Ciudad De México, 10 de abril de 2026.- Meta Platforms presentó Muse Spark, su primer modelo de inteligencia artificial creado por un equipo propio, como parte de una renovación integral de sus esfuerzos en la materia.
El modelo fue desarrollado por un equipo constituido durante el año pasado tras una costosa guerra por atraer talento. Para ponerse al día con sus rivales en la carrera por la IA, la empresa forzó una profunda reestructuración interna.
Según pruebas de rendimiento internas de Meta, Muse Spark superó a Gemini de Google en algunas pruebas y fue competitivo con los modelos de OpenAI y xAI. La compañía indicó que es el primero de una nueva serie de modelos del equipo de IA de Meta.
Meta anunció el lanzamiento del modo Contemplating, que coordina a varios agentes que razonan en paralelo. Esta función permite que Muse Spark compita con los modos de razonamiento extremo de modelos como Gemini Deep Think y GPT Pro.
Muse Spark es un modelo de razonamiento multimodal nativo que admite el uso de herramientas, visualización de la cadena de pensamiento y orquestación multiagente. Inicialmente, solo estará disponible en la aplicación y el sitio web de Meta AI.
En las próximas semanas, el modelo reemplazará a los actuales que impulsan los chatbots de WhatsApp, Instagram, Facebook y la colección de gafas inteligentes de Meta. Sobre el rendimiento, Meta señaló: “Este modo ofrece mejoras significativas en la capacidad para realizar tareas complejas, logrando un 58% en Humanity’s Last Exam y un 38% en FrontierScience Research”.
En el ámbito financiero, las acciones de Meta se dispararon un 6,50% en la sesión del jueves, hasta 612 dólares. La empresa prevé un gasto de capital para este año de entre 125.000 y 135.000 millones de dólares.
Respecto a la estrategia, Meta afirmó: “Muse Spark es el primer paso en nuestra estrategia de escalabilidad y el primer producto de una renovación integral de nuestros esfuerzos en IA”. Además, agregaron: “Estamos realizando inversiones estratégicas en toda la plataforma, desde la investigación y el entrenamiento de modelos hasta la infraestructura, incluido el centro de datos Hyperion”. También señalaron: “Seguimos invirtiendo en áreas con deficiencias de rendimiento actuales, como sistemas agentes a largo plazo y flujos de trabajo de codificación”.
