Meta Platforms ha lanzado **Muse Glimmer**, un nuevo modelo de inteligencia artificial Open-weight que vuelve a colocar a la compañía en el centro del debate sobre si la IA avanzada debe permanecer controlada por unas pocas plataformas cerradas o estar disponible para que desarrolladores y organizaciones puedan ejecutarla y personalizarla.
- Muse Glimmer apunta a los AI Agents locales
- Meta prepara modelos abiertos más grandes
- Qué diferencia a Open-weight AI
- La IA china aumenta la presión competitiva
- Distillation entra en el debate regulatorio
- Cybersecurity añade otro argumento
- Meta prepara nueva Governance
- EE.UU. no someterá los Open Models a pruebas voluntarias
- Meta puede gastar 145.000 millones de dólares en infraestructura
- Los inversores evalúan la estrategia
- Muse Glimmer puede hacer más prácticos los Local AI Agents
Muse Glimmer es considerablemente más pequeño que los mayores Frontier Models. Meta lo ha diseñado para Agentic Workloads que puedan ejecutarse directamente sobre Hardware de computación personal. Mark Zuckerberg afirma que tiene aproximadamente **30.000 millones de parámetros**, mientras Reuters informa de que puede funcionar en un Mac o PC equipado con una sola Graphics Card.
Meta también prepara la publicación de los Weights de **Muse Spark 1.2**, un Foundation Model más capaz, señal de que Muse Glimmer representa el comienzo de una renovada estrategia de modelos abiertos.
Muse Glimmer apunta a los AI Agents locales
Muse Glimmer persigue un objetivo diferente al de los modelos de IA más grandes.
En lugar de maximizar su tamaño, Meta quiere ejecutar pequeñas y medianas Agentic Tasks directamente en los ordenadores de los usuarios.
Un Agentic AI puede dividir un objetivo en varios pasos, utilizar Software Tools, analizar información, generar contenido, escribir o revisar Code y continuar realizando Actions hasta completar un trabajo.
Leer más
Estos sistemas pueden realizar numerosas llamadas al modelo dentro de un solo Workflow.
Ejecutarlos localmente puede reducir Latency y Cloud Cost y permitir que una organización mantenga más información dentro de su propia infraestructura.
Reuters señala que Muse Glimmer puede utilizar una sola Graphics Card en un Mac o PC.
Meta prepara modelos abiertos más grandes
Muse Glimmer no será el único lanzamiento.
Zuckerberg confirmó que Meta tiene modelos más grandes en camino y publicará los Weights de **Muse Spark 1.2**.
Muse Spark 1.2 también alimenta **Muse Code**, el sistema de Coding AI recientemente presentado por Meta.
Muse Code puede ayudar a escribir y depurar Software, trabajar en proyectos largos y ejecutar varios Sub-agents en paralelo.
La apertura de Muse Spark 1.2 supone un movimiento estratégico importante.
Meta había sido una de las empresas estadounidenses más asociadas con los modelos abiertos, pero la recepción de Llama 4 llevó a cambios en su estrategia.
Posteriormente creó un costoso equipo de Superintelligence para recuperar impulso en la carrera de IA.
Qué diferencia a Open-weight AI
Un modelo Open-weight permite descargar sus Weights entrenados bajo los términos de su License.
Eso no significa necesariamente que todo el Training Process, Dataset o Development Pipeline sea abierto, de ahí que Open-weight sea una descripción más precisa que Open Source en muchos casos.
Para empresas y Developers, disponer de los Weights permite ejecutar el modelo en Infrastructure propia, adaptarlo a tareas especializadas y conectarlo a sistemas internos.
También puede reducir la dependencia de un único Cloud AI Provider.
Por el contrario, los modelos comerciales avanzados de OpenAI, Anthropic y Google funcionan generalmente como servicios cerrados.
Reuters señala que los Open-weight Models suelen ser más baratos que los principales Frontier Systems y ofrecen más facilidad para Customization.
La IA china aumenta la presión competitiva
La postura de Zuckerberg coincide con un fuerte avance de desarrolladores chinos en Open-weight AI.
Reuters destaca **Kimi K3 de Moonshot, Qwen3.8-Max de Alibaba y V4-Flash de DeepSeek** como sistemas capaces de competir con algunos de los mejores modelos estadounidenses.
La disponibilidad abierta puede convertirse en una ventaja estratégica.
Si Developers de todo el mundo pueden descargar modelos chinos de alto rendimiento mientras los principales modelos estadounidenses permanecen en plataformas cerradas, podrían surgir ecosistemas completos alrededor de la tecnología china.
Zuckerberg sostiene que los laboratorios estadounidenses no deberían sufrir desventajas innecesarias.
Afirma que las restricciones adicionales sobre Training Data generan fricción y que la política estadounidense debería reducirla para mantener el liderazgo.
Distillation entra en el debate regulatorio
Zuckerberg también destacó **Model Distillation**.
La técnica utiliza Outputs o capacidades de un sistema potente para entrenar un modelo más pequeño que pueda ejecutar algunas tareas similares con mucho menos Compute.
Es especialmente relevante para modelos como Muse Glimmer.
La industria necesita cada vez más sistemas pequeños para Specialized Workloads sin infraestructura de escala Frontier.
Meta quiere suficiente flexibilidad normativa sobre Training Data y Distillation para que los Developers estadounidenses puedan competir internacionalmente.
La cuestión crecerá en importancia conforme el sector se divida entre gigantescos Frontier Models y modelos optimizados para Devices, Enterprise y Specialized Agents.
Cybersecurity añade otro argumento
Open-weight AI también está ganando atención por Cybersecurity.
Reuters señala que las empresas están cada vez más preocupadas por incidentes recientes relacionados con sistemas de AI autónomos.
Hugging Face dijo que utilizó un Open-weight Model chino para responder a un ataque porque algunos modelos cerrados imponían restricciones al uso en Cybersecurity.
Esto muestra un Trade-off.
Las restricciones de los proveedores pueden reducir usos perjudiciales, pero también limitar investigaciones legítimas de seguridad.
Operar un Open-weight Model da a una organización más control, aunque también le transfiere mayor responsabilidad sobre Security y Safety.
Meta prepara nueva Governance
Zuckerberg dijo que Meta establecerá una Governance Structure que permita a Independent Directors aprobar los Safety Criteria utilizados para decidir cuándo liberar modelos.
El objetivo es equilibrar una disponibilidad más amplia con la gestión de riesgos.
La cuestión se vuelve más compleja conforme los modelos adquieren capacidades de Coding, Autonomous Tool Use y Cybersecurity.
Meta considera que Open Availability y Safety Oversight no tienen por qué excluirse mutuamente.
La empresa pretende aplicar criterios internos antes de publicar los Weights.
EE.UU. no someterá los Open Models a pruebas voluntarias
El entorno político estadounidense también está cambiando.
Reuters informó de que la administración estadounidense comunicó a los Developers de AI que los Open-weight Models no pasarán por pruebas voluntarias gubernamentales de Safety.
Una obligación de este tipo podría haber aumentado el tiempo y los Compliance Costs antes de publicar Weights.
Zuckerberg reclama además menos restricciones sobre Training Data e Infrastructure.
También rechaza limitar el acceso a modelos extranjeros como solución eficaz a la competencia internacional.
Meta puede gastar 145.000 millones de dólares en infraestructura
Impulsar Local AI no significa que Meta vaya a dejar de construir enormes Data Centers.
Zuckerberg afirma que Meta podría gastar hasta **145.000 millones de dólares este año en AI Infrastructure**.
La compañía anunció además un **fondo de 1.000 millones de dólares** para apoyar a comunidades afectadas por la expansión de Data Centers.
La oposición local ha aumentado debido al consumo de Electricity, Land, Water y Transmission Infrastructure.
Zuckerberg argumenta que Estados Unidos tiene desventajas frente a países como China porque construir infraestructura resulta más difícil.
La competencia de modelos abiertos está así directamente conectada con la carrera por infraestructura física de AI.
Los inversores evalúan la estrategia
Las acciones de Meta habían caído aproximadamente **10% en el año** antes del anuncio.
Reuters informó inicialmente de una subida en Premarket Trading mientras los inversores evaluaban el lanzamiento y la estrategia de IA.
El mercado vigila la enorme cantidad de capital que Meta y otras tecnológicas destinan a AI Infrastructure.
Meta no solo necesita producir modelos técnicamente competitivos.
También debe demostrar que las decenas de miles de millones invertidas en infraestructura, investigadores y Superintelligence pueden generar productos útiles y Economic Value sostenible.
Muse Glimmer puede hacer más prácticos los Local AI Agents
La importancia de Muse Glimmer no reside en ser el modelo más grande.
Refleja el creciente interés por sistemas más pequeños capaces de realizar trabajo real cerca del usuario.
Un modelo de 30.000 millones de parámetros capaz de funcionar en Personal Hardware apropiado abre posibilidades para Coding Agents, Business Automation, Research Systems y Private Document Processing.
Esto no elimina el Cloud AI.
Una arquitectura más probable es Hybrid: modelos locales pequeños para tareas rutinarias y Frontier Models grandes cuando se necesite Reasoning más avanzado.
Con Muse Glimmer y la futura apertura de Muse Spark 1.2, Meta vuelve directamente a la competencia por la capa de Software que sustentará el futuro ecosistema de AI Agents.
