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 importantes pusieron el tema de las licencias de IA en el centro de atención. Cursor (desarrollado por Anysphere, valorado en 29,300 millones de dólares) lanzó su función Composer 2 usando el modelo Kimi K2.5 de Moonshot AI sin acreditar la fuente. Días después, Rakuten lanzó "Rakuten AI 3.0", construido sobre DeepSeek V3, tras eliminar el archivo de licencia MIT original del código base.
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 legales de esta práctica se vuelven más claras con cada nueva sentencia judicial.
¿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.
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.
| Tipo de Licencia | ¿Requiere Atribución? | ¿Declarar Cambios? | ¿Copyleft? | ¿Uso Comercial? | Obligación Clave |
|---|---|---|---|---|---|
| MIT | Sí, conservar el aviso de derechos de autor | No | No | Sí | Incluir el aviso de derechos de autor original y el texto de la licencia en todas las copias o partes sustanciales |
| Apache 2.0 | Sí, conservar el aviso + archivo NOTICE | Sí, debe declarar los cambios | No | Sí | Conservar el archivo NOTICE; incluir el texto de la licencia; declarar las modificaciones; incluye concesión de patente |
| GPL/LGPL | Sí | Sí | Sí, los trabajos derivados deben usar la misma licencia | Sí, pero los trabajos derivados también deben ser GPL | Publicar el código fuente de los trabajos derivados bajo la misma licencia GPL |
| MIT Modificada (p. ej., Kimi K2.5) | Sí, más reglas adicionales de visualización | Varía | No | Sí, con condiciones | Requisitos estándar de MIT más "visualización destacada" del nombre del modelo por encima de ciertos umbrales de ingresos/usuarios |
Licencia MIT: Simple pero Vinculante
La Licencia MIT es la licencia permisiva de uso más extendido. DeepSeek publicó su modelo V3 bajo los términos estándar de MIT. La 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) DeepSeek V3 y lanza el modelo resultante en un producto comercial, los pesos ajustados se derivan del original. El aviso de la licencia MIT debe acompañarlos.
Eliminar el archivo de licencia, como hizo Rakuten con DeepSeek V3 en marzo de 2026, viola directamente este requisito. La Licencia MIT tiene solo 170 palabras. Cumplirla toma segundos. Infringirla invita a litigios.
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: los productos que superen los 100 millones de usuarios activos mensuales o los 20 millones de dólares en ingresos mensuales deben "mostrar de forma destacada" el nombre del modelo Kimi.
Este tipo de requisito basado en umbrales crea una trampa de cumplimiento. Una startup podría lanzar un producto basado en Kimi, crecer más allá del umbral y, de repente, encontrarse en infracción. La obligación existía desde el primer día en el texto de la licencia, pero solo se vuelve relevante en la práctica al alcanzar cierta escala.
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 infracciones de licencia no son riesgos teóricos. Están ocurriendo ahora, en los niveles más altos de la industria.
| Incidente | Fecha | Detalles | Estado |
|---|---|---|---|
| Cursor (Anysphere) / Kimi K2.5 | Marzo de 2026 | Usó Kimi K2.5 como modelo base para la función Composer 2 sin atribución. Anysphere valorada en 29,300 millones de dólares. El competidor Windsurf reconoció su propio ajuste (fine-tuning) de GLM-4.6. | Bajo escrutinio; sin demanda presentada hasta marzo de 2026 |
| Rakuten / DeepSeek V3 | Marzo de 2026 | Lanzó "Rakuten AI 3.0", construido sobre DeepSeek V3, tras eliminar el archivo de licencia MIT del repositorio. | Reacción pública negativa; estado de cumplimiento poco claro |
| Doe v. GitHub (Copilot) | Presentada en noviembre de 2022 | Demanda colectiva que alega que GitHub Copilot reproduce código de código abierto sin los avisos de licencia requeridos. Dos reclamos sobrevivieron a la moción de desestimación: infracción de licencia e incumplimiento de contrato. | En curso hasta marzo de 2026 |
| Seis Modelos de IA Japoneses / DeepSeek y Qwen | 2025-2026 | Reportajes revelaron que seis de diez modelos de IA japoneses importantes se basan en arquitecturas de DeepSeek o Qwen, lo que plantea preguntas sobre las prácticas de atribución en todo un ecosistema nacional de IA. | Revisión a nivel de toda la industria |
El Incidente de Cursor/Kimi K2.5
Cursor, el editor de código impulsado por IA desarrollado por Anysphere, es uno de los casos más destacados. Investigadores independientes identificaron que la función Composer 2 de Cursor se construyó sobre el modelo Kimi K2.5 de Moonshot AI. Anysphere no divulgó esto.
La Licencia MIT Modificada de Kimi K2.5 exige la visualización destacada del nombre del modelo para productos que superen ciertos umbrales de ingresos y usuarios. Dado el rápido crecimiento de Cursor y la valoración de 29,300 millones de dólares de Anysphere, es probable que el producto supere ambos umbrales.
Para un análisis más profundo de este incidente específico, consulte ¿Qué Modelo Usa Cursor 2.0?.
Cabe destacar que el competidor de Cursor, Windsurf, adoptó un enfoque diferente. Windsurf reconoció públicamente que ajustó (fine-tuned) el modelo GLM-4.6, brindando la transparencia que exigen las licencias de código abierto.
El Incidente de Rakuten/DeepSeek
El caso de Rakuten es más sencillo. La empresa usó DeepSeek V3 (con licencia MIT) como base para su producto "Rakuten AI 3.0". En lugar de conservar el archivo de licencia MIT, Rakuten lo eliminó por completo.
La Licencia MIT tiene un requisito principal: conservar el aviso de derechos de autor y el texto de la licencia. La eliminación por parte de Rakuten fue una infracción directa e inequívoca. Este caso demuestra que incluso empresas grandes y sofisticadas con equipos legales a veces tratan las licencias de modelos de IA como opcionales.
¿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. Si los pesos no pueden protegerse por derechos de autor, los términos de licencia que rigen su uso pueden ser más difíciles de hacer cumplir. Si sí pueden protegerse, las licencias de IA de código abierto tienen toda la fuerza de la ley de derechos de autor.
La Oficina de Derechos de Autor de Estados Unidos se pronunció sobre esta cuestión en mayo de 2025. En un informe formal, la Oficina declaró que la posibilidad de proteger los pesos de los modelos por derechos de autor es "altamente disputada", pero encontró un "argumento sólido" de que los pesos pueden involucrar derechos de reproducción y de obra derivada bajo la ley de derechos de autor vigente.
La Oficina no llegó a emitir un dictamen definitivo. Pero la dirección es clara. La mayoría de los profesionales del derecho y las organizaciones ahora operan bajo el supuesto de que los pesos de los modelos pueden protegerse por derechos de autor. Este supuesto refuerza la exigibilidad de todas las licencias de IA de código abierto.
Si un tribunal futuro determina de manera definitiva que los pesos pueden protegerse por derechos de autor, las empresas que infringieron los términos de licencias de código abierto podrían enfrentar daños legales por infracción de derechos de autor. Esos daños pueden alcanzar los 150,000 dólares por obra en casos de infracción deliberada, según 17 U.S.C. Sección 504.
Los Tribunales Están Tratando las Licencias como Contratos
Un desarrollo legal fundamental es la tendencia a tratar las licencias de código abierto como contratos exigibles. Esto importa porque los reclamos contractuales otorgan a los titulares de la licencia herramientas legales adicionales más allá de la infracción de derechos de autor.
En el caso en curso Doe v. GitHub (presentado en noviembre de 2022), dos reclamos sobrevivieron a la moción de desestimación: un reclamo por infracción de licencia y otro por incumplimiento de contrato. La disposición del tribunal a permitir que avance el reclamo contractual indica que las licencias de código abierto crean obligaciones legales vinculantes, no solo permisos que pueden ignorarse sin consecuencias.
En Bartz v. Anthropic, el juez William Alsup del Distrito Norte de California describió el entrenamiento de IA como "transformador, espectacularmente transformador". A pesar de esta conclusión, Anthropic llegó a un acuerdo para resolver el caso por 1,500 millones de dólares, lo que sugiere que incluso las empresas con argumentos legales sólidos prefieren la certeza a los riesgos de un litigio. El acuerdo hizo poco por acallar el movimiento más amplio: a principios de 2026, cientos de autores organizaron una protesta coordinada contra empresas de IA, devolviendo ejemplares anticipados de libros a las editoriales para resaltar lo que describen como el uso no consentido de su trabajo para entrenar modelos.
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 (fair use). Pero en Thomson Reuters v. ROSS Intelligence, el tribunal llegó a la conclusión contraria. La inconsistencia entre los casos significa que ninguna empresa puede confiar en el uso justo como una defensa garantizada.
En conjunto, estos casos establecen que las empresas de IA deben tomar en serio los términos de las licencias. El entorno legal es impredecible, y el camino más seguro es el cumplimiento.
Lavado de Derechos de Autor (Copyright Laundering): Una Preocupación Creciente
El desarrollador Jamie Tanna acuñó el término "lavado de derechos de autor" (copyright laundering) para describir un patrón específico en el desarrollo de IA. El proceso funciona así: un sistema de IA ingiere código o pesos de modelos publicados bajo licencias copyleft (como GPL), elimina la información de procedencia durante el entrenamiento o el ajuste (fine-tuning), y produce resultados que parecen estar libres 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 con licencia GPL o que requiere atribución, lo ajusta, y lanza el resultado sin ningún aviso de licencia, está realizando la misma eliminación de procedencia. Las obligaciones de la licencia original no desaparecen solo porque los pesos pasaron por un entrenamiento adicional.
Los tribunales aún no han dictaminado de manera definitiva si el ajuste (fine-tuning) crea una "obra derivada" bajo la ley de derechos de autor. Pero la tendencia en la jurisprudencia sugiere que los tribunales analizarán la esencia de la relación, no solo la transformación técnica.
Cómo Mantenerse en Cumplimiento
Las empresas que usan modelos de IA de pesos abiertos en productos comerciales deben seguir estas prácticas para evitar exposición legal.
Lea la Licencia Antes de Lanzar
Esto suena obvio, pero los incidentes de Rakuten y Cursor demuestran que no se está haciendo de manera constante. Antes de incorporar cualquier modelo de pesos abiertos en un producto, lea el texto completo de la licencia. Preste atención a los requisitos de atribución, las reglas de divulgación de modificaciones y cualquier obligación basada en umbrales.
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 la Contaminación por Copyleft
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, lo que podría exigirle publicar como código abierto sus modificaciones propietarias.
Monitoree los Umbrales de Activación
Para licencias con umbrales comerciales (como la MIT Modificada de Kimi K2.5), configure alertas internas cuando su producto se acerque a los hitos relevantes de usuarios o ingresos. No espere a superar el umbral para comenzar a cumplir.
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 caso Doe v. GitHub es el litigio pendiente más importante. Si el tribunal dictamina que los sistemas de IA deben conservar los avisos de licencia de código abierto al generar código, el precedente también se aplicará ampliamente a las licencias de pesos de modelos de IA.
La Oficina de Derechos de Autor de Estados Unidos podría emitir más orientación sobre la posibilidad de proteger los pesos de los modelos por derechos de autor. Una declaración definitiva resolvería la ambigüedad actual y fortalecería o debilitaría la exigibilidad de las licencias de IA de código abierto.
Los legisladores en Estados Unidos y la Unión Europea están considerando regulaciones específicas para la IA que podrían incluir requisitos de licencia y atribución. La Ley de IA de la UE (EU AI Act) ya impone obligaciones de transparencia a ciertos sistemas de IA, y futuras enmiendas podrían abordar directamente la atribución de modelos de código abierto.
Por ahora, el curso de acción más seguro es tratar cada licencia de IA de código abierto como un contrato legal vinculante. Léala, cúmplala y documente su cumplimiento. Las empresas que hagan esto evitarán las consecuencias legales y de reputación que Cursor, Rakuten y otras están enfrentando ahora.
Preguntas frecuentes
¿Pueden las empresas cambiar de marca los modelos de IA de código abierto como si fueran propios?
Las empresas pueden modificar y comercializar modelos de IA de código abierto, pero no pueden eliminar los avisos de licencia originales ni afirmar que el modelo es enteramente creación propia. Los requisitos específicos de atribución dependen de la licencia. MIT exige conservar el aviso de derechos de autor. Apache 2.0 exige conservar el archivo NOTICE y declarar los cambios. Las licencias personalizadas, como la MIT Modificada de Kimi K2.5, pueden exigir mostrar el nombre del modelo original por encima de ciertos umbrales comerciales. Eliminar los archivos de licencia u ocultar los orígenes del modelo infringe los términos de la licencia.
¿Los pesos de los modelos de IA pueden protegerse por derechos de autor?
La Oficina de Derechos de Autor de Estados Unidos declaró en mayo de 2025 que esta cuestión es 'altamente disputada', pero encontró un 'argumento sólido' de que los pesos de los modelos pueden involucrar derechos de reproducción y de obra derivada. La mayoría de los profesionales del derecho y las organizaciones ahora asumen que los pesos pueden protegerse por derechos de autor. Todavía no se ha emitido un dictamen judicial definitivo, pero la tendencia favorece tratar los pesos como obras protegibles, lo que otorgaría plena capacidad de aplicación de los derechos de autor a los términos de las licencias de IA de código abierto.
¿Qué sucede si se infringe una licencia de IA de código abierto?
Infringir una licencia de IA de código abierto puede generar reclamos por incumplimiento de contrato, demandas por infracción de derechos de autor, medidas cautelares que obligan a dejar de distribuir el producto, y daños legales de hasta 150,000 dólares por obra en casos de infracción deliberada. El caso Doe v. GitHub demostró que los tribunales permitirán que avancen tanto los reclamos por infracción de licencia como los de incumplimiento de contrato. Más allá de las consecuencias legales, empresas como Cursor y Rakuten han sufrido un daño reputacional considerable por infracciones de licencia.
¿El ajuste (fine-tuning) de un modelo de código abierto crea una obra derivada?
Los tribunales no han dictaminado de manera definitiva si el ajuste (fine-tuning) crea una 'obra derivada' bajo la ley de derechos de autor. Sin embargo, la tendencia legal sugiere que los tribunales examinarán la relación sustantiva entre el modelo original y el ajustado, no solo el proceso técnico. Si los pesos ajustados se consideran obras derivadas, todas las obligaciones de la licencia original se mantienen. El enfoque más seguro es tratar los modelos ajustados como obras derivadas y cumplir con los términos de la licencia original.
¿Qué es el lavado de derechos de autor (copyright laundering) en la IA?
El lavado de derechos de autor describe la práctica de alimentar un sistema de IA con código o pesos de modelos sujetos a copyleft o que requieren atribución, el cual elimina la información de procedencia durante el procesamiento, y luego genera resultados que parecen estar libres de cualquier obligación de licencia. El desarrollador Jamie Tanna acuñó el término. Esta práctica es central en la demanda Doe v. GitHub Copilot, donde los demandantes alegan que Copilot elimina los avisos de licencia requeridos del código con el que fue entrenado.
¿Cuál es la licencia de código abierto más segura para productos comerciales de IA?
La Licencia MIT y Apache 2.0 son las opciones más permisivas y favorables para uso comercial. MIT solo exige conservar el aviso de derechos de autor. Apache 2.0 añade protección de patente y exige declarar las modificaciones. Evite los modelos con licencia GPL para productos propietarios, ya que GPL exige que los trabajos derivados se publiquen bajo la misma licencia. Siempre verifique si existen cláusulas personalizadas, como el requisito de visualización de Kimi K2.5 para productos de altos ingresos, que añaden obligaciones más allá de la licencia base.
Fuentes y referencias
- 17 U.S.C. Sección 504 - Recursos por Infracción(copyright.gov).gov
- Oficina de Derechos de Autor de EE. UU. - Informe sobre Derechos de Autor e Inteligencia Artificial (2025)(copyright.gov).gov
- Texto Completo de la Licencia MIT(opensource.org)
- Texto Completo de la Licencia Apache 2.0(apache.org)
- Licencia Pública General de GNU (GPL) v3.0(gnu.org)
- Texto Oficial de la Ley de IA de la UE (EU AI Act)(artificialintelligenceact.eu)
- Litigio Doe v. GitHub Copilot - Registros Judiciales(courtlistener.com)
- Licencia MIT de DeepSeek V3(github.com)