OLMo 3: El Modelo Que Asusta a OpenAI

La inteligencia artificial de código abierto solía significar que tenías todo: modelo, código, datos y la receta que unía todo. En 2025, generalmente significa un archivo zip de pesos abiertos y un blog lleno de detalles redactados. Laboratorios desde Meta hasta Mistral y OpenAI están enviando cada vez más modelos "abiertos" donde los parámetros son públicos, pero el corpus de entrenamiento, las reglas de filtrado y las tuberías de aprendizaje por refuerzo permanecen cerradas.

Ese cambio convierte silenciosamente los modelos "abiertos" en cajas negras. Puedes ejecutar Llama, Qwen o Gemma en tu propia GPU, pero no puedes reproducirlos, auditar su comportamiento a gran escala ni verificar cómo aprendieron un hecho específico. Intenta responder preguntas básicas: ¿Qué sitios raspó este modelo? ¿Qué idiomas dominan su corpus? ¿Cómo remodeló el RLHF su comportamiento?—y te encuentras con un muro de NDAs y documentación imprecisa.

Los investigadores llaman a esto "pesos abiertos" por una razón: solo los números finales se entregan. Las piezas que faltan—datos de entrenamiento, puntos de control intermedios, configuraciones del optimizador, scripts de aprendizaje por refuerzo, filtros de seguridad—son donde reside la verdadera ciencia. Sin esos elementos, no puedes estudiar rigurosamente el sesgo, rastrear regresiones o probar intervenciones de seguridad, porque no tienes forma de repetir el experimento.

Esa opacidad choca directamente con lo que la comunidad de IA dice que quiere: transparencia, reproducibilidad y supervisión significativa. Los laboratorios académicos y los desarrolladores independientes necesitan inspeccionar las mezclas de datos, comparar las ejecuciones de entrenamiento y rastrear las salidas de los modelos hasta sus fuentes si quieren entender por qué los sistemas alucinan, discriminan o filtran texto con derechos de autor. Mientras tanto, los laboratorios corporativos enmarcan el secreto como responsabilidad, argumentando que ocultar datos y métodos previene el uso indebido y protege la propiedad intelectual "crítica para la seguridad".

El resultado es una especie de pseudo-apertura que frustra a las mismas personas que se supone deben construir sobre estos modelos. Los desarrolladores pueden ajustar un punto de control de 7 mil millones o 32 mil millones, pero no pueden ver la marea de 9 billones de tokens detrás de ello o la pila de aprendizaje por refuerzo que moldeó su razonamiento. Heredan sesgos desconocidos y riesgos legales y deben lanzar productos sobre artefactos que no pueden interrogar plenamente.

En esa tensión entra un tipo diferente de proyecto: una familia modelo que expone todo, desde datos de entrenamiento en bruto hasta rastros de entrenamiento. En lugar de tratar la transparencia como un inconveniente, utiliza la divulgación radical como una característica—y eso es exactamente lo que ha hecho que OpenAI y sus pares presten atención.

Los laboratorios sin fines de lucro rara vez tienen un protagonismo destacado en los ciclos de hyped de la IA, pero el Instituto Allen para la IA está construyendo de manera silenciosa la alternativa que muchos investigadores realmente desean. AI2 no persigue ingresos basados en el uso ni se queda atrapado en tiendas de aplicaciones; su mandato se centra en la ciencia reproducible, la infraestructura abierta y modelos que otras personas realmente pueden estudiar, no solo consumir detrás de una API.

OLMo 3 es la expresión más pura de esa filosofía hasta ahora. AI2 no solo publica pesos abiertos y una gráfica de blog; publica todo el ciclo de vida del modelo: código de entrenamiento, scripts de evaluación, todos los puntos de control intermedios y el enorme corpus Dolma 3 que moldeó el comportamiento del modelo.

Piensa en OLMo 3 menos como un modelo único y más como un ecosistema. En su núcleo se encuentra Dolma 3, un conjunto de datos de aproximadamente 9 billones de tokens que abarca la web, código, libros y otros textos, lanzado para que cualquiera pueda auditar o volver a ejecutar el entrenamiento en lugar de adivinar qué se incluyó en la caja negra.

Sobre esa base, AI2 lanza tres variantes distintas de OLMo 3 con diferentes enfoques: - Base: un modelo completamente preentrenado, sin ajustes de instrucción, ideal para investigadores y ajuste personalizado. - Think: un modelo optimizado para razonamiento con trazas de estilo de cadena de pensamiento para agentes de matemáticas, lógica y código. - Instruct: un modelo ajustado para chat y uso de herramientas, destinado a respaldar asistentes, copilotos y flujos de trabajo de automatización.

Las tallas se mantienen deliberadamente pragmáticas. OLMo 3 viene en sabores de parámetros 7B y 32B, una clara referencia a los desarrolladores que buscan algo entre modelos de juguete y gigantes exclusivos para centros de datos como GPT-4 o Claude 3.5.

Las variantes de 7B buscan una usabilidad local real. Con la cuantización, funcionan en una sola GPU moderna de laptop o incluso en una potente CPU, lo que las hace viables para aplicaciones que requieren privacidad, herramientas offline o startups que no pueden permitirse una fila de A100 solo para prototipar.

Los modelos 32B priorizan la capacidad sobre la portabilidad. Necesitas una GPU de alta gama—piensa en una sola tarjeta de 48–80 GB o varias tarjetas más pequeñas—para servirlas de manera cómoda, pero obtienes un rendimiento de razonamiento que comienza a competir con Qwen 3 y Gemma 3 mientras entrenas con aproximadamente seis veces menos tokens.

Juntos, esas elecciones hacen que OLMo 3 se sienta menos como un artefacto de investigación y más como una plataforma: inspeccionable, reproducible y realmente desplegable fuera del jardín amurallado de un gran proveedor de la nube.

El acceso completamente abierto a Dolma 3 cambia lo que “abierto” significa en la práctica. En lugar de un misterioso raspado web, los investigadores obtienen aproximadamente 9 billones de tokens de fuentes documentadas que pueden inspeccionar, filtrar y replicar. Ese nivel de visibilidad permite a los laboratorios estudiar cómo dominios específicos, idiomas o períodos de tiempo influyen en el comportamiento de OLMo 3, y luego ajustar quirúrgicamente la receta de datos en lugar de adivinar en la oscuridad.

La transparencia en el entrenamiento va más allá: AI2 proporciona los scripts de entrenamiento, el código de RL y los puntos de control intermedios desde los primeros pasos titubeantes del modelo hasta su forma final. Puedes reproducir todo el proceso de entrenamiento, ramificarte en el 10%, 50% o 90% de la finalización, y probar combinaciones de datos alternativos, optimizadores o técnicas de seguridad. Eso desbloquea una verdadera reproducibilidad científica, no un "confía en nosotros, ejecutamos algo similar en un corpus secreto".

Para los desarrolladores, esos puntos de control son también una mina de oro para el ajuste fino. En lugar de añadir tus datos de dominio a un modelo totalmente terminado, puedes reiniciar desde un punto de control anterior donde la red está menos sobreespecializada, o comparar cómo diferentes ajustes finos divergen a lo largo del tiempo. La auditoría se vuelve empírica: si aparece un sesgo, puedes rastrear cuándo se manifestó en el entrenamiento y qué segmento de datos probablemente lo causó.

Todo esto se distribuye bajo Apache 2.0, una de las licencias más permisivas en el ámbito del software. Sin restricciones de uso, sin cláusulas de "sin competidores", sin cláusulas de "sin armas" que los abogados tengan que descifrar. Puedes ejecutar OLMo 3 completamente de forma local, integrarlo en un producto SaaS o implementarlo en las instalaciones de un banco sin ninguna complicación en la licenciamiento.

Contrastalo con los modelos de Llama de Meta o de Mistral. A menudo obtienes pesos y una presentación de marketing, pero no el corpus de entrenamiento completo, ni scripts de extremo a extremo, y ciertamente no cada punto de control intermedio. Sus licencias personalizadas también incluyen reglas de comportamiento y advertencias comerciales que pueden fallar a gran escala.

La arquitectura de OLMo 3 significa que puedes realmente arreglar las cosas desde la base. Si el modelo no sirve adecuadamente a un grupo demográfico o repite una teoría de conspiración, puedes identificar los datos problemáticos en Dolma 3, ajustarlos, volver a entrenar y verificar el cambio. AI2 detalla esta filosofía del flujo de modelos en Olmo 3: Trazando un camino a través del flujo del modelo para liderar la IA de código abierto, estableciendo de manera efectiva un nuevo estándar de lo que "abierto" debe incluir.

La visión de rayos X al estilo Matrix para modelos de lenguaje finalmente existe, y AI2 la llama OLMoTrace. Mientras otros laboratorios hacen gestos hacia la transparencia con tarjetas de modelo y descripciones de datos vagas, OLMo 3 envía una herramienta forense real que muestra de dónde provienen las respuestas, token por token.

OLMoTrace funciona junto a OLMo 3 y Dolma 3, que cuentan con aproximadamente 9 billones de tokens de datos de entrenamiento. Escribes un aviso, obtienes una respuesta y con un solo clic puedes ver qué documentos de entrenamiento influyeron más en segmentos específicos de esa salida.

A la izquierda: la respuesta del modelo. A la derecha: un panel clasificado de documentos, cada uno con segmentos de texto resaltados que se alinean con frases o hechos en la respuesta, además de las URLs originales para que puedas inspeccionar la fuente en su contexto nativo.

Esos destacados muestran cuándo el modelo está citando, parafraseando o improvisando. Si OLMo 3 inventa una cita con confianza, puedes ver que no hay un documento subyacente que la respalde, lo que señala una alucinación clásica en lugar de una síntesis sutil.

Para los desarrolladores, esto convierte la depuración "basada en sensaciones" en algo más cercano a la observabilidad tradicional. Cuando un chatbot en producción proporciona una guía médica incorrecta o distorsiona una regulación financiera, puedes ir directamente a los documentos que lo llevaron a esa situación.

Eso hace que sea drásticamente más fácil: - Eliminar o reducir el peso de datos negativos - Rellenar vacíos con un ajuste fino específico - Añadir límites en dominios arriesgados

OLMoTrace también permite una verificación de fuente real para aplicaciones orientadas al cliente. Una herramienta de investigación legal puede mostrar no solo un resumen del caso, sino también las opiniones y estatutos exactos que dieron forma a la redacción del modelo, para que los abogados puedan decidir si confiar en él o descartarlo.

Los investigadores obtienen una rara oportunidad para observar el comportamiento de los modelos. Pueden correlacionar los modos de fallo con distribuciones de datos específicas en Dolma 3, estudiar cómo diferentes dominios influyen en el razonamiento en OLMo 3 Think y realizar experimentos controlados sobre sesgos o desinformación.

Este es un ataque directo al problema de la “caja negra” que define la IA moderna. En lugar de pedir a los usuarios que confíen en un sistema sellado, AI2 les entrega un microscopio, exponiendo suficiente del rastro de entrenamiento para que la confianza se convierta en una elección informada, no en una afirmación de marketing.

Los desarrolladores de Rust reconocerán instantáneamente la primera demostración de Olmo 3: Fibonacci con recursión y memoización. La indicación en el área de juego de AI2 solicita a la variante Think que "implemente Fibonacci en Rust utilizando recursión más memoización" e incluya casos de prueba para entradas pequeñas y grandes. Olmo 3 responde con Rust idiomático, definiendo típicamente una función `fib`, envolviéndola en `main`, y agregando aserciones o pruebas unitarias para valores como `fib(0)`, `fib(1)`, `fib(5)`, y un n más grande.

El modo de razonamiento no solo genera código; narra por qué el código funciona. La cadena de pensamiento recorre la definición de los casos base, la elección de una estructura de memoria (a menudo `HashMap<usize, u64>`), y explica cómo la recursión explotaría sin almacenamiento en caché. Justifica los compromisos de complejidad, por ejemplo, transformando el tiempo exponencial en un tiempo aproximadamente lineal al almacenar valores previamente calculados.

Esa narración es importante porque expone cómo el modelo estructura los problemas. Olmo 3 Think descompone la tarea en pasos:

• 1Especifique la firma de la función y el tipo de retorno.
• 2Define los casos base para n = 0 y n = 1.
• 3Inicializar el almacenamiento de memorization.
• 4Implementa el caso recursivo que primero verifica la caché.
• 5Agrega pruebas para validar la corrección.

Donde los modelos cerrados ocultan el origen de sus hábitos de codificación, OLMoTrace coloca un panel de procedencia junto a la salida. Destacar la implementación recursiva de `fib` resalta los fragmentos coincidentes en publicaciones de blog de Dolma 3: publicaciones en GitHub, tal vez un tutorial sobre memorización. Cada fragmento viene con una URL, para que un desarrollador pueda hacer clic, confirmar la licencia y ver el estilo y contexto original que influyeron en el patrón de Olmo 3.

La misma herramienta hace que la demostración matemática sea más que un truco de fiesta. Al recibir un problema de palabras sobre el tiempo total de viaje, Olmo 3 Think lo descompone en variables, unidades y ecuaciones, luego muestra cada paso algebraico antes de producir la respuesta numérica. OLMoTrace nuevamente revela qué libros de texto, hilos de foro o sitios educativos alimentaron esa descomposición estructurada, dando a los investigadores una forma de estudiar no solo si la respuesta es correcta, sino cómo el modelo aprendió a razonar de esa manera.

Los benchmarks colocan a OLMo 3 Think 32B en un territorio poco común: actualmente ocupa el puesto como el modelo de razonamiento totalmente abierto más potente que puedes inspeccionar de principio a fin. En pruebas con un alto contenido matemático, como los problemas estilo AIME y suites de lógica personalizadas, obtiene puntuaciones de vanguardia para un modelo con datos, código y trazas de entrenamiento completamente abiertos. En benchmarks de codificación estilo HumanEval, logra alrededor del 96% en matemáticas y aproximadamente el 91% en HumanEval+, situándose claramente en el territorio de "úsalo para agentes reales" en lugar de "modelo de investigación juguete".

Colócalo contra los titanes de peso abierto y la imagen se vuelve más interesante. Qwen 3 32B y Llama 3.1 70B todavía superan a OLMo en conocimiento general y chat multilingüe, pero OLMo 3 Think 32B compite codo a codo en razonamiento enfocado y generación de código. Para HumanEval, MBPP y pruebas matemáticas, la curva de OLMo se acerca a la de Qwen, a menudo dentro de uno o dos puntos, a pesar de una desventaja masiva de datos.

La eficiencia es donde AI2 comienza a dar codazos. Se informa que Qwen 3 entrena con decenas de billones de tokens; OLMo 3 logra un rendimiento de razonamiento comparable utilizando aproximadamente 6 veces menos tokens de entrenamiento. Dolma 3 alcanza alrededor de 9 billones de tokens en total, con mezclas de entrenamiento intermedio dirigidas de ~100 mil millones de tokens para contexto largo y razonamiento, y OLMo aún logra rivalizar con modelos que se han alimentado de muchos más datos.

Esa historia de eficiencia se mantiene hasta la implementación. OLMo 3 está disponible en variantes de 7B y 32B, para que puedas: - Ejecutar la variante 7B en una laptop de alta gama o en una sola GPU de consumidor - Reservar 32B Think para agentes del lado del servidor y razonamiento intensivo - Ajustar finamente cualquiera de ellas utilizando los mismos canales transparentes que usó AI2

OLMo 3.1 muestra que AI2 no está tratando esto como una investigación de una sola vez. La actualización Think 32B de OLMo 3.1 agrega aproximadamente +5 puntos en AIME, alrededor de +4 en ZebraLogic y IFEval, y ganancias de dos dígitos (alrededor de +20 puntos) en el seguimiento de instrucciones al estilo de IFBench. Esos cambios provienen de ejecuciones de RL documentadas: 21 días en 224 GPUs, así que los investigadores pueden rastrear exactamente cómo el modelo se volvió más inteligente.

Cualquiera que esté siguiendo esta renacimiento abierto puede profundizar en análisis como **Olmo 3 y el Renacimiento de los LLM Abiertos**, que trazan cómo la pila completamente abierta de OLMo presiona a Qwen, Llama y Gemma. La apuesta de AI2 es clara: la transparencia más la eficiencia pueden superar de lejos el conteo de parámetros.

Los techos de cristal todavía existen, incluso para los modelos que intentan romper barreras de apertura. OLMo 3 simplemente no supera a Claude Sonnet, los últimos modelos de frontera de OpenAI, o a la serie 01 de Anthropic en las cargas de trabajo amplias y desordenadas de “hacer todo”. Las conversaciones generales, la lluvia de ideas abierta y las preguntas y respuestas enciclopédicas aún se inclinan hacia los sistemas cerrados más grandes entrenados con océanos secretos de datos.

Los benchmarks cuentan la misma historia. Los propios números de AI2 muestran que OLMo 3 Think 32B rinde excepcionalmente bien en matemáticas y programación—alrededor del 96% en pruebas de codificación al estilo HumanEval y ~91% en benchmarks de razonamiento al estilo plus—pero se queda atrás cuando las tareas son más difusas y requieren más conocimiento. Si le pides que resuma un documento de política poco conocido, traduzca dialectos nicho y genere un plan de marketing en un solo intento, los modelos cerrados suelen responder con más pulido y menos errores.

El alcance sigue siendo limitado por diseño. OLMo 3 solo acepta texto como entrada: no permite cargas de imágenes, PDFs, diagramas ni fotogramas de video. Esto lo descarta de inmediato para flujos de trabajo que ahora parecen estándar con modelos de vanguardia, como agentes documentales multimodales, revisión de código en capturas de pantalla o control de calidad de video para reuniones y conferencias.

La cobertura lingüística también expone las prioridades del modelo. Dolma 3 abarca web, código y documentos, pero OLMo 3 sigue comportándose como un sistema enfocado en el inglés, con un rendimiento aceptable solo en otros idiomas. Los desarrolladores que apuntan a productos globales se encuentran rápidamente con un razonamiento más débil, un tono inconsistente y más artefactos de traducción fuera de los dominios dominados por el inglés.

Las alucinaciones siguen siendo otro inconveniente. Debido a que OLMo 3 opera con 7B y 32B parámetros y entrena con aproximadamente 9 billones de tokens—muy menos que la escala rumorada de OpenAI o Google—puede inventar citas, recordar incorrectamente hechos específicos o afirmar respuestas incorrectas con demasiada confianza más a menudo que los modelos cerrados más grandes. OLMoTrace te ayuda a detectar esos errores después de que ocurren, pero no evita que sucedan.

Enmarcada como un fracaso, esa brecha parece condenatoria. Enmarcada como una elección, se asemeja a la tesis completa de OLMo 3: priorizar la transparencia, la inspeccionabilidad y la controlabilidad sobre la obsesión por dominar las listas de clasificación en cada referencia. AI2 gasta su presupuesto exponiendo datos de entrenamiento, liberando puntos de control intermedios y publicando scripts de RL en lugar de escalar hacia gigantes de cientos de miles de millones de parámetros detrás de acuerdos de confidencialidad.

Las hojas de ruta insinúan cómo AI2 planea abordar estas debilidades. MoMo 2, lanzado solo unos días después de OLMo 3.1, aporta capacidades multimodales: imágenes y procesamiento de video avanzado, en el mismo ecosistema abierto. Si AI2 puede aplicar el manual de OLMo a MoMo 2, la brecha entre "totalmente abierto" y "frontera cerrada" deja de parecer un techo permanente y comienza a verse como un objetivo en movimiento.

De repente, tienes un LLM que puedes tratar como código fuente, no como una caja negra. Con la licencia Apache 2.0 de OLMo 3, puedes llevar el modelo de 7B a una laptop, integrarlo en tu pila y lanzarlo sin complicaciones legales ni límites de uso. ¿Necesitas un asistente de codificación offline, un bot de preguntas y respuestas interno, o un copiloto de observabilidad que inspeccione registros y paneles? Puedes construirlo, empaquetarlo y venderlo.

Los dominios de alto riesgo finalmente obtienen un modelo donde "porque lo dijo la IA" deja de ser el final de la historia. Un agente de investigación legal puede responder a una pregunta y luego utilizar OLMoTrace para mostrar los casos Dolma 3, estatutos o publicaciones de blog que dieron forma a cada frase. Un asistente financiero puede generar resúmenes de riesgos y exponer los informes y documentos subyacentes, para que los equipos de cumplimiento puedan verificar las fuentes en lugar de adivinar.

Las empresas obtienen algo que casi nunca ven en la IA: una pila completa e inspeccionable. Los equipos pueden: - Explorar Dolma 3 para entender en qué "se formó" el modelo - Realizar auditorías de sesgo en secciones de esos datos - Ajustar OLMo 3 en corpora y datos de registro propietarios - Reproducir ejecuciones de entrenamiento utilizando los scripts y puntos de control de AI2

Dado que cada punto de control desde el primer token hasta el modelo final se envía con la versión, las empresas pueden probar cómo cambia el comportamiento durante el entrenamiento y documentarlo para los reguladores. Puedes demostrar qué datos influyeron en qué comportamiento, y luego reentrenar o ajustar de manera específica cuando las cosas se desvíen.

Los laboratorios de investigación obtienen un premio aún mayor: una línea base compartida que realmente expone sus entrañas. En lugar de que cada grupo trabaje en un modelo opaco de Meta o Mistral, pueden realizar experimentos comparables en las variantes de 7B y 32B de OLMo 3, ajustar las recetas de aprendizaje por refuerzo, o intercambiar nuevas estrategias de alineación y publicar resultados completamente reproducibles. Solo eso podría reducir ciclos de investigación de varios años a meses.

Debido a que OLMo 3 rinde cerca de Qwen 3 en matemáticas y programación con aproximadamente seis veces menos tokens de entrenamiento, los investigadores en optimización tienen de repente un campo de pruebas en vivo para ideas de "menos datos, entrenamiento más inteligente". Si esos experimentos funcionan, todo el ecosistema se beneficia, no solo quienes controlan la próxima API cerrada.

Closed AI está avanzando hacia el territorio de secretos comerciales. OpenAI ya no publica datos de entrenamiento, Anthropic redige los mensajes del sistema, e incluso los lanzamientos "abiertos" de Meta o Mistral generalmente se limitan a pesos abiertos, dejando todo lo demás en la oscuridad. OLMo 3 se introduce en ese panorama como un contraargumento directo: una familia de 7B y 32B donde los pesos, los aproximadamente 9 billones de tokens de Dolma 3, el código de entrenamiento, las recetas de RL y los puntos de control se distribuyen bajo Apache 2.0.

OLMo 3 funciona tanto como artefacto como señal de protesta. Al exponer todo el flujo del modelo, desde el primer punto de control hasta las variantes finales de Think e Instruct, AI2 muestra que los modelos de razonamiento a gran escala modernos no requieren acuerdos de confidencialidad, APIs de pago o justificaciones de "seguridad" vagas para la secretividad. Reenfoca la apertura como un requisito técnico para la ciencia, no como un argumento de marketing.

Ese cambio es importante ya que los modelos cerrados endurecen sus muros. Los debates sobre seguridad, las demandas por derechos de autor y la inminente regulación de la era de 2026 giran en torno a preguntas como: ¿en qué te entrenaste?, ¿a quién perjudicó eso? y ¿cómo verificamos el daño? Un sistema como OLMo 3, combinado con Dolma 3 y OLMoTrace, permite a los reguladores, auditores y a la sociedad civil inspeccionar realmente esas afirmaciones en lugar de confiar en un PDF.

La IA verificable pasa de ser un eslogan a un flujo de trabajo aquí. OLMoTrace puede vincular tramos de respuestas específicas a documentos fuente y URL, lo que permite: - Verificación independiente de los resultados del modelo - Auditorías de sesgo y toxicidad vinculadas a ejemplos de entrenamiento concretos - Experimentos de seguridad replicables con los mismos datos y código exactos

Ese tipo de IA verificable es casi imposible cuando el corpus, los filtros y las tuberías de aprendizaje por refuerzo de un modelo están tras paneles cerrados.

OLMo 3 también se presenta como un punto de encuentro para un movimiento más amplio. Investigadores, pequeños laboratorios y grupos de interés público ahora cuentan con un proyecto insignia que demuestra que lo "totalmente abierto" aún puede competir con sistemas de la clase Qwen 3 en matemáticas y código mientras utiliza aproximadamente 6 veces menos tokens de entrenamiento. Artículos como Olmo 3: los verdaderos modelos de razonamiento abiertos de América lo enmarcan como un modelo de cómo podría ser la infraestructura pública para la IA.

En lugar de otro producto que persigue ingresos por API, OLMo 3 planta una bandera: si la IA va a mediar en el conocimiento, el derecho y la cultura, al menos parte de ese poder debe permanecer inspeccionable, bifurcable y de propiedad colectiva.

Olvida la adoración a las listas de clasificación. El verdadero poder de OLMo 3 proviene de ser el modelo de lenguaje grande más transparente y reproducible que puedes desmontar: pesos totalmente abiertos, todo el corpus de Dolma 3 (~9T tokens), scripts de entrenamiento y de refuerzo, puntos de control intermedios y OLMoTrace, todo bajo Apache 2.0. No supera a Claude Sonnet ni a lo último de OpenAI en todos los benchmarks, pero te ofrece algo que esos modelos nunca darán: una auditoría completa desde el aviso, a los parámetros, hasta los documentos de origen.

AI2 ahora tiene un plano en el que puede iterar en público. Esperen actualizaciones al estilo de OLMo 3.1—como los incrementos de +5 AIME y los saltos de dos dígitos en IFBench de 21 días de RL adicional en 224 GPUs—que seguirán llegando sin sorpresas de NDAs o límites de uso. Cada nueva variante, desde Think hasta Instruct y futuros hermanos multimodales, puede reutilizar el mismo pipeline abierto, recetas de datos y arneses de evaluación.

La verdadera acción vendrá de todos los demás. Los investigadores pueden: - Volver a ejecutar toda la pila de entrenamiento en Dolma 3 - Intercambiar conjuntos de datos específicos de dominio para derecho, medicina o finanzas - Publicar ablaciones reproducibles sobre arquitectura, RL y filtros de seguridad

Los desarrolladores pueden: - Construir agentes que registren exactamente qué documentos de Dolma 3 influyeron en una decisión - Implementar despliegues locales del modelo de 7B en una sola GPU o incluso en una laptop - Dividir la pila para reforzar las garantías de seguridad, privacidad o cumplimiento

¿Entonces, dónde nos deja la lucha entre lo abierto y lo cerrado? ¿Confías en un asistente de caja negra que supera el rendimiento promedio, o en un modelo ligeramente más débil cuyas peculiaridades puedes inspeccionar y corregir? Cuando los reguladores empiecen a preguntar de dónde obtuvo un modelo sus datos, ¿de qué lado de esa línea quieres que esté tu stack?

Descarga OLMo 3, inicia el playground de AI2, ejecuta OLMoTrace con tus propios prompts y prueba el ajuste fino de Dolma 3 con tus datos. Luego, comparte tus experimentos, evaluaciones y correcciones de nuevo en el ecosistema OLMo, y ayuda a definir lo que realmente significa "IA abierta verdadera".

¿Qué es OLMo 3?

OLMo 3 es una familia de modelos de lenguaje de código abierto desarrollados por el Allen Institute for AI (AI2). Ofrece acceso completo a sus pesos, datos de entrenamiento, código y puntos de control.

¿Cómo se diferencia OLMo 3 de Llama o Mistral?

Mientras que modelos como Llama son 'de pesos abiertos', OLMo 3 es 'totalmente abierto'. Esto significa que publica todo el conjunto de datos de entrenamiento y el proceso, lo que permite una reproducibilidad y auditoría completas, algo que no es posible solo con los pesos.

¿Qué es OLMoTrace?

OLMoTrace es una herramienta que viene con OLMo 3 y que permite a los desarrolladores rastrear la salida de un modelo directamente hasta los documentos específicos en sus datos de entrenamiento que influyeron en la respuesta, mejorando la transparencia y la verificación de hechos.

¿Puede OLMo 3 competir con GPT-4?

Aunque OLMo 3 es altamente competitivo en los benchmarks de razonamiento de código abierto, especialmente por su tamaño, actualmente está rezagado en comparación con modelos cerrados de primera categoría como GPT-4 en precisión general y conocimiento amplio y general.