Meta vuelve a los pesos abiertos: Muse Glimmer apuesta por IA local y agentes offline

Meta ha vuelto a mover ficha en la carrera de la inteligencia artificial con el lanzamiento de Muse Glimmer, un modelo de unos 30.000 millones de parámetros diseñado para ejecutar tareas de tipo agente directamente en el ordenador del usuario, sin depender de servidores remotos. La compañía ha publicado sus pesos bajo licencia Apache 2.0, retomando una estrategia de apertura que había quedado en duda tras el lanzamiento cerrado de Muse Spark en abril.

El movimiento viene acompañado de un extenso ensayo de Mark Zuckerberg en el que defiende que la IA de pesos abiertos es el camino para evitar una concentración extrema de poder y advierte que Estados Unidos debe ajustar sus políticas si quiere competir con los modelos chinos.

Un modelo pensado para el escritorio

Muse Glimmer no busca competir en tamaño con los gigantes cerrados de OpenAI o Anthropic, sino en utilidad práctica. Está optimizado para trabajar como un agente: puede mantener un plan durante varios pasos, llamar a herramientas externas, interpretar resultados y continuar incluso si algo falla. Meta lo ha entrenado con texto e imágenes intercalados, soporta más de 100 idiomas y ofrece versiones cuantizadas que reducen su huella de memoria para que pueda ejecutarse en hardware de consumo, como un Mac o un PC con una sola tarjeta gráfica.

Las exigencias de memoria siguen siendo altas —la versión más ligera requiere al menos 24 GB de VRAM y LM Studio recomienda 26 GB de RAM—, pero la dirección es clara: llevar la inferencia potente al dispositivo local.

Esa capacidad de funcionar offline tiene implicaciones directas para América Latina. En regiones con conectividad intermitente o costosa, ejecutar un modelo de IA en el equipo propio elimina la dependencia de la nube y reduce los gastos recurrentes de API. Para una startup en Bogotá o un equipo de datos en São Paulo, poder descargar los pesos de Glimmer y usarlos sin límite de consultas, sin enviar datos a servidores externos, puede ser una ventaja competitiva importante. Además, la licencia Apache 2.0 permite modificar el modelo y adaptarlo a necesidades locales, algo que los modelos cerrados no ofrecen.

El debate geopolítico de los pesos abiertos

Zuckerberg aprovechó el lanzamiento para publicar un ensayo de más de 6.000 palabras titulado “El futuro es para todos”, en el que argumenta que la verdadera amenaza no es la inteligencia artificial en sí, sino su control centralizado. “La idea de que la IA es tan peligrosa que el único camino seguro es una concentración extrema de poder parece intrínsecamente problemática”, escribió. El mensaje apunta directamente a OpenAI y Anthropic, que mantienen sus modelos más avanzados bajo acceso controlado, y también a los laboratorios chinos que han tomado la delantera en el ámbito de los pesos abiertos.

Empresas como Moonshot con Kimi K3, Alibaba con Qwen3.8-Max y DeepSeek con V4-Flash han demostrado que los modelos abiertos pueden igualar el rendimiento de los sistemas cerrados estadounidenses. Zuckerberg señaló que los laboratorios estadounidenses enfrentan restricciones adicionales en el uso de datos de entrenamiento que sus rivales chinos no tienen, y pidió que la política estadounidense reduzca esa fricción para que los modelos abiertos de EE.UU. puedan liderar a largo plazo. Meta también anunció un fondo de 1.000 millones de dólares para mitigar el impacto local de sus centros de datos y una estructura de gobernanza interna para aprobar criterios de seguridad en el lanzamiento de modelos.

¿Qué significa esto para un ejecutivo latinoamericano?

La apuesta de Meta por los modelos abiertos y ejecutables en local abre oportunidades concretas. Para una empresa de logística en México que quiera automatizar la planificación de rutas sin depender de una conexión permanente a la nube, un modelo como Glimmer puede integrarse en sistemas existentes usando herramientas como Bionic o llama.cpp. Para un banco en Chile preocupado por la privacidad de los datos de sus clientes, mantener la inferencia en el dispositivo reduce los riesgos de filtraciones. Y para cualquier organización que quiera personalizar el comportamiento de un agente de IA sin pagar por cada consulta, los pesos abiertos son un habilitador directo.

El debate sobre la regulación también toca a la región. Mientras Estados Unidos revisa sus políticas —la administración Trump ya comunicó que no someterá a los modelos abiertos a pruebas de seguridad voluntarias—, los gobiernos latinoamericanos observan cómo equilibrar la promoción de la innovación con la protección de datos. Lo que está claro es que la batalla por el estándar abierto o cerrado de la IA definirá qué tipo de ecosistema tecnológico tendremos en los próximos años. Y por ahora, Meta ha vuelto a colocar una ficha del lado de la apertura, con un modelo que, pese a sus exigencias de hardware, demuestra que la inteligencia artificial no tiene que ser siempre un servicio remoto.