Codex libera al público sus modelos de inteligencia artificial
La organización sin ánimo de lucro publica ocho modelos de IA entrenados para tareas educativas y profesionales, disponibles gratuitamente en Hugging Face.
Codex, una organización sin ánimo de lucro centrada en educación tecnológica, ha anunciado la publicación de ocho modelos de inteligencia artificial de código abierto. Según informó Hugging Face (una plataforma donde desarrolladores comparten y descargan modelos de IA ya entrenados), estos modelos están diseñados para ayudar en tareas como generación de código, análisis de datos y asistencia educativa, y cualquiera puede descargarlos y usarlos sin coste.
Los modelos liberados incluyen versiones optimizadas de arquitecturas conocidas como LLaMA y Mistral (familias de LLM, es decir, modelos de lenguaje de gran tamaño capaces de generar y entender texto). Codex los ha entrenado específicamente para casos de uso en formación técnica, con datasets (conjuntos de datos usados para enseñar a un modelo) enfocados en documentación de programación, tutoriales y ejemplos prácticos. La iniciativa busca democratizar el acceso a herramientas de IA que normalmente requieren recursos computacionales caros o contratos con empresas comerciales.
A diferencia de muchos modelos comerciales que solo permiten acceso mediante API (una interfaz de programación que deja usar el modelo en la nube, pagando por consulta), estos modelos de Codex se publican con pesos abiertos. Eso significa que cualquier persona puede descargar los parámetros completos del modelo (los miles de millones de números que determinan cómo funciona) y ejecutarlos en su propio hardware, modificarlos o adaptarlos para necesidades específicas sin depender de servicios externos.
La decisión de Codex de trabajar con Hugging Face facilita que desarrolladores, educadores y empresas pequeñas accedan a estos recursos sin barreras técnicas. Los modelos están disponibles bajo licencias permisivas que permiten tanto uso educativo como comercial, siempre que se respeten ciertas condiciones de atribución. Este movimiento se suma a una tendencia creciente de organizaciones que apuestan por la transparencia en IA frente al modelo de cajas negras que dominan compañías como OpenAI o Anthropic.
