Buscar modelos, revisar su licencia y usarlos.
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.
Hugging Face reúne cuatro piezas que se usan juntas.
Catálogo con más de tres millones de modelos preentrenados: visión, lenguaje, audio y multimodales.
Más de un millón de datasets públicos para entrenar y evaluar, con una API común de carga y procesamiento.
Demos web interactivas, casi siempre con Gradio, que Hugging Face aloja y ejecuta. Pruebas un modelo en segundos sin instalar nada.
Librería Python con una misma API de carga, inferencia y fine-tuning para cientos de arquitecturas distintas.
El buscador del Hub tiene estos filtros:
La ficha del modelo (model card) es lo primero que hay que leer. Una ficha completa trae:
Para qué fue entrenado, qué tareas resuelve, cómo usarlo con código de ejemplo.
Sesgos conocidos, casos donde falla, advertencias de seguridad y aspectos éticos.
Términos legales de uso: ¿puedes usarlo comercialmente? ¿Debes atribuir autoría?
Configuración JSON, pesos del modelo (.safetensors preferido), tokenizers, ejemplos.
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.
La Model Card contesta si el modelo sirve para tu caso antes de gastar tiempo.
Respuesta B. Exacto: la tarea acota la búsqueda y la ficha dice para qué se entrenó y con qué condiciones.
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.
La licencia dice para qué puedes usar el modelo: en un producto, en un servicio web o solo para investigar.
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.
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.
Un repositorio permisivo no garantiza que los pesos lo sean.
Respuesta C. Exacto: cada pieza puede tener sus propias condiciones.
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.
Lo que hace la librería Transformers al cargar un modelo:
El modelo vive en Hugging Face Hub identificado por su nombre (ej: "facebook/detr-resnet-50").
Primera ejecución: descarga config.json, pesos .safetensors, y metadatos a ~/.cache/huggingface/
El modelo se instancia en RAM/VRAM según el dispositivo (CPU/GPU) que especifiques.
Procesas inputs y obtienes predicciones. Puedes usar GPU y mixed precision para acelerar.
Con una sola llamada, dando la tarea y el nombre del modelo:
Baja del Hub el modelo y lo que necesita para preparar la imagen.
Prepara la imagen y la pasa por el modelo.
El resultado ya legible: etiqueta, confianza y, si es un detector, la caja.
El código está en el cuaderno 2: son tres líneas.
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.
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.
Primera pregunta al elegir modelo, y se responde con una multiplicación.
Modelos de referencia (pulsa uno):
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. Los chats como ChatGPT no publican su tamaño; se calcula que pasan del billón de parámetros.
La cuenta es directa: parámetros por bytes de cada precisión. En float32 cada parámetro ocupa 4 bytes, en float16 dos, y en FP8 o int8 uno. Una ResNet-50 de clasificación son 25 millones de parámetros y cabe en cualquier sitio; un chat abierto de 70 mil millones ya no entra en una sola H100 en float16; uno de un billón necesita decenas de tarjetas.
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.
Un Space es una demo web del modelo, ya montada. Subes una foto y ves la salida, sin instalar nada.
Sube una foto de producto y descarga el recorte con transparencia. Es el modelo del tema 6 puesto a trabajar.
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.
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.
La misma idea para máscaras: modelos de segmentación semántica, de instancias y promptable, con demos que puedes abrir al momento.
Pose de personas y puntos de interés para matching, con más de 400 modelos publicados y sus demos.
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.
Siete cosas que comprobar antes de elegirlo.
Los ejercicios están en el cuaderno. El extra, si da tiempo, lo hacemos juntos; si no, queda para casa.
En Colab: Archivo, Guardar una copia en Drive, y Entorno de ejecución, GPU T4.