Qué es PyTorch: para qué sirve, cómo funciona y novedades

¿Qué es PyTorch?
Contenido
  1. Qué es PyTorch y para qué sirve
  2. Quién creó PyTorch y quién lo gestiona hoy
  3. Cómo funciona PyTorch: grafo dinámico y autograd
  4. Novedades de PyTorch 2.15, la versión vigente
  5. PyTorch frente a TensorFlow
  6. El ecosistema de PyTorch y su uso en empresas
  7. Cuándo conviene usar PyTorch en tu empresa
  8. Preguntas frecuentes sobre PyTorch

PyTorch es una biblioteca de código abierto para crear y entrenar modelos de aprendizaje profundo con Python, tanto en GPU como en CPU. Nació en Meta, se publicó en 2016 y hoy la gestiona la PyTorch Foundation, dentro de la Linux Foundation. En noviembre de 2026, su versión estable es la 2.15.

Qué es PyTorch y para qué sirve

PyTorch es una herramienta para programar redes neuronales. Su documentación oficial la define como una biblioteca de tensores optimizada para el aprendizaje profundo con GPU y CPU. Un tensor es una tabla de números con varias dimensiones, por ejemplo, una imagen o un lote de textos convertidos en cifras.

Con PyTorch se definen modelos, se entrenan con datos y se ponen en marcha para hacer predicciones. Por eso, según la propia PyTorch Foundation, su ecosistema apoya proyectos de visión por computadora y de procesamiento del lenguaje, entre otros. Si todavía no tienes claro qué es una red neuronal profunda, empieza por nuestra guía sobre qué es el deep learning y cómo funciona.

PyTorch se programa sobre todo en Python. Sin embargo, también ofrece una interfaz en C++, que su documentación describe como una biblioteca lista para investigación y producción. Así, un equipo puede investigar en Python y llevar partes críticas a C++.

Quién creó PyTorch y quién lo gestiona hoy

PyTorch nació dentro de Meta, la empresa matriz de Facebook. Según el comunicado de la Linux Foundation del 12 de septiembre de 2022, PyTorch se publicó en 2016 y se incubó en Meta. Además, Mark Zuckerberg lo describió en ese texto como el marco de IA de código abierto dirigido por investigadores de Meta.

Ese mismo día, PyTorch pasó a la recién creada PyTorch Foundation, bajo la Linux Foundation. Los miembros fundadores fueron AMD, Amazon Web Services, Google Cloud, Meta, Microsoft Azure y NVIDIA. Por lo tanto, PyTorch ya no depende de una sola empresa, sino de una fundación con gobierno abierto.

La fundación también ha crecido. En su página institucional, la PyTorch Foundation explica que, además del marco principal, aloja proyectos como vLLM, DeepSpeed, Ray, Helion y Safetensors.

Beneficios de la inteligencia artificial en la vida diaria
PyTorch en cuatro fechasPyTorch pasó de proyecto interno de Meta a plataforma abierta con versiones frecuentes.
  • 2016PyTorch se publica tras incubarse en Meta.
  • 2019Diciembre: Adam Paszke y otros autores publican el artículo que describe su diseño.
  • 202212 de septiembre: PyTorch pasa a la PyTorch Foundation, dentro de la Linux Foundation.
  • 202628 de octubre: sale PyTorch 2.15, con 3.117 cambios de 583 colaboradores.

Fuente: Linux Foundation, Paszke y otros, arXiv y PyTorch Foundation; consulta: 11 de noviembre de 2026.

Cómo funciona PyTorch: grafo dinámico y autograd

La gran seña de identidad de PyTorch es su estilo de programación. El artículo de Adam Paszke y otros autores, de diciembre de 2019, lo describe como un estilo imperativo y propio de Python, fácil de depurar. Es decir, el código se ejecuta línea a línea, como cualquier programa de Python.

El motor que hace posible el entrenamiento se llama autograd. Según el tutorial oficial de autograd, se trata del motor de diferenciación automática de PyTorch. En concreto, autograd calcula los gradientes, que indican cómo ajustar cada parámetro de la red para reducir el error.

Autograd trabaja con un grafo dinámico. El mismo tutorial explica que el grafo se vuelve a crear desde cero tras cada cálculo de gradientes. Por eso puedes cambiar la forma, el tamaño y las operaciones del modelo en cada iteración. Además, el modelo admite condiciones y bucles de Python que varían de una vuelta a otra.

La velocidad llegó con la serie 2. El tutorial de torch.compile indica que esta función existe desde PyTorch 2.0. También explica que compila el código en núcleos optimizados con cambios mínimos. Así, PyTorch conserva la comodidad del modo inmediato y gana rendimiento cuando hace falta.

Novedades de PyTorch 2.15, la versión vigente

PyTorch 2.15 se publicó el 28 de octubre de 2026, según el anuncio oficial de la versión. Ese anuncio detalla 3.117 cambios de 583 colaboradores desde la versión 2.14. Estas son las novedades más relevantes para una empresa:

  • Compatibilidad con Python 3.11 a 3.15. En cambio, deja de ofrecer paquetes para Python 3.10.
  • CUDA 13.2 como opción predeterminada para tarjetas NVIDIA y paquetes para ROCm 10.0 en tarjetas AMD.
  • Soporte de FP8 en chips de Apple, aunque la aceleración en Mac exige macOS 15 o posterior.
  • Un nuevo módulo de comunicación NCCL por defecto, pensado para diagnosticar bloqueos en entrenamientos con muchas GPU.

Por lo tanto, si vas a instalar PyTorch hoy, revisa primero tu versión de Python. La página principal de PyTorch permite elegir sistema operativo, gestor de paquetes y plataforma de cálculo antes de copiar el comando de instalación.

PyTorch frente a TensorFlow

PyTorch y TensorFlow resuelven el mismo problema: entrenar y desplegar modelos de aprendizaje automático. Sin embargo, parten de orígenes y estilos distintos. Si quieres profundizar en la alternativa de Google, consulta nuestra entrada sobre qué es TensorFlow y cómo se usa.

Cómo prepararse para un mundo con IA: consejos útiles
PyTorch y TensorFlow en noviembre de 2026
Aspecto PyTorch TensorFlow
Origen Meta, publicado en 2016 Google, código abierto desde noviembre de 2015
Gobierno PyTorch Foundation, en la Linux Foundation Google, que lo creó y lo publicó con licencia Apache 2.0
Versión estable 2.15, del 28 de octubre de 2026 2.21, del 6 de marzo de 2026
Versiones de Python 3.11 a 3.15 3.10 a 3.13
Estilo de trabajo Ejecución inmediata con grafo dinámico y torch.compile Ejecución inmediata y grafos con tf.function

El ecosistema de PyTorch y su uso en empresas

PyTorch no trabaja solo. Por ejemplo, la biblioteca torchvision reúne conjuntos de datos populares, arquitecturas de modelos y transformaciones de imagen para visión por computadora. Además, el módulo torch.distributed permite repartir el entrenamiento entre varias máquinas.

La propia página de PyTorch también destaca su soporte en las principales nubes, como Amazon Web Services, Google Cloud y Microsoft Azure. Entre sus casos citados, Amazon Advertising redujo un 71 % sus costes de inferencia con PyTorch, TorchServe y AWS Inferentia. A su vez, la Universidad de Stanford lo usa para investigar nuevos enfoques algorítmicos.

El ecosistema también cubre los modelos de lenguaje. Según la PyTorch Foundation, su capa abierta sirve para entrenar, optimizar y servir modelos, con proyectos como vLLM y DeepSpeed. Si te interesa esa parte, lee cómo funciona un modelo de lenguaje como ChatGPT.

Cuándo conviene usar PyTorch en tu empresa

PyTorch encaja bien cuando tu equipo necesita probar arquitecturas nuevas o ajustar modelos abiertos a sus propios datos. También conviene cuando el proyecto ya usa Python para el análisis de datos. Si dudas entre lenguajes, revisa qué lenguajes de programación se usan en inteligencia artificial.

En cambio, elegir la herramienta es solo una parte del proyecto. Antes hay que definir el problema de negocio, preparar los datos y decidir cómo se medirá el resultado. Si quieres apoyo en ese camino, conoce nuestros servicios de consultoría en inteligencia artificial y aprendizaje automático.

Preguntas frecuentes sobre PyTorch

¿PyTorch es gratis?

Sí. PyTorch es un proyecto de código abierto y cualquier persona puede instalarlo sin pagar licencia. Desde septiembre de 2022 lo gestiona la PyTorch Foundation, que forma parte de la Linux Foundation. Los costes reales de un proyecto con PyTorch suelen venir del hardware, como las GPU, y del tiempo del equipo técnico.

¿Quién creó PyTorch?

PyTorch nació en Meta, la empresa matriz de Facebook. Según la Linux Foundation, se publicó en 2016 tras incubarse allí y lo dirigían investigadores de Meta. En 2022 pasó a la PyTorch Foundation, cuyos miembros fundadores fueron AMD, Amazon Web Services, Google Cloud, Meta, Microsoft Azure y NVIDIA.

¿Cuál es la versión actual de PyTorch?

La versión estable en noviembre de 2026 es PyTorch 2.15. Salió el 28 de octubre de 2026 y reúne 3.117 cambios de 583 colaboradores desde la versión anterior. Funciona con Python 3.11 a 3.15 y usa CUDA 13.2 como opción predeterminada para tarjetas gráficas de NVIDIA.

¿Qué es mejor, PyTorch o TensorFlow?

Depende del proyecto. PyTorch destaca por su estilo propio de Python y su grafo dinámico, muy cómodo para investigar y probar ideas. TensorFlow ofrece Keras y herramientas como LiteRT para dispositivos móviles. Lo sensato es elegir según el equipo, los modelos que ya existen y el lugar donde se ejecutará el sistema.

¿Necesito una GPU para usar PyTorch?

No. PyTorch funciona en la CPU de cualquier computadora y sirve para aprender o para modelos pequeños. Sin embargo, para entrenar redes grandes conviene una GPU, porque acelera mucho los cálculos con tensores. PyTorch admite tarjetas de NVIDIA con CUDA, de AMD con ROCm y los chips de Apple.

¿Para qué sirve torch.compile?

Sirve para acelerar modelos de PyTorch sin reescribirlos. La función existe desde PyTorch 2.0 y compila el código en núcleos optimizados con cambios mínimos. Por eso un equipo puede desarrollar en modo inmediato, que es más fácil de depurar, y compilar el modelo cuando necesita más velocidad.

Scroll al inicio