Los mercados de intercambio de modelos de aprendizaje automático han surgido como una plataforma popular para que individuos y empresas compartan y accedan a modelos de aprendizaje automático. Estos mercados permiten que más personas se beneficien del campo de la inteligencia artificial y aprovechen sus ventajas a una escala más amplia. Sin embargo, estos mercados enfrentan desafíos en el diseño de incentivos efectivos para que los propietarios de modelos compartan sus modelos y para que los usuarios de los modelos proporcionen una retroalimentación honesta sobre la calidad del modelo. Este documento propone un marco teórico novedoso basado en la teoría de juegos para los mercados de intercambio de modelos de aprendizaje automático que aborda estos desafíos. Nuestro marco incluye dos componentes principales: un mecanismo para incentivar a los propietarios de modelos a compartir sus modelos y un mecanismo para fomentar la evaluación honesta de la calidad del modelo por parte de los usuarios del modelo. Para evaluar la efectividad de nuestro marco, realizamos experimentos y los resultados demuestran que nuestro mecanismo para incentivar a los propietarios de modelos es efectivo para fomentar el intercambio de modelos de alta calidad, y nuestro sistema de reputación fomenta la evaluación honesta de la calidad del modelo.