Meta quiere que la IA deje de vivir en la nube y se instale en tu ordenador

Hace unos años nos acostumbramos a guardar nuestras fotos en “la nube”. Después llegaron los documentos, los correos, las copias de seguridad y, finalmente, la inteligencia artificial. Cada vez que preguntamos algo a ChatGPT, Gemini o Claude, nuestro ordenador no hace realmente el trabajo duro; en realidad, la petición viaja a centros de datos en los que unos servidores procesan la respuesta y nos la devuelven.

Meta quiere cambiar el modelo de IA con agentes locales en tu propio equipo

Pues parece que Meta quiere cambiar las cosas. La compañía de   acaba de lanzar Muse Glimmer, un modelo de IA de 30.000 millones de parámetros específicamente diseñado para ejecutar agentes de IA de manera local. Ya te adelanto que me lo he instalado, pero no lo he llegado a probar lo suficiente, así que, no te puedo dar una valoración de qué tal funciona. 

Para que lo entienda hasta un periodista: es suficientemente pequeño como para funcionar en un Mac o PC equipado con una sola GPU de consumo. La propia Meta lo define como un modelo optimizado para “always-on local agent workflows”, es decir, agentes locales que pueden mantenerse funcionando permanentemente en nuestro propio equipo.

¿Quieres dar acceso a tu información personal a una máquina que se conecta a la nube?

La IA que sabe lo que hay en tu ordenador

Todos queremos un asistente capaz de organizar nuestros archivos, revisar una carpeta, o buscar información entre documentos en base a lo que tenemos guardado en nuestro ordenador. Pero claro, no todos estamos dispuestos a dar acceso a tanta información personal a una máquina que se conecta a la nube.

Meta propone ejecutarlo dentro del propio ordenador, para reducir la necesidad de mandar constantemente esa información a servidores externos.

Muse Glimmer incorpora además capacidades de programación y percepción multimodal y está pensado expresamente para tareas de agentes. Meta asegura que ofrece un rendimiento competitivo en programación y funciones, pese a su tamaño relativamente reducido.

Zuckerberg vuelve a defender la IA abierta

El lanzamiento viene acompañado además de una declaración de intenciones por parte de Zuckerberg, que publicó el pasado 10 de agosto un largo texto titulado The Future is for Everyone (El futuro es para todos). En él, se preguntaba si la superinteligencia quedará centralizada y restringida a unas pocas instituciones y mostraba su desacuerdo con esta posibilidad.

El fundador de Meta sostiene que “la clave para un futuro positivo para todos es conseguir un equilibrio de poder”; y defiende distribuir ampliamente las herramientas de IA frente a un modelo dominado por unos pocos proveedores.

Por supuesto, Zuckerberg no ha destacado nunca por querer salvar el mundo si eso no supone un beneficio económico para sí mismo. Meta compite con OpenAI, Anthropic y Google en una carrera en la que los modelos más potentes resultan extraordinariamente caros de entrenar y operar. Los modelos de pesos abiertos permiten que las empresas y los desarrolladores puedan descargarlos, modificarlos y ejecutarlos con mayor control sobre sus costes e infraestructura.

Reuters señala que este tipo de modelos están ganando terreno precisamente porque algunas empresas empiezan a preocuparse por la factura creciente de la IA y por la seguridad de sus datos.

Zuckerberg afirma que “temenos modelos incluso más grandes que llegarán pronto”. Meta ya ha anunciado que también publicará los pesos de Muse Spark 1.2, su modelo más avanzado hasta ahora.

China también está detrás de este giro

No nos podemos olvidar del otro gran competidor. Los modelos abiertos chinos como los desarrollados por Alibaba, Moonshot o DeepSeek han ganado terreno porque ofrecen capacidades avanzadas con costes inferiores. Esa presión está obligando a las tecnológicas estadounidenses a reaccionar.

Zuckerberg incluso ha convertido el asunto en una cuestión estratégica y reclama menos obstáculos regulatorios para los desarrolladores estadounidenses. Su diagnóstico es que los laboratorios extranjeros disfrutan de determinadas ventajas mientras los estadounidenses afrontan más restricciones sobre cuestiones como los datos utilizados para entrenar modelos.

Por cierto, conviene aclarar que open-weight (peso abierto) no significa necesariamente open source. Un modelo puede permitir descargar sus “pesos” —los parámetros aprendidos durante su entrenamiento— sin publicar necesariamente todos los datos, herramientas y código utilizados para crearlo. Esa diferencia determina hasta qué punto podemos auditar realmente cómo ha sido construido.

¿Qué ganas tú?

Probablemente cuatro cosas. Privacidad, porque determinadas tareas podrían realizarse sin enviar los documentos a servidores externos. Velocidad, porque desaparece parte del viaje de ida y vuelta a la nube. Coste, porque ejecutar un modelo propio puede evitar pagar continuamente por cada consulta. Y personalización, porque una IA local puede adaptarse mucho más profundamente a tus archivos y aplicaciones.

Hay también un inconveniente obvio, porque tu ordenador tendrá que hacer el trabajo. Los grandes modelos actuales necesitan cantidades gigantescas de memoria y capacidad de cálculo. Muse Glimmer intenta precisamente encontrar un punto intermedio. Por eso, Meta lo presenta como suficientemente pequeño para funcionar con hardware de consumo y suficientemente capaz para realizar tareas útiles.