidosApache 2.0SíSíQwen (Alibaba)ChinaApache 2.0SíNo, fuera de la jurisdicción de EE.UU.DeepSeekChinaMITSíNoKimi K2 (Moonshot AI)ChinaLicencia modificada tipo MITSíNo
La asimetría salta a la vista: una regla que exija licencia de exportación para publicar pesos de origen estadounidense no alcanza a Qwen, DeepSeek ni Kimi, que se publican desde compañías chinas fuera de la jurisdicción de EE.UU. Es exactamente el argumento que, según el reporte, Nvidia y Microsoft llevaron a Washington: una restricción amplia solo frena a los laboratorios de EE.UU., mientras los modelos chinos siguen circulando libremente.
Qwen, DeepSeek y Kimi publican pesos bajo licencias permisivas fuera de la jurisdicción de EE.UU.
El siguiente diagrama resume, de forma simplificada, cómo se evaluaría hoy un modelo bajo el régimen EAR si se extendiera a pesos abiertos:

flowchart TD
A["Modelo entrenado"] --> B{"¿Pesos publicados en Hugging Face o GitHub?"}
B -->|"Sí"| C{"¿Empresa de origen bajo jurisdicción de EE.UU.?"}
B -->|"No, solo acceso por API"| D["Se trata como servicio, no como exportación de tecnología"]
C -->|"Sí"| E["Requeriría licencia de exportación del BIS"]
C -->|"No, origen fuera de EE.UU."| F["Fuera del alcance de la regla actual"]

💭 Clave: El argumento central de Nvidia y Microsoft es que un modelo de pesos abiertos, una vez publicado en Hugging Face o GitHub, se replica en horas en espejos y forks. Ningún control de exportación puede 'desinventar' un archivo que ya circula en miles de copias.

Cómo verificar si un modelo te afecta

Para un desarrollador, el debate regulatorio es abstracto hasta que se cruza con un modelo que ya estás usando. Antes de redistribuir pesos ajustados (fine-tuneados) de un modelo, conviene revisar de forma programática su licencia y origen.

Un primer chequeo rápido usa la API pública de Hugging Face:

curl -s https://huggingface.co/api/models/meta-llama/Llama-3.1-8B | jq '.cardData.license, .tags'

Este comando devuelve el campo license del model card y las etiquetas asociadas. Si el modelo declara una licencia permisiva (Apache 2.0, MIT) y no tiene restricciones geográficas explícitas, el riesgo de cumplimiento es bajo. Si la licencia es una versión modificada tipo la de Llama, vale la pena leer las condiciones de uso aceptable.

Para un chequeo más completo, incluyendo el listado de archivos de pesos, el SDK de Python es más cómodo:

from huggingface_hub import model_info

info = model_info('Qwen/Qwen3-72B')
print(info.cardData.get('license'))
print([s.rfilename for s in info.siblings if s.rfilename.endswith('.safetensors')])

Este script imprime la licencia declarada y filtra los archivos .safetensors, que son los que realmente contienen los pesos entrenados (a diferencia de archivos de configuración o tokenizer). Es el tipo de verificación que cualquier equipo que redistribuya modelos ajustados debería automatizar en su pipeline de CI, no dejarla como un paso manual antes de un lanzamiento.

⚠️ Ojo: Si trabajas en una empresa que ajusta (fine-tunea) y redistribuye modelos de origen estadounidense, conviene revisar la licencia y el país de destino antes de publicar pesos derivados: la ambigüedad regulatoria actual no significa ausencia de riesgo legal.

Impacto y análisis

El resultado de este debate importa más allá de Nvidia y Microsoft. Si Washington optara por una regla amplia sobre pesos abiertos, el primer efecto sería sobre los laboratorios estadounidenses que hoy publican en abierto: Meta con Llama, el Allen Institute for AI con OLMo, Mistral (con sede en Francia, pero con presencia comercial en EE.UU.) y startups más pequeñas que dependen de afinar modelos abiertos en lugar de entrenar desde cero.

El argumento de fondo de la industria es que esto no reduce el riesgo, lo redistribuye. Un desarrollador, una universidad o un laboratorio en un tercer país que hoy usa Llama o un modelo de OLMo simplemente migraría a Qwen, DeepSeek o Kimi, que ya compiten de igual a igual en varios benchmarks y no están sujetos a controles de EE.UU. El resultado neto sería menos influencia estadounidense sobre qué arquitecturas, qué salvaguardas de seguridad y qué prácticas de moderación se vuelven el estándar de facto en el ecosistema abierto global.

Por el otro lado, quienes defienden controles más estrictos (sectores de seguridad nacional, algunos investigadores de bioseguridad) argumentan que un modelo frontera sin restricciones puede facilitar capacidades de doble uso: desde asistencia en la síntesis de patógenos hasta generación de código malicioso a escala. La tensión no tiene una resolución técnica limpia: es, en el fondo, una decisión de política pública sobre cuánto riesgo marginal se acepta a cambio de mantener el liderazgo de EE.UU. en el ecosistema abierto.

Lo que sí es técnicamente claro es la asimetría de aplicación: cualquier regla que dependa de la jurisdicción de la empresa publicadora deja fuera, por diseño, a los laboratorios chinos que hoy lideran buena parte de la adopción de modelos abiertos.

Qué sigue

El proceso regulatorio en EE.UU. para una medida de este tipo sigue un camino conocido: una propuesta de regla se publica primero en el Federal Register, se abre un período de comentarios públicos (donde empresas como Nvidia y Microsoft, así como universidades y organizaciones civiles, pueden presentar objeciones formales), y solo después el Bureau of Industry and Security (BIS) emite una regla final. Ese fue exactamente el camino que siguió, y luego revirtió, la Regla de Difusión de IA entre enero y mayo de 2025.

No hay, al momento de este reporte, un texto de regla propuesta específico sobre pesos abiertos disponible públicamente para analizar línea por línea. Lo que existe es la señal de que el debate volvió a la agenda, y que dos de los actores con más peso en la industria de IA ya fijaron postura antes de que exista un borrador formal. Vale la pena seguir el Federal Register y los comunicados del BIS en las próximas semanas para ver si la discusión se traduce en una propuesta concreta.

📖 Resumen en Telegram: Ver resumen

Pruébalo tú mismo: entra a huggingface.co/api/models/ seguido del nombre del modelo que usas hoy y revisa el campo license antes de decidir si redistribuir esos pesos te expone a alguna restricción.

Preguntas frecuentes

¿Qué significa que un modelo de IA tenga pesos abiertos?

Significa que la empresa que lo entrenó publica el archivo con los parámetros entrenados para que cualquiera lo descargue, ejecute localmente o ajuste. Es distinto de un modelo de código abierto completo, que además publica el código de entrenamiento y, a veces, los datos.

¿Por qué el gobierno de EE.UU. consideraría restringir su publicación?

Por preocupaciones de seguridad nacional sobre uso dual: un modelo frontera sin salvaguardas podría facilitar tareas que van desde ciberataques automatizados hasta asistencia en dominios sensibles como bioseguridad, si cae en manos de actores hostiles.

¿Qué fue la Regla de Difusión de IA (AI Diffusion Rule)?

Una norma publicada por la administración Biden en enero de 2025 que dividía países en tres niveles de acceso a chips de IA. Generó fuerte oposición de la industria por ser demasiado amplia y fue rescindida en mayo de 2025.

¿Por qué Nvidia y Microsoft, que compiten entre sí, coinciden en esto?

Porque ambas quedarían expuestas si se ampliara el control de exportación a pesos abiertos: Nvidia porque menos modelos abiertos significa menos demanda de GPU para experimentación, Microsoft porque su plataforma Azure AI Foundry aloja modelos abiertos de terceros junto a los propios.

¿Los modelos abiertos chinos como Qwen o DeepSeek quedarían sujetos a las mismas reglas?

No. Al ser publicados por empresas chinas, quedan fuera de la jurisdicción de EE.UU. Es precisamente el argumento central de Nvidia y Microsoft: una regla amplia solo restringe a los laboratorios estadounidenses.

¿Cómo me afecta esto si solo uso modelos abiertos para desarrollar software?

Para la mayoría de los desarrolladores, en el corto plazo, no cambia nada: descargar y usar un modelo ya publicado no está en discusión. El riesgo de cumplimiento aparece si tu empresa ajusta y redistribuye pesos derivados de un modelo de origen estadounidense a terceros en otros países.

Referencias

• Fox Business vía MSN: reporte original sobre el pedido conjunto de Nvidia y Microsoft.- Bureau of Industry and Security (BIS): agencia del Departamento de Comercio de EE.UU. que administra el régimen de controles de exportación (EAR).- Federal Register: registro oficial donde se publican las reglas propuestas y finales de controles de exportación.- Hugging Face Docs: documentación sobre licencias y distribución de modelos en el Hub.- RAND Corporation: instituto que investiga la seguridad de los pesos de modelos de IA frontera.

📱 ¿Te gusta este contenido? Únete a nuestro canal de Telegram @programacion donde publicamos a diario lo más relevante de tecnología, IA y desarrollo. Resúmenes rápidos, contenido fresco todos los días.