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

ONNX

ONNX (Open Neural Network Exchange) es un formato de archivo abierto para modelos de machine learning. Describe un modelo como un grafo de operadores estándar para que pueda entrenarse en un framework y ejecutarse en otro.

También llamado: Open Neural Network Exchange, .onnx

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

Los modelos suelen entrenarse en un framework como PyTorch, pero el lugar donde quieres ejecutarlos puede ser un teléfono, un navegador, un servidor sin Python o un chip con su propio runtime. ONNX es un formato común entre ambos. Exportas el modelo una vez a un archivo .onnx y cualquier runtime compatible con ONNX puede cargarlo.

Cómo funciona

Un archivo ONNX contiene un grafo de cómputo: nodos para operaciones como la multiplicación de matrices o softmax, las conexiones entre ellos y los pesos del modelo. Los operadores provienen de un conjunto estándar versionado llamado opset, de modo que un runtime sabe exactamente qué significa cada nodo. ONNX Runtime es el motor más usado, y puede pasar partes del grafo a GPU, NPU y otros aceleradores.

Dónde encaja

ONNX es habitual en modelos más pequeños que tienen que ejecutarse rápido en muchos dispositivos: modelos de embedding, rerankers, modelos de visión y de voz, y modelos en navegadores. Es menos habitual para servir los LLM más grandes, donde motores dedicados como vLLM o ejecutores basados en GGUF suelen cargar los pesos directamente.

En qué se diferencia de Safetensors

Safetensors guarda solo los pesos; sigues necesitando código que defina el modelo. ONNX guarda los pesos y el grafo de operaciones, así que el archivo describe el modelo entero. Eso lo hace portable, pero significa que la exportación puede fallar con capas poco habituales, y los modelos que cambian de forma en tiempo de ejecución pueden ser difíciles de exportar.

Límites

No todos los runtimes admiten todos los operadores o versiones de opset, y los modelos ONNX cuantizados pueden comportarse de forma distinta según el hardware. Prueba el modelo exportado frente al original antes de lanzarlo.

Términos relacionados

Pesos del modelo
Los pesos del modelo (model weights) son los números aprendidos dentro de una red neuronal, fijados durante el entrenamiento, que deciden cómo convierte la entrada en salida. Un checkpoint es un archivo o conjunto de archivos guardado que contiene esos pesos.
Safetensors
Safetensors es un formato de archivo de Hugging Face para guardar pesos de modelos. A diferencia de los archivos pickle de Python, cargarlo no puede ejecutar código oculto, y permite una carga rápida de tensores individuales mediante mapeo en memoria.
GGUF
GGUF es un formato de archivo binario que guarda en un solo archivo los pesos, el tokenizador y los metadatos de un modelo, pensado para una carga rápida y para la inferencia local con herramientas basadas en GGML como llama.cpp, a menudo en forma cuantizada.
Inferencia
La inferencia (inference) es ejecutar un modelo ya entrenado para producir una salida a partir de una entrada nueva, como un LLM que genera una respuesta a un prompt. Es la fase que los usuarios pagan cada vez que llaman a un modelo, a diferencia del entrenamiento.
NPU
Una NPU (neural processing unit, unidad de procesamiento neuronal) es un chip, o un bloque dentro de un chip mayor, diseñado para ejecutar los cálculos de redes neuronales rápido y con poco consumo. Los teléfonos y portátiles usan NPU para ejecutar pequeños modelos de IA en el propio dispositivo.
Cuantización
La cuantización (quantization) es una técnica que guarda los pesos de un modelo, y a veces las activaciones, con menos bits, como 8 o 4 en lugar de 16, para que el modelo necesite menos memoria y a menudo funcione más rápido, a costa de cierta precisión.

Fuentes