Segun MarkTechPost (AI/ML News), Synthetic Sciences ha lanzado OpenScience, una plataforma abierta para investigación científica diseñada para entornos de inteligencia artificial. La herramienta opera bajo licencia Apache 2.0 y se ejecuta directamente en infraestructuras personales, permitiendo a los usuarios mantener el control sobre sus datos y claves. Esta iniciativa se posiciona como alternativa independiente a Claude Science de Anthropic, lanzada en junio de 2026, y enfatiza que los recursos de inteligencia artificial en ciencia no deben concentrarse en una sola empresa. OpenScience permite el intercambio libre de modelos y mantiene los datos localizados, sin necesidad de conexión a servidores remotos.
La plataforma es una interfaz web que guía a investigadores a través de un flujo completo: desde la revisión de literatura hasta la formulación de hipótesis, el desarrollo de código, la ejecución de experimentos y la redacción de resultados. Cualquier modelo de lenguaje, como Claude, GPT, Gemini, GLM, Kimi o DeepSeek, puede integrarse, ya sea mediante una API pública o mediante ajustes locales. La herramienta incluye más de 250 habilidades editables, además de acceso a bases de datos especializadas como UniProt, PDB, ChEMBL, arXiv y otras aproximadamente de 30, que funcionan como herramientas agentes dentro del entorno. La instalación es sencilla: mediante npm se ejecuta el comando "npm install -g @synsci/openscience", y luego se ingresa "openscience" para abrir el entorno en el navegador. El primer inicio presenta tres opciones: modelos gestionados por Atlas, o el uso de claves propias de proveedores, sin necesidad de registro.
Para el lector peruano, esta evolución en herramientas de inteligencia artificial tiene implicaciones directas en el acceso a innovaciones científicas. Muchos investigadores del país, especialmente en universidades o centros de innovación, enfrentan limitaciones por falta de infraestructura tecnológica o por costos elevados de servicios en la nube. OpenScience ofrece una solución que permite usar tecnologías avanzadas sin depender de plataformas comerciales, sin contratos de uso ni costos recurrentes. Al mantener los datos en el entorno local, se reduce el riesgo de exposición de información sensible, algo crítico en sectores como la salud o la agricultura. Además, al permitir el uso de múltiples modelos, se fomenta la diversidad de enfoques, lo que enriquece el proceso de descubrimiento. Este tipo de herramientas podría impulsar el desarrollo de soluciones nacionales en áreas clave, como la biotecnología o la sostenibilidad ambiental, sin necesidad de dependencia de tecnologías extranjeras.