El español ya es la cuarta lengua de la IA abierta: más de 19.000 modelos, según el Instituto Cervantes

El español se ha colado entre las grandes lenguas de la inteligencia artificial abierta. Más de 19.000 modelos abiertos están etiquetados en español, lo que sitúa a este idioma como el cuarto en este campo, según el informe Panorama del español en la inteligencia artificial, publicado el 6 de noviembre de 2026 por el Observatorio Global del Español del Instituto Cervantes.

Qué dice el informe

El documento, el quinto número de la colección Informes del Observatorio Global del Español, examina la adopción de la inteligencia artificial en los países hispanohablantes, su presencia en datos y modelos abiertos, los corpus y las infraestructuras disponibles, y los desafíos de esta transformación. Una de sus conclusiones es que el español está ampliando su papel como lengua de desarrollo tecnológico, y no solo como lengua de usuarios.

El estudio apunta también a la coordinación entre España e Hispanoamérica para lo que llama la soberanía tecnológica del español: ningún país hispanohablante puede afrontar solo esta carrera, y compartir recursos, instituciones y conocimiento es la forma de construir una infraestructura abierta que represente la pluralidad del idioma.

19.360 modelos y el cuarto puesto

El dato principal viene de Hugging Face, la plataforma que reúne modelos, conjuntos de datos y aplicaciones para realizar pruebas, además de 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, y colocan al español en la cuarta posición entre las lenguas con más modelos abiertos.

Dentro de ese conjunto, destacan tres ámbitos. La traducción automática es el más fuerte: los modelos en español suponen más del 10 por ciento del peso en la plataforma. Le siguen la generación de textos y las tecnologías del habla, dos campos donde el español tiene una presencia notable. Son justo las tareas que más usa la gente en su día a día: traducir un documento, redactar un correo o dictar un mensaje.

El propio informe matiza el dato. Estos indicadores permiten aproximarse al ecosistema abierto, aunque no determinan qué proporción de español contienen los grandes modelos comerciales. Es decir, que haya muchos modelos abiertos etiquetados en español no significa que los sistemas más grandes y cerrados, los que usan millones de personas, estén entrenados con la misma proporción de español. El cuarto puesto es real, pero mide el mundo abierto, no todo el mercado.

Dónde el español va por delante y dónde va por detrás

El informe también señala los puntos débiles. La presencia del español es todavía reducida en los modelos de generación de imágenes y vídeo, dos de los campos que más crecen en inteligencia artificial. Ahí el idioma apenas aparece, y eso tiene consecuencias: los sistemas que crean imágenes o vídeos a partir de una descripción en español funcionan peor que sus equivalentes en inglés, o directamente no entienden bien los matices del idioma.

La diferencia entre texto y imagen no es casual. Los modelos de texto llevan años entrenándose con grandes cantidades de material en español, mientras que los de imagen y vídeo necesitan datos etiquetados que son más caros de producir y más escasos en español. Cerrar esa brecha es uno de los retos que el informe pone sobre la mesa.

Los datos web y los corpus

El estudio no se limita a los modelos. También 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 que se han analizado, el español representa el 4,68 por ciento de las páginas identificadas por lengua principal, una cifra próxima a la del francés y por encima de la del chino y del portugués.

El informe destaca además el valor de los corpus, las colecciones organizadas de textos y muestras de habla que sirven 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. Son proyectos que ponen el acento en las variedades del español, no solo en la versión peninsular, y en usos concretos como la administración, la educación o la salud.

Una soberanía tecnológica cooperativa

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, dos condiciones sin las cuales los avances se quedan en proyectos piloto.

La frase que resume el informe es 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. Es un planteamiento que encaja con la Alianza Iberoamericana de Inteligencia Artificial acordada en Madrid, que también apuesta por modelos adaptados a las lenguas de la región.

El cuarto puesto del español es una buena noticia, pero el informe deja claro que es un punto de partida, no una meta. La presencia en texto y traducción es sólida, la de imagen y vídeo es débil, y la representación de las variedades americanas todavía tiene mucho margen de mejora. Lo que pase en los próximos años dependerá de si esa cooperación se traduce en datos, corpus y modelos reales.

Frequently Asked Questions

Cuántos modelos abiertos de inteligencia artificial hay etiquetados en español?

Más de 19.000, según el informe Panorama del español en la inteligencia artificial del Instituto Cervantes. En Hugging Face, la plataforma analizada, había 19.360 modelos etiquetados en español hasta junio de 2026, lo que sitúa al español como la cuarta lengua en este campo.

En qué tareas destaca el español dentro de la inteligencia artificial abierta?

Sobre todo en la traducción automática, donde los modelos en español suponen más del 10 por ciento del peso en Hugging Face, además de la generación de textos y las tecnologías del habla. En cambio, su presencia es todavía reducida en los modelos de generación de imágenes y vídeo.

Qué propone el informe para reforzar el español en la inteligencia artificial?

Ampliar los recursos orales y audiovisuales, mejorar la representación de las variedades americanas, crear pruebas de evaluación concebidas desde el español, reforzar la documentación de los datos y garantizar financiación e infraestructuras estables, con coordinación entre España e Hispanoamérica.