Weights & Biases es la plataforma para desarrolladores de IA con la que los ingenieros de aprendizaje automático registran experimentos, exploran hiperparámetros, versionan conjuntos de datos y modelos, y trazan agentes LLM en producción. CoreWeave la adquirió en mayo de 2025.
¿Has usado esta herramienta? Valórala
¿Has usado esta herramienta? Valórala
Weights & Biases, casi siempre abreviado como W&B y accesible bajo el nombre de paquete wandb que da su slug a esta ficha, es una plataforma para desarrolladores de IA cuyo propósito declarado consiste en servir de sistema de registro para el trabajo con inteligencia artificial. El sitio oficial formula la promesa así: la plataforma para desarrolladores que permite construir agentes, aplicaciones y modelos de IA con confianza. La expresión que reaparece en todas sus páginas de producto es deliberadamente archivística: miles de empresas se apoyan en W&B como system of record para entrenar sus modelos y desarrollar sus aplicaciones de IA.
Esa formulación importa, porque explica también lo que el producto no es. No es un modelo, ni un cuaderno alojado, ni una interfaz de arrastrar y soltar dirigida a quienes no escriben código. Toda interacción significativa con W&B comienza dentro de un programa en Python que ya está entrenando algo o ya está llamando a un modelo de lenguaje. La tarea de la herramienta consiste en observar ese programa, dejar constancia de lo ocurrido en una forma duradera y comparable, y hacer que ese registro sea consultable meses después por un colega que no estuvo presente durante la ejecución. Dicho de otro modo, la disciplina a la que sirve tiene un nombre preciso: el seguimiento de experimentos ML.
La empresa fue fundada en 2017 por tres personas. La primera es Lukas Biewald, la segunda Chris Van Pelt y la tercera Shawn Lewis. Los tres habían creado antes, conjuntamente, una compañía de anotación de datos llamada Figure Eight. La página de la empresa describe con una concreción poco habitual el problema de partida: entonces el seguimiento de modelos era en su mayor parte una tarea manual y reproducirlos resultaba prácticamente imposible, mientras el aprendizaje profundo avanzaba a gran velocidad alrededor. Lo que empezó como una solución de seguimiento de experimentos desarrollada para ayudar a construir modelos en OpenAI creció hasta convertirse en una plataforma MLOps de extremo a extremo. El repositorio de GitHub corrobora de forma independiente el año de fundación: wandb/wandb se creó el 24 de marzo de 2017.
Cualquier evaluación de W&B en 2026 debe partir de un cambio de propiedad, porque afecta materialmente tanto a la hoja de ruta como a la cadena de tratamiento de datos. En mayo de 2025, Weights & Biases fue adquirida por CoreWeave. Esa frase procede de la propia página institucional de W&B y se confirma desde el lado comprador: CoreWeave, Inc. (Nasdaq: CRWV) anunció desde Livingston, Nueva Jersey, el 5 de mayo de 2025, haber completado la adquisición de Weights & Biases.
Dos aspectos de la operación merecen un tratamiento cuidadoso, porque la versión más difundida resulta más rotunda de lo que las pruebas permiten.
Primero, el precio. El artículo de TechCrunch indica con claridad que CoreWeave adquirió la plataforma por una suma no divulgada, y atribuye la cifra frecuentemente citada de 1.700 millones de dólares a una información de The Information y no a ninguna de las dos compañías. El comunicado de cierre de CoreWeave, leído íntegramente, no contiene valor alguno de la transacción. La formulación honesta es, por tanto, que la prensa especializada informó de un importe cercano a los 1.700 millones, frente a una valoración de 1.250 millones registrada para la empresa en 2023, y no que las partes divulgaran un precio. Quien redacte una nota de compra debería tratar esa cifra como periodismo, no como una comunicación oficial.
Segundo, la entidad operativa no ha cambiado. El contrato marco de servicios sigue designando como parte a Weights and Biases, LLC, sociedad de responsabilidad limitada de Delaware con domicilio principal en 400 Alabama Street, Suite 202, San Francisco, California 94110. Los contratos se firman con esa entidad y se rigen por el derecho del estado de Nueva York.
Lo que sí ha cambiado se aprecia en tres lugares. La página de dirección presenta ahora al cofundador Lukas Biewald como gerente general y cofundador en lugar de director ejecutivo, mientras que sus dos cofundadores ostentan el título de ingeniero distinguido: una forma organizativa coherente con convertirse en una división dentro de una compañía cotizada. La página de inicio muestra un banner sobre CoreWeave Sandboxes, entornos aislados para ejecutar de forma segura y a gran escala agentes de IA y código generado por modelos. La infraestructura de la matriz aparece así como una función de primer nivel dentro de la interfaz de W&B. Y la línea de inferencia sin servidor se describe con las propias palabras del proveedor como impulsada por CoreWeave.
Para quienes temen el bloqueo con un proveedor, CoreWeave asumió un compromiso explícito en el comunicado de cierre: la compañía mantiene su apuesta por la interoperabilidad de la plataforma Weights & Biases, de modo que sus clientes conserven la libertad de elegir cualquier modalidad de despliegue, cualquier proveedor de infraestructura y cualquier modelo fundacional, marco de trabajo o protocolo. Se trata de una promesa pública y no de una cláusula contractual, y así debe leerse, pero consta por escrito y constituye la respuesta más directa a la pregunta de si adoptar W&B hoy equivale a atarse a una única nube de GPU.
La compañía describe su equipo como 270 personas y sigue creciendo, distribuidas por todo el mundo. Las cifras de adopción exigen mayor prudencia. TechCrunch informa de que más de 1.400 organizaciones utilizan estas herramientas como sistema de registro para entrenar y afinar modelos de IA. El artículo cita como ejemplos a la farmacéutica AstraZeneca y al fabricante de chips Nvidia. Es una cifra aportada por el proveedor y difundida por la prensa, sin auditoría independiente; aquí se recoge como tal y no se presenta como hecho verificado.
La huella de código abierto, en cambio, sí puede comprobarse directamente. La biblioteca cliente wandb/wandb se distribuye bajo licencia MIT, está escrita en Python y en el momento de redactar mostraba 11.239 estrellas, 886 bifurcaciones y 954 incidencias abiertas, con confirmaciones recibidas el mismo día de esta investigación. El repositorio independiente wandb/weave pertenece a otra línea de producto tratada más abajo y se distribuye bajo Apache-2.0 con 1.121 estrellas y 226 incidencias abiertas. Repare en la diferencia de licencia entre ambos repositorios: una revisión jurídica de uno no se traslada al otro. Repare también en la frontera que el número de estrellas puede ocultar: lo abierto es el SDK cliente y la biblioteca Weave, no el servicio alojado que conserva sus ejecuciones.
W&B se entiende mejor como siete superficies de producto que comparten una cuenta, un sistema de cuotas de almacenamiento y un punto de entrada en Python. La navegación oficial las divide en siete bloques. El primero, Models, construye y gestiona modelos. El segundo, Training, se encarga del afinado. El tercero, Inference, sirve modelos alojados. El cuarto, Weave, se dirige a las aplicaciones de IA generativa. El quinto, Registry, gestiona activos. El sexto, Core, reúne informes y automatizaciones. El séptimo, Secure deployment, cubre las formas de despliegue.
El seguimiento de experimentos sigue siendo el cimiento, y el proveedor lo describe exactamente con la metáfora archivística: el sistema de registro del entrenamiento de sus modelos, que recoge cada modelo, cada métrica y cada hiperparámetro con unas pocas líneas de código para reproducir resultados, depurar el rendimiento y optimizar más rápido en un único panel.
La instrumentación es realmente escueta. Una ejecución se abre con wandb.init(project="my_first_project"), los hiperparámetros se adjuntan a run.config, las métricas se envían mediante run.log({"loss": ...}) y los archivos del modelo se capturan con run.log_artifact(). Esta última llamada marca la frontera entre el seguimiento y la gestión de activos: un artefacto registrado durante una ejecución queda versionado y pasa a formar parte de un grafo de linaje, en lugar de quedarse como archivo en un nodo de entrenamiento que mañana será liberado.
W&B Sweeps se ocupa de la optimización de hiperparámetros y constituye una de las escasas páginas de proveedor que nombra sus algoritmos en lugar de insinuar una receta propia. Junto a una lógica personalizable se ofrece optimización bayesiana, y la parada temprana está implementada expresamente con Hyperband para ahorrar horas de GPU: las ejecuciones más prometedoras y con mejor rendimiento siguen vivas y las peores se detienen, con lo que los agentes quedan libres para probar nuevas combinaciones. La afirmación de transparencia es explícita: el proveedor declara citar todos los algoritmos que emplea y mostrar los registros completos del avance de la búsqueda.
Para un público de ingenieros de aprendizaje automático, esa divulgación vale más que cualquier gráfico comparativo. Puede razonarse si el corte agresivo propio de Hyperband encaja con las propias curvas de pérdida, algo imposible frente a una «búsqueda inteligente» sin nombre.
Weave es la segunda línea de producto y aborda un problema distinto del entrenamiento. Su punto de entrada es weave.init() junto con un decorador @weave.op() aplicado a una función, tras lo cual la plataforma rastrea las llamadas a modelos de lenguaje, la recuperación de documentos y los pasos de los agentes.
La tabla comparativa de precios enumera lo que cubre Weave: el trazado, que supervisa y analiza el rendimiento de los modelos generativos tanto en desarrollo como en producción capturando entradas, salidas y metadatos de cada inferencia; la evaluación; la supervisión en producción, que compara en paralelo distintas recetas que incluyen afinado, RAG, modelos de lenguaje y conjuntos de datos según precisión, latencia y consumo de tokens; las métricas denominadas de juicio por modelo de lenguaje; y la supresión de datos personales.
La comparación en paralelo es la función que refleja de forma más directa cómo transcurre realmente el trabajo con IA generativa, y es donde la observabilidad de LLM deja de ser un término de moda. La pregunta rara vez es si un modelo es bueno y casi siempre es si este afinado supera a aquella configuración de RAG sobre nuestros datos, y a qué coste en latencia y en tokens.
La capa de activos lleva nombres de producto que reaparecen en toda la documentación. El versionado de conjuntos de datos y modelos se llama W&B Artifacts. La visualización interactiva se llama W&B Tables. Los paneles colaborativos se llaman W&B Reports. Registry se sitúa por encima y ejerce de registro de modelos para conjuntos de datos, modelos, indicaciones, código y metadatos, con seguimiento del linaje.
Core agrupa el resto de la infraestructura: Reports, Automations, el SDK y, como añadido reciente que revela la dirección tomada, Skills y un servidor MCP para agentes.
Inference es la superficie más reciente y la más visiblemente moldeada por la compra. La inferencia sin servidor impulsada por CoreWeave ofrece acceso por API y por espacio de pruebas a los principales modelos de lenguaje de código abierto, lo que permite desarrollar aplicaciones y agentes sin darse de alta en un proveedor de alojamiento ni desplegar modelos por cuenta propia. También es posible aportar pesos LoRA entrenados por uno mismo para ejecutar inferencia sin servidor con modelos afinados, lo que cierra un ciclo que antes exigía tres proveedores: entrenar aquí, registrar el adaptador aquí, servirlo aquí.
La tarificación se establece por modelo, con tarifas separadas para tokens de entrada, entradas en caché y tokens de salida. Dos ejemplos verificables en el sitio en el momento de redactar: NVIDIA Nemotron 3.5 Lightning a 0,10 dólares de entrada, 0,05 en caché y 0,25 de salida por millón de tokens, con una ventana de contexto de 262K; y el modelo DeepSeek V4-Flash-0731 a 0,13 de entrada, 0,07 en caché y 0,28 de salida, también en 262K. El catálogo cambia al ritmo de las publicaciones de pesos abiertos, de modo que conviene tomar como referencia la página oficial de precios y no una instantánea.
La lista de marcos admitidos es amplia y cada entrada viene acompañada de código funcional en el sitio. Para aplicaciones en torno a modelos de lenguaje están disponibles LangChain y LlamaIndex. En aprendizaje profundo se admite el propio PyTorch, así como la biblioteca de entrenamiento Transformers publicada por Hugging Face y PyTorch Lightning, situada una capa por encima. Del entorno de Google se incluyen TensorFlow y Keras, construido sobre él. Para aprendizaje automático clásico se admiten la biblioteca de propósito general scikit-learn y XGBoost, muy extendido en el potenciado del gradiente. El camino más corto pasa por Transformers: basta con añadir report_to="wandb" en TrainingArguments para que el registro comience automáticamente al invocar trainer.train().
El sitio anuncia la aplicación móvil de Weights & Biases, presentada como la primera aplicación para iOS que permite supervisar experimentos de IA y seguir entrenamientos en cualquier momento y lugar. Conviene señalarlo por un motivo distinto de la función en sí: una petición titulada «wandb mobile/desktop app?» lleva abierta en GitHub desde junio de 2022 y ha acumulado 27 reacciones y 59 comentarios. Es un caso en el que una demanda antigua de la comunidad acabó siendo atendida.
El caso canónico es un entrenamiento medido en días de GPU en el que lo que importa seis meses después no es el punto de control sino la explicación de cómo llegó a existir. Configuración, métricas, estadísticas del sistema y archivo de modelo acaban en un mismo registro. Cuando aparece una regresión en producción, la pregunta sobre qué cambió entre el modelo que funcionaba y el que no funciona obtiene una respuesta consultable.
Sweeps con parada temprana Hyperband es tanto un instrumento presupuestario como de precisión. Detener pronto las ejecuciones peores y reasignar los agentes a combinaciones nuevas convierte una búsqueda exhaustiva inasumible en otra practicable, y las visualizaciones de importancia de parámetros indican después qué ajustes pesaron de verdad.
Para equipos que construyen agentes en lugar de entrenar modelos, la entrada es Weave. Trazar una petición de principio a fin a través de la recuperación de documentos y las llamadas al modelo, capturar entradas y salidas por inferencia y comparar después las recetas candidatas en precisión, latencia y consumo de tokens antes de promover una. La supresión de datos personales existe precisamente porque las trazas de producción de un asistente orientado al cliente contendrían de otro modo datos de clientes.
Los equipos de sanidad, finanzas y sector público no suelen poder enviar activos brutos de entrenamiento a un SaaS multiinquilino. El almacenamiento en cubo propio existe para este caso, con una salvedad importante que detalla el apartado de plataformas.
La licencia académica gratuita es inusualmente generosa y sus condiciones figuran en el apartado de precios. Para un laboratorio que ejecuta muchos experimentos pequeños con muchos estudiantes, las horas de seguimiento ilimitadas y los cien puestos cambian el cálculo por completo. Aun así, lea la nota de licencia del apartado de limitaciones antes de depositar allí investigación sensible.
Primero entrenar o afinar, después versionar el adaptador en Registry y finalmente servir los pesos LoRA mediante inferencia sin servidor. Esta consolidación es reciente y constituye hasta la fecha el beneficio de producto más nítido derivado de la unión con CoreWeave.
1. Instalar y autenticarse. Ejecute pip install wandb y después inicie sesión con su clave de API. La comunidad ha documentado una fricción conocida: una incidencia titulada «wandb.login() hangs and then disconnects me every time I try on Google Colab» lleva abierta desde abril de 2021 con 15 reacciones y 38 comentarios. Si trabaja sobre todo en cuadernos alojados, reserve algo de tiempo para el proceso de autenticación.
2. Abrir una ejecución y registrar la configuración. Llame a wandb.init(project=...) al principio del guion de entrenamiento y asigne los hiperparámetros a run.config. Hágalo antes del entrenamiento y no después: es la configuración lo que hará comparables las ejecuciones más adelante, y un registro sin ella no es más que un gráfico sin explicación.
3. Registrar métricas dentro del bucle de entrenamiento. Utilice run.log({"loss": loss}) con la cadencia que convenga. El ejemplo de PyTorch del sitio registra cada args.log_interval lotes, y el instinto es acertado: lo bastante a menudo para ver la forma y lo bastante rara vez para no ahogar el panel.
4. Capturar artefactos. run.log_artifact("./my_model.pt", type="model") sitúa el modelo en el grafo de linaje versionado. Si los pesos ya residen en almacenamiento en la nube, use artefactos por referencia: los datos guardados en un cubo externo no computan en la cuota, solo lo hacen los metadatos.
5. Aprovechar el atajo de los marcos admitidos. Si emplea la biblioteca de entrenamiento Transformers publicada por Hugging Face, la línea report_to="wandb" en TrainingArguments constituye la integración completa. Si emplea PyTorch Lightning, cree un WandbLogger y páselo al Trainer. En la mayoría de las pilas no hace falta escribir el registro a mano.
6. Pasar a Sweeps cuando las ejecuciones sueltas aburran. Defina el espacio de búsqueda y deje trabajar a los agentes. Elija sus propias distribuciones y active la parada temprana para que el presupuesto de GPU se dirija a la región prometedora.
7. Añadir Weave a todo código que contenga una llamada a un modelo. weave.init("su-proyecto") y después @weave.op en las funciones que le interesen. El enfoque por decorador significa que anota código existente en lugar de reestructurarlo.
8. Configurar Reports y Automations para las personas. Un Report es el lugar donde un resultado de entrenamiento se convierte en algo que un colega lee. Las Automations y los avisos por Slack o correo, disponibles a partir de Pro, evitan tener que vigilar el panel continuamente.
9. Decidir la forma de despliegue antes de crecer, no después. Multiinquilino, dedicado o gestionado por el cliente; y si la residencia de datos es una exigencia, lea con atención el apartado del cubo propio, porque su cobertura no es uniforme entre líneas de producto.
Los ingenieros de aprendizaje automático y el personal investigador constituyen el público principal, y por eso cada punto de entrada es una importación de Python. Si su trabajo se materializa en un guion de entrenamiento, esto es la instrumentación de ese guion.
Quienes desarrollan aplicaciones de IA generativa llegan por Weave y no por el seguimiento de experimentos. Puede que no registren jamás una ejecución de entrenamiento y aun así aprovechen por completo el trazado y la evaluación.
Los equipos de plataforma e infraestructura de ML se interesan por la matriz de despliegue, el alcance del cubo propio, el inicio de sesión único, el aprovisionamiento por SCIM, los roles personalizados y los registros de auditoría: las partes que hacen defendible el producto ante una revisión de seguridad.
El personal investigador académico obtiene una licencia Pro gratuita cuyas condiciones figuran más abajo, sujeta a la cláusula sobre uso de datos del apartado de limitaciones.
Quienes ejercen en solitario y quienes aprenden pueden permanecer indefinidamente en el nivel gratuito o levantar un servidor local con wandb server start, teniendo presente que el nivel Personal local incorpora una restricción de licencia relevante.
Para quién no es: para quien busque una herramienta de IA sin código. No existe ningún recorrido significativo por este producto que prescinda de escribir Python. Los equipos que exijan residencia de datos específicamente para las trazas generativas deberían además leer la salvedad del cubo propio antes de comprometerse.
W&B funciona allí donde funcione su código de entrenamiento: es una biblioteca acompañada de un servicio, no una aplicación con requisitos de sistema. Lo que varía es dónde reside el servicio en sí.
La página de precios sitúa uno junto a otro el SaaS multiinquilino, el despliegue dedicado y el gestionado por el cliente. El nivel empresarial añade una opción de inquilino único con elección de región.
El umbral es deliberadamente bajo: hacen falta Docker y Python, y el servidor funciona en sistemas Linux, macOS o Windows que cumplan esos requisitos. El arranque cabe en dos órdenes: pip install wandb y después wandb server start.
El intercambio de responsabilidades lo expresa el proveedor sin rodeos: el autoalojamiento otorga control total sobre los datos y la privacidad, pero la gestión del almacenamiento y de las copias de seguridad corre por su cuenta. Esa es la versión honesta del trato y merece repetirse a quien dé por sentado que autoalojar es estrictamente más seguro.
Este mecanismo permite guardar artefactos y otros datos sensibles en infraestructura propia, en la nube o local. En la nube dedicada y en la multiinquilino, W&B no copia hacia su infraestructura gestionada los datos que usted almacena en su cubo. Se admiten varios back-ends. Entre ellos figuran el servicio de objetos de la matriz, la oferta S3 de Amazon, el almacenamiento en la nube de Google y el almacenamiento de objetos de Azure. Más allá de las nubes públicas, también sirve un almacenamiento compatible con S3 alojado en su propio entorno, siendo la versión empresarial de MinIO un ejemplo. La comunicación entre el SDK, la línea de órdenes, la interfaz y sus cubos se realiza mediante direcciones prefirmadas.
Dos salvedades determinan si esto satisface una exigencia real de cumplimiento, y ambas proceden de la documentación técnica y no de las páginas comerciales.
La primera atañe al alcance según el despliegue. La nube multiinquilino admite el cubo propio únicamente en el nivel de equipo; el nivel de instancia no resulta aplicable allí. La nube dedicada y el despliegue autogestionado admiten ambos niveles.
La segunda pesa más: el conector de almacenamiento seguro de la plataforma W&B no está disponible para Weave. Si su exigencia de residencia abarca las trazas de las aplicaciones de IA generativa, es decir, las entradas y salidas de las llamadas a modelos en producción, este mecanismo no la resuelve por ahora. Es la limitación más importante para los equipos regulados que evalúan la vertiente generativa de la plataforma, y resulta fácil pasarla por alto porque la tabla de precios solo la recoge en una nota escueta.
Incluso activado, los datos siguen repartidos. La base de datos central conserva los metadatos de personas usuarias, equipos, artefactos, experimentos y proyectos, además de los Reports, los registros de experimentos, las métricas del sistema y los registros de consola. Su cubo alberga los archivos y métricas de experimentos, los archivos de artefactos, los archivos multimedia, los archivos de ejecución y las métricas históricas exportadas en formato Parquet. Usar el cubo propio no significa que nada abandone su perímetro.
Existe una aplicación para iOS destinada a supervisar experimentos y entrenamientos. La localización del sitio es parcial: la enumeración de enlaces revela subsitios únicamente en japonés, coreano y alemán. No hay versión en chino, francés, ruso, español ni portugués, de modo que los equipos no angloparlantes ajenos a esos tres idiomas deben contar con trabajar sobre documentación en inglés.
Coexisten dos vías distintas, el alojamiento en la nube y el alojamiento privado, y cada una posee su propio nivel gratuito con condiciones diferentes. Confundirlas es fácil y tiene consecuencias.
Gratuito, 0 dólares al mes. Concebido para el desarrollo personal de aplicaciones y modelos de IA. Incluye la evaluación de aplicaciones, el trazado, los evaluadores, el seguimiento de experimentos con modelos, el registro de activos con seguimiento de linaje y el soporte comunitario. Topes: hasta 5 puestos de modelo, 5 GB de almacenamiento al mes y 1 GB de ingesta de Weave al mes.
Pro, desde 60 dólares al mes con facturación mensual y 30 días de prueba gratuita. Añade equipos ilimitados para la colaboración, controles de acceso por equipo, cuentas de servicio, soporte prioritario por correo y chat, automatizaciones de CI/CD y avisos por Slack y correo. Topes: hasta 10 puestos de modelo, 100 GB de almacenamiento mensual con 0,03 dólares por GB adicional y 1,5 GB de ingesta de Weave mensual con 0,10 dólares por MB adicional.
Enterprise, planes a medida. Añade una opción de inquilino único con elección de región, una opción conforme a HIPAA, conectividad privada segura, claves de cifrado gestionadas por el cliente, inicio de sesión único, aprovisionamiento automatizado de personas usuarias, roles personalizados, registros de auditoría y un paquete de soporte empresarial.
A Pro se aplica una salvedad importante, de naturaleza contractual y no técnica: Pro está pensado para equipos en fase inicial y organizaciones con menos de cincuenta personas empleadas, y los clientes que excedan esa pauta deberán migrar a Enterprise, ya que Pro se diseñó con límites de velocidad y restricciones de rendimiento que quizá no soporten un uso mayor. Una empresa de sesenta personas no puede simplemente seguir comprando puestos Pro.
Personal, 0 dólares al mes. Un puesto de usuario, seguimiento de experimentos, registro y seguimiento de linaje, con ejecución local en cualquier máquina que disponga de Docker y Python. La restricción es inequívoca y se repite dos veces en la página: solo para proyectos personales, no se permite el uso corporativo.
Advanced Enterprise, plan a medida, con una licencia de prueba empresarial gratuita, que añade opciones de despliegue flexibles, conformidad con HIPAA, conectividad privada segura, claves gestionadas por el cliente, inicio de sesión único, aprovisionamiento automatizado, roles personalizados, registros de auditoría y un paquete de soporte empresarial.
Gratuito a perpetuidad para la investigación académica: proyectos y equipos ilimitados y 200 GB de almacenamiento en la nube sin coste. La elegibilidad se define como una licencia Pro gratuita para instituciones académicas que realicen investigación sin vínculo con una entidad con ánimo de lucro; está destinada a estudiantes, personal docente e investigadores posdoctorales, y exige una dirección de correo institucional activa. La licencia incluye todas las funciones de Pro, horas de seguimiento ilimitadas, 200 GB de almacenamiento en la nube, hasta 25 GB de ingesta de Weave al mes y hasta cien puestos, con almacenamiento adicional a 0,03 dólares por GB y mes.
Pro se factura por anticipado de forma mensual o anual. Los puestos de modelo se prorratean si se añaden a mitad de periodo, aunque no se emiten abonos por los puestos retirados. La ingesta de Weave, la inferencia y el almacenamiento se facturan mensualmente a mes vencido según el consumo. Los planes Enterprise se facturan anualmente por anticipado.
El almacenamiento se calcula como media ponderada de treinta días según la aritmética en GB-día expuesta arriba y abarca tanto los artefactos como los datos registrados en las ejecuciones. Los artefactos por referencia y los datos en cubos externos no computan. La inferencia se factura por modelo, con créditos gratuitos ofrecidos por tiempo limitado y un crédito mensual de 5 dólares incluido en Pro, también temporal. CoreWeave Sandboxes se encuentra en vista previa pública con créditos mensuales de 10 y 25 dólares en los niveles gratuito y Pro respectivamente, igualmente limitados en el tiempo. Trate esas cuatro líneas de crédito como promocionales y verifique las condiciones vigentes antes de presupuestar.
El nivel gratuito recibe soporte comunitario. Pro recibe soporte prioritario por correo y chat con una primera respuesta de 4 a 24 horas según la gravedad. Enterprise recibe de 1 a 4 horas según la gravedad y el paquete contratado. El horario laboral se define de 2 a 17 horas, hora del Pacífico, de lunes a viernes. Un canal propio de Slack o MS Teams y una persona dedicada de ingeniería de soluciones de IA solo se incluyen con el soporte Premium.
Elegir una herramienta de seguimiento de experimentos es sobre todo decidir qué está dispuesto a adoptar junto con ella.
MLflow es el estándar de código abierto y la comparación más habitual. Si la exigencia consiste en que el servidor de seguimiento le pertenezca por completo y no exista relación con un proveedor, MLflow la satisface. El contraargumento de W&B reside en la capa colaborativa alojada, en la implementación de Sweeps y en la vertiente de trazado generativo, que MLflow no ofrece de fábrica.
Neptune.ai y Comet ocupan posiciones vecinas entre las herramientas comerciales. La elección entre ellas suele depender del precio según el tamaño del equipo y de necesidades concretas de visualización, no de diferencias de capacidad.
TensorBoard sigue siendo la opción local sin fricción. Para una persona en una máquina es la respuesta correcta, y deja de serlo en el instante en que una segunda persona necesita ver los resultados.
Las plataformas nativas de nube como Vertex AI, SageMaker o Azure ML integran el seguimiento allí donde el entrenamiento ya se ejecuta. El precio es la portabilidad, precisamente lo que CoreWeave se comprometió públicamente a no arrebatar a los clientes de W&B.
LangSmith, Langfuse y Arize Phoenix compiten específicamente con Weave y no con W&B en su conjunto. Los equipos que solo construyen aplicaciones de modelos de lenguaje y nunca entrenan modelos deberían evaluar ese campo más estrecho por separado.
Una observación estructural sobre la comparación: dado que el cliente de W&B está bajo licencia MIT y Weave bajo Apache-2.0, el código de instrumentación que usted escriba no constituye un callejón sin salida aunque el servicio alojado siga siendo propietario. Eso reduce, sin eliminarlo, el coste de cambiar de opinión más adelante.
Este apartado es más extenso que los demás porque las restricciones aquí recogidas están documentadas y no son conjeturas, y porque varias de ellas residen en el contrato marco y no en la página de precios.
Los datos de clientes gratuitos y académicos pueden emplearse para pruebas y desarrollo. El contrato marco establece que W&B puede utilizar los datos de clientes gratuitos y académicos con fines de prueba y desarrollo. Es la frase más importante de esta página para quien contemple el nivel gratuito para investigación no publicada o trabajo comercialmente sensible, y no aparece en ningún lugar de la página de precios. Los niveles de pago no quedan cubiertos por esta cláusula. Léala antes de depositar allí los experimentos no publicados de un laboratorio.
El nivel Personal del alojamiento privado prohíbe el uso corporativo. Solo proyectos personales. Quien levante un servidor local en un portátil de trabajo para un proyecto de trabajo queda fuera de esa licencia.
Los planes gratuitos no llevan compromiso de continuidad. W&B se reserva el derecho de modificar, interrumpir, suspender o cancelar cualquier plan de suscripción gratuito en cualquier momento, a su exclusiva discreción y sin aviso previo.
El cubo propio no cubre Weave. Se repite aquí porque es la limitación con mayor probabilidad de descarrilar una revisión de cumplimiento tardía. Las trazas de IA generativa no pueden mantenerse actualmente en su propio cubo.
Las funciones de IA y sus salidas no cuentan con garantía en propiedad intelectual. El acuerdo es explícito: W&B no declara ni garantiza que dichas funciones o salidas estén libres de propiedad intelectual de terceros, y no está obligada a indemnizar al cliente frente a reclamaciones por infracción relacionadas con ellas. Todo se presta tal cual. Además, el cliente reconoce que, por la naturaleza del aprendizaje automático, las salidas pueden ser inexactas o idénticas entre varias personas usuarias, y debe evaluar toda salida antes de confiar en ella.
Las funciones en versión beta no llevan garantía, indemnización, acuerdo de nivel de servicio ni soporte, y pueden interrumpirse en cualquier momento sin responsabilidad. Dado que Sandboxes se encuentra en vista previa pública, esta cláusula opera de forma real y no hipotética.
Las ejecuciones son en la práctica solo ampliables. Las pruebas de la comunidad son constantes y antiguas: renombrar grupos de ejecuciones terminadas (abierto desde 2020, 66 reacciones), fusionar ejecuciones antiguas con una nueva (2022, 51), copiar entre proyectos (2023, 37) y reutilizar un nombre eliminado (2020, 26) siguen siendo peticiones abiertas. Estructure sus proyectos en consecuencia.
La autenticación en cuadernos puede ser frágil. La incidencia relativa al inicio de sesión en Colab lleva abierta desde 2021 y suma 38 comentarios.
Los nombres y logotipos de clientes pueden usarse en marketing. El acuerdo prevé que el cliente consiente su uso por parte de W&B en materiales de marketing, anuncios públicos y comunicaciones a inversores.
La exportación de datos le corresponde a usted, y el momento importa. El cliente es el único responsable de exportar los datos antes del vencimiento o la resolución, tras lo cual W&B los elimina conforme a sus políticas. Las obligaciones de pago son irrevocables y las tarifas no reembolsables, salvo disposición expresa.
La exención de garantías es amplia. Fuera de la cláusula específica de garantía, los activos se prestan tal cual, quedando expresamente excluidas las garantías de rendimiento, comerciabilidad, idoneidad para un fin concreto y no infracción, sin garantía de ausencia de errores ni de funcionamiento ininterrumpido.
La ley aplicable es la del estado de Nueva York, con jurisdicción exclusiva del condado de Nueva York y renuncia al juicio con jurado. La clientela de fuera de Estados Unidos debería incorporar el coste de resolución de disputas a su análisis de compra.
No apto para menores de trece años.
No existe ninguna valoración de terceros verificable. Es una limitación de las pruebas disponibles y no del producto, y se enuncia sin disimulo. El perfil de wandb.ai en Trustpilot no está reclamado, muestra 0,0 y cuenta con cero reseñas; la página indica literalmente que la empresa aún no ha recibido ninguna valoración. Los demás intentos de verificación fracasaron en el momento de la descarga. Se intentó con el sitio de reseñas de software G2 y con la plataforma de valoraciones Gartner Peer Insights. También se intentó con el directorio SourceForge y con el sitio tecnológico Slashdot. Al haber quedado bloqueadas esas cuatro fuentes, en esta página no se cita ninguna valoración procedente de ellas. Para una infraestructura de desarrollo cuyos usuarios se expresan mediante incidencias de GitHub y no mediante portales de reseñas, ese vacío no sorprende, pero implica que las pruebas de terceros descansan aquí en la cobertura periodística y en datos verificables de repositorio, no en puntuaciones. Advertencia conexa: ese perfil sin reclamar sitúa la sede de la empresa en Anguila, lo que contradice la dirección de San Francisco que figura en el contrato y no debería tomarse por válido.
El tratamiento de datos se concentra en Estados Unidos. La tabla de subencargados indica Estados Unidos o elección del cliente para AWS, Azure, GCP y Clickhouse, mientras que CoreWeave, consignada allí como sociedad afiliada para la administración de la infraestructura en la nube, junto con Datadog y Hex, figuran con Estados Unidos. La matriz aparece por tanto en la cadena de tratamiento en una posición que la elección de región por parte del cliente no modifica.
El programa de recompensas por errores tiene un alcance estrecho. Solo optan a recompensa los hallazgos en qa.wandb.ai y api.qa.wandb.ai, quedando excluidos todos los demás subdominios. Las recompensas van de 50 a 100 dólares en gravedad baja hasta 750 a 1.000 dólares en casos críticos como inyección de SQL, ejecución remota de código, elevación de privilegios o petición falsificada hacia un servicio interno. Quienes investiguen deben firmar un acuerdo de confidencialidad y no pueden comentar públicamente sus hallazgos sin autorización escrita, lo que limita la señal pública de seguridad disponible para la clientela potencial.
En un producto cuya compra deciden con frecuencia los equipos de seguridad y no los de ingeniería, la lista de certificaciones merece transcribirse con exactitud. La plataforma cuenta con tres certificaciones de normas internacionales. La primera atañe a los sistemas de gestión de la seguridad de la información en su edición de 2022. La segunda cubre los controles de seguridad propios de los servicios en la nube. La tercera se refiere a la protección de la información personal identificable en la nube. Más allá de las certificaciones, la plataforma cumple el marco de auditoría SOC 2 de tipo 2 y los requisitos de la ley estadounidense sobre portabilidad y responsabilidad del seguro médico. El proveedor indica además que ayuda a su clientela a cumplir el marco federal estadounidense de controles de seguridad para sistemas de información, y se declara alineado con los requisitos del reglamento general europeo de protección de datos en el tratamiento de información personal.
El cifrado emplea TLS 1.2 o superior en tránsito y AES 256 en reposo. La autenticación admite inicio de sesión único mediante OIDC, LDAP o SAML, con control de acceso basado en roles para la granularidad necesaria. Las pruebas de seguridad combinan análisis periódicos de vulnerabilidades con pruebas de intrusión, y el programa de cumplimiento incorpora tanto revisiones internas como evaluaciones independientes de terceros.
La disponibilidad de funciones varía por nivel y conviene contrastarla con los propios requisitos. El marco SOC 2 de tipo II y la retención configurable mediante la vida útil de los artefactos figuran en todos los niveles, mientras que las listas de direcciones permitidas, la conectividad privada segura de entrada y salida y las claves de cifrado gestionadas por el cliente para AWS y GCP se marcan como disponibles solo con alojamiento privado. La conformidad con HIPAA se marca como posible mediante el cubo propio. Los roles personalizados y el uso de un cubo propio se marcan como no disponibles con Weave.
El conjunto documental jurídico se publica en un único punto de entrada e incluye las condiciones de uso del sitio, el contrato marco de servicios, las condiciones relativas a la IA, un acuerdo de nivel de servicio, una política de soporte, un anexo de tratamiento de datos, la política de privacidad y una declaración sobre esclavitud moderna. La existencia de un anexo de tratamiento y de un acuerdo de nivel de servicio como documentos públicos independientes constituye por sí sola una señal de madurez relevante para la compra.
A CoreWeave. La adquisición se completó el 5 de mayo de 2025, fue anunciada por CoreWeave, Inc. (Nasdaq: CRWV) y está confirmada en la página institucional de la propia W&B. La entidad contratante no ha cambiado: los acuerdos se firman todavía con Weights and Biases, LLC, sociedad de Delaware con sede en San Francisco. El cofundador Lukas Biewald ostenta ahora el título de gerente general y cofundador.
No, y CoreWeave lo declaró públicamente en su comunicado de cierre: la compañía mantiene su apuesta por la interoperabilidad de la plataforma para que la clientela pueda elegir cualquier modalidad de despliegue, cualquier proveedor de infraestructura y cualquier modelo fundacional, marco o protocolo. Trátelo como un compromiso público y no como una cláusula, y tenga presente el contrapeso práctico: CoreWeave figura ahora en la tabla de subencargados como sociedad afiliada encargada de administrar la infraestructura en la nube.
El nivel gratuito en la nube cuesta 0 dólares al mes e incluye la evaluación de aplicaciones, el trazado, los evaluadores, el seguimiento de experimentos, el registro con linaje y el soporte comunitario. Los topes son cinco puestos de modelo, 5 GB de almacenamiento mensual y 1 GB de ingesta de Weave mensual. Termina en la colaboración: equipos ilimitados, controles de acceso por equipo, cuentas de servicio, automatizaciones de CI/CD y avisos requieren todos Pro. La limitación más relevante, sin embargo, no es una cuota sino una cláusula contractual: W&B puede utilizar los datos de clientes gratuitos y académicos con fines de prueba y desarrollo.
Sí, y las condiciones son concretas. Se trata de una licencia Pro gratuita para instituciones académicas que realicen investigación sin vínculo con una entidad con ánimo de lucro, destinada a estudiantes, personal docente e investigadores posdoctorales, con exigencia de una dirección de correo institucional activa. Incluye todas las funciones de Pro, horas de seguimiento ilimitadas, 200 GB de almacenamiento en la nube, hasta 25 GB de ingesta de Weave al mes y hasta cien puestos. El almacenamiento adicional cuesta 0,03 dólares por GB y mes. La cláusula sobre uso de datos para pruebas y desarrollo aplicable a las cuentas gratuitas rige también aquí.
Son líneas de producto separadas, con puntos de entrada y repositorios distintos. wandb cubre el entrenamiento de modelos, es decir, seguimiento de experimentos, Sweeps, artefactos y registro, y su cliente está bajo licencia MIT. weave cubre las aplicaciones de IA generativa, esto es, trazado de llamadas a modelos, evaluación, supervisión en producción, métricas de juicio por modelo de lenguaje y supresión de datos personales, bajo Apache-2.0. Comparten cuenta y facturación, pero Weave dispone de una cuota de ingesta medida por separado del almacenamiento.
Solo en parte. Se admiten el servicio de objetos de CoreWeave, la oferta S3 de Amazon, el almacenamiento en la nube de Google, el almacenamiento de objetos de Azure y soluciones compatibles con S3 como la versión empresarial de MinIO. Sin embargo, el mecanismo no está disponible para Weave, de modo que las trazas generativas no pueden residir allí. Y aun donde sí se aplica, la base de datos central conserva los metadatos de personas usuarias, equipos, artefactos, experimentos y proyectos, además de los Reports, los registros de experimentos, las métricas del sistema y los registros de consola.
El almacenamiento es una media ponderada de treinta días y no un pico. El ejemplo publicado por el proveedor: 100 GB durante quince días, 200 GB durante un día y 300 GB durante catorce días suman 5.900 GB-día, que divididos entre treinta dan 196,6 GB, redondeados a 197 GB para el mes. La palanca principal son los artefactos por referencia: los datos guardados en un cubo externo no computan en la cuota, solo lo hacen los metadatos almacenados en W&B.
Sí. Hacen falta Docker y Python, y el servidor funciona en Linux, macOS o Windows. El arranque se hace con pip install wandb y después wandb server start. Lo que asume lo enuncia el proveedor: obtiene control total sobre sus datos y su privacidad, pero la gestión del almacenamiento y de las copias de seguridad queda de su lado. Repare también en la separación de licencias: el nivel Personal gratuito es solo para proyectos personales y prohíbe el uso corporativo, de modo que un autoalojamiento empresarial exige el plan Advanced Enterprise.
Porque no pudo verificarse ninguna de primera mano. El perfil de wandb.ai en Trustpilot no está reclamado, muestra 0,0 y cuenta con cero reseñas. Las otras cuatro fuentes consultadas quedaron bloqueadas durante la investigación, por lo que no se cita ninguna de sus valoraciones. En lugar de repetir una cifra sin verificar, esta página se apoya en lo comprobable: métricas de repositorio, incidencias abiertas de la comunidad, precios publicados y el texto contractual.
Las bibliotecas cliente lo son; el servicio alojado no. wandb/wandb está bajo licencia MIT con 11.239 estrellas, 886 bifurcaciones y 954 incidencias abiertas, y se creó en marzo de 2017. wandb/weave está bajo Apache-2.0 con 1.121 estrellas y 226 incidencias abiertas. Ambos recibieron confirmaciones el día de esta investigación. Puede leer y bifurcar el código de instrumentación, pero el servicio en la nube que conserva y sirve sus ejecuciones sigue siendo propietario.
