Licencias de Modelos de IA: Reglas Legales para la Atribución de Código Abierto

Las licencias de modelos de IA de código abierto se dividen en cuatro marcos: las licencias permisivas como MIT y Apache 2.0 permiten el uso comercial con requisitos de atribución, las licencias copyleft como GPL exigen que los trabajos derivados usen los mismos términos, y las licencias personalizadas como la MIT Modificada de Kimi K2.5 añaden obligaciones basadas en umbrales comerciales. Los tribunales tratan estas licencias como contratos exigibles.

Las licencias de modelos de IA determinan quién puede usar, modificar y distribuir los pesos de las redes neuronales detrás de los sistemas de IA más potentes de la actualidad. A medida que los modelos de pesos abiertos de organizaciones como DeepSeek, Moonshot AI y Meta se convierten en la columna vertebral de productos comerciales, las reglas legales sobre atribución han pasado de ser una preocupación de nicho para desarrolladores a un tema de sala de juntas.

En marzo de 2026, dos incidentes pusieron el tema de las licencias de IA en el centro de atención. Cursor (desarrollado por Anysphere) lanzó su función Composer 2, construida sobre el Kimi K2.5 de Moonshot AI, sin nombrar el modelo base al momento del lanzamiento. Días después, Rakuten lanzó "Rakuten AI 3.0", construido sobre DeepSeek V3, y varios reportajes indicaron que la empresa eliminó el archivo de licencia original de DeepSeek del lanzamiento.

Estos casos ilustran un patrón creciente. Las empresas tratan los modelos de pesos abiertos como materia prima, eliminan los avisos de licencia y presentan el resultado como tecnología propietaria. Las consecuencias se vuelven cada vez más claras, y ahora llegan desde más de un frente.

¿Qué Significa Realmente "Pesos Abiertos" (Open-Weight)?

El término "IA de código abierto" se usa ampliamente pero a menudo resulta engañoso. Las licencias tradicionales de software de código abierto (como la GNU GPL o la Licencia MIT) se redactaron para el código fuente. Los pesos de los modelos de IA no son código fuente. Son parámetros matemáticos aprendidos durante el entrenamiento.

Cuando una empresa publica los pesos de un modelo bajo una licencia abierta, otorga permiso para usar, modificar y redistribuir esos pesos. Pero ese permiso viene con condiciones. Las condiciones específicas dependen de la licencia elegida.

La mayoría de los lanzamientos de "pesos abiertos" usan uno de cuatro tipos de licencia: MIT estándar, Apache 2.0, GPL/LGPL o una licencia modificada personalizada. Cada una conlleva obligaciones diferentes para quien construya sobre el modelo.

Entender estas diferencias no es opcional para las empresas que lanzan productos impulsados por IA. Un error puede resultar en demandas, la divulgación forzada del código o medidas cautelares que cierren un producto por completo.

Un Repositorio, Dos Licencias

Una trampa en la que los equipos caen repetidamente: el código y los pesos dentro del mismo repositorio suelen regirse por licencias diferentes.

DeepSeek-V3 es el ejemplo más claro. El README del repositorio separa las dos explícitamente. El código está bajo la Licencia MIT en un archivo llamado LICENSE-CODE. Los pesos estaban bajo un archivo LICENSE-MODEL separado que contiene el Acuerdo de Licencia de DeepSeek, Versión 1.0, con fecha del 23 de octubre de 2023, que no es MIT.

Esa licencia del modelo conlleva restricciones basadas en el uso que MIT no tiene. Prohíbe el uso militar, el uso que viole la ley aplicable, el uso dirigido a menores, y la toma de decisiones automatizada que afecte negativamente derechos legales. También exige que esas mismas restricciones se trasladen a los usuarios posteriores en cualquier acuerdo de redistribución.

DeepSeek cambió esto más adelante. El lanzamiento de DeepSeek-V3-0324 en marzo de 2025 establece que "este repositorio y los pesos del modelo están licenciados bajo la Licencia MIT", con lo cual los pesos en sí quedaron bajo MIT.

La lección práctica es que la respuesta sobre la licencia depende de qué lanzamiento se descargó realmente y qué archivo rige el artefacto que se distribuyó. Revise ambos archivos y registre el identificador del lanzamiento junto con ellos.

Tipos Comunes de Licencias de Código Abierto y Sus Requisitos

La siguiente tabla compara los cuatro tipos de licencia más comunes utilizados para el lanzamiento de modelos de IA. Preste especial atención a los requisitos de atribución y distribución, ya que ahí es donde ocurren la mayoría de las infracciones.

Licencia MIT: Simple pero Vinculante

La Licencia MIT es la licencia permisiva de uso más extendido. Su obligación principal es sencilla: incluir el aviso de derechos de autor original y el texto de la licencia en cualquier copia o parte sustancial del software.

"Parte sustancial" es la frase clave. Cuando una empresa ajusta (fine-tune) un modelo con licencia MIT y lanza el modelo resultante en un producto comercial, los pesos ajustados se derivan del original. El aviso de la licencia MIT debe acompañarlos.

La Licencia MIT tiene alrededor de 170 palabras. Cumplirla toma segundos. Eliminar el archivo no extingue la obligación, simplemente documenta la infracción.

Apache 2.0: Más Estructura, Más Protección

Apache 2.0 añade varios requisitos más allá de MIT. Los usuarios deben conservar cualquier archivo NOTICE incluido en la distribución original. Deben declarar qué cambios realizaron. Y la licencia incluye una concesión de patente explícita, que protege a los usuarios posteriores de reclamos de patente por parte del desarrollador original.

Para los modelos de IA, el requisito de "declarar los cambios" es importante. Si una empresa ajusta un modelo con licencia Apache 2.0, debe documentar que ese ajuste ocurrió. Lanzar el modelo simplemente como si se hubiera construido desde cero infringe la licencia.

GPL/LGPL: El Desafío del Copyleft

Las licencias GPL y LGPL exigen que los trabajos derivados se publiquen bajo los mismos términos de licencia. Esto crea un efecto "viral". Si una empresa construye un producto propietario sobre un modelo con licencia GPL, es posible que todo el trabajo derivado deba publicarse como código abierto.

Pocos modelos de IA comerciales usan GPL precisamente por este requisito. Pero algunos modelos y herramientas de investigación sí lo hacen. Las empresas deben verificar cuidadosamente antes de incorporar componentes con licencia GPL en su conjunto de tecnología de IA.

MIT Modificada: Términos Comerciales Personalizados

Algunas organizaciones añaden cláusulas personalizadas sobre los términos estándar de MIT. El Kimi K2.5 de Moonshot AI usa una Licencia MIT Modificada con una adición notable. Cuando un producto o servicio supera los 100 millones de usuarios activos mensuales, o más de 20 millones de dólares estadounidenses en ingresos mensuales, la licencia establece que "deberá mostrar de forma destacada 'Kimi K2.5' en la interfaz de usuario de dicho producto o servicio."

Observe la estructura: los umbrales son disyuntivos. Cualquiera de los dos activa la obligación de visualización por sí solo.

Este tipo de requisito basado en umbrales crea una trampa de cumplimiento. Una startup podría lanzar un producto basado en Kimi, crecer más allá de un umbral y solo entonces caer en incumplimiento. La obligación existía desde el primer día en el texto de la licencia, pero se vuelve operativa al alcanzar cierta escala.

Atención: Los usuarios activos mensuales y los ingresos mensuales son las métricas que activan la obligación en la licencia de Kimi K2.5. La valoración de la empresa, el número de empleados y el capital recaudado no lo son. Una empresa con una valoración alta puede estar por debajo de ambos umbrales, y una con poco capital puede estar por encima de ellos.

Incidentes Recientes de Licencias de IA

Varios casos de alto perfil en 2025 y 2026 han puesto a prueba los límites de las licencias de modelos de IA. Estos incidentes muestran que las disputas de atribución no son riesgos teóricos. Están ocurriendo ahora, en los niveles más altos de la industria.

El Incidente de Cursor/Kimi

Cursor, el editor de código impulsado por IA desarrollado por Anysphere, es el caso más destacado. Investigadores independientes identificaron que la función Composer 2 de Cursor, lanzada el 19 de marzo de 2026, se construyó sobre el Kimi K2.5 de Moonshot AI. Anysphere no nombró el modelo base al momento del lanzamiento.

Anysphere lo reconoció posteriormente. El cofundador Aman Sanger dijo que fue "un error no mencionar la base Kimi en nuestro blog desde el principio", y el vicepresidente de educación para desarrolladores de la empresa, Lee Robinson, señaló que aproximadamente una cuarta parte del cómputo detrás del modelo final provino del modelo base.

La Licencia MIT Modificada de Kimi K2.5 exige la visualización destacada del nombre del modelo una vez que un producto supera los 100 millones de usuarios activos mensuales o los 20 millones de dólares estadounidenses en ingresos mensuales. Anysphere es una empresa privada y no ha publicado ninguna de las dos cifras, por lo que un observador externo no puede verificar si Cursor superó algún umbral. La falta de divulgación está documentada; el incumplimiento de la licencia no está establecido.

Para un análisis más profundo de este incidente específico, consulte ¿Qué Modelo Usa Cursor 2.0?.

La falta de divulgación es un problema generalizado en la industria, no exclusivo de Cursor. Cognition, propietaria del editor rival Windsurf, describió el modelo base detrás de su agente de codificación SWE-1.5 únicamente como "un modelo sólido de código abierto" y no lo nombró. La identificación de ese modelo base como GLM provino de observadores externos, no de la empresa.

La Cuestión de las Licencias se Convirtió en una Cuestión de Seguridad Nacional

La historia de Cursor no se quedó dentro del ámbito del derecho de autor, y este es el desarrollo que la mayoría de los equipos pasa por alto.

El 29 de abril de 2026, el presidente del Comité de Seguridad Nacional de la Cámara, Andrew Garbarino, y el presidente del Comité Selecto de la Cámara sobre el Partido Comunista Chino, John Moolenaar, enviaron cartas conjuntas para abrir una investigación sobre Anysphere y Airbnb por su uso de modelos de IA desarrollados en China. La carta a Anysphere se centró en Composer 2 y en el modelo Kimi de Moonshot AI que lo sustenta. La carta a Airbnb se refería a Qwen, de Alibaba.

Los comités solicitaron detalles sobre el uso que hacen las empresas de sistemas de IA construidos en China, la justificación detrás de esas decisiones, y cualquier comunicación que las firmas hayan tenido con los proveedores de los modelos. También solicitaron que los empleados involucrados en las decisiones asistieran a una sesión informativa en persona con los legisladores.

La investigación ha continuado. A fines de julio de 2026, los mismos dos presidentes enviaron una carta a DoorDash sobre su uso del modelo Kimi K2.6 de Moonshot AI, solicitando información antes del 14 de agosto de 2026 y una sesión informativa del personal antes del 21 de agosto de 2026.

Consejo profesional: La investigación del Congreso es un asunto de seguridad nacional y de cadena de suministro, no una acción de aplicación de derechos de autor. Ningún comité está haciendo cumplir la licencia de Kimi. El punto clave para los equipos de cumplimiento es que el mismo patrón de dependencia no divulgada generó exposición en dos frentes no relacionados a la vez, y el segundo frente avanzó más rápido que el primero.

El Incidente de Rakuten/DeepSeek

Rakuten usó DeepSeek V3 como base para su producto "Rakuten AI 3.0". Reportajes de marzo de 2026 indicaron que, en lugar de conservar el archivo de licencia de DeepSeek, Rakuten lo eliminó.

Ambas licencias que DeepSeek ha aplicado a V3 exigen que el aviso sobreviva a la redistribución, y la Licencia de Modelo DeepSeek personalizada va más allá al exigir que los destinatarios posteriores también reciban las restricciones de uso. Los reportajes indican que Rakuten añadió posteriormente un archivo de atribución, aunque los comentaristas señalaron que apareció como un archivo NOTICE en lugar de una restauración del archivo de licencia original. No pudimos verificar esto con una declaración de Rakuten ni con el historial del repositorio, y Rakuten no ha publicado una respuesta detallada de cumplimiento que indique qué lanzamiento utilizó.

¿Los Pesos de los Modelos de IA Pueden Protegerse por Derechos de Autor?

El estatus legal de los pesos de los modelos de IA es una de las preguntas sin resolver más importantes en el derecho tecnológico, y con frecuencia se describe de forma inexacta. Aquí hay dos preguntas distintas, y confundirlas produce malos consejos de cumplimiento.

La primera pregunta es si los pesos de un modelo pueden infringir los derechos de autor de otra persona, porque el entrenamiento memorizó expresión protegida en ellos. La segunda es si el desarrollador de un modelo posee un derecho de autor exigible sobre sus propios pesos que pueda hacer valer contra un licenciatario posterior que elimina la atribución. No son la misma pregunta, y la orientación más citada responde únicamente a la primera.

La Oficina de Derechos de Autor de EE. UU. abordó la primera pregunta en la Parte 3 de su informe sobre Derechos de Autor e Inteligencia Artificial, publicado en una versión previa a la publicación el 9 de mayo de 2025. La Oficina concluyó que, cuando un modelo puede generar copias textuales o sustancialmente similares de un ejemplo de entrenamiento sin que esa expresión se haya proporcionado en la instrucción (prompt), "existe un argumento sólido de que copiar los pesos del modelo involucra el derecho de reproducción para los ejemplos memorizados."

La Oficina estableció luego el principio limitante con claridad:

"Si los pesos de un modelo involucran los derechos de reproducción o de obra derivada depende de si el modelo ha retenido o memorizado expresión protegible sustancial de la obra u obras en cuestión." Oficina de Derechos de Autor de EE. UU., Copyright and Artificial Intelligence, Part 3: Generative AI Training (Versión Previa a la Publicación, mayo de 2025)

Ese análisis se refiere a los derechos de los autores cuyas obras se usaron para el entrenamiento. No aborda, ni resuelve, si Moonshot AI o DeepSeek posee un derecho de autor sobre sus propios pesos que pudiera hacer valer contra Cursor o Rakuten. Tratar el informe como autoridad para la segunda proposición lo sobreestima.

Esto importa para cómo procedería en la práctica un titular de derechos. Los daños legales por derechos de autor pueden alcanzar los 150,000 dólares por obra en casos de infracción deliberada, según la 17 U.S.C. Sección 504, pero esos daños requieren, en primer lugar, un reclamo viable de infracción de derechos de autor. Cuando la cuestión de los derechos de autor no está resuelta, la obligación exigible es el contrato, que es precisamente la vía que ha tomado el litigio de Copilot.

Los Tribunales Están Tratando las Licencias como Contratos

El desarrollo legal más duradero es el tratamiento de las licencias de código abierto como contratos exigibles. Los reclamos contractuales no dependen de resolver si los pesos son materia protegible por derechos de autor.

Doe v. GitHub es el ejemplo principal, y su situación procesal se reporta ampliamente de forma incorrecta. En la orden de enero de 2024 sobre la segunda ronda de mociones de desestimación (Caso No. 4:22-cv-06823-JST, N.D. Cal., ECF No. 195), el juez Jon S. Tigar desestimó los reclamos de los demandantes bajo la Sección 1202(b)(1) y 1202(b)(3) de la DMCA con derecho a enmienda, y desestimó con prejuicio sus reclamos de derecho estatal por interferencia intencional y negligente con relaciones económicas futuras, enriquecimiento injusto, negligencia y competencia desleal.

Quedaron dos reclamos: incumplimiento de contrato de derecho consuetudinario por infracciones de licencias de código abierto, e incumplimiento de contrato de derecho consuetudinario por la venta de materiales licenciados. Ambos son reclamos contractuales, no reclamos de derechos de autor.

Vale la pena precisar por qué sobrevivieron, porque el resumen habitual lo tergiversa. El tribunal no los evaluó ni los avaló. Como consta en la nota al pie 3 de la orden, "los demandados no solicitan la desestimación de los reclamos de los demandantes por incumplimiento de contrato por infracciones de licencias de código abierto ni por incumplimiento de contrato por la venta de materiales licenciados." Sobrevivieron porque nadie los impugnó en esa etapa, lo cual es un respaldo más débil para la idea de que "las licencias son contratos" de lo que el caso suele citarse para demostrar.

La señal sigue siendo real, solo que más limitada. Demandados sofisticados optaron por no impugnar el marco contractual, mientras impugnaban casi todo lo demás. Lo que el caso aún no ha producido es una decisión sobre el fondo que determine que se incumplió una licencia de código abierto.

El caso también ha avanzado mucho más allá de esa orden de enero de 2024, y la vía de la DMCA no está cerrada. Los demandantes enmendaron su demanda, el tribunal desestimó nuevamente los reclamos bajo la Sección 1202(b) con el argumento de que el estatuto solo alcanza copias idénticas de las que se eliminó información de gestión de derechos de autor, y el 27 de septiembre de 2024 el juez Tigar certificó esa cuestión para apelación interlocutoria y suspendió el caso en el tribunal de distrito. El Noveno Circuito aceptó la apelación en diciembre de 2024 y escuchó los argumentos orales el 11 de febrero de 2026. Está pendiente una decisión sobre si la Sección 1202(b) exige identidad exacta, y los dos reclamos contractuales no pueden llegar a una decisión sobre el fondo mientras el caso en el tribunal inferior permanezca suspendido.

La vía de derechos de autor ha avanzado por separado. En Bartz v. Anthropic (No. C 24-05417 WHA, N.D. Cal.), el juez William Alsup resolvió el 23 de junio de 2025 que el "propósito y carácter" de usar libros para entrenar modelos de lenguaje de gran tamaño era transformador, y "espectacularmente transformador". Eso fue solo una parte del fallo. También determinó que reunir una biblioteca central a partir de copias pirateadas no constituía uso justo, y fue esa determinación, no el análisis del entrenamiento, la que generó la exposición legal. Anthropic llegó posteriormente a un acuerdo, y el tribunal otorgó la aprobación final del acuerdo de aproximadamente 1,500 millones de dólares el 20 de julio de 2026, mediante una orden de la jueza Araceli Martinez-Olguin.

La disputa no se ha calmado. En marzo de 2026, alrededor de 10,000 autores publicaron un libro vacío en protesta por el entrenamiento de IA con su obra, distribuido en la Feria del Libro de Londres.

Los resultados sobre el uso justo siguen sin resolverse de forma consistente entre los casos. En Kadrey v. Meta, el tribunal determinó que el uso que hizo Meta de obras protegidas por derechos de autor para entrenar IA calificaba como uso justo, aunque el juez Chhabria subrayó que el fallo se basó en que los demandantes no lograron desarrollar un expediente sobre la dilución de mercado, y que este "no sostiene la proposición de que el uso que hace Meta de materiales protegidos por derechos de autor para entrenar sus modelos de lenguaje sea legal." En Thomson Reuters v. ROSS Intelligence, el tribunal rechazó la defensa de uso justo, aunque ese caso involucraba una herramienta de investigación jurídica no generativa, razón por la cual las dos decisiones no se oponen de forma tan clara como sugiere la palabra "división". Ninguna empresa debería tratar el uso justo como una defensa confiable mientras estas cuestiones sigan abiertas.

Lavado de Derechos de Autor (Copyright Laundering): Una Preocupación Creciente

El término "lavado de derechos de autor" (copyright laundering) ha sido utilizado por desarrolladores, entre ellos Jamie Tanna, para describir un patrón específico en el desarrollo de IA. Un sistema de IA ingiere código o pesos de modelos publicados bajo licencias que requieren atribución, la información de procedencia se pierde durante el entrenamiento o el ajuste (fine-tuning), y el resultado aparenta estar libre de cualquier licencia.

Este patrón está en el centro de la demanda Doe v. GitHub. Los demandantes alegan que GitHub Copilot toma código publicado bajo licencias que requieren atribución, lo procesa a través de una red neuronal, y genera fragmentos de código sin los avisos de licencia requeridos.

El concepto se extiende directamente a los pesos de los modelos de IA. Cuando una empresa toma un modelo que requiere atribución, lo ajusta (fine-tune), y lanza el resultado sin ningún aviso de licencia, está realizando la misma eliminación de procedencia. Las obligaciones de la licencia no se extinguen por hacer pasar los pesos por un entrenamiento adicional.

Los tribunales no han dictaminado de manera definitiva si el ajuste (fine-tuning) crea una "obra derivada" bajo la ley de derechos de autor. Trate esa cuestión como abierta, y tenga en cuenta que una obligación contractual de conservar un aviso puede vincularlo sin importar cómo se resuelva finalmente la cuestión de la obra derivada.

Cómo Mantenerse en Cumplimiento

Las empresas que usan modelos de IA de pesos abiertos en productos comerciales deben seguir estas prácticas para reducir la exposición legal.

Lea Ambos Archivos de Licencia Antes de Lanzar

Los incidentes de Rakuten y Cursor sugieren que esto no está ocurriendo de manera constante. Antes de incorporar cualquier modelo de pesos abiertos en un producto, lea el texto completo de la licencia del código y de los pesos por separado. A menudo son diferentes, como demuestra DeepSeek-V3. Anote los requisitos de atribución, las reglas de divulgación de modificaciones, las restricciones de uso, y cualquier obligación basada en umbrales.

Fije el Lanzamiento Específico, No Solo el Nombre del Modelo

"DeepSeek V3" no es una respuesta de licencia suficiente. El lanzamiento original y el lanzamiento V3-0324 tienen licencias de pesos diferentes. Registre el identificador exacto del lanzamiento o el commit junto con los términos de licencia en los que se basó, para poder demostrar después qué términos aplicaban.

Mantenga un Inventario de Licencias

Lleve un registro de cada modelo y componente de IA de código abierto usado en su producto. Para cada entrada, anote el tipo de licencia, los requisitos específicos de atribución, y si su producto cumple actualmente. Actualice este inventario cada vez que agregue o cambie dependencias de modelos de IA.

Conserve Todos los Archivos de Licencia

Nunca elimine, renombre ni reubique los archivos de licencia de las distribuciones de modelos de IA de código abierto. Inclúyalos en la distribución de su producto, ya sea un paquete de software, una imagen de contenedor o una implementación en la nube.

Documente Sus Modificaciones

Si ajusta (fine-tune), cuantiza, poda o modifica de cualquier otra forma un modelo de pesos abiertos, documente lo que hizo. Apache 2.0 lo exige explícitamente. Es posible que otras licencias no lo exijan, pero la documentación lo protege en cualquier disputa futura.

Verifique el Copyleft y las Restricciones Basadas en el Uso

Si algún componente de su conjunto de tecnología de IA usa una licencia GPL o LGPL, consulte a un abogado antes de lanzar el producto. Las obligaciones de copyleft pueden extenderse a todo su trabajo derivado. Las licencias personalizadas de modelos plantean un problema diferente: las restricciones basadas en el uso, como las de la Licencia de Modelo DeepSeek, deben trasladarse a sus propios usuarios, lo que significa que tienen que aparecer en sus términos de servicio, no solo en su repositorio.

Monitoree los Umbrales de Activación

Para licencias con umbrales comerciales, como la Licencia MIT Modificada de Kimi K2.5, configure alertas internas basadas en las métricas que la licencia realmente especifica. Dé seguimiento específicamente a los usuarios activos mensuales y a los ingresos mensuales. No espere a superar un umbral para comenzar a cumplir.

Trate la Procedencia del Modelo También como una Cuestión de Divulgación

Las cartas del Congreso de abril de 2026 muestran que depender de un modelo extranjero de pesos abiertos sin divulgarlo puede generar exposición regulatoria y reputacional que no tiene nada que ver con la licencia. Si la capacidad principal de su producto proviene del modelo de otra persona, la decisión de no decirlo es, en sí misma, una decisión que vale la pena documentar y revisar.

Qué Sigue

El panorama legal de las licencias de modelos de IA está evolucionando rápidamente. Varios acontecimientos definirán los próximos 12 a 24 meses.

El próximo punto de decisión se encuentra en el Noveno Circuito, que escuchó los argumentos el 11 de febrero de 2026 sobre si la Sección 1202(b) de la DMCA exige identidad exacta. Esa es la cuestión que eliminó los reclamos sobre información de gestión de derechos de autor en Doe v. GitHub, y la respuesta determinará si los avisos de licencia eliminados pueden impugnarse bajo la DMCA.

Doe v. GitHub sigue siendo el litigio pendiente más importante en el frente contractual, pero hay que ser realistas respecto al tiempo. La decisión de fondo que vale la pena vigilar, es decir, si una licencia de código abierto fue incumplida por la salida de un sistema de IA, no puede llegar mientras el caso del tribunal de distrito permanezca suspendido por esa apelación. Los reclamos contractuales nunca han sido evaluados en cuanto al fondo.

La Oficina de Derechos de Autor de EE. UU. podría emitir orientación adicional. La Parte 3 sigue siendo una versión previa a la publicación, y la Oficina ha indicado que la versión final la seguirá sin cambios sustanciales en el análisis ni en las conclusiones. Una orientación que aborde directamente la titularidad de los pesos, en lugar de la infracción causada por los pesos, llenaría el vacío que describe este artículo.

Los reguladores están avanzando en materia de transparencia desde otro ángulo. La Ley de IA de la UE, Reglamento (UE) 2024/1689, impone obligaciones de transparencia a los proveedores de modelos de IA de propósito general, y la Comisión Europea ha señalado el cumplimiento de derechos de autor entre las obligaciones que corresponden a esos proveedores.

La investigación del Congreso sobre los modelos chinos de pesos abiertos es el vector más nuevo y el menos predecible. No es un procedimiento sobre licencias, pero está generando exactamente el tipo de divulgación que las cláusulas de atribución buscaban exigir.

Por ahora, el curso de acción defendible es tratar cada licencia de IA de código abierto como un contrato vinculante, leer las licencias del código y de los pesos por separado, fijar el lanzamiento específico en el que se basó, y documentar su cumplimiento.

Este artículo proporciona información legal general sobre las licencias de modelos de IA de código abierto conforme a la legislación de Estados Unidos, con referencia a las normas de transparencia de la Unión Europea cuando corresponde. No constituye asesoría legal, y el análisis de licencias depende en gran medida de qué lanzamiento del modelo utilizó y cómo lo distribuye. Consulte a un abogado autorizado en su jurisdicción antes de basarse en cualquier interpretación de licencia descrita aquí.