Meta libera Muse Glimmer: una IA capaz que corre en tu laptop, sin data center

El 10 de agosto Meta publicó Muse Glimmer con los pesos abiertos: cualquiera puede descargarlo, inspeccionarlo y modificarlo. Es un modelo denso y multimodal —acepta texto e imágenes— de 30 mil millones de parámetros, y corre en una GPU de consumidor: en precisión completa pediría más de 55 GB de memoria, pero cuantizado a unos 4 bits baja de los 20 GB. La licencia es Apache 2.0, la más permisiva del mercado. Se entrena por destilación a partir de Muse Spark, el modelo grande y cerrado de la casa.

Zuckerberg acompañó el lanzamiento con un ensayo de 6.500 palabras, The Future is for Everyone, y anunció además que abrirá los pesos de Muse Spark 1.2, su modelo más potente. Ojo con esto último: todavía no lo hizo. Spark 1.2 salió el 5 de agosto y hoy sigue cerrado, disponible solo por API de pago; Meta habla de "las próximas semanas" sin comprometer fecha ni licencia. Lo que ya se puede descargar es Glimmer.

Lo que cambia para quien dirige una empresa

No es el benchmark: es la ecuación de costos y de control.

Hasta ahora, usar un modelo competente significaba dos cosas simultáneas: pagar por token a un proveedor y mandar tus datos a su nube. Un modelo que corre en tu propio hardware da vuelta las dos. Cero costo por consulta y datos que nunca salen de tu equipo.

Para una PyME que hace miles de consultas al mes y ya siente la factura de API, o que no quiere subir información sensible a un tercero, deja de ser una discusión teórica y pasa a ser una alternativa concreta.

El telón de fondo es una pelea de modelos de negocio

OpenAI y Anthropic mantienen sus modelos cerrados y cobran el acceso. Meta apuesta a lo contrario: regalar los pesos y construir escala alrededor.

Y hay un tercer actor. Los modelos abiertos chinos —Alibaba, DeepSeek, Moonshot— vienen avanzando rápido y compitiendo de igual a igual en varias áreas. Aquí conviene precisar el argumento de Zuckerberg, porque no es el que suele atribuírsele: no pide bloquear a los chinos, pide competirles. En el ensayo lo dice sin rodeos: "No creo que restringir el acceso a los modelos abiertos extranjeros sea una solución eficaz. Nuestra meta debería ser que los modelos abiertos estadounidenses sean los mejores del mundo". Su reclamo apunta hacia adentro: que las reglas estadounidenses sobre datos de entrenamiento y destilación le ponen a los laboratorios locales una fricción que sus competidores no tienen.

Para el usuario empresarial la disputa geopolítica es secundaria. Lo concreto es que hoy existe una opción gratis y auditable que hace un año no estaba disponible a este nivel.

Un par de matices antes de entusiasmarse

Pesos abiertos no es lo mismo que gratis de operar. Necesitas hardware y alguien que lo mantenga. Ese costo no desaparece: se traslada.

Y un modelo de 30B no le gana a los modelos frontera cerrados en las tareas más difíciles. Sirve para automatizar y asistir, no para todo. Meta mismo dibuja la línea: Glimmer es el que se descarga, Spark es el que se paga.

La pregunta correcta no es "abierto o cerrado". Es qué parte de tu operación gana más con datos que no se mueven y costo por consulta en cero — y esa parte, en la mayoría de las empresas, es más grande de lo que se supone.

¿Qué hacer con esto hoy? Toma tus tres usos de IA más repetitivos y de mayor volumen, y calcula qué te cuestan al mes en API. Si la cifra incomoda, o si alguno de esos usos toca datos que preferirías no subir a ninguna nube, ya tienes el primer candidato para probar en tu propio hardware.