![\"Meta](\"https:\/\/i.blogs.es\/0e21a1\/meta\/1024_2000.jpeg\")
\n <\/p>\n\n \n <\/p>\n
Hace nueve meses Meta fich\u00f3 a Alexandr Wang<\/a>, el fundador de Scale AI, tras gastar 14.300 millones de d\u00f3lares en ese movimiento. Zuckerberg le encarg\u00f3 reconstruir desde cero la estrategia de IA de la compa\u00f1\u00eda, y hoy esos esfuerzos tienen el primer resultado: Muse Spark<\/a>, el primer modelo de la divisi\u00f3n Meta SuperInteligence Labs. Estamos ante el primer lanzamiento de un modelo fundacional de Meta desde que lanzaran Llama 4 en abril de 2025<\/a>. El objetivo de Muse Spark es volver a colocar a Meta en la carrera por la IA<\/a>. La pregunta es, por supuesto, si este modelo lograr\u00e1 competir con unos rivales cada vez m\u00e1s excepcionales. Importante: ya pod\u00e9is probarlo en meta.ai<\/a>.<\/p>\n <\/p>\n Bienvenido a la carrera, Muse Spark<\/strong>. En Meta afirman que han reescrito y reconstruido toda la arquitectura de su proyecto de IA desde cero y lo que han logrado es algo prometedor: una mejora de eficiencia que si se confirma ser\u00eda extraordinaria. El modelo, afirman sus responsables, alcanza es muy superior a Llama 4 Maverick, y lo logra usando 10 veces menos capacidad de computaci\u00f3n que aquel \u00faltimo modelo fundacional.<\/p>\n <\/p>\n La tabla con los resultados de los benchmarks revela que Muse Sparkl compite de t\u00fa a t\u00fa con Opus 4.6, Gemini 3.1 Pro y GPT 5.4. Fuente: Meta.<\/span>\n <\/div>\n<\/p><\/div>\n<\/div>\n D\u00f3nde compiten y d\u00f3nde no<\/strong>. Los benchmarks publicados por Meta sit\u00faan a Muse Spark en una posici\u00f3n competitiva pero no dominante. Destaca especialmente en razonamiento multimodal, donde supera a Claude Opus 4.6 y a OpenAI GPT-5.4, y tambi\u00e9n es fuerte en salud. Donde no se comporta tan bien es en dos apartados importantes. Una, pensamiento abstracto: flojea en el test ARC-AGI 2 frente a sus competidores. La otra, m\u00e1s llamativa, la programaci\u00f3n ag\u00e9ntica, que es el campo que m\u00e1s dinero mueve ahora mismo, y en el que su rendimiento es decente pero parece estar por debajo de sus competidores. Artificial Analysis, que publica una clasificaci\u00f3n general<\/a> de modelos de IA teniendo en cuenta todos estos benchmarks, lo sit\u00faa en cuarto lugar por detr\u00e1s de Gemini 3.1 Pro, GPT-5.4 y Claude Opus 4.6.\u00a0<\/p>\n <\/p>\n Pero recordemos algo importante: una cosa son los benchmarks y otra muy distinta c\u00f3mo se comportan estos modelos en cada escenario y para cada usuario. La percepci\u00f3n personal es mucho m\u00e1s importante que esos datos sint\u00e9ticos.<\/p>\n <\/p>\n El modo contemplativo est\u00e1 dise\u00f1ado para \"pensamiento profundo\", y aqu\u00ed compite de t\u00fa a t\u00fa con modos an\u00e1logos de sus competidores. Fuente: Meta.<\/span>\n <\/div>\n<\/p><\/div>\n<\/div>\n El \"modo contemplativo\"<\/strong>. Tanto en el anuncio oficial como en el hilo de Alexandr Wang destacaban una novedad de este modelo a la que han llamado \"modo contemplativo\", que seg\u00fan Wang<\/a> \"orquesta m\u00faltiples agentes que razonan en paralelo y que est\u00e1 dise\u00f1ado para peticiones complejas en el \u00e1mbito cient\u00edfico y de razonamiento. En nuestras pruebas descubrimos que compite con otros modelos de razonamiento extremo como Gemini Deep Think o GPT Pro\".\u00a0<\/p>\n <\/p>\n Pero el modo contemplativo no va de pensar m\u00e1s, sino de pensar en paralelo.<\/strong> El dise\u00f1o del modo contemplativo es elegante y vale la pena entenderlo. El enfoque est\u00e1ndar para mejorar el razonamiento de un modelo en inferencia es darle m\u00e1s tiempo para pensar: el modelo genera m\u00e1s tokens internos antes de responder, lo que mejora la calidad pero aumenta la latencia para el usuario (es decir, el tiempo que tarda en darnos una respuesta). Muse Spark propone una alternativa: en lugar de un agente pensando m\u00e1s, m\u00faltiples agentes pensando simult\u00e1neamente y colaborando.\u00a0<\/p>\n El gr\u00e1fico de latencia que public\u00f3 Meta lo ilustra con claridad: con 16 agentes en paralelo se alcanza casi el 59% de precisi\u00f3n en Humanity’s Last Exam con una latencia comparable a la de un solo agente en modo extendido. Es como la diferencia entre un solo experto trabajando horas extra y un comit\u00e9 de expertos deliberando al mismo tiempo. El resultado no solo es mejor, llega antes. Eso importa especialmente en casos de uso donde el usuario no puede esperar minutos por una respuesta.<\/p>\n <\/p>\n Cuidado con las trampas<\/strong>. El lanzamiento de Llama 4 hace un a\u00f1o se convirti\u00f3 en un fracaso absoluto cuando se descubri\u00f3 que los extraordinarios resultados de los benchmarks de este modelo ten\u00edan trampa<\/a>. La versi\u00f3n que consigui\u00f3 esas magn\u00edficas puntuaciones hab\u00eda sido dise\u00f1ada y entrenada espec\u00edficamente para puntuar bien en los benchmarks. Es de esperar que Meta haya aprendido la lecci\u00f3n, pero ya han aparecido las primeras suspicacias. Fran\u00e7ois Chollet, creador del benchmark ARC-AGI<\/a>, ha comentado<\/a> que Muse Spark \"ya parece una decepci\u00f3n: sobreoptimizado para n\u00fameros de benchmarks p\u00fablicos en detrimento de todo lo dem\u00e1s. Saber c\u00f3mo evaluar modelos de manera que se correlacione con la utilidad real es una competencia central para los laboratorios de IA, y cualquier laboratorio nuevo tiene pocas probabilidades de tener \u00e9xito sin resolver primero eso\".<\/p>\n En Meta hay una competici\u00f3n por ver qui\u00e9n es la 'Leyenda del Token' de la empresa. Es pagar para trabajar<\/a>\n <\/div>\n<\/p><\/div>\n<\/p><\/div>\n<\/div>\n Hasta luego Open Source, hola modelo propietario<\/strong>. Meta ya hab\u00eda avisado, as\u00ed que no es una sorpresa descubrir que al menos de momento Muse Spark es un modelo cerrado y propietario. La familia de modelos de pesos abiertos Llama<\/a> convirti\u00f3 a Meta en la empresa que \"democratizaba la IA\" mientras OpenAI y Anthropic manten\u00edan sus moedlos cerrados. Eso gener\u00f3 una comunidad enorme de desarrolladores, investigadores y empresas que creaban modelos a partir de los de Meta, pero Muse Spark rompe con esa filosof\u00eda<\/a>. La empresa afirma que quiz\u00e1s publique versiones de pesos abiertos de Muse Spark en el futuro, pero no se compromete a nada. El conocido divulgador de IA Ethan Mollick destacaba<\/a> que \"sin pesos abiertos, es mucho m\u00e1s dif\u00edcil predecir el valor de Spark\".<\/p>\n <\/p>\n La \"superinteligencia personal<\/strong>\"<\/strong>. Meta ha creado Muse Spark con otro elemento diferencial: la hiperpersonalizaci\u00f3n. Imagina que tienes un asistente personal que conoce tu nombre y tu historial de compras porque te registraste en el servicio. Ahora imagina a otro asistente que ha le\u00eddo diez a\u00f1os de tus conversaciones con amigos, sabe qu\u00e9 humor te hace gracia, conoce los temas que te generan ansiedad, entiende tu red social, ha visto las fotos que has compartido \u00a0yconoce los art\u00edculos que te han gustado o qu\u00e9 contenidos \u00a0consumes.\u00a0<\/p>\n <\/p>\n La diferencia aqu\u00ed es obvia: Meta ha usado toda esa informaci\u00f3n que tiene de ti<\/a> gracias a todo lo que has publicado en sus plataformas (WhatsApp, Instagram, Facebook), y Muse Spark es el primer modelo dise\u00f1ado para explotar esa ventaja de forma nativa. La empresa no parece tener problema alguno<\/a> en admitir que usa esos datos que ha recolectado precisamente para esto: veremos c\u00f3mo sale esa jugada, porque aunque el concepto sea potente, tambi\u00e9n puede ser cuestionado<\/a> por esa te\u00f3rica invasi\u00f3n de la privacidad. De momento ya hay un primer ejemplo de este uso: Zuckerberg est\u00e1 usando esa IA personal en su d\u00eda a d\u00eda<\/a>.<\/p>\n <\/p>\n Esto no va de programar mejor, sino de infiltrarse en tu WhatsApp<\/strong>. La apuesta estrat\u00e9gica de Meta con Muse Spark no es ser el mejor modelo para programar o para encontrar vacunas contra el c\u00e1ncer. El objetivo es convertirse en esa citada IA hiperpersonalizada de 3.000 millones de usuarios<\/a> que ya usan sus plataformas. Los casos de uso en los que se ha centrado Muse Spark son llamativos y se apartan de esa otra carrera de las IAs de Silicon Valley, y tratar\u00e1n de ayudar a los usuarios en situaciones cotidianas permitiendo que:<\/p>\n <\/p>\n La seguridad por bandera<\/strong>. El debate sobre la potencia de estos modelos y su impacto en la seguridad es cada vez mayor, como ha demostrado Claude Mythos<\/a>. En Meta han contratado una consultor\u00eda independiente, y seg\u00fan sus concluiones Muse Spark tiene la tasa m\u00e1s alta de \"conciencia de evaluaci\u00f3n\" de todos los modelos que han analizado. El modelo de hecho identifica con frecuencia que est\u00e1 siendo evaluado y llega a la conclusi\u00f3n de que debe comportarse de forma honesta y \"sin trampas\".\u00a0<\/p>\n No se hallaron evidencias de que esa conciencia afectara al comportamiento en \u00e1mbitos peligrosos, y \u00a0en pruebas internas indicaron que por ejemplo rechaza asistir en el desarrollo de armas bioqu\u00edmicas en \u00a0el 98% de los casos, por delante del 95,4% de Opus 4.6 o los inquietantes 74,7% de GPT 5.4 o 61,5% de Gemini 3.1 Pro.<\/p>\n <\/p>\n Meta vuelve a la carrera, pero \u00bfser\u00e1 Muse Spark suficiente?<\/strong> Hemos esperado nueve meses<\/a> a saber en qu\u00e9 estaba trabajando la nueva divisi\u00f3n de superinteligencia de Meta y por fin tenemos el resultado de ese trabajo. La recepci\u00f3n en los mercados ha sido muy positiva y las acciones de Meta subieron un 6,5% tras el anuncio, pero cuidado:Muse Spark no supera a sus competidores en rendimiento, y tendr\u00e1 que demostrar que esa diferenciaci\u00f3n (eficiencia, hiperespecializaci\u00f3n) acaba siendo la llave para devolver a Meta definitivamente a una carrera extraordinariamente competivia. El tiempo dir\u00e1.<\/p>\n <\/p>\n En Xataka |\u00a0OpenAI y Anthropic se han propuesto lo imposible: perder 85.000 millones de d\u00f3lares en un a\u00f1o y sobrevivir<\/a><\/p>\n <\/p>\n <\/p>\n <\/p>\n – \u00a0Hace nueve meses Meta fich\u00f3 a Alexandr Wang, el fundador de Scale AI, tras gastar 14.300 millones de d\u00f3lares en ese movimiento. Zuckerberg le encarg\u00f3 reconstruir desde cero la estrategia de IA de la compa\u00f1\u00eda, y hoy esos esfuerzos tienen el primer resultado: Muse Spark, el primer modelo de la divisi\u00f3n Meta SuperInteligence Labs. Estamos ante el primer lanzamiento de un modelo fundacional de Meta desde que lanzaran Llama 4 en abril de 2025. El objetivo de Muse Spark es volver a colocar a Meta en la carrera por la IA. La pregunta es, por supuesto, si este modelo lograr\u00e1 competir con unos rivales cada vez m\u00e1s excepcionales. Importante: ya pod\u00e9is probarlo en meta.ai.<\/p>\n Bienvenido a la carrera, Muse Spark. En Meta afirman que han reescrito y reconstruido toda la arquitectura de su proyecto de IA desde cero y lo que han logrado es algo prometedor: una mejora de eficiencia que si se confirma ser\u00eda extraordinaria. El modelo, afirman sus responsables, alcanza es muy superior a Llama 4 Maverick, y lo logra usando 10 veces menos capacidad de computaci\u00f3n que aquel \u00faltimo modelo fundacional.<\/p>\n La tabla con los resultados de los benchmarks revela que Muse Sparkl compite de t\u00fa a t\u00fa con Opus 4.6, Gemini 3.1 Pro y GPT 5.4. Fuente: Meta.<\/p>\n D\u00f3nde compiten y d\u00f3nde no. Los benchmarks publicados por Meta sit\u00faan a Muse Spark en una posici\u00f3n competitiva pero no dominante. Destaca especialmente en razonamiento multimodal, donde supera a Claude Opus 4.6 y a OpenAI GPT-5.4, y tambi\u00e9n es fuerte en salud. Donde no se comporta tan bien es en dos apartados importantes. Una, pensamiento abstracto: flojea en el test ARC-AGI 2 frente a sus competidores. La otra, m\u00e1s llamativa, la programaci\u00f3n ag\u00e9ntica, que es el campo que m\u00e1s dinero mueve ahora mismo, y en el que su rendimiento es decente pero parece estar por debajo de sus competidores. Artificial Analysis, que publica una clasificaci\u00f3n general de modelos de IA teniendo en cuenta todos estos benchmarks, lo sit\u00faa en cuarto lugar por detr\u00e1s de Gemini 3.1 Pro, GPT-5.4 y Claude Opus 4.6.\u00a0<\/p>\n Pero recordemos algo importante: una cosa son los benchmarks y otra muy distinta c\u00f3mo se comportan estos modelos en cada escenario y para cada usuario. La percepci\u00f3n personal es mucho m\u00e1s importante que esos datos sint\u00e9ticos.<\/p>\n El modo contemplativo est\u00e1 dise\u00f1ado para \"pensamiento profundo\", y aqu\u00ed compite de t\u00fa a t\u00fa con modos an\u00e1logos de sus competidores. Fuente: Meta.<\/p>\n El \"modo contemplativo\". Tanto en el anuncio oficial como en el hilo de Alexandr Wang destacaban una novedad de este modelo a la que han llamado \"modo contemplativo\", que seg\u00fan Wang \"orquesta m\u00faltiples agentes que razonan en paralelo y que est\u00e1 dise\u00f1ado para peticiones complejas en el \u00e1mbito cient\u00edfico y de razonamiento. En nuestras pruebas descubrimos que compite con otros modelos de razonamiento extremo como Gemini Deep Think o GPT Pro\".\u00a0 El gr\u00e1fico de latencia que public\u00f3 Meta lo ilustra con claridad: con 16 agentes en paralelo se alcanza casi el 59% de precisi\u00f3n en Humanity’s Last Exam con una latencia comparable a la de un solo agente en modo extendido. Es como la diferencia entre un solo experto trabajando horas extra y un comit\u00e9 de expertos deliberando al mismo tiempo. El resultado no solo es mejor, llega antes. Eso importa especialmente en casos de uso donde el usuario no puede esperar minutos por una respuesta. En Xataka<\/p>\n En Meta hay una competici\u00f3n por ver qui\u00e9n es la 'Leyenda del Token' de la empresa. Es pagar para trabajar<\/p>\n Hasta luego Open Source, hola modelo propietario. Meta ya hab\u00eda avisado, as\u00ed que no es una sorpresa descubrir que al menos de momento Muse Spark es un modelo cerrado y propietario. La familia de modelos de pesos abiertos Llama convirti\u00f3 a Meta en la empresa que \"democratizaba la IA\" mientras OpenAI y Anthropic manten\u00edan sus moedlos cerrados. Eso gener\u00f3 una comunidad enorme de desarrolladores, investigadores y empresas que creaban modelos a partir de los de Meta, pero Muse Spark rompe con esa filosof\u00eda. La empresa afirma que quiz\u00e1s publique versiones de pesos abiertos de Muse Spark en el futuro, pero no se compromete a nada. El conocido divulgador de IA Ethan Mollick destacaba que \"sin pesos abiertos, es mucho m\u00e1s dif\u00edcil predecir el valor de Spark\".<\/p>\n La \"superinteligencia personal\". Meta ha creado Muse Spark con otro elemento diferencial: la hiperpersonalizaci\u00f3n. Imagina que tienes un asistente personal que conoce tu nombre y tu historial de compras porque te registraste en el servicio. Ahora imagina a otro asistente que ha le\u00eddo diez a\u00f1os de tus conversaciones con amigos, sabe qu\u00e9 humor te hace gracia, conoce los temas que te generan ansiedad, entiende tu red social, ha visto las fotos que has compartido \u00a0yconoce los art\u00edculos que te han gustado o qu\u00e9 contenidos \u00a0consumes.\u00a0<\/p>\n La diferencia aqu\u00ed es obvia: Meta ha usado toda esa informaci\u00f3n que tiene de ti gracias a todo lo que has publicado en sus plataformas (WhatsApp, Instagram, Facebook), y Muse Spark es el primer modelo dise\u00f1ado para explotar esa ventaja de forma nativa. La empresa no parece tener problema alguno en admitir que usa esos datos que ha recolectado precisamente para esto: veremos c\u00f3mo sale esa jugada, porque aunque el concepto sea potente, tambi\u00e9n puede ser cuestionado por esa te\u00f3rica invasi\u00f3n de la privacidad. De momento ya hay un primer ejemplo de este uso: Zuckerberg est\u00e1 usando esa IA personal en su d\u00eda a d\u00eda.<\/p>\n Esto no va de programar mejor, sino de infiltrarse en tu WhatsApp. La apuesta estrat\u00e9gica de Meta con Muse Spark no es ser el mejor modelo para programar o para encontrar vacunas contra el c\u00e1ncer. El objetivo es convertirse en esa citada IA hiperpersonalizada de 3.000 millones de usuarios que ya usan sus plataformas. Los casos de uso en los que se ha centrado Muse Spark son llamativos y se apartan de esa otra carrera de las IAs de Silicon Valley, y tratar\u00e1n de ayudar a los usuarios en situaciones cotidianas permitiendo que:<\/p>\n Saques una foto de tu comida y obtengas un an\u00e1lisis nutricionalHagas ejercicio y te diga qu\u00e9 m\u00fasculos has activadoSubas una imagen de un juego y cree un peque\u00f1o juego interactivo con ellaResuelvas problemas dom\u00e9sticos a partir de anotaciones visuales y de vozTengas informaci\u00f3n de mayor calidad sobre tu salud gracias al trabajo de Meta con 1.000 m\u00e9dicos que han contribuido a mejorar el razonamiento en este apartadoLa seguridad por bandera. El debate sobre la potencia de estos modelos y su impacto en la seguridad es cada vez mayor, como ha demostrado Claude Mythos. En Meta han contratado una consultor\u00eda independiente, y seg\u00fan sus concluiones Muse Spark tiene la tasa m\u00e1s alta de \"conciencia de evaluaci\u00f3n\" de todos los modelos que han analizado. El modelo de hecho identifica con frecuencia que est\u00e1 siendo evaluado y llega a la conclusi\u00f3n de que debe comportarse de forma honesta y \"sin trampas\".\u00a0<\/p>\n No se hallaron evidencias de que esa conciencia afectara al comportamiento en \u00e1mbitos peligrosos, y \u00a0en pruebas internas indicaron que por ejemplo rechaza asistir en el desarrollo de armas bioqu\u00edmicas en \u00a0el 98% de los casos, por delante del 95,4% de Opus 4.6 o los inquietantes 74,7% de GPT 5.4 o 61,5% de Gemini 3.1 Pro.<\/p>\n Meta vuelve a la carrera, pero \u00bfser\u00e1 Muse Spark suficiente? Hemos esperado nueve meses a saber en qu\u00e9 estaba trabajando la nueva divisi\u00f3n de superinteligencia de Meta y por fin tenemos el resultado de ese trabajo. La recepci\u00f3n en los mercados ha sido muy positiva y las acciones de Meta subieron un 6,5% tras el anuncio, pero cuidado:Muse Spark no supera a sus competidores en rendimiento, y tendr\u00e1 que demostrar que esa diferenciaci\u00f3n (eficiencia, hiperespecializaci\u00f3n) acaba siendo la llave para devolver a Meta definitivamente a una carrera extraordinariamente competivia. El tiempo dir\u00e1.<\/p>\n En Xataka |\u00a0OpenAI y Anthropic se han propuesto lo imposible: perder 85.000 millones de d\u00f3lares en un a\u00f1o y sobrevivir<\/p>\n – La noticia<\/p>\n Meta vuelve a la carrera de la IA con Muse Spark con un reto colosal: demostrar que no la ha perdido definitivamente <\/p>\n fue publicada originalmente en<\/p>\n Xataka <\/p>\n por .\u00a0\u00a0\u00a0<\/p>\n","protected":false},"excerpt":{"rendered":" Hace nueve meses Meta fich\u00f3 a Alexandr Wang, el fundador de Scale AI, tras gastar 14.300 millones de d\u00f3lares en ese movimiento. Zuckerberg le encarg\u00f3 reconstruir desde cero la estrategia de IA de la compa\u00f1\u00eda, y hoy esos esfuerzos tienen el primer resultado: Muse Spark, el primer modelo de la divisi\u00f3n Meta SuperInteligence Labs. Estamos […]<\/p>\n","protected":false},"author":1,"featured_media":15225,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"amp_status":"","footnotes":""},"categories":[6],"tags":[],"class_list":["post-15224","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ciencia-y-tecnologia"],"_links":{"self":[{"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/posts\/15224","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/comments?post=15224"}],"version-history":[{"count":0,"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/posts\/15224\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/media\/15225"}],"wp:attachment":[{"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/media?parent=15224"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/categories?post=15224"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/tags?post=15224"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}\n\n\n![\"Muse\"](\"https:\/\/i.blogs.es\/48b4ed\/muse\/450_1000.jpeg\")
<\/p>\n\n\n\n![\"Contem\"](\"https:\/\/i.blogs.es\/920bca\/contem\/450_1000.png\")
<\/p>\n\n\n![\"Captura](\"https:\/\/i.blogs.es\/1d5787\/captura-de-pantalla-2026-04-09-a-las-8.50.17\/450_1000.jpeg\")
<\/p><\/div>\n<\/div>\n\n\n\n\n
\n ![\"En](\"https:\/\/i.blogs.es\/8a6d9e\/lugar-de-la-mancha\/375_142.jpeg\")
\n <\/a>\n <\/div>\n\n\n En Xataka<\/a>\n <\/div>\n\n\n\n<\/div>\n<\/p><\/div>\n<\/p><\/div>\n<\/div>\n\n
\n\n![\"Captura](\"https:\/\/i.blogs.es\/0a8d8c\/captura-de-pantalla-2026-04-09-a-las-9.12.08\/450_1000.jpeg\")
<\/p><\/div>\n<\/div>\n
La noticia
\n
\n Meta vuelve a la carrera de la IA con Muse Spark con un reto colosal: demostrar que no la ha perdido definitivamente <\/em>
\n <\/a>
\n fue publicada originalmente en
\n
\n Xataka <\/strong>
\n <\/a>
\n por
\n Javier Pastor
\n <\/a>
\n . <\/p>\n
\nPero el modo contemplativo no va de pensar m\u00e1s, sino de pensar en paralelo. El dise\u00f1o del modo contemplativo es elegante y vale la pena entenderlo. El enfoque est\u00e1ndar para mejorar el razonamiento de un modelo en inferencia es darle m\u00e1s tiempo para pensar: el modelo genera m\u00e1s tokens internos antes de responder, lo que mejora la calidad pero aumenta la latencia para el usuario (es decir, el tiempo que tarda en darnos una respuesta). Muse Spark propone una alternativa: en lugar de un agente pensando m\u00e1s, m\u00faltiples agentes pensando simult\u00e1neamente y colaborando.\u00a0<\/p>\n
\nCuidado con las trampas. El lanzamiento de Llama 4 hace un a\u00f1o se convirti\u00f3 en un fracaso absoluto cuando se descubri\u00f3 que los extraordinarios resultados de los benchmarks de este modelo ten\u00edan trampa. La versi\u00f3n que consigui\u00f3 esas magn\u00edficas puntuaciones hab\u00eda sido dise\u00f1ada y entrenada espec\u00edficamente para puntuar bien en los benchmarks. Es de esperar que Meta haya aprendido la lecci\u00f3n, pero ya han aparecido las primeras suspicacias. Fran\u00e7ois Chollet, creador del benchmark ARC-AGI, ha comentado que Muse Spark \"ya parece una decepci\u00f3n: sobreoptimizado para n\u00fameros de benchmarks p\u00fablicos en detrimento de todo lo dem\u00e1s. Saber c\u00f3mo evaluar modelos de manera que se correlacione con la utilidad real es una competencia central para los laboratorios de IA, y cualquier laboratorio nuevo tiene pocas probabilidades de tener \u00e9xito sin resolver primero eso\".<\/p>\n
\n Javier Pastor<\/p>\n