Más de 19.000 modelos abiertos de inteligencia artificial están etiquetados en español

Más de 19.000 modelos abiertos están etiquetados en español, lo que sitúa a esta lengua como la cuarta en este campo, según el informe Panorama del español en la inteligencia artificial, publicado por el Observatorio Global del Español del Instituto Cervantes.

Estos datos confirman que el español está ampliando su papel como lengua de «desarrollo tecnológico», tal y como refleja una de las conclusiones del quinto número de la colección «Informes del Observatorio Global del Español».

Este documento examina la adopción de la IA en los países hispanohablantes, su presencia en datos y modelos abiertos, los corpus y las infraestructuras disponibles y los desafíos de esta transformación.

Uno de los espacios analizados de modelos abiertos es la plataforma Hugging Face, que reúne modelos, conjuntos de datos, aplicaciones para realizar pruebas y recursos reutilizables por universidades, empresas, administraciones y comunidades de desarrolladores.

En Hugging Face, los 19.360 modelos etiquetados en español hasta junio de 2026 superan los registros del alemán y del portugués, entre otros. Destacan la traducción automática (cuyos modelos en español suponen más del 10 % del peso en la plataforma), la generación de textos y las tecnologías del habla.

No obstante, el documento apunta a que su presencia es todavía reducida en los modelos de generación de imágenes y vídeo. En cualquier caso, el estudio recuerda que estos indicadores «permiten aproximarse al ecosistema abierto, aunque no determinan qué proporción de español contienen los grandes modelos comerciales».

Presencia del español en datos web

Asimismo, la publicación sitúa al español entre las lenguas con mayor presencia en las grandes colecciones abiertas de datos web. En el rastreo de Common Crawl, una de las mayores infraestructuras abiertas de datos web analizado, el español representa el 4,68 % de las páginas identificadas por lengua principal, próximo al francés y por encima del chino y del portugués.

El informe también destaca el valor de los corpus, colecciones organizadas de textos y muestras de habla, para documentar la diversidad del idioma. Recursos como CORPES XXI y PRESEEA, junto con iniciativas como ALIA, Salamandra y Latam-GPT, contribuyen a ampliar las posibilidades de desarrollo de tecnologías adaptadas al espacio hispanohablante.

Cooperación entre España e Hispanoamérica

En sus conclusiones, el estudio propone ampliar los recursos orales y audiovisuales, mejorar la representación de las variedades americanas y crear pruebas de evaluación concebidas desde el español. También plantea reforzar la documentación de los datos y garantizar financiación e infraestructuras estables.

Además, la publicación subraya que «la soberanía tecnológica del español será necesariamente cooperativa». «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».