Tipos de modelos de IA: mapa y glosario

Name: Tipos de modelos de IA: mapa y glosario
Creator: fedi.software
License: https://creativecommons.org/licenses/by/4.0/

LLM o VLM, pesos abiertos o código abierto, base, instruct, reasoning, destilado, MoE, GGUF y cuantización — qué significan las palabras en los nombres de los modelos, con ejemplos en vivo.

	Grupo	Qué significa	Ejemplos
LLMlarge language model · text model	Tipo de modelo	A model that reads and writes text: chat, writing, code, analysis. Everything else in this glossary is a flavour or a packaging of it.	Llama 3.3 70B Instruct HF Qwen3 32B HF Mistral Small 3.2 24B HF
VLMVL · vision-language · multimodal	Tipo de modelo	An LLM that also takes images (screenshots, photos, documents) as input. Locally it usually needs a second file — the vision projector (mmproj) — next to the GGUF weights.	Qwen3 VL 30B A3B Instruct HF Gemma 3 27B HF Qwen2.5-VL 7B Instruct
Open weightsopen model · downloadable weights	Apertura	The weights can be downloaded and run on your own hardware, under any licence — some (Llama, Gemma) limit commercial use or require accepting terms first. Training data and code usually stay closed.	Llama 3.3 70B Instruct HF Gemma 3 27B HF gpt-oss-120b HF
Open Source AIOSAID · OSI definition	Apertura	The stricter OSI definition (OSAID 1.0): weights plus the training code and enough information about the data to rebuild the model, all under open licences. Few models qualify; Apache-2.0 or MIT weights alone are open weights, not necessarily open source.	—
Proprietary (API only)closed · API model	Apertura	No weights at all: the model runs only on the vendor's servers through an app or a paid API. It cannot be run locally.	—
Basepretrained · -Base	Variante	The raw pretrained model: it continues text but does not follow instructions. A starting point for fine-tuning, not for chatting.	—
Instruct-it · -Chat · -Instruct	Variante	The base model tuned to follow instructions and hold a dialogue. This is the version you want for a local chat; Google marks it -it, others -Instruct or -Chat.	Gemma 3 27B HF Llama 3.1 8B Instruct HF Qwen3 30B A3B Instruct 2507 HF
ReasoningThinking · R1 · -Thinking	Variante	Trained to write out a chain of thought before the answer. Better at maths, code and logic, but spends many more tokens — and so more time — per reply.	DeepSeek R1 HF Qwen3 30B A3B Thinking 2507 HF Kimi K2 Thinking HF
Coder-Coder · code model	Variante	Further trained on source code: completion, refactoring, agentic coding in the IDE. General chat quality may be lower than the sibling instruct model.	Qwen3 Coder 30B A3B Instruct HF Qwen2.5 Coder 32B Instruct HF deepseek-coder-v2
Distill-Distill · R1-Distill-Qwen	Variante	A smaller model taught on the answers of a bigger one. DeepSeek-R1-Distill-Qwen-32B is a Qwen 32B that imitates R1 — not R1 itself, and far weaker than the 671B original.	—
Abliterated / uncensoreduncensored · abliterated · heretic Sin filtros de seguridad	Variante	A community modification with the refusal behaviour removed from the weights. It answers anything, including harmful requests, often with lower quality and no safety guarantees. For personal and research use only; you are responsible for how you use it.	—
Densedense model	Arquitectura	Every parameter works on every token. Speed is set by the full size: a 70B dense model reads all 70B weights from memory for each generated token.	Llama 3.3 70B Instruct HF Gemma 3 27B HF Qwen3 32B HF
MoEmixture of experts	Arquitectura	The layers are split into many experts and a router picks a few of them per token. All experts must sit in memory (VRAM + RAM), but each token touches only the active part — so a big MoE runs much faster than a dense model of the same size, and the experts can be offloaded to system RAM.	gpt-oss-120b HF Qwen3 30B A3B HF DeepSeek R1 HF
Active parameters (-A3B)-A3B · -A22B · active	Arquitectura	In MoE names the suffix gives the parameters used per token: Qwen3-30B-A3B has 30B in total and 3B active. Memory follows the total, speed follows the active number.	Qwen3 30B A3B HF Qwen3 235B A22B HF
Safetensors (BF16)safetensors · BF16 · FP16	Formato de archivo	The original release format on Hugging Face, usually 16 bits per weight: about 2 GB per billion parameters. Used by vLLM, Transformers and as the source for every quantisation.	—
GGUF.gguf · llama.cpp	Formato de archivo	A single-file format of llama.cpp with the weights already quantised. Runs on CPU, GPU or both at once; LM Studio, Ollama and Jan use it. Big models come split into parts (-00001-of-00003).	—
AWQ / GPTQ / EXL2-3AWQ · GPTQ · EXL2 · EXL3	Formato de archivo	Quantised formats for GPU-only servers (vLLM, ExLlama, TGI). Fast when the whole model fits in VRAM; no offload to system RAM.	—
MLXmlx-community	Formato de archivo	Apple's framework and weight format for M-series Macs, using the unified memory. Often a little faster on a Mac than GGUF of the same size.	—
Q4_K_M and other K-quantsQ4_K_M · Q5_K_M · Q6_K · Q8_0	Cuantización	GGUF quant names: the number is roughly the bits per weight, K marks the k-quant method, S/M/L the mix inside. Q4_K_M (≈4.8 bits) is the usual sweet spot; Q8_0 is almost lossless; below Q3 quality drops noticeably.	—
IQ quants and Unsloth Dynamic (UD)IQ2_XXS · IQ3_K · UD-Q2_K_XL	Cuantización	Newer low-bit GGUF methods: IQ (importance-matrix) quants and Unsloth Dynamic keep the sensitive layers at higher precision, so 2–3-bit files of huge models stay usable.	DeepSeek R1 HF Qwen3 235B A22B HF
FP8 / MXFP4 / NVFP4FP8 · MXFP4 · NVFP4	Cuantización	Low-precision floating-point formats with hardware support in recent GPUs. gpt-oss ships natively in MXFP4 (≈4.25 bits per weight), which is why gpt-oss-120b fits in about 65 GB.	gpt-oss-120b HF gpt-oss-20b HF

Los modelos marcados como «sin filtros de seguridad» (uncensored / abliterated) se incluyen solo para uso personal y de investigación: no tienen restricciones de seguridad y la responsabilidad de su uso recae en el usuario.

Actualizado 2 de octubre de 2026 · Fuentes: fedi.software (CC BY 4.0), Open Source Initiative (OSAID 1.0)

Insertar en tu sitio

Pega este código donde deba aparecer la infografía: se actualiza sola. Uso gratuito — conserva el enlace de atribución.

Idioma Tema Altura, px

Columnas Grupo Qué significa Ejemplos

Código

<script src="https://fedi.software/embed.js" data-fig="model-types" data-lang="es" async></script>

JSON Nuestros datos: CC BY 4.0 con enlace a la fuente; los datos de terceros mantienen la licencia de su fuente.

Cómo leer el nombre de un modelo

Los nombres de los modelos parecen claves, pero siguen casi siempre el mismo orden. Léelos por partes:

familia y tamaño;
en un MoE, los parámetros activos (-A3B);
la variante (-Instruct o -it);
por último, el formato de archivo y la cuantización de la descarga.

El glosario agrupa estos términos en seis bloques y enlaza cada uno con ejemplos reales en la comparación de modelos: “Tipo de modelo” (LLM, VLM), “Apertura” (pesos abiertos u open weights, Open Source AI según la definición 1.0 de la OSI, propietario), “Variante” (base, Instruct, reasoning, coder, destilado, abliterated / uncensored), “Arquitectura” (denso, MoE, parámetros activos), “Formato de archivo” (Safetensors, GGUF, AWQ / GPTQ / EXL, MLX) y “Cuantización” (K-quants como Q4_K_M, IQ y Unsloth Dynamic, FP8 / MXFP4).

Términos que se confunden

Pesos abiertos no equivale a código abierto. Puedes descargar los pesos, pero su licencia puede limitar el uso y los datos de entrenamiento suelen seguir cerrados. Un modelo destilado es un modelo más pequeño entrenado con las respuestas de otro mayor, no ese modelo grande. En cuantización, Q4_K_M es el equilibrio habitual entre tamaño y calidad, Q8_0 casi no pierde nada y por debajo de Q3 la calidad cae de forma notable.

Las variantes abliterated o uncensored tienen eliminado el comportamiento de rechazo. Aparecen de forma neutral y solo para uso personal y de investigación; la responsabilidad de su uso recae en el usuario y no son una recomendación.

Del glosario a un chat en tu equipo

Para montar un chat local, el camino es este: una variante Instruct (o reasoning), luego la memoria de la que dispones, una cuantización que quepa en ella, el contexto que necesitas y, al final, la velocidad que te parece aceptable. Los dos últimos pasos se comprueban en qué modelo abierto cabe en tu hardware. Las definiciones se basan en las fichas y configuraciones de Hugging Face y en la documentación de llama.cpp.