Saltar al contenido principal

Benchmark comparativo

Esta sección compara dashAI con KNIME Analytics Platform, Orange Data Mining y WEKA, tres plataformas de machine learning de código abierto y sin código que cumplen los criterios de selección descritos en la sección de Metodología a continuación.

Metodología​

El conjunto de plataformas consideradas se restringió a herramientas que satisfacen conjuntamente tres condiciones: distribución de código abierto, operación sin código para el usuario final, y una arquitectura de catálogo que puede ser extendida por terceros. KNIME Analytics Platform, Orange Data Mining y WEKA cumplen estas condiciones junto con dashAI.

La comparación se organiza en torno a tres dimensiones medibles: los términos de licencia, el mecanismo de extensión, y la cobertura de paradigmas de tareas del catálogo nativo. Para las dimensiones de licencia y extensibilidad, cada afirmación a continuación está vinculada directamente a su fuente primaria (texto oficial de la licencia, documentación oficial para desarrolladores, o el archivo fuente correspondiente), ya sea en línea o en la sección de Fuentes. Para la dimensión de cobertura de tareas, los conteos de catálogo se obtuvieron mediante inspección directa de la propia interfaz de cada plataforma (repositorio de nodos, catálogo de widgets, gestor de paquetes, o catálogo de modelos) en lugar de a partir de un único listado externo, ya que ninguna de las cuatro plataformas publica un conteo canónico desglosado de esta manera; consulte Fuentes para más detalle.

Licencia​

dashAI se distribuye bajo la licencia MIT, que permite el uso, la modificación y la redistribución —incluso en entornos comerciales o institucionales— sujeto a la conservación del aviso de copyright y licencia original.

KNIME y Orange se distribuyen bajo GPLv3; WEKA, bajo GPL. Las tres licencias imponen obligaciones de copyleft sobre los trabajos derivados distribuidos. KNIME además ofrece funcionalidades no incluidas en su distribución de código abierto —programación de tareas, despliegue gobernado, control de acceso basado en roles, y la AI Extension— disponibles únicamente a través de KNIME Business Hub bajo una licencia comercial.

Extensibilidad​

dashAI expone doce clases base, organizadas por rol funcional, incluyendo BaseModel, BaseMetric, BaseTask y BaseExplainer. Un nuevo componente se implementa creando una subclase de la clase base correspondiente y declarando sus parámetros mediante un esquema de Pydantic; la plataforma deriva el formulario de configuración que se muestra en la interfaz directamente de este esquema, sin código adicional de frontend. El componente resultante se distribuye vía PyPI y se instala desde la propia interfaz de dashAI.

Los mecanismos de extensión de las otras tres plataformas son los siguientes:

Arquitectura de la interfaz​

dashAI adopta una arquitectura cliente-servidor: un servidor FastAPI expone el catálogo de componentes, los datasets, los trabajos de entrenamiento y los resultados; un frontend en React consume esa API vía HTTP. Cuando se registra un nuevo componente, el servidor expone su esquema JSON y el frontend renderiza el formulario de configuración sin conocimiento previo del componente. El servidor puede ejecutarse en cualquier máquina y ser accedido desde un navegador, incluso desde otro dispositivo en la misma red local.

KNIME está construido sobre Eclipse RCP, Orange sobre PyQt, y WEKA sobre Java Swing. En los tres casos la interfaz y la lógica de negocio se ejecutan en el mismo proceso; agregar un nuevo componente también requiere modificar la capa de presentación.

Cobertura de tareas​

El catálogo nativo de dashAI cubre cuatro tareas predictivas: clasificación tabular, regresión y clasificación de texto, cada una con quince modelos, y traducción, con nueve. Además incluye cinco modelos de lenguaje de gran tamaño (LLMs) y once modelos de generación de imágenes. Todos los modelos del catálogo nativo se ejecutan localmente. La optimización de hiperparámetros se soporta mediante dos frameworks integrados, Optuna y HyperOpt.

La interfaz está disponible en español, inglés, chino, alemán y portugués.

Tabla comparativa​

CriterioKNIMEOrangeWEKAdashAI
Licencia
LicenciaGPLv3GPLv3GPLMIT
Sin muro de pago en producciónNoSíSíSí
Extensibilidad
Lenguaje de extensiónJava (oficial) / Python (Labs)Python + Qt/PyQtJavaPython
Abstracciones por rol funcional1 (nodo genérico)1 (widget genérico)6 jerarquías Java12 clases base
Tipo de interfazEscritorio (Eclipse)Escritorio (PyQt)Escritorio (Java Swing)Web (React + FastAPI)
UI autogeneradaParcialNoParcialSí
Soporte GPUParcialParcialParcialParcial
Interfaz multilingüeNoNoNoSí
Catálogo nativo
Modelos de clasificación tabular~11~12~3915
Modelos de regresión~9~12~3215
Modelos de clasificación de textoParcialParcialParcial15
Modelos de traducciónParcialNoNo9
LLMs ejecutados localmenteNoNoNo5
Modelos de generación de imágenesParcialNoNo11
Frameworks de HPO integrados1012

Leyenda: Sí = soporte nativo completo, Parcial = soporte parcial o requiere extensiones adicionales, No = no soportado

Fuentes​

Licencia

Extensibilidad

Arquitectura de la interfaz

Catálogo nativo Los conteos del catálogo (modelos por tarea, soporte GPU, disponibilidad multilingüe, frameworks de HPO) se obtuvieron mediante inspección directa de la propia interfaz de cada plataforma (repositorio de nodos de KNIME, catálogo de widgets de Orange, Explorer/Package Manager de WEKA, y catálogo de modelos de dashAI), en lugar de a partir de un único listado externo, ya que ninguna de las cuatro plataformas publica un conteo autoritativo desglosado exactamente de esta manera.