Tras más de un año priorizando modelos cerrados, Meta está reviviendo su estrategia de pesos abiertos con el lanzamiento de Muse Glimmer, un modelo de 30 mil millones de parámetros diseñado para flujos de trabajo agénticos locales. El movimiento se produce en un momento en que las empresas buscan cada vez más ejecutar IA más cerca de sus datos y mantener un control más estricto sobre su infraestructura, una tendencia impulsada no solo por consideraciones de costo, sino también por requisitos de soberanía de datos y presiones de cumplimiento normativo que hacen que las implementaciones exclusivamente en la nube sean inviables para cargas de trabajo sensibles.

Lanzado el lunes bajo la licencia Apache 2.0, una de las licencias de código abierto más permisivas, que permite el uso comercial, modificación y redistribución sin obligaciones de copyleft, por Meta Superintelligence Labs, Muse Glimmer está optimizado para ejecutarse en una Mac o PC equipada con una sola GPU. El modelo maneja cargas de trabajo agénticas complejas y de múltiples pasos, incluidas tareas de programación, investigación web y depuración.

El lanzamiento se produce apenas una semana después de que Meta presentara Muse Spark 1.1, un modelo cerrado orientado al razonamiento avanzado y tareas agénticas complejas. Los lanzamientos consecutivos señalan que Meta tiene la intención de mantenerse competitiva en el mercado de modelos abiertos en un momento en que los proveedores chinos de IA están ganando terreno con alternativas competitivas en precio y rendimiento.

Glimmer también marca un regreso parcial a la filosofía de modelos abiertos que Meta inició en 2023 con el lanzamiento del modelo fundacional Llama, que se convirtió en una de las familias de modelos de pesos abiertos más descargadas. Desde entonces, sin embargo, la empresa ha reducido gradualmente el énfasis en Llama, incluso después de lanzar su cuarta generación hace aproximadamente un año.

Una estrategia híbrida

Más que una reversión total, los analistas ven a Meta persiguiendo un enfoque de doble vía.

"No creo que Meta simplemente esté volviendo a los modelos abiertos", dijo Sid Nag, presidente y director de investigación de Tekonyx. Explicó que Meta tiene como objetivo mantener sus modelos cerrados competitivos con las ofertas de los laboratorios de IA frontera, mientras utiliza modelos abiertos para ampliar su alcance, particularmente entre empresas fuera de su ecosistema de redes sociales. El enfoque refleja la estrategia de Google, donde los modelos abiertos Gemma complementan la línea cerrada Gemini.

Si bien el momento de los lanzamientos de Meta coincide con un aumento de modelos abiertos chinos competitivos de proveedores como Moonshot y Alibaba, Glimmer ocupa un nicho distinto. Con 30 mil millones de parámetros, es significativamente más pequeño que algunos de los nuevos modelos chinos populares, que superan el billón de parámetros.

"Este es un modelo muy ágil y ligero que se ejecuta principalmente en su escritorio", dijo Arun Chandrasekaran, analista de Gartner. "Meta está yendo por un camino más pequeño, y Meta se dirige directamente hacia el edge de los dispositivos extremos donde se ejecuta la IA. Está diseñado principalmente para cubrir más flujos de trabajo agénticos locales vinculados al escritorio, en lugar de un modelo más centralizado basado en la nube."

Chandrasekaran señaló que Meta ha estado observando de cerca cómo las empresas implementan IA, especialmente a la luz del éxito de OpenClaw, ahora bajo el paraguas de OpenAI, y Claude Cowork de Anthropic.

"La gente quiere ejecutar estos modelos lo más cerca posible de donde están los datos, lo más cerca posible de donde está el flujo de trabajo", dijo Chandrasekaran. "Con ese fin, Meta quiere ser parte de ese ecosistema, Meta quiere habilitarlo, Meta quiere, con suerte, empoderar a más trabajadores en la empresa para ejecutar IA más localmente."

Demanda empresarial de control y eficiencia de costos

Ejecutar modelos localmente también refleja un apetito empresarial más amplio por el control. Nag señaló que muchas organizaciones buscan modelos de dominio específico, que la mayoría de los proveedores de modelos frontera tienen dificultades para ofrecer, excepto Anthropic, que ha aprovechado Cowork para atraer a empresas que buscan soluciones a medida.

Los modelos abiertos también ofrecen una economía de inferencia convincente, dijo Nag. "Entrenar un modelo frontera cuesta mucho dinero; ejecutar millones de cargas de trabajo de inferencia empresarial cuesta aún más con el tiempo", explicó. "Al liberar los pesos, Meta permite que los clientes asuman gran parte del costo de infraestructura en lugar de operar cada carga de trabajo ellos mismos."

A pesar de estas ventajas, Chandrasekaran advirtió que Meta aún tiene un trabajo significativo por delante para ganar una adopción empresarial significativa. "Necesita construir esa capa de plataforma sobre el modelo porque eso es lo que quieren las empresas", dijo. "Meta también debería proporcionar mejores capacidades en torno a la seguridad y la indemnización legal para las empresas."

A medida que el panorama competitivo se intensifica, con modelos abiertos chinos y laboratorios frontera de EE. UU. compitiendo por la atención empresarial, la estrategia dual de Meta de modelos abiertos ligeros implementables en el edge junto con sistemas cerrados potentes la posiciona en múltiples segmentos del mercado de IA simultáneamente.