En este artículo
El modelo era perfecto: 9B parámetros, resultados técnicos impecables, comunidad entusiasmada. Y prohibido para nuestro uso — la licencia decidió antes que el benchmark.
Open weights no es uso libre
La comunidad local-first presume de “mis modelos, mis reglas”. Es mitad verdad: los modelos corren en tu GPU, pero las reglas las escribió quien publicó los pesos. Y las licencias de pesos de IA son un campo minado de categorías que no se parecen a nada del software tradicional.
La taxonomía de licencias de pesos
| Tipo | Ejemplo | Qué permite | La trampa |
|---|---|---|---|
| Open real (MIT/Apache) | llama.cpp ecosystem, muchos modelos pequeños | Todo: uso comercial, modificación, redistribución | Casi ninguna — verifica derivados |
| No-comercial explícita | FLUX [dev] de Black Forest Labs, CC-BY-NC | Experimentar, investigar, hobby | Monetizar el output o usar en producto requiere licencia aparte |
| Comunidad con territorio | Algunas licencias de video IA 2026 | Uso dentro del territorio aplicable | Excluyen EU/UK/KR/US; atribución UI obligatoria; Revenue >US$20M/año requiere autorización |
| Sin licencia visible | “license: unknown” en HF | Nada legalmente | All-rights-reserved por defecto en la mayoría de jurisdicciones |
Qué es tuyo y qué no
Aquí está la sorpresa positiva para creadores. La licencia no-comercial de FLUX [dev] v2.0, en su sección de Outputs, es explícita (traducción nuestra):
“No reclamamos derechos de propiedad sobre los Outputs. Puedes usar el Output para cualquier propósito (incluidos comerciales), excepto lo expresamente prohibido. No puedes usar el Output para entrenar, fine-tunear o destilar un modelo que compita con un modelo FLUX.”
Dicho claro: tus generaciones suelen ser tuyas, incluso comercialmente — lo que no es tuyo es el modelo. La restricción vive en los pesos y los derivados de los pesos, no en lo que sale del pipeline. Pero cuidado con la cadena: un LoRA entrenado sobre un modelo no-comercial hereda la restricción, y el tag “Apache-2.0” de un derivado no limpia la licencia del base.
En Creative Commons, la lógica NC es igual de contagiosa en training: “todas las etapas, desde copiar los datos durante el entrenamiento hasta compartir el modelo entrenado, deben ser sin fines comerciales” (Creative Commons, guía de uso para IA).
El caso del 9B rechazado
Nuestra historia de las tres trampas, en tres semanas:
- El 9B de imagen: cargable, rápido, resultados técnicos sólidos. Licencia: familia no-comercial v2.x. Veredicto:
REJECTED_LICENSEpara producción. Queda como inventario de investigación, no seleccionable. - El modelo de música de 12.27GB: licencia CC-BY-NC-4.0 (comercial prohibido) y además requería un runtime más nuevo que nuestro entorno certificado. Doble bloqueo.
- La familia de aceleradores de video: licencia comunitaria cuyo territorio aplicable incluye a Colombia pero excluye EU/UK/KR/US — con AUP y obligaciones de atribución en UI. Los derivados (GGUFs, LoRAs) heredan todo.
La regla operativa que salió de esto: cada modelo se evalúa primero contra licencia, luego contra calidad. Un modelo perfectamente evaluable que no puedes usar legalmente es, para efectos prácticos, un modelo malo.
Checklist antes de publicar o monetizar
- Abre el LICENSE del repo del modelo — no el tag del card, el archivo. Si no existe: all-rights-reserved.
- Busca la definición de “Non-Commercial Purpose” — las buenas licencias la definen; suele excluir hasta impacto indirecto a end-users.
- Verifica la cláusula de Outputs — ¿de quién es lo que generas? (En FLUX NC: tuyo, con la excepción de entrenar competidores).
- Sigue la cadena de derivados — tu LoRA/GGUF hereda el base; el quantizador no cambia la licencia.
- Si es licencia de comunidad, revisa territorio y umbrales de revenue.
- Si cobras por algo que salió del pipeline, la carga de la prueba es tuya.
Nota honesta: esto es ingeniería leída con cuidado, no asesoría legal. Para decisiones comerciales reales, un abogado.
Las tres preguntas antes de descargar pesos
Antes de bajar un modelo de 40 GB, tres preguntas que tardan dos minutos y ahorran arrepentimientos:
- ¿Qué licencia tiene el archivo? No el tag del resultado de búsqueda: el archivo
LICENSEdel repositorio. Si no existe, son todos los derechos reservados — legalmente no puedes usarlo para nada público. - ¿Qué dice su definición de uso comercial? Las licencias serias dedican una sección entera a definir “propósito no comercial”. La de FLUX [dev] excluye incluso el impacto indirecto a usuarios finales.
- ¿Voy a derivar de estos pesos? LoRA, fine-tune, merge: cualquier derivado hereda la licencia del base. El tag “Apache-2.0” de un GGUF comunitario no limpia la licencia del modelo original.
Si las tres respuestas son compatibles con tu uso, adelante. Si alguna no lo es, el modelo sigue siendo útil — como referencia de investigación, no como base de producto.
Qué hacer si ya construiste sobre un modelo no-comercial
Escenario común: probaste un modelo, te gustó, y lo integramos en un flujo que empezó a generar valor. Luego lees la licencia. Opciones reales, en orden de preferencia:
- Sustituir el motor: identificar qué función cumple el modelo en tu pipeline (generación, edición, upscale) y buscar un equivalente con licencia compatible. Es más trabajo de migración que de ingeniería.
- Aislar el uso no-comercial: si el modelo solo alimenta experimentos internos que no se publican ni se monetizan, el uso puede encajar en la definición de la licencia — pero documenta ese límite por escrito para que no se cruce por accidente.
- Pedir licencia comercial: muchos laboratorios venden licencias separadas. Para un equipo pequeño suele ser inviable; para una empresa que ya monetiza el output, es un costo de operación.
- Descartar los outputs del modelo: si ya publicaste material generado y la licencia prohíbe ese uso, el camino es la eliminación y la reconstrucción. Es la opción más caras y la razón por la que revisamos licencias antes de integrar.
La regla operativa que adoptamos: licencia antes que calidad, siempre. Un modelo espectacular que no puedes usar legalmente es, en la práctica, un modelo malo. Si estás armando tu propio flujo local, esta disciplina aplica igual que las de IA local sin humo.
Para seguir el hilo
- Cómo elegir modelos y agentes con supervisión
- Texto a voz local: lo que aprendimos probando alternativas
Preguntas frecuentes
¿Puedo monetizar un video hecho con un modelo no-comercial? Depende de la cláusula de Outputs de ESA licencia. FLUX NC v2.x: sí (el output es tuyo). Otras: lee. Nunca asumas.
¿Un GGUF hecho por la comunidad cambia algo? No. Un GGUF es una transformación de los pesos — misma licencia, mismas restricciones.
¿”Open source” en el título del video significa open source? Marketing. El archivo LICENSE es la única verdad legal.
Y una nota de contexto que ayuda a leer el mercado: las licencias no-comerciales no son un error ni un abuso. Son el modelo de negocio de laboratorios que investigan abiertamente y venden el uso comercial por separado. El problema no es la licencia: es integrarla sin leerla.
Documentar tu decisión de licencia tiene un valor inesperado: convierte una intuición legal en un registro que cualquiera de tu equipo puede auditar. Una línea en tu README —”modelo X, licencia Y, uso permitido Z”— previene la conversación incómoda de dentro de seis meses, cuando ya nadie recuerde por qué se eligió ese peso y no otro.
El conocimiento verdadero trasciende a lo público 🌀
Continúa explorando Inteligencia Artificial con piezas relacionadas y evidencia adicional.
Ver relacionados
