
OpenAI resuelve problemas matemáticos y Meta lanza su agente Muse
Mientras OpenAI logra hitos en matemáticas con impacto limitado, Meta lanza Muse, un agente personal con potencial para transformar nuestra vida cotidiana.
25 notas publicadas

Tras invertir miles de millones en su infraestructura, Meta busca recuperar terreno frente a OpenAI y Google con un asistente enfocado en la privacidad y facilidad de uso.

El cuarto modelo Spark en cinco meses apunta a tareas agénticas largas y programación, con menos idas y vueltas por tarea, pero con los pesos cerrados y su mejor modo de razonamiento bloqueado.

La cuarta versión en cinco meses mejora en tareas de agentes, sigue detrás de Claude Fable 5.1 en casi todas las pruebas y cobra 0,55 dólares por tarea, cerca de la mitad que sus rivales.

La versión nueva gasta menos tokens, pide ayuda al usuario cuando se traba y confirma antes de ejecutar acciones de consecuencia, según la propia empresa.

Un solo modelo autorregresivo reemplaza a los tres sistemas encadenados que hoy usan las aplicaciones de voz: transcripción, separación de hablantes y detección de fin de turno.

La empresa ensaya brazos Kinova, máquinas de Watney y robots de ABB en sus centros de datos, y algunos trabajadores calculan que la automatización podría llevarse hasta el 80% de sus tareas.

El primer acelerador generativo propio de Meta rinde 12 petaFLOPS en MXFP4 y carga con dos trabajos que casi nunca conviven en el mismo silicio.

El primer modelo abierto de la compañía en más de un año llega con licencia Apache 2.0, cabe en una tarjeta de 24 GB y apunta a empresas medianas antes que a la frontera.

Meta actualiza su suite de modelos con Muse Spark 1.2 y Muse Code, optimizados para tareas de programación complejas, depuración y agentes de larga secuencia.

El CEO de Meta plantea un futuro con agentes de IA personales y modelos abiertos. Analizamos si esta propuesta busca democratizar el poder o consolidar su imperio.

Meta retoma el desarrollo de modelos de pesos abiertos con Muse Glimmer, un sistema de 30B optimizado para tareas complejas y uso de herramientas bajo licencia Apache 2.0.

El modelo denso de pesos abiertos con contexto de 120K tokens corre completo en una sola GPU NVIDIA y apunta a agentes que trabajan sin salir del equipo.

Un módulo separado vigila la ejecución, mantiene un banco de memoria estructurado y decide cuándo interrumpir al agente principal con un recordatorio y cuándo quedarse callado.

El CEO de Meta critica la visión de una superinteligencia alineada y aboga por modelos abiertos frente a la estrategia cerrada de OpenAI y Anthropic.

El CEO de Meta proyecta que en un lustro la mayoría de la población mundial contará con asistentes inteligentes dedicados a gestionar sus objetivos diarios.

Según el New York Times, el acuerdo podría valer hasta 10.000 millones de dólares en dos años y sería el primer gran cliente del plan de Zuckerberg para vender capacidad de sus centros de datos.

El modelo empata en el Intelligence Index de Artificial Analysis, gana el duelo de programación y llega con un costo por tarea más bajo que sus rivales directos.

La compañía fabricará su acelerador propio con Broadcom y TSMC para reducir su dependencia de las GPU de Nvidia y AMD, en plena escasez de componentes.

El modelo multimodal para programación agéntica cuesta 1,25 dólares por millón de tokens de entrada y llega tarde frente a OpenAI y Anthropic, pero apuesta por el precio bajo.

Ingenieros de Meta muestran cómo fundir operaciones de normalización como LayerNorm y RMSNorm dentro de los kernels GEMM y de atención para ocultar hasta el 90% de su latencia en GPU B200.

La nueva API de Meta cobra 4,25 dólares por millón de tokens de salida, muy por debajo de OpenAI, Anthropic e incluso del recién llegado Grok 4.5.

El primer modelo de imágenes de Meta funciona como agente y queda segundo tras GPT Image 2, pero una función que genera fotos de terceros sin consentimiento ya enfrenta reparos en Europa.

Zuckerberg dijo en un town hall interno que el desarrollo agente no aceleró como esperaba. Su jefe de IA, Alexandr Wang, respondió con el nombre en código del próximo modelo: Watermelon.

Nueve voluntarios sanos usaron magnetoencefalografía externa para dictar 22.000 oraciones. El sistema procesa señales sin necesitar el timing exacto de cada tecla como su antecesor.
Otros temas que aparecen junto a #meta en nuestra cobertura editorial.