Saltar al contenido
ReviewRamble

El boletín semanal

La IA, analizada, en tu bandeja de entrada.

  • Nuevas reseñas de herramientas, modelos, servidores MCP y repos, con el veredicto por delante
  • Precios y valoraciones revisados cuando algo cambia
  • Nuevos análisis en cuanto se publican

Modelos, agentes, servidores MCP y las herramientas que de verdad merecen tu tiempo.

Un correo a la semana. Date de baja con el enlace de cualquier boletín. Cómo usamos tu correo

Model card

Una model card (ficha del modelo) es un documento breve que se publica con un modelo de machine learning y explica para qué sirve, cómo se entrenó y evaluó, dónde rinde mal y cómo debe y no debe usarse.

También llamado: model documentation, README model card

Por Divya Sharma · Comprobado el 15 nov 2026 · Cómo hacemos las reseñas

Mitchell et al. propusieron las model cards en 2018 para que la información sobre los modelos fuera más transparente. Su idea era que un modelo publicado viniera con documentación sobre sus usos previstos y su rendimiento medido en distintas condiciones y grupos de personas, para que fuera menos probable usarlo donde no funciona bien.

Qué contiene una model card

Las secciones típicas son detalles del modelo (quién lo creó, versión, arquitectura, licencia del modelo), uso previsto y usos fuera de alcance, datos de entrenamiento, resultados de evaluación en benchmarks de IA públicos, limitaciones y sesgos conocidos, y notas de seguridad. En los LLM también suele aparecer la ventana de contexto, los idiomas admitidos, el formato del prompt y ajustes recomendados como la temperatura.

En Hugging Face, la model card es el README del repositorio: un archivo Markdown con metadatos adicionales al principio. Los laboratorios que publican modelos de pesos abiertos suelen publicar una allí.

Cómo usarla

Lee las secciones de uso previsto y limitaciones antes que la tabla de benchmarks. Comprueba con qué datos se entrenó el modelo (consulta datos de entrenamiento de IA) y si las evaluaciones encajan con tu tarea y tu idioma. Fíjate en quién hizo las evaluaciones.

Límites

Una model card la escribe el creador del modelo. OWASP señala que las model cards aportan información pero ninguna garantía sobre el verdadero origen de un modelo, así que una ficha convincente en un modelo copiado o manipulado no demuestra nada. Verifica también el editor y los hashes de los archivos, sobre todo en pesos descargados.

Términos relacionados

Modelo de pesos abiertos
Un modelo de pesos abiertos (open-weight model) es un modelo cuyos pesos entrenados se publican para que cualquiera los descargue y ejecute, a menudo sin el código de entrenamiento ni los datos de entrenamiento completos, por lo que no es necesariamente de código abierto.
Datos de entrenamiento de IA
Los datos de entrenamiento de IA son el conjunto de ejemplos del que aprende un modelo, como texto web, código, imágenes, transcripciones o pares etiquetados. Su tamaño, calidad, mezcla y licencias determinan lo que el modelo puede hacer y dónde falla.
Licencia del modelo
La licencia del modelo (model license) son los términos legales bajo los que se pueden usar, modificar y compartir los pesos de un modelo, y a veces su código y sus datos. Van desde licencias abiertas permisivas hasta licencias no comerciales o restringidas a medida.
Benchmark de IA
Un benchmark de IA (prueba de referencia) es un conjunto fijo y público de tareas con un método de puntuación acordado, que se usa para comparar modelos en la misma prueba, por ejemplo incidencias de código resueltas, preguntas de examen respondidas o calidad de recuperación en muchos conjuntos de datos.
Ataque a la cadena de suministro de IA
Un ataque a la cadena de suministro de IA compromete una aplicación de IA a través de algo de lo que depende, como un modelo descargado, un adaptador LoRA, un conjunto de datos, un paquete de Python, un servidor MCP o una skill de agente, en lugar de atacar la aplicación directamente.

Fuentes