El español ya es el cuarto idioma de la IA abierta, con 19.360 modelos en Hugging Face

El español ya es el cuarto idioma con más modelos abiertos de inteligencia artificial del mundo. Así lo indica el informe “Panorama del español en la inteligencia artificial”, que el Observatorio Global del Español del Instituto Cervantes publicó el viernes 6 de noviembre, según Europa Press y Euronews.

El estudio revisó Hugging Face, la plataforma donde universidades, empresas, gobiernos y comunidades de desarrolladores comparten modelos, conjuntos de datos y aplicaciones de prueba. Hasta junio de 2026 había allí 19.360 modelos etiquetados en español, más que los registrados en alemán o en portugués.

Fuerte en texto y voz, débil en imagen

El informe ubica la fortaleza del español en tres áreas: la traducción automática, la generación de textos y las tecnologías del habla, como el reconocimiento y la síntesis de voz. La debilidad está en los modelos que generan imágenes y video, donde el idioma todavía tiene poca presencia.

El documento también mide el peso del español en las grandes colecciones abiertas de datos de internet, que se usan para entrenar modelos. En el rastreo de Common Crawl, una de las mayores, el español representa el 4,68% de las páginas identificadas por lengua principal: cerca del francés y por encima del chino y del portugués.

El propio informe pone un límite a sus números. Estos indicadores “permiten aproximarse al ecosistema abierto, aunque no determinan qué proporción de español contienen los grandes modelos comerciales”, advierte. Es decir, el conteo dice mucho de lo que se comparte en abierto y poco de lo que hay dentro de los modelos cerrados de las grandes tecnológicas.

Corpus propios y una tarea pendiente con América Latina

El estudio destaca el valor de los corpus, colecciones ordenadas de textos y de grabaciones de habla que documentan cómo se usa el idioma. Menciona recursos como CORPES XXI y PRESEEA, y proyectos como ALIA, Salamandra y Latam-GPT, que buscan desarrollar tecnologías pensadas para el mundo hispanohablante.

Entre sus recomendaciones, pide ampliar los recursos orales y audiovisuales, mejorar la representación de las variedades del español de América y crear pruebas de evaluación diseñadas desde el español, en lugar de traducir las que se hicieron en inglés. También plantea documentar mejor el origen de los datos y asegurar financiamiento e infraestructura estables.

“La soberanía tecnológica del español será necesariamente cooperativa”, concluye el documento. “La coordinación entre España e Hispanoamérica permitirá conectar recursos, instituciones y conocimiento especializado para consolidar una infraestructura abierta y representativa de la pluralidad del idioma”.

Qué significa para las empresas de la región

Que existan casi 20.000 modelos abiertos en español no significa que todos sirvan para tu empresa, pero sí que hay más alternativas a los modelos de pago de las grandes tecnológicas. Algunas preguntas útiles:

1. ¿Qué tareas podrías resolver con un modelo abierto? Traducción, resumen de documentos o transcripción de llamadas son justo las áreas donde el español está mejor cubierto.
2. ¿Tu proveedor entiende cómo hablan tus clientes? El informe reconoce que las variedades de América están poco representadas. Prueba el modelo con correos, chats y audios reales de tu mercado antes de decidir.
3. ¿Necesitas que los datos se queden en casa? Un modelo abierto se puede instalar en servidores propios o de un proveedor local, algo que pesa en banca, salud o gobierno.
4. ¿Cómo vas a medir la calidad? Si las pruebas estándar están pensadas en inglés, arma tu propio set de ejemplos en español antes de comparar opciones.

Qué mirar

Si los proyectos regionales como Latam-GPT, ALIA y Salamandra suman modelos de imagen y video en español, si los grandes proveedores comerciales empiezan a informar cuánto español tienen sus modelos y si las recomendaciones del Cervantes se traducen en financiamiento conjunto entre España y América Latina.

A partir de información de Instituto Cervantes (Observatorio Global del Español, informe “Panorama del español en la inteligencia artificial”).