2. El ecosistema de modelos de IA
Buscar, evaluar licencias y usar modelos fácilmente.
Hugging Face es hoy el repositorio de referencia para modelos de IA, datasets, demos interactivas y herramientas de desarrollo. Desde la misma web se busca un modelo, se prueba y se descarga.
El ecosistema Hugging Face
Hugging Face reúne cuatro piezas que se usan juntas.
Model Hub
Catálogo con más de tres millones de modelos preentrenados: visión, lenguaje, audio y multimodales.
Datasets
Más de un millón de datasets públicos para entrenar y evaluar, con una API común de carga y procesamiento.
Spaces
Demos web interactivas, casi siempre con Gradio, que Hugging Face aloja y ejecuta. Pruebas un modelo en segundos sin instalar nada.
Transformers
Librería Python con una misma API de carga, inferencia y fine-tuning para cientos de arquitecturas distintas.
El flujo típico
Buscar modelo
Probar en Space
Descargar con Transformers
Integrar en tu aplicación
Cómo buscar modelos efectivamente
El Model Hub permite filtrar por múltiples criterios para encontrar exactamente lo que necesitas:
- Tarea: object-detection, image-classification, text-generation, etc.
- Licencia: Apache-2.0, MIT, CreativeML, Research-only.
- Popularidad: número de descargas, likes, fecha de última actualización.
La Model Card es tu mejor amiga. Cada modelo debe incluir:
Descripción y uso
Para qué fue entrenado, qué tareas resuelve, cómo usarlo con código de ejemplo.
Limitaciones
Sesgos conocidos, casos donde falla, advertencias de seguridad y aspectos éticos.
Licencia
Términos legales de uso: ¿puedes usarlo comercialmente? ¿Debes atribuir autoría?
Archivos
Configuración JSON, pesos del modelo (.safetensors preferido), tokenizers, ejemplos.
Métricas
Resultados en benchmarks estándar, comparación con otros modelos.
Las descargas y los likes sirven para descubrir candidatos, no para decidir cuál funciona mejor en tu dominio. La fecha de última actualización avisa de modelos abandonados.
Antes de descargar, lee la ficha
La Model Card contesta si el modelo sirve para tu caso antes de gastar tiempo.
Respuesta B. Exacto: la tarea reduce la búsqueda y la documentación permite juzgar la adecuación.
Un dominio sensible obliga a revisar para qué se entrenó el modelo, con qué datos y qué limitaciones declara. El número de descargas no responde a ninguna de esas preguntas.
Licencias: evita problemas legales
La licencia del modelo determina cómo puedes usarlo legalmente. Ignorar este aspecto puede causar problemas serios en producción.
Comercial OK
- Apache-2.0: muy permisiva, ideal para empresas.
- MIT: similar a Apache, aún más simple.
- BSD: variantes 2-clause y 3-clause, ambas permisivas.
Con restricciones
- OpenRAIL/CreativeML: uso comercial OK, pero con cláusulas de uso responsable.
- CC BY-SA: requiere compartir derivados bajo la misma licencia.
No comercial
- Research Only: solo investigación académica.
- CC BY-NC: prohibido uso comercial.
Caso especial AGPL: algunas familias YOLO populares usan AGPL, que obliga a publicar el código de la aplicación que lo incorpora si integras el modelo en una aplicación web o servicio. Si no quieres publicar tu código, busca alternativas con Apache-2.0 como RT-DETR o RF-DETR.
Las condiciones se revisan por artefacto y por versión: el repositorio de código y los pesos publicados pueden llevar licencias distintas, y ambas pueden cambiar entre versiones. Esta clasificación orienta la búsqueda; la decisión final se toma leyendo la licencia vigente del artefacto concreto.
Comprueba licencia y caso de uso
La misma licencia cambia de respuesta según lo que vayas a hacer con el modelo.
Permitido con condiciones
La cláusula de red obliga a publicar el código de la aplicación que lo incorpora aunque solo la ofrezcas por web. Alternativas Apache-2.0: RT-DETR o RF-DETR.
Orientación para buscar, no asesoramiento legal. La licencia real se lee en el artefacto y la versión que vayas a usar.
La tabla recoge lo que explica la diapositiva anterior. Los tres casos que más sorprenden: AGPL no obliga a nada mientras no distribuyas ni sirvas el modelo, pero sí en cuanto lo expones por web; una licencia no comercial tampoco vale para un prototipo interno de empresa, porque el propósito ya es comercial; y CC BY-SA permite vender, pero obliga a publicar los derivados con la misma licencia.
Código y pesos pueden diferir
Un repositorio permisivo no garantiza que los pesos lo sean.
Respuesta B. Exacto: cada recurso puede añadir términos distintos.
Conviene revisar la licencia del repositorio, la del checkpoint concreto y la de los datos de entrenamiento cuando se declara, además de la versión a la que se aplican.
Usar modelos
La librería Transformers hace que cargar y usar modelos sea muy sencillo. Esto es lo que pasa por debajo:
-
Hub remoto
El modelo vive en Hugging Face Hub identificado por su nombre (ej: «facebook/detr-resnet-50»).
-
Descarga a caché
Primera ejecución: descarga config.json, pesos .safetensors, y metadatos a ~/.cache/huggingface/
-
Carga en memoria
El modelo se instancia en RAM/VRAM según el dispositivo (CPU/GPU) que especifiques.
-
Inferencia
Procesas inputs y obtienes predicciones. Puedes usar GPU y mixed precision para acelerar.
Buenas prácticas
- Seguridad: prefiere .safetensors sobre .bin; los .bin usan pickle, que puede ejecutar código al cargarse.
- Offline: predescarga con snapshot_download, controla cache_dir.
- Rendimiento: usa float16 y device="cuda" cuando tengas GPU.
- Pipelines: para pruebas rápidas, usa pipeline("task"); en producción, clases específicas dan más control.
Inferencia en 3 líneas de código
from transformers import pipeline
# 1. Cargar modelo (automáticamente baja config y pesos)
detector = pipeline("object-detection", model="PekingU/rtdetr_r50vd")
# 2. Inferencia
results = detector("imagen.jpg")
# 3. Resultado
print(results) # [{'label': 'cat', 'score': 0.99, 'box': {...}}]La librería transformers maneja la descarga, el pre-procesamiento y la inferencia automáticamente.
El identificador del modelo determina qué arquitectura y qué preprocesador se instancian. Para reproducibilidad conviene fijar también la revisión. En producción, las clases específicas permiten controlar batching, dispositivo, precisión y formato de salida.
Arma tu pipeline
Elige qué quieres hacer y dónde vas a ejecutarlo. El código de abajo es el que se pega en el cuaderno, con el modelo del Hub que corresponde a esa tarea.
from transformers import pipeline
pipe = pipeline(
"image-classification",
model="google/vit-base-patch16-224",
device="cpu",
)
salida = pipe("foto.jpg")
print(salida[:3])ViT base, 86 M de parámetros. Devuelve etiquetas de las 1.000 de ImageNet, así que solo sirve si tus clases están ahí. Arranca en cualquier portátil. Cuenta con segundos por imagen.
Las cinco tareas usan la misma llamada y cambian el identificador del modelo, que es lo que hace el Hub cómodo para probar. Las dos que aceptan candidate_labels (CLIP y Grounding DINO) son las que permiten cambiar de clases sin reentrenar. El argumento device admite «cpu» o «cuda»; con varias tarjetas se indica el índice.
Qué te ahorra un pipeline
Conviene saber qué pasos quedan ocultos antes de llevarlo a producción.
Respuesta A. Exacto: el pipeline agrupa pasos frecuentes para una primera prueba.
El pipeline reúne preprocesado, inferencia y posprocesado para una tarea común. No elige el modelo por ti ni garantiza el mejor rendimiento en tu dominio.
Del Hub a tu código
Dos formas de cargar el mismo modelo: rápida para probar, específica para producción.
# Para probar: el pipeline resuelve pre y posprocesado
from transformers import pipeline
detector = pipeline("object-detection", model="PekingU/rtdetr_r50vd")
print(detector("mi_imagen.jpg"))
# Para producción: control sobre dispositivo, precisión y salida
import torch
from transformers import AutoImageProcessor, AutoModelForObjectDetection
model_id = "PekingU/rtdetr_r50vd"
revision = "main" # para reproducir, pon aquí el hash de un commit
device = "cuda" if torch.cuda.is_available() else "cpu"
processor = AutoImageProcessor.from_pretrained(model_id, revision=revision)
model = AutoModelForObjectDetection.from_pretrained(model_id, revision=revision)
model = model.to(device).eval()- Fija revision con el hash de un commit (pestaña «Files and versions» del modelo) si quieres reproducir el resultado dentro de seis meses. «main» no fija nada: avanza cada vez que el autor sube cambios.
- Descarga a caché la primera vez, a
~/.cache/huggingface/. Para entornos sin red,snapshot_downloadantes. - Prefiere los pesos en .safetensors cuando el repositorio los ofrezca.
¿Me cabe en la GPU?
Primera pregunta al elegir modelo, y se responde con una multiplicación.
- T4 · 16 GB
- L4 · 24 GB
- A100 · 40 GB
- Colab gratis · 15 GB
- Portátil · 8 GB
Memoria estimada para inferencia0,8 GB
Solo los pesos0,6 GB
Cabe en 5 de las 5 tarjetas de la lista, contando solo inferencia.
Pesos por precisión más un 35 % de margen para activaciones y fragmentación, con lotes pequeños. Entrenar necesita bastante más, porque además guarda gradientes y estados del optimizador.
La cuenta es directa: parámetros por bytes de cada precisión. En float32 cada parámetro ocupa 4 bytes, en float16 dos y cuantizado a int8 uno. Por eso pasar de float32 a float16 es lo primero que se prueba cuando un modelo no entra, y suele costar muy poca calidad en inferencia.
Candidatos reales para visión
Filtra por tarea y por licencia, que son los dos criterios que descartan antes.
Modelos visibles: 9
PekingU/rtdetr_r50vdDetección COCO, tiempo realApache-2.0~42 M
facebook/detr-resnet-50El DETR original, de referenciaApache-2.0~41 M
hustvl/yolos-smallDetección con ViT puroApache-2.0~31 M
IDEA-Research/grounding-dino-baseCajas a partir de una fraseApache-2.0~233 M
google/owlv2-base-patch16Vocabulario abierto por textoApache-2.0~154 M
facebook/sam2.1-hiera-largeSegmentación con prompts, imagen y vídeoApache-2.0~224 M
facebook/dinov2-baseFeatures densas sin etiquetasApache-2.0~86 M
openai/clip-vit-base-patch32Imagen y texto en un espacio comúnMIT~151 M
briaai/RMBG-1.4Recorte de fondo con canal alfaNo comercial~44 M
Lista consultada el 17 de septiembre de 2026 y pensada como punto de partida, no como ranking. Los tamaños son aproximados y la licencia debe confirmarse en la ficha del modelo y de sus pesos antes de usarlo, porque puede cambiar entre versiones. Fíjate en el caso de RMBG-1.4: excelente para recortar fondo, pero su licencia no permite uso comercial sin acuerdo.
Pruébalo ahora, sin instalar nada
Un Space es el modelo ya montado y corriendo en el navegador. Arrastras tu foto y ves la salida, sin entorno, sin pesos y sin GPU.
Quitar el fondo
Sube una foto de producto y descarga el recorte con transparencia. Es el modelo del tema 6 puesto a trabajar.
Profundidad de una sola foto
Sube cualquier foto y mira el mapa de distancias. Prueba con espejos o cristales, que hacían fallar a la versión anterior, y comprueba si acierta.
Detectar escribiendo la clase
Página de la tarea, con los modelos, los datasets y los Spaces que están vivos hoy. Escribe «una caja de cartón» y mira qué encuentra.
Segmentar
La misma idea para máscaras: modelos de segmentación semántica, de instancias y promptable, con demos que puedes abrir al momento.
Puntos clave
Pose de personas y puntos de interés para matching, con más de 400 modelos publicados y sus demos.
Preguntar sobre una imagen
Los modelos que reciben imagen y texto y responden. Sube una foto de una etiqueta y pídele los campos en JSON.
Dos avisos antes de subir nada. Un Space público procesa tu imagen en el servidor de quien lo publicó, así que ahí no van fotos de cliente, de personas identificables ni de piezas bajo acuerdo de confidencialidad. Y los Spaces se duermen, se rompen y desaparecen: por eso los enlaces de arriba apuntan a la página de la tarea, que sigue viva aunque una demo concreta caiga.
Un Space es un repositorio con una aplicación (Gradio, Docker o HTML estático) que Hugging Face construye y ejecuta. En el hardware gratuito, CPU Basic, se duerme tras un rato sin visitas, de ahí que a veces tarde en arrancar o falle al construirse. Con el botón de duplicar tienes tu propia copia para cambiarle el modelo, la forma más rápida de enseñar un resultado a alguien que no programa. Ten en cuenta que crear un Space con Gradio o Docker pide hoy un plan de pago, salvo hasta dos Spaces de Gradio en ZeroGPU para cuentas gratuitas; los de HTML estático son gratis. Para un piloto interno conviene duplicarlo en privado en lugar de usar el público.
El reto de diez minutos
Cinco pasos con una foto de tu trabajo para saber si un modelo del Hub te sirve.
- Busca por tarea, no por nombreEntra en la página de la tarea que te interesa y ordena por descargas del último mes.
- Abre un Space y sube una foto tuyaUna de tu trabajo, no una de internet. Lo que falle aquí va a fallar en producción.
- Mira la licencia antes de emocionarteEstá en la ficha del modelo, no en la del Space. Si pone AGPL o «research only», anótalo.
- Copia el fragmento de la fichaCasi todas traen tres líneas listas para pegar en el cuaderno.
- Apunta el tamaño y la fechaParámetros y última actualización. Un modelo abandonado hace tres años te tocará mantenerlo a ti.
Antes de quedarte con un modelo del Hub
Siete comprobaciones que evitan rehacer el trabajo.
- La tarea coincideLa etiqueta del Hub dice lo que necesitas, no algo parecido.
- La licencia permite tu usoComprobada en el repositorio y en los pesos, para la versión que vas a usar.
- La ficha declara limitacionesSesgos, casos donde falla, datos de entrenamiento. Si no dice nada, desconfía.
- Cabe en tu hardwareCon la precisión que vas a usar y con margen para el lote.
- Formato de pesos seguro.safetensors antes que .bin.
- Revisión anotadaIdentificador y revisión guardados para poder reproducir.
- Probado con tus datosUna decena de imágenes tuyas dicen más que cualquier métrica publicada.
Busca y prueba un modelo
Compara la documentación con lo que observas al ejecutar el cuaderno.
- Guarda una copia en Drive.
- Ejecuta el modelo propuesto.
- Elige otro y justifica la decisión.
Para que la comparación sea reproducible, anota el identificador y la revisión del modelo, la tarea, la licencia, el preprocesador, el dispositivo y el consumo aproximado de memoria. Las descargas o likes sirven para descubrir candidatos, no para decidir cuál funciona mejor en tu dominio.