Open-R1: la primera réplica completamente abierta de DeepSeek-R1
Un equipo de investigadores ha creado Open-R1, un modelo de inteligencia artificial con razonamiento complejo que cualquiera puede descargar, estudiar y modificar libremente, replicando las capacidades de DeepSeek-R1 sin restricciones de uso.
Open-R1 es una familia de modelos de inteligencia artificial creada por investigadores independientes que replica las capacidades de razonamiento de DeepSeek-R1 pero con licencia completamente libre. Incluye desde versiones pequeñas hasta modelos de 671.000 millones de parámetros (valores ajustables que definen su funcionamiento), y viene con código, datos y recetas de entrenamiento públicas para que cualquiera pueda estudiarlo o mejorarlo.
DeepSeek-R1, el modelo chino que sacudió la industria de la IA en enero, acaba de tener su primer clon completamente abierto. Un equipo liderado por investigadores de Nous Research, Arcee AI y varias universidades ha publicado Open-R1, una familia de modelos que reproduce las capacidades de razonamiento de DeepSeek-R1 pero con licencias que permiten cualquier uso, incluido el comercial. La diferencia es clave: DeepSeek publicó sus pesos (los parámetros que definen cómo funciona el modelo) pero con restricciones de uso; Open-R1 es software libre sin condiciones.
El proyecto, documentado en Hugging Face (una plataforma donde desarrolladores comparten y descargan modelos de IA ya entrenados), ofrece desde versiones pequeñas que caben en un portátil hasta modelos de 671.000 millones de parámetros (un parámetro es un valor numérico ajustable que el modelo usa para procesar información; cuantos más tiene, más complejo puede ser su razonamiento). Todos fueron entrenados usando el mismo método que DeepSeek: aprendizaje por refuerzo (una técnica donde el modelo aprende mediante prueba y error, recibiendo recompensas cuando razona correctamente) sin necesidad de ejemplos creados por humanos.
Los resultados, según los autores, son comparables a los de DeepSeek-R1 en tareas de matemáticas, programación y razonamiento científico. El modelo más grande alcanza un 79,8% de acierto en MATH-500 (un conjunto de 500 problemas matemáticos de nivel universitario usado como prueba estándar) y un 52,9% en AIME 2024 (un examen de matemáticas avanzadas para estudiantes estadounidenses de secundaria). Para contexto, GPT-4 de OpenAI obtuvo un 42,5% en AIME cuando se lanzó.
Lo que hace especial a Open-R1 no es superar a DeepSeek, sino democratizar su método. El equipo ha publicado no solo los pesos del modelo, sino también el código de entrenamiento, los datos sintéticos generados durante el proceso (millones de ejemplos de razonamiento que el propio modelo creó para entrenarse) y recetas detalladas para replicar el experimento. Según informó Hugging Face, esto permite que cualquier laboratorio universitario o empresa pequeña pueda estudiar cómo se entrenan estos modelos de razonamiento sin depender de gigantes tecnológicos.
El proyecto tiene limitaciones reconocidas: los modelos todavía alucinan (inventan información falsa presentándola como cierta), su razonamiento puede ser repetitivo y no destacan en tareas donde DeepSeek-R1 ya era débil, como seguir instrucciones complejas de formato. Pero el equipo ve Open-R1 como un punto de partida, no un producto final. Han creado un espacio de evaluación pública en Hugging Face donde cualquiera puede probar los modelos y comparar su rendimiento en tiempo real, y animan a la comunidad a mejorarlos. Es, en esencia, el equivalente en IA de publicar no solo una receta, sino también las herramientas para perfeccionarla.
