⚡ Veredicto rápido
- N.º 1: Kimi K3.1 Pro. Sus pesos se publicaron el 4 de noviembre de 2026, obtuvo 46 puntos en el Artificial Analysis Intelligence Index — la puntuación más alta de cualquier modelo abierto — y quedó primero entre los modelos chinos en los resultados de SuperCLUE de noviembre de 2026. Un modelo de 2,8 billones de parámetros con una ventana de contexto de un millón de tokens, bajo una licencia basada en MIT.
- Mejor todoterreno para uso real: Qwen 3.6. No es el que más puntúa, pero es el modelo abierto de primer nivel más fácil de ejecutar, afinar y usar como base, y el que cuenta con el apoyo de herramientas más amplio.
- Mejor retador en relación calidad-precio: DeepSeek V4.1-Flash. Rápido, barato de servir y fuerte en programación y razonamiento: el modelo a elegir si sirves una API o un agente con un presupuesto ajustado.
- Lee la licencia antes de lanzar nada. Los pesos abiertos no son lo mismo que el código abierto. Varios modelos de este ranking tienen restricciones de uso, y la letra pequeña decide si tu producto comercial es legal. La sección de licencias de abajo no es lectura opcional.
Podemos ganar una comisión si compras a través de nuestros enlaces, sin costo adicional para ti.
Noviembre de 2026 es el mes en que los modelos abiertos dejaron de ser la opción económica para convertirse en una auténtica primera opción. Solo en la primera semana del mes, Kimi K3.1 Pro publicó sus pesos, Inkling prometió pesos Apache 2.0 para su nuevo modelo pequeño y theairankings.com actualizó su lista de «mejores LLM de código abierto» el 6 de noviembre de 2026, una lista que ahora se lee como una clasificación real y no como una categoría de consolación. El mejor modelo abierto ya no es «suficientemente bueno para una demo»: es suficientemente bueno para el trabajo de producción, la programación con agentes y los documentos largos que antes eran territorio exclusivo de los modelos cerrados.
Eso no significa que la elección sea sencilla. Diez modelos serios, diez licencias distintas, diez apetitos de hardware distintos, y un ranking que cambió en días, no en meses. Este artículo es una instantánea fechada el 9 de noviembre de 2026. Clasifica los diez modelos abiertos que importan ahora mismo, a partir de la evidencia disponible esa semana: el Artificial Analysis Intelligence Index, los resultados de SuperCLUE de noviembre de 2026 y la actualización de theairankings.com del 6 de noviembre. Cuando un dato es incierto — una cláusula de licencia, una ventana de contexto, una puntuación de benchmark — lo decimos y te remitimos al sitio oficial, porque en una semana tan rápida, una cifra que suena segura y viene de una fuente secundaria vale menos que un honesto «consulta la ficha del modelo».
Algo que conviene aclarar antes del ranking: las palabras «código abierto» en este artículo significan lo que la industria entiende por ello en la práctica, no lo que la Open Source Initiative entiende en teoría. Casi ninguno de estos modelos publica sus datos de entrenamiento ni su código de entrenamiento completo. Lo que publican son sus pesos — los archivos del modelo entrenado — bajo licencias que te permiten descargarlos, ejecutarlos y, por lo general, afinarlos. Esa es una libertad práctica enorme, y de eso trata este ranking. Pero no es lo mismo que el código abierto pleno, y la sección de advertencia sobre licencias explica exactamente dónde está la línea y por qué importa para tu negocio.
Cómo los clasificamos
Tres fuentes sostienen este ranking, y las tres se actualizaron en la primera semana de noviembre de 2026, por eso existe este artículo ahora y no el mes pasado. El Artificial Analysis Intelligence Index ofrece la cifra única más clara de capacidad general: Kimi K3.1 Pro obtuvo 46 puntos, la puntuación más alta lograda por un modelo abierto en ese índice, y es la cifra a la que damos más peso en lo alto de la lista. Los resultados de SuperCLUE de noviembre de 2026, publicados el 5 de noviembre, situaron a Kimi K3.1 Pro primero entre los modelos chinos: una segunda opinión útil, recordando que SuperCLUE es un benchmark en lengua china, así que dice más sobre la capacidad en chino que sobre el rendimiento en inglés. Y theairankings.com actualizó su lista de «mejores LLM de código abierto» el 6 de noviembre de 2026, con diez modelos — DeepSeek V4.1-Flash, Kimi K3.1 Pro, GLM-5.3, Inkling, Muse Spark Open, MiniMax M3, Qwen 3.6, Llama 4, gpt-oss y Gemma 4 —, la lista corta que clasifica este artículo. Todos los modelos de este ranking aparecen en esa lista; nada aquí procede de una clasificación antigua.
Pero la capacidad no lo es todo en el ranking. Un modelo que puntúa de maravilla y no se puede ejecutar en ningún sitio es un comunicado de prensa, no una herramienta. Así que el ranking también pondera tres cosas prácticas: la licencia (con qué libertad puedes usarlo realmente), la ventana de contexto (cuánto texto puede contener a la vez: la diferencia entre un modelo que lee toda tu base de código y uno que olvida la segunda página) y la facilidad de ejecución (un comando de Ollama frente a un servidor multi-GPU). Por eso Qwen 3.6 se clasifica por encima de modelos que lo superan en benchmarks brutos, y por eso un modelo con una puntuación soberbia pero una licencia restrictiva caería más de lo que su capacidad por sí sola sugiere.
Una nota sobre la actualidad: los rankings de modelos abiertos envejecen en semanas. Los pesos de Kimi K3.1 Pro tienen cinco días cuando se publica este artículo. Un lanzamiento nuevo a mediados de noviembre podría reordenar los tres primeros de la noche a la mañana, y las puntuaciones de los benchmarks se revisan a medida que los evaluadores las repiten. Trata las fechas de este artículo como fechas con peso: si lees esto en diciembre, consulta el índice de Artificial Analysis y theairankings.com antes de decidir, porque las cifras de aquí son una instantánea del 9 de noviembre, no un veredicto permanente.
El ranking de un vistazo
| # | Modelo | Licencia | Contexto | Mejor para | Dónde ejecutarlo |
|---|---|---|---|---|---|
| 1 | Kimi K3.1 Pro | Basada en MIT | 1 M de tokens | Documentos largos, agentes, tareas más difíciles | Inferencia alojada, servidor multi-GPU |
| 2 | DeepSeek V4.1-Flash | Pesos abiertos — consulta la licencia | Consulta la ficha del modelo | Servir API rápido y barato, y programar | vLLM, inferencia alojada, Hugging Face |
| 3 | GLM-5.3 | Pesos abiertos — consulta la licencia | Consulta la ficha del modelo | Trabajo con agentes y uso bilingüe | vLLM, inferencia alojada, Hugging Face |
| 4 | Qwen 3.6 | Pesos abiertos — consulta la licencia | Consulta la ficha del modelo | Uso local general y ajuste fino | Ollama, vLLM, Hugging Face |
| 5 | Muse Spark Open | Pesos abiertos — consulta la licencia | Consulta la ficha del modelo | Razonamiento exigente e investigación | Inferencia alojada, Hugging Face |
| 6 | MiniMax M3 | Pesos abiertos — consulta la licencia | Consulta la ficha del modelo | Contexto largo y tareas multimodales | Inferencia alojada, Hugging Face |
| 7 | Llama 4 | Pesos abiertos — consulta la licencia | Consulta la ficha del modelo | Productos comerciales y ajuste fino | Ollama, vLLM, Hugging Face |
| 8 | Inkling (2 Small) | Pesos Apache 2.0 prometidos | Consulta la ficha del modelo | Uso pequeño, rápido y en el dispositivo | Ollama, Hugging Face |
| 9 | gpt-oss | Pesos abiertos — consulta la licencia | Consulta la ficha del modelo | Chat local y agentes ligeros | Ollama, vLLM, Hugging Face |
| 10 | Gemma 4 | Pesos abiertos — consulta la licencia | Consulta la ficha del modelo | Despliegue en el dispositivo y en el borde | Ollama, Hugging Face |
Las cifras de licencia y contexto son las publicadas en la página de cada modelo al 9 de noviembre de 2026. Cuando esta tabla dice «consulta la ficha del modelo», la cifra no se confirmó a partir de una fuente primaria en el momento de redactar: abre la página del modelo en Hugging Face y lee los archivos de licencia y configuración antes de construir sobre él. Las ventanas de contexto, en particular, suelen aparecer con cifras distintas según las fuentes secundarias, y la ficha del modelo es la única cifra que cuenta.
1. Kimi K3.1 Pro: el nuevo campeón de lo abierto
Kimi K3.1 Pro es la historia de noviembre de 2026. Moonshot AI publicó sus pesos el 4 de noviembre de 2026 y, en dos días, el modelo había logrado algo que ningún modelo abierto había logrado antes: encabezar el campo abierto en el Artificial Analysis Intelligence Index con una puntuación de 46. Al día siguiente, los resultados de SuperCLUE de noviembre de 2026 lo situaron primero entre los modelos chinos. Dos benchmarks independientes, la misma conclusión, la misma semana: es lo más parecido a un consenso que se da en este campo, y por eso Kimi K3.1 Pro lidera este ranking con un margen claro y no por una foto de meta.
Las cifras destacadas son llamativas. Es un modelo de 2,8 billones de parámetros — un orden de magnitud mayor que los modelos que la mayoría de la gente ejecuta en local — con una ventana de contexto de un millón de tokens. Un millón de tokens equivale a unas 750.000 palabras, o varios cientos de páginas de texto guardadas en memoria a la vez. En la práctica, eso significa que puedes darle una base de código entera, un expediente completo de descubrimiento legal o un año de actas de reuniones y hacer preguntas sobre todo ello sin que el modelo olvide el principio. Para el trabajo con documentos largos y para los agentes que necesitan una gran memoria de trabajo, un contexto de ese tamaño no es una función de lujo: cambia aquello para lo que se puede usar el modelo.
La licencia es inusualmente favorable para un modelo de este calibre: basada en MIT, lo que en la práctica significa que puedes usarlo comercialmente con pocas restricciones, pero lee el texto real de la licencia en la página del modelo antes de confiar en esa frase, porque «basada en MIT» es un resumen, no la licencia en sí, y los términos exactos son lo que preguntará un abogado. La pega honesta es el hardware. Con 2,8 billones de parámetros, Kimi K3.1 Pro no es un modelo que se descargue en un portátil. Ejecutarlo por tu cuenta exige un servidor multi-GPU o un proveedor de inferencia alojada, y para la mayoría de los usuarios la vía sensata es la inferencia alojada: paga el cómputo por token y deja que otro sea dueño de las GPU. Sigue siendo un trato fundamentalmente distinto al de un modelo cerrado, porque puedes cambiar de proveedor, autoalojarte más tarde y afinar, libertades que una API cerrada nunca te da.
Veredicto: el mejor modelo abierto disponible en noviembre de 2026 y el primer modelo abierto que un equipo serio puede elegir sin sentir que se conforma con menos. Elígelo para el trabajo más difícil — documentos largos, agentes, investigación profunda — y acepta que lo ejecutarás alojado, no en casa.
Obtener Kimi K3.1 Pro en Hugging Face →
2. DeepSeek V4.1-Flash: el retador rápido y barato
DeepSeek es el nombre a seguir en modelos abiertos desde hace dos años, y V4.1-Flash es la última razón. Está en lo alto de la lista de theairankings.com del 6 de noviembre, y su propuesta es distinta de la de Kimi: no el más grande ni el más listo, sino el más rápido y el más barato de servir a escala seria. «Flash» es la pista: es un modelo construido para el rendimiento, para los equipos que ejecutan agentes, chatbots y asistentes de programación donde cada milisegundo de latencia y cada fracción de centavo por token se nota en la factura a fin de mes.
Para programar en particular, DeepSeek V4.1-Flash es una gran elección. Los modelos de DeepSeek tienen una larga trayectoria en generación de código, y la línea V4 la continúa, con los flujos de programación con agentes — uso de herramientas, tareas de varios pasos, ediciones a escala de repositorio — que hoy son la prueba estándar para un modelo de programación serio. Si construyes un producto que llama a un modelo miles de veces al día, las cuentas favorecen a un modelo como este frente a un buque insignia más pesado: una pequeña brecha de capacidad cuesta poco, mientras que una gran brecha de coste lo cuesta todo. Por eso también DeepSeek es el modelo que más a menudo se encuentra detrás de los productos «impulsados por modelos abiertos» que ya usas, aunque la marca de la caja sea de otro.
La licencia debe comprobarse en la propia página del modelo antes de cualquier uso comercial: las condiciones de DeepSeek han incluido cláusulas en el pasado, y lo que importa es la redacción exacta, no la reputación general. Lo mismo vale para la ventana de contexto: consulta la ficha del modelo en lugar de creer un ranking secundario, porque las cifras que se citan para este modelo varían. Lo que no admite duda es la historia del servicio: vLLM lo sirve bien, la inferencia alojada está ampliamente disponible y la página de Hugging Face es la fuente de referencia para los pesos y la documentación.
Veredicto: el mejor modelo abierto si sirves a usuarios a gran escala. Elige Kimi para la tarea individual más difícil; elige DeepSeek V4.1-Flash cuando necesites mil buenas respuestas por minuto a un precio que funcione.
Obtener DeepSeek V4.1-Flash en Hugging Face →
3. GLM-5.3: el todoterreno de agentes
GLM-5.3, de Zhipu AI, es el modelo de este ranking del que la mayoría de la gente fuera de China no ha oído hablar, y el que más probablemente les sorprenda. Aparece en la lista de theairankings.com de noviembre junto a los grandes nombres, y su fortaleza es el trabajo con agentes: las tareas de varios pasos que usan herramientas, donde un modelo tiene que planificar, llamar a herramientas, leer resultados y adaptarse, en lugar de simplemente producir una única respuesta pulida. Esa es la capacidad que separa un chatbot de un agente, y GLM-5.3 está construido para ella.
Su otra ventaja es la fuerza bilingüe. Como Kimi y DeepSeek, GLM es un modelo chino con un inglés sólido, lo que lo convierte en una elección natural para equipos que trabajan en ambos idiomas, y para el conjunto creciente de usuarios que necesitan un modelo realmente fluido en chino y no solo traducido. Si tu trabajo toca documentos, clientes o comentarios de código en chino, un modelo de esta familia merece una mirada seria antes de elegir por defecto uno occidental.
Como con DeepSeek, la licencia y la ventana de contexto deben verificarse en la propia página del modelo: las condiciones de GLM han variado entre versiones, y este artículo no va a adivinarlas. La historia del servicio es la estándar para un modelo de este tamaño: vLLM para el autoalojamiento, inferencia alojada para los demás y Hugging Face para los pesos. Si lo comparas directamente con DeepSeek V4.1-Flash, el resumen honesto es que ambos son excelentes y la elección depende de tu carga de trabajo concreta: evalúalos con tus propias tareas en lugar de dejar que una clasificación decida por ti.
Veredicto: el tapado del ranking. Si tu producto es un agente, o tus usuarios hablan chino, GLM-5.3 pertenece a tu lista corta: pruébalo cara a cara con DeepSeek usando tus propios prompts antes de comprometerte.
Obtener GLM-5.3 en Hugging Face →
4. Qwen 3.6: la opción general más segura
Qwen 3.6 no es el modelo con más puntuación de este ranking, y precisamente por eso es cuarto y no primero. Lo que es, es el modelo abierto de primer nivel más fácil de usar de verdad. La familia Qwen de Alibaba tiene el apoyo de herramientas más amplio del ecosistema abierto: funciona limpiamente en Ollama, se sirve bien en vLLM, se afina sin soluciones exóticas y aparece en más tutoriales, integraciones y despliegues de producción que cualquier otra familia de modelos abiertos. Cuando un desarrollador pregunta «¿sobre qué modelo abierto debería construir?», la respuesta que menos arrepentimientos causa suele ser Qwen.
Esa amplitud importa más que unos puntos de benchmark. Un modelo que puedes ejecutar en local esta noche, afinar esta semana y desplegar detrás de tu propia API la próxima semana vale más que un modelo que puntúa más en un benchmark y necesita un clúster de GPU que no tienes. Qwen 3.6 es también el modelo con más probabilidades de tener una variante de tamaño que se ajuste a tu hardware: la familia Qwen se distribuye en varios tamaños, así que la misma línea de modelos puede funcionar en un portátil en su forma pequeña y en un servidor en su forma grande, lo que permite crear un prototipo pequeño y escalar sin cambiar de modelo. Consulta la ficha del modelo para conocer los tamaños exactos y la ventana de contexto de la variante que elijas, porque la familia es grande y las cifras difieren entre tamaños.
La licencia, como con cada modelo de este ranking, debe leerse en la propia página del modelo antes de su uso comercial. Las licencias de Qwen han sido históricamente permisivas para la mayoría de los usos, con condiciones que importan sobre todo a muy gran escala, pero «históricamente» no es una licencia, y lo que cuenta es el texto de la página.
Veredicto: si eliges un solo modelo abierto para construir un producto, elige este. Es el mejor equilibrio entre capacidad, usabilidad y ecosistema en noviembre de 2026: el modelo que eliges cuando quieres hacer el trabajo en lugar de ganar una discusión de benchmarks.
Obtener Qwen 3.6 en Hugging Face →
5. Muse Spark Open: el especialista en razonamiento
Muse Spark Open es la versión de pesos abiertos de la familia Muse Spark, y se gana su lugar entre los cinco primeros por el razonamiento. Es el modelo al que recurrir cuando la tarea es pensar con dificultad y no producir rápido: matemáticas de varios pasos, análisis cuidadoso, ese tipo de problema en el que un modelo necesita recorrer una cadena de lógica y revisarse a sí mismo. Aparece en la lista de theairankings.com de noviembre de 2026, y su presencia es una señal de lo lejos que ha llegado el campo abierto: hace un año, un modelo abierto especialista en razonamiento a este nivel habría sido una curiosidad de investigación; ahora es una opción de producción.
La salvedad honesta es que un especialista en razonamiento es una herramienta más estrecha que un todoterreno. Para el chat diario, los resúmenes y los borradores, Qwen 3.6 o Llama 4 te servirán igual de bien y costarán menos de ejecutar. Muse Spark Open se justifica en la quinta parte difícil de tu carga de trabajo — el análisis, la depuración, la síntesis de investigación —, donde su profundidad de razonamiento rinde. También es el modelo de este ranking que más merece la pena vigilar para lo que viene: el razonamiento es el ámbito en el que el campo abierto está cerrando la brecha más rápido, y un modelo abierto de razonamiento sólido cambia las cuentas de cada equipo que hoy paga precios de modelos cerrados por pensar con dificultad.
Comprueba la licencia y la ventana de contexto en la propia página del modelo antes de construir sobre él, y consulta el sitio oficial para conocer las condiciones actuales: los detalles de esta versión aún son recientes y las fuentes secundarias discrepan en los detalles. Ejecútalo primero mediante inferencia alojada; el autoalojamiento es para equipos con el presupuesto de GPU a la altura.
Veredicto: el mejor modelo abierto para el razonamiento difícil en noviembre de 2026. No es el primer modelo que instalas, sino el que añades cuando tu carga de trabajo se complica.
Obtener Muse Spark Open en Hugging Face →
6. MiniMax M3: la opción multimodal de contexto largo
MiniMax M3 es el modelo de este ranking para las personas cuyo trabajo no es solo texto. MiniMax ha construido su reputación con modelos multimodales — texto, imagen, audio y vídeo en la misma familia — y M3 lleva esa amplitud al mundo de los pesos abiertos. Si tu producto necesita un modelo que pueda leer un documento, mirar una imagen y razonar sobre ambos, M3 es el modelo abierto con más probabilidades de hacerlo bien, y su manejo del contexto largo lo convierte en una opción natural para el mismo trabajo con documentos largos en el que lidera Kimi K3.1 Pro.
El compromiso es el ecosistema. MiniMax no tiene la amplitud de herramientas de Qwen ni el ejército de tutoriales de Llama, lo que significa más trabajo de integración y menos respuestas listas cuando algo se rompe. Es un precio justo por una capacidad multimodal que no se consigue en ningún otro lugar del campo abierto, pero es un precio, y los equipos con una fecha límite deberían sopesarlo honestamente frente a la vía más simple de un modelo solo de texto más una herramienta de imagen aparte.
Como con cada modelo aquí, verifica la licencia y la ventana de contexto en la propia página del modelo antes de su uso comercial. La versión M3 es lo bastante reciente como para que los detalles de los rankings secundarios se traten como pistas, no como hechos.
Veredicto: el modelo abierto a elegir cuando tu trabajo cruza modalidades. Para texto puro, los modelos de arriba son más sencillos; para texto más imágenes y audio, M3 es la opción abierta más interesante del ranking.
Obtener MiniMax M3 en Hugging Face →
7. Llama 4: el caballo de batalla fiable
Llama 4 es el modelo que hizo populares los pesos abiertos y sigue siendo el caballo de batalla fiable del sector. La familia Llama de Meta es la línea de modelos abiertos más desplegada del mundo: la mayor cantidad de tutoriales, la mayor cantidad de ajustes finos, la mayor cantidad de integraciones y la mayor cantidad de personas que ya han resuelto el problema que estás a punto de encontrar. Ese ecosistema es una capacidad genuina, no solo un concurso de popularidad: cuando eliges Llama 4, eliges el modelo con más ayuda disponible.
En capacidad bruta, Llama 4 ya no lidera el sector: los lanzamientos de noviembre de 2026 que están por encima lo han superado en los benchmarks que importan. Pero la capacidad no es toda la historia, y la combinación de Llama 4 — rendimiento sólido, herramientas amplias y una licencia probada por miles de productos comerciales — lo convierte en la opción de menor riesgo del ranking. Para una empresa que necesita mostrar a su equipo legal una licencia con una larga trayectoria, o un desarrollador que quiere el modelo con más respuestas disponibles, Llama 4 sigue siendo la elección correcta, aunque ya no sea la más emocionante.
Una nota práctica: la familia Llama se distribuye en varios tamaños, y el tamaño adecuado depende de tu hardware. Las variantes más pequeñas funcionan bien en Ollama en un buen ordenador de escritorio; las más grandes pertenecen a un servidor o a una inferencia alojada. Consulta la ficha del modelo para conocer el tamaño, la ventana de contexto y la licencia de la variante exacta que piensas usar, porque la familia es amplia y los detalles difieren.
Veredicto: ya no es el mejor modelo abierto, sigue siendo el más seguro. Si quieres el modelo con menos sorpresas, es Llama 4, y para muchos equipos, menos sorpresas es lo correcto a optimizar.
Obtener Llama 4 en Hugging Face →
8. Inkling (2 Small): el modelo pequeño a seguir
Inkling es el nombre más nuevo de este ranking y el modelo más pequeño que contiene, y ese es precisamente el punto. El 5 de noviembre de 2026, Inkling anunció su modelo 2 Small con pesos Apache 2.0 prometidos, y un modelo pequeño con una licencia realmente permisiva es una noticia de otro tipo que otro buque insignia gigante. Los modelos pequeños son los que funcionan en un portátil, en un teléfono, en un dispositivo sin ninguna conexión a internet. Son los modelos que hacen que la IA privada y sin conexión sea real para los usuarios comunes y no un lujo de sala de servidores.
Apache 2.0 es el estándar de oro aquí: una licencia de código abierto bien entendida y permisiva en la que los usuarios comerciales pueden confiar sin la lectura minuciosa que exigen las demás licencias de este ranking. Si los pesos prometidos se publican bajo Apache 2.0 como se anunció, Inkling 2 Small se convierte en uno de los modelos más claros legalmente del campo abierto, y eso importa tanto como sus puntuaciones de benchmark, porque los modelos que la gente realmente lanza son los que sus abogados aprueban.
La salvedad honesta es la novedad. Este anuncio tiene cuatro días cuando se publica este artículo, y los pesos estaban prometidos y no publicados en el momento de redactar. Consulta el sitio oficial y la página de Hugging Face antes de planificar en torno a Inkling: confirma que los pesos están realmente disponibles, confirma el texto de la licencia y confirma el tamaño y la ventana de contexto. Una versión prometida no es una versión publicada, y este ranking se verá distinto cuando lleguen los pesos y se ejecuten benchmarks independientes.
Veredicto: el modelo pequeño más prometedor del ranking y el de la historia de licencia más limpia, pero verifica que se haya publicado de verdad antes de construir sobre él.
Obtener Inkling en Hugging Face →
9. gpt-oss: el modelo abierto de OpenAI
gpt-oss es el modelo que habría parecido imposible hace dos años: un modelo de pesos abiertos de OpenAI, la empresa que construyó su imperio sobre modelos cerrados. Su presencia en la lista de theairankings.com de noviembre es una señal de hasta qué punto el campo abierto ha cambiado por completo las cuentas de la industria: hasta la empresa más cerrada de la IA publica ahora pesos abiertos, porque el mercado de los modelos que puedes ejecutar por tu cuenta se ha vuelto demasiado grande para ignorarlo.
En la práctica, gpt-oss es un modelo abierto sólido de gama media: bueno para el chat local, capaz para agentes ligeros y fácil de ejecutar en Ollama o vLLM. No lidera el ranking en capacidad — los modelos de arriba son más fuertes —, pero tiene dos ventajas fáciles de subestimar. Primero, procede de la empresa cuyos modelos ya conocen la mayoría de los desarrolladores, lo que significa que su comportamiento, sus puntos fuertes y sus modos de fallo son familiares. Segundo, es una opción real para equipos que quieren un modelo de la familia OpenAI que puedan ejecutar en privado, sin enviar datos a una API.
Comprueba la licencia en la propia página del modelo antes de su uso comercial: las condiciones son propias de esta versión y deben leerse completas, no suponerse. Y si dudas entre gpt-oss y Gemma 4, más abajo, para un despliegue local, evalúa ambos con tus propias tareas: la diferencia entre ellos es menor que la diferencia entre cualquiera de los dos y la parte alta de este ranking.
Veredicto: un buen modelo local, honesto, de una fuente inesperada. No es el mejor modelo abierto, pero es útil, y una señal de hacia dónde se dirige toda la industria.
Obtener gpt-oss en Hugging Face →
10. Gemma 4: el especialista en el dispositivo
Gemma 4, de Google, cierra el ranking como especialista en el dispositivo. Gemma es la familia de modelos abiertos de Google, y su prioridad de diseño siempre ha sido la misma: funcionar bien con hardware modesto. Eso hace de Gemma 4 el modelo de este ranking con más probabilidades de funcionar en un teléfono, un portátil o un dispositivo en el borde en lugar de en un centro de datos, y para una gran categoría de usos, ese es todo el sentido. Un modelo que funciona en el dispositivo es privado por construcción, funciona sin conexión y no cuesta nada por token después de la descarga.
El compromiso es la capacidad. Gemma 4 es un modelo más pequeño que los buques insignia de arriba, y eso se nota en las tareas más difíciles. Para borradores, resúmenes, preguntas y respuestas sencillas y asistentes en el dispositivo, es más que suficiente; para la programación con agentes o la investigación profunda, recurre a los modelos de la parte alta del ranking. Su otra fortaleza es el ecosistema que lo rodea: las herramientas de Google, las guías de ajuste fino de Gemma y el amplio soporte en Ollama y Hugging Face lo convierten en uno de los modelos más fáciles de esta lista para poner en marcha.
Comprueba la licencia y la variante exacta en la propia página del modelo: las condiciones de Gemma tienen cláusulas específicas, y la familia se distribuye en varios tamaños con capacidades distintas. Las variantes más pequeñas son las que hacen práctica la IA en el dispositivo; las más grandes compiten más directamente con los modelos de gama media de arriba.
Veredicto: el mejor modelo abierto para uso en el dispositivo y en el borde. Si tu modelo necesita funcionar donde no hay internet, Gemma 4 es el primer lugar donde mirar.
Obtener Gemma 4 en Hugging Face →
Advertencia sobre licencias: los pesos abiertos no son el código abierto
Esta es la sección más importante del artículo y la que la mayoría de los rankings se saltan. «Código abierto» tiene un significado preciso: la definición de la Open Source Initiative exige la libertad de usar, estudiar, modificar y compartir el software, con acceso a la fuente, y para un modelo, eso significa probablemente también los datos de entrenamiento y el código de entrenamiento además de los pesos. Casi ningún modelo de este ranking cumple esa definición completa. Lo que cumplen es un estándar más flexible y práctico: los pesos se pueden descargar, puedes ejecutarlos y, por lo general, puedes afinarlos. La industria lo llama «pesos abiertos», y este artículo usa «modelos de IA de código abierto» porque es el término que buscan los lectores, pero la distinción no es pedantería. Es la diferencia entre un modelo sobre el que puedes construir legalmente un negocio y un modelo que puede traerte una carta de un abogado.
Tres cosas que comprobar antes de lanzar nada construido sobre un modelo de este ranking. Primero, la licencia en sí: lee el texto real de la licencia en la página del modelo en Hugging Face, no un resumen en un blog; los resúmenes se equivocan con las licencias, y este artículo es un resumen. Segundo, las condiciones de escala: varias licencias de pesos abiertos restringen el uso por encima de cierto número de usuarios o exigen un acuerdo aparte para el despliegue comercial a gran escala. Si tu producto puede alcanzar esa escala, descúbrelo ahora, no después del lanzamiento. Tercero, la política de uso aceptable: muchos modelos abiertos prohíben usos concretos — generar desinformación, construir herramientas de vigilancia, suplantar identidades — y esas restricciones son exigibles aunque la licencia parezca permisiva.
La licencia de Kimi K3.1 Pro basada en MIT es la más permisiva de este ranking, y el Apache 2.0 prometido por Inkling es la licencia de código abierto más limpia del grupo, pero incluso esas hay que leerlas completas, porque «basada en MIT» no es «MIT», y una promesa no es un archivo de licencia publicado. Para el resto del ranking, este artículo se abstiene deliberadamente de afirmar condiciones de licencia que no pudo confirmar a partir de una fuente primaria: la tabla dice «consulta la ficha del modelo» en lugar de adivinar. Eso no es un hueco en la investigación; es la investigación. Una afirmación de licencia errónea en un ranking es peor que ninguna afirmación, porque es la afirmación en la que se apoyará el lector.
La regla práctica: antes de que tu producto dependa de cualquiera de estos modelos, pide a alguien que entienda de licencias que lea la licencia. Lleva una hora. Equivocarse lleva mucho más tiempo.
Cómo ejecutarlos: Ollama, vLLM y Hugging Face
No necesitas un centro de datos para usar modelos abiertos, pero sí elegir la herramienta adecuada para el trabajo, y la herramienta adecuada depende de lo que hagas. Hay tres vías que cubren casi todos los casos, y merece la pena entenderlas en este orden.
Ollama es por donde empezar. Es una sola descarga para Mac, Windows o Linux, y tras instalarla puedes descargar un modelo y empezar a chatear desde la terminal en minutos: un comando, sin configuración. Ollama es la opción correcta para uso personal, para probar modelos y para ejecutar un modelo pequeño o mediano en tu propia máquina. Maneja mejor los modelos de la parte baja de este ranking: Qwen 3.6, Llama 4, gpt-oss, Gemma 4 e Inkling 2 Small funcionan bien en Ollama con hardware adecuado. Los modelos más grandes del ranking — Kimi K3.1 Pro, DeepSeek V4.1-Flash — no son objetivos realistas de Ollama en una máquina doméstica, y no pasa nada: Ollama es para los modelos que caben, no para todos los modelos.
vLLM es donde servir. Cuando necesitas ejecutar un modelo como una API — detrás de tu producto, sirviendo a muchos usuarios a la vez —, vLLM es el motor de servicio estándar de código abierto. Es mucho más eficiente que ejecutar un modelo de forma interactiva, porque agrupa solicitudes y gestiona bien la memoria de la GPU, y esa es la diferencia entre servir a diez usuarios y servir a mil con el mismo hardware. vLLM es la opción correcta para DeepSeek V4.1-Flash, GLM-5.3 y Qwen 3.6 en producción, y para cualquier equipo que haya superado una configuración de un solo usuario. Requiere más configuración que Ollama — necesitas un servidor Linux con GPU y cierta soltura con la línea de comandos —, pero es la herramienta que convierte un modelo en un servicio.
Hugging Face es donde encontrarlos. Hugging Face es el hogar de los pesos abiertos: cada modelo de este ranking tiene allí una página con los pesos, la licencia, la ficha del modelo y la documentación. También es donde compruebas los datos sobre los que este artículo se muestra prudente — la ventana de contexto, el texto de la licencia, la configuración recomendada —, porque la ficha del modelo es la fuente primaria y todo lo demás, incluido este artículo, depende de ella. Hugging Face también ofrece inferencia alojada para muchos de estos modelos, que es la forma más rápida de probar un modelo grande sin tener el hardware: paga por token, sin GPU necesaria, y cambia de proveedor cuando quieras.
Un último punto práctico: el hardware decide más que los benchmarks. Un modelo que no puedes ejecutar es un modelo que no puedes usar, y la secuencia honesta es comprobar primero la memoria de tu GPU, luego elegir el modelo más grande que quepa y después comprobar la licencia. El ranking de arriba te dice qué modelos son mejores en abstracto; tu hardware te dice cuáles son mejores para ti. Nuestra comparativa de herramientas de observabilidad de LLM cubre las herramientas de seguimiento que mantienen sano en producción un modelo autoalojado, y nuestra comparativa de los mejores asistentes de programación con IA cubre los productos de programación terminados construidos sobre modelos como estos: merece la pena leerla si quieres la capacidad sin ejecutar el modelo tú mismo.
¿Qué modelo elegir?
- Trabajo más difícil, documentos largos, agentes → Kimi K3.1 Pro. La mayor puntuación, un contexto de un millón de tokens y una licencia basada en MIT. Ejecútalo alojado; no intentes ejecutarlo en casa.
- Servir a usuarios a gran escala con presupuesto → DeepSeek V4.1-Flash. Rápido, barato de servir y fuerte en programación. El modelo detrás de más API de producción que cualquier otro de esta lista.
- Construir un producto con los menores quebraderos de cabeza → Qwen 3.6. El mejor ecosistema, el ajuste fino más fácil y un tamaño para cada máquina. La opción por defecto, y la correcta para la mayoría de los equipos.
- Trabajo con agentes o usuarios de habla china → GLM-5.3. Construido para el uso de herramientas y las tareas de varios pasos, con verdadera fuerza bilingüe. Evalúalo frente a DeepSeek con tus propias tareas.
- Razonamiento difícil e investigación → Muse Spark Open. El especialista para la quinta parte difícil de tu carga de trabajo, donde la profundidad de pensamiento importa más que la velocidad.
- Trabajo multimodal → MiniMax M3. Texto más imágenes y audio en un solo modelo abierto. Acepta el ecosistema más reducido a cambio de una capacidad que nadie más de la lista ofrece.
- Menor riesgo y mayor apoyo → Llama 4. La mayor cantidad de tutoriales, la mayor cantidad de ajustes finos y la licencia más probada. Ya no es el mejor, sigue siendo el más seguro.
- En el dispositivo o sin conexión → Inkling 2 Small o Gemma 4. Pequeño, rápido y privado por construcción. Verifica que los pesos de Inkling se hayan publicado antes de comprometerte; Gemma 4 es la opción probada hoy.
- Chat local sin complicaciones → gpt-oss. Fácil en Ollama, comportamiento familiar y un modelo sólido de gama media para uso diario.
Qué vigilar en diciembre de 2026
Este ranking es una instantánea, y el campo abierto se mueve demasiado rápido para que las instantáneas envejezcan bien. Tres cosas que vigilar antes de fin de año. Primero, si los pesos Apache 2.0 de Inkling se publican de verdad: un modelo pequeño con una licencia limpia cambiaría la conversación sobre el dispositivo de la noche a la mañana, y un retraso también diría algo. Segundo, si alguien responde a Kimi K3.1 Pro: DeepSeek, Qwen y Meta tienen la capacidad de responder, y un lanzamiento competidor a finales de noviembre reordenaría los tres primeros. Tercero, las revisiones de los benchmarks: Artificial Analysis, SuperCLUE y theairankings.com repiten sus evaluaciones a medida que se publican nuevos modelos, y las puntuaciones citadas aquí se moverán. Si tomas una decisión que vivirá un año — elegir un modelo para un producto, una inversión en ajuste fino, una compra de hardware —, vuelve a comprobar los benchmarks el día en que decidas, no el día en que lees este artículo.
La tendencia de fondo merece ser nombrada. Hace dos años, el campo abierto iba una generación por detrás de los laboratorios cerrados. Hace un año, iba meses por detrás. En noviembre de 2026, el mejor modelo abierto obtiene 46 puntos en el índice de Artificial Analysis y encabeza un benchmark importante, y la brecha que queda es lo bastante estrecha como para que, en la mayor parte del trabajo real, la pregunta ya no sea «¿el modelo abierto es suficientemente bueno?» sino «¿qué ofrece el modelo cerrado que justifique renunciar a la privacidad, el control y el coste?». Para un número creciente de equipos, la respuesta es: no lo suficiente. Esa es la verdadera historia de este ranking, y por eso el siguiente se escribirá antes de lo que crees.
El veredicto honesto
Kimi K3.1 Pro es el mejor modelo de IA de código abierto en noviembre de 2026, y no está reñido: la puntuación abierta más alta en el índice de Artificial Analysis, el mejor modelo chino en los resultados de SuperCLUE de noviembre, un contexto de un millón de tokens y una licencia basada en MIT. Si necesitas el modelo abierto más potente y puedes ejecutarlo alojado, la decisión está tomada. Pero el mejor modelo no siempre es el modelo correcto, y el consejo real de este ranking tiene más matices que su titular. Qwen 3.6 es el modelo sobre el que la mayoría de los equipos deberían construir de verdad, porque es el que pueden ejecutar, afinar y desplegar sin un clúster de GPU. DeepSeek V4.1-Flash es el modelo que la mayoría de los productos deberían servir de verdad, porque es rápido y barato a gran escala. Y Gemma 4 e Inkling son los modelos que más importan para el futuro, porque ponen la IA en el dispositivo en lugar de en la nube.
El veredicto honesto sobre el sector, no solo sobre el ganador, es este: los modelos abiertos han llegado. Son suficientemente buenos para la producción, los agentes, los documentos largos y la programación: el trabajo que antes exigía una API cerrada. Todavía no son mejores que los mejores modelos cerrados en las tareas más difíciles, y quizá nunca lo sean, porque los laboratorios cerrados siguen teniendo más cómputo. Pero «no ser el mejor» ya no es lo mismo que «no ser suficientemente bueno», y en privacidad, coste, control y personalización, los modelos abiertos ofrecen ahora cosas que ningún modelo cerrado puede igualar. Elige el modelo que se ajuste a tu hardware y a tus requisitos de licencia, comprueba la ficha del modelo antes de construir sobre él y vuelve a comprobar los benchmarks antes de comprometerte. El ranking cambiará. La dirección, no.
Preguntas frecuentes
¿Cuál es el mejor modelo de IA de código abierto en noviembre de 2026?
Al 9 de noviembre de 2026, Kimi K3.1 Pro es el modelo abierto mejor clasificado. Sus pesos se publicaron el 4 de noviembre de 2026, obtuvo 46 puntos en el Artificial Analysis Intelligence Index — la puntuación más alta de cualquier modelo abierto — y quedó primero entre los modelos chinos en los resultados de SuperCLUE de noviembre de 2026. Sus rivales más cercanos son DeepSeek V4.1-Flash y GLM-5.3, y Qwen 3.6 es la opción general más segura para uso local.
¿Los modelos de IA de código abierto son realmente gratuitos?
Los pesos suelen ser gratuitos para descargar, pero gratis no es lo mismo que sin restricciones. La mayoría de estos modelos se publican bajo licencias que limitan el uso comercial, la redistribución o el uso por encima de cierta escala, y algunos son pesos abiertos, no código abierto real. Lee la licencia en la propia página del modelo antes de usarlo en un producto, y consulta el sitio oficial para conocer las condiciones actuales, porque las licencias cambian.
¿Puedo ejecutar estos modelos en mi propio ordenador?
Sí, en el caso de los modelos pequeños y medianos. Ollama es la vía más fácil en un portátil o un ordenador de escritorio: instálalo, descarga un modelo y chatea desde la terminal. Los modelos más grandes de este ranking necesitan una GPU potente o una GPU en la nube alquilada, y los más grandes — como Kimi K3.1 Pro, con 2,8 billones de parámetros — se ejecutan en la práctica mediante inferencia alojada o un servidor multi-GPU, no en un PC doméstico. vLLM es la opción estándar para servir un modelo a muchos usuarios.
¿Cuál es la diferencia entre pesos abiertos y código abierto?
Pesos abiertos significa que puedes descargar y ejecutar los archivos del modelo entrenado. El verdadero código abierto, según la definición de la Open Source Initiative, exige además los datos de entrenamiento, el código y las plenas libertades de usar, estudiar, modificar y compartir. Casi ningún modelo de vanguardia cumple la definición completa. Kimi K3.1 Pro, por ejemplo, se publica bajo una licencia basada en MIT para sus pesos, lo cual es permisivo, pero eso no hace que todo el proceso de entrenamiento sea abierto. Trata los pesos abiertos como una libertad práctica para ejecutar el modelo, no como una garantía de apertura total.
¿Qué modelo abierto es mejor para programar?
Para programar, empieza con Qwen 3.6 o DeepSeek V4.1-Flash: ambos se usan ampliamente para generar código y programar con agentes, y ambos cuentan con buenas herramientas a su alrededor en Ollama y vLLM. Kimi K3.1 Pro es el más potente en capacidad bruta y su contexto de un millón de tokens es una ventaja real para bases de código grandes, pero es mucho más pesado de ejecutar por tu cuenta. Si quieres un asistente de programación gestionado en lugar de un modelo en bruto, nuestra comparativa de los mejores asistentes de programación con IA cubre los productos terminados construidos sobre estos modelos.
¿Los modelos de código abierto superan a los modelos cerrados como GPT y Claude?
Todavía no en capacidad bruta: los mejores modelos cerrados siguen liderando los benchmarks más difíciles de razonamiento y agentes. Pero la brecha ya es lo bastante pequeña como para que un buen modelo abierto baste para la mayor parte del trabajo real — escribir, resumir, programar, responder preguntas sobre documentos — y aporta lo que los modelos cerrados no pueden: puedes ejecutarlo en privado, afinarlo y pagar solo por tu propio cómputo. Si la privacidad, el control de costes o la personalización importan más que los últimos puntos de benchmark, lo abierto es la mejor opción.