La CNIL actualiza Genmod, su herramienta de genealogía de modelos de IA abiertos

La Comisión Nacional de Informática y Libertades de Francia (CNIL) publicó el 26 de agosto de 2026 una nueva versión de su demostrador para explorar la genealogía de los modelos de IA publicados en código abierto. La actualización mejora el rendimiento de la herramienta, su ergonomía, y automatiza la actualización de los datos. Ahora hay disponible una versión en inglés de la interfaz, además de la francesa.

Los modelos de IA publicados en código abierto pueden descargarse, modificarse, especializarse con nuevos datos o combinarse con otros modelos antes de volver a publicarse. Un mismo modelo —por ejemplo Kimi K3, Mistral Medium o LLaMa— puede así dar origen a numerosos modelos derivados, hasta el punto de que resulta difícil saber quién proviene de quién. Hugging Face alberga por sí sola cerca de dos millones de modelos publicados, lo que dificulta aún más identificar cuáles son derivados de los modelos más conocidos.

Encontrar los ascendientes y descendientes de un modelo

El demostrador, llamado Genmod ('Genealogía de los modelos'), fue desarrollado por el servicio de IA de la CNIL en colaboración con su Laboratorio de Innovación Digital (LINC), y se publicó inicialmente en noviembre de 2025. Permite explorar los vínculos entre modelos y encontrar los ascendientes de un modelo dado —los modelos de los que proviene— así como sus descendientes, es decir, los modelos a los que ha contribuido.

Esta trazabilidad es útil para estudiar las consecuencias de la memorización de datos de entrenamiento por parte de los modelos de IA. Se trata de identificar, a partir de un modelo que haya memorizado datos personales, los demás modelos de su 'genealogía' que puedan haber conservado la misma información, con el fin de estudiar las condiciones de ejercicio de los derechos previstos por el RGPD —derecho de oposición, de acceso o de supresión.

Búsquedas mucho más rápidas

El motor de exploración del grafo se ha optimizado, lo que reduce considerablemente el tiempo de las búsquedas más extensas: una búsqueda sin límite de profundidad tarda ahora unos veinte segundos de media. La interfaz muestra el avance de una búsqueda y, cuando puede estimarse, el tiempo restante hasta su finalización. Pueden procesarse varias búsquedas de forma simultánea, y en caso de mucha afluencia el usuario ve su posición en la cola.

• Búsqueda sin límite de profundidad: unos veinte segundos de media
• Progreso mostrado, con estimación del tiempo restante
• Búsquedas simultáneas, con posición en la cola en caso de afluencia
• Actualización automática y semanal del grafo a partir de los datos públicos de Hugging Face
• La fecha de la última actualización de los datos se muestra en la aplicación
• Los modelos más descargados se proponen en primer lugar, y los resultados se ordenan por defecto según el número de descargas
• Acceso directo a la página de inicio añadido en las distintas páginas de la aplicación
• Diseño homogeneizado en Firefox, Chrome, Edge y Safari, y en distintos tamaños de pantalla

Un nuevo procedimiento permite reconstruir la base del demostrador a partir de datos públicos sobre los modelos y conjuntos de datos disponibles en Hugging Face, lo que automatiza la actualización semanal del grafo para seguir mejor la rápida evolución del ecosistema de código abierto.

Un ejemplo concreto: la descendencia de Kimi K3

El medio Next ofrece un ejemplo de uso: se puede inspeccionar la descendencia del modelo Kimi K3 de la empresa Moonshot AI escribiendo primero el nombre del repositorio de la editorial y luego las primeras letras del modelo, para mostrar su árbol genealógico completo. Para cada modelo derivado, la herramienta precisa el método que permitió la derivación —la cuantización, por ejemplo, que reduce la precisión de los pesos del modelo original para disminuir su huella de memoria. La herramienta también permite encontrar todos los modelos que han utilizado un conjunto de datos determinado, como The Cauldron. Una búsqueda experta permite además seleccionar con precisión los criterios que interesan al usuario.

En el caso de que los datos de carácter personal de un individuo hubieran sido memorizados por un modelo, ¿cómo es posible identificar los modelos por los que esos datos también podrían haber sido memorizados?

Esta trazabilidad también puede ser útil en caso de acusaciones de reproducción de contenidos protegidos por derechos de autor por parte de un modelo de IA —una cuestión ilustrada por el juicio en curso entre el New York Times y OpenAI, en el que la pregunta de qué modelos pudieron memorizar y luego reproducir textos protegidos sigue siendo central.

Para investigadores y desarrolladores de habla hispana que trabajan con modelos de código abierto, Genmod ofrece una forma concreta de documentar la procedencia de un modelo antes de desplegarlo, y de anticipar una eventual solicitud de ejercicio de derechos —bajo el RGPD en España o normativas equivalentes en América Latina— en lugar de descubrirla después. Para las autoridades de protección de datos de la región, la herramienta es también un ejemplo de trabajo de cómo un regulador puede poner en práctica la trazabilidad de modelos: cada semana el grafo se enriquece con los nuevos modelos publicados en Hugging Face, lo que lo convierte en una referencia que se actualiza al ritmo del ecosistema en lugar de un inventario congelado en la fecha de su publicación.