Un ensayo en Habr reabre el debate sobre a quién pertenece el código abierto en la era de la IA
En Habr se ha publicado el ensayo «Open Source – la forma suprema de la actividad humana». Su autor confiesa que le tenía miedo al open source: las empresas se llevan el trabajo abierto de otros a productos cerrados, ignoran las licencias y se ríen de los autores. Solo está disponible la introducción, así que analizamos la tesis con hechos. En 2023–2024 HashiCorp y Redis cambiaron de licencia, y la comunidad respondió con los forks OpenTofu y Valkey. La licencia de Llama restringe a las empresas con una audiencia de más de 700 millones de usuarios al mes. En octubre de 2024, la OSI publicó su definición de IA abierta. • Los conflictos de licencias se han convertido en un riesgo estratégico. • Los pesos de los modelos y el código se rigen por normas distintas. • Conviene revisar las dependencias antes de pasar a producción.
Procesado por IA desde Хабр: Машинное обучение; editado por Hamidun News
En Habr se ha publicado el ensayo «Open Source – la forma suprema de la actividad humana». El autor empieza con una confesión: siempre le tuvo miedo al open source, porque veía cómo las empresas se llevan el trabajo abierto de otros a productos comerciales cerrados, ignoran las licencias y se burlan de la ingenuidad de los autores. Según su impresión, algo así no puede acabar en nada.
En el fragmento disponible no hay cifras ni casos concretos, así que solo se puede evaluar la tesis. Pero encaja bien con los últimos tres años: las disputas de licencias han salido de las notas jurídicas a pie de página y se han convertido en parte de la estrategia de las empresas.
Dónde la tesis se confirma con hechos
El primer ejemplo es HashiCorp. En agosto de 2023, la compañía cambió Terraform de MPL a Business Source License, que restringe el uso comercial por parte de competidores. La respuesta llegó rápido: la comunidad creó el fork OpenTofu y lo puso bajo el paraguas de la Linux Foundation.
El segundo ejemplo es Redis. En marzo de 2024, el proyecto pasó a una licencia dual RSALv2/SSPL, y después apareció Valkey, respaldado por AWS, Google Cloud y Oracle. En 2025, Redis añadió la licencia AGPLv3 para la versión 8, es decir, volvió en parte al modelo abierto. El mercado demostró que cerrar un proyecto popular es más fácil sobre el papel que en la práctica: la comunidad y los grandes usuarios pueden montar una alternativa con rapidez.
La IA agudiza la cuestión
En el aprendizaje automático, la frontera es aún más difusa. El código de un modelo, sus pesos y los datos de entrenamiento son objetos jurídicamente distintos, y sus licencias a menudo no coinciden. La demanda Doe v. GitHub, presentada en noviembre de 2022, cuestionaba el entrenamiento de Copilot con repositorios públicos sin cumplir las condiciones de las licencias. El tribunal desestimó la mayoría de las pretensiones, pero las reclamaciones por incumplimiento de licencias y de obligaciones contractuales siguen en el caso. Todavía no hay una respuesta definitiva a si se puede entrenar un modelo con código copyleft sin consecuencias.
En el otro extremo están los modelos «abiertos» con salvedades. La licencia de Llama exige un permiso aparte de Meta a las empresas con una audiencia de más de 700 millones de usuarios activos al mes y añade una política de uso aceptable. La Open Source Initiative acabó declarando que esa licencia no se ajusta a la definición de software abierto.
Hitos clave:
- agosto de 2023: Terraform pasa a BSL y aparece OpenTofu;
- marzo de 2024: Redis cambia de licencia y nace Valkey;
- 700 millones de MAU: el umbral de la licencia de Llama a partir del cual se necesita un acuerdo aparte;
- 28 de octubre de 2024: la OSI publica la Open Source AI Definition 1.0, según la cual la apertura exige acceso al código, a los parámetros y a una descripción de los datos de entrenamiento;
- noviembre de 2022: comienza el caso Doe v. GitHub sobre código en los conjuntos de entrenamiento.
Qué deben hacer equipos y autores
A los desarrolladores que integran modelos y bibliotecas abiertos en productos comerciales les conviene hacer tres cosas. Primero, llevar un registro de dependencias con sus licencias, incluidos los pesos de los modelos y los datasets, y no solo los paquetes. Segundo, leer las restricciones de uso: el umbral de audiencia, las prohibiciones para determinados escenarios y los requisitos de atribución. Tercero, saber de antemano, para los componentes críticos, si existe un fork viable bajo una organización neutral.
Para los autores de proyectos abiertos, la conclusión es la inversa. Si no quieren que su código acabe en silencio en productos cerrados, deben elegir la licencia con criterio: la AGPL cierra la puerta trasera de la red, y una política de participación clara reduce el riesgo de disputas. El ensayo de Habr es emotivo, pero su idea es práctica: el código abierto no está protegido por un derecho moral, sino solo por el texto de la licencia y por la disposición de la comunidad a defenderla.
Conviene tener en cuenta que el material es una columna de opinión, no una noticia sobre un lanzamiento. Es mejor consultar con un abogado las conclusiones jurídicas sobre licencias concretas.
Access Frontier LLMs & Multimodal AI in One Workspace
Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.