Current AI publica el Gap Map del open source de IA

La organización Current AI acaba de publicar la primera versión de su Gap Map, un índice que documenta en detalle 421 proyectos de inteligencia artificial de código abierto: 266 herramientas y librerías de software, 85 modelos, 50 datasets y 20 proyectos de hardware, firmados por 228 organizaciones. Al lado de esos 421 catalogados figura una cola larga de 24.400 artefactos todavía sin clasificar, que no reciben ninguna puntuación hasta que alguien los investiga y los cita como es debido.

El lanzamiento lo recoge Simon Willison en su weblog, donde confiesa que le interesa más lo que el mapa deja al descubierto que el catálogo en sí. Y ahí está la clave de la iniciativa: no es un directorio para presumir de cuánto open source existe, sino un intento de señalar dónde faltan piezas.

Qué es Current AI

Current AI se presenta como "una alianza global que construye una opción pública para la IA". Nació como entidad sin ánimo de lucro en el AI Action Summit de París, en febrero de 2025, y no arranca con las manos vacías: hay 400 millones de dólares ya comprometidos. Con ese respaldo, el Gap Map no parece un experimento de fin de semana sino la primera entrega pública de una organización con músculo financiero y vocación de infraestructura.

La versión 0.1, presentada esta semana, reparte los proyectos catalogados en 14 categorías distribuidas en tres capas del stack: componentes de modelo, producto y UX, e infraestructura. Esa estructura es lo que la diferencia de una lista plana de repositorios. En vez de acumular enlaces, intenta ubicar cada proyecto en el sitio que ocupa dentro del ecosistema y, de paso, dejar a la vista los huecos.

Por qué el nombre importa

El detalle que conviene no pasar por alto es el propio nombre. No se llama "Open Source AI Map" sino Gap Map, mapa de brechas. La premisa es que el valor no está en enumerar lo que ya existe, sino en identificar las zonas donde el software abierto es débil o directamente inexistente frente a las alternativas cerradas. Un dataset que nadie mantiene, una categoría de infraestructura sin ninguna opción libre madura, un tipo de modelo que solo tiene implementaciones propietarias: esos son los vacíos que el proyecto quiere hacer medibles.

Que 24.400 artefactos queden fuera de la clasificación inicial no es un fallo, es honestidad metodológica. El equipo prefiere no puntuar lo que no ha revisado a inflar el catálogo con repositorios sin verificar. En un momento en el que abundan las listas de "las 100 mejores herramientas de IA" generadas sin criterio, un índice que admite lo que todavía no ha mirado resulta poco habitual.

Para quién es útil

Para quien construye sobre código abierto, el Gap Map funciona como radar. Un equipo que evalúa si apoyar su producto en un modelo o una librería abiertos puede ver qué alternativas hay en cada capa y cuáles están poco cubiertas. Para fundaciones y financiadores, el mapa apunta hacia dónde dirigir recursos: las brechas son, literalmente, la lista de la compra. Y para investigadores, ofrece una foto del reparto real entre software, modelos, datasets y hardware, cuatro bloques que rara vez se miran juntos.

Conviene ser realista con el alcance. Es una versión 0.1, con 421 proyectos revisados sobre casi 25.000 detectados. La utilidad dependerá de que Current AI mantenga el ritmo de catalogación y de que la comunidad aporte, porque un mapa de brechas desactualizado engaña más que orienta.

En ElephantPink trabajamos a diario con MCP servers, modelos y librerías abiertas, así que agradecemos cualquier intento serio de ordenar un ecosistema que crece más rápido de lo que nadie puede seguir. El Gap Map nos parece un punto de partida sensato, sobre todo por lo que reconoce que aún no sabe. Habrá que ver si dentro de seis meses sigue vivo o se suma a la larga lista de directorios que nacieron con buena intención y se quedaron congelados en la versión 0.1.