Ciudad De México, 10 de abril de 2026.- Meta Platforms presentó Muse Spark, su primer modelo de inteligencia artificial creado por un equipo propio. El desarrollo fue llevado a cabo por un grupo constituido durante el año pasado, tras una costosa guerra por atraer talento, en el marco de una profunda reestructuración interna que la empresa forzó para ponerse al día con sus rivales en la carrera por la IA.
Muse Spark es el primero de una nueva serie de modelos del equipo de IA de Meta. Según pruebas de rendimiento internas de la compañía, el modelo superó a Gemini de Google en algunas pruebas y fue competitivo con los modelos de OpenAI y xAI. Meta describió a Muse Spark como un modelo de razonamiento multimodal nativo que admite el uso de herramientas, visualización de la cadena de pensamiento y orquestación multiagente.
En el anuncio, la empresa detalló el lanzamiento del modo Contemplating, el cual coordina a varios agentes que razonan en paralelo. Este modo permite que Muse Spark compita con las modalidades de razonamiento extremo de modelos como Gemini Deep Think y GPT Pro. Sobre las capacidades del sistema, Meta indicó: “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”.
Respecto a la disponibilidad, inicialmente Muse Spark solo estará accesible en la aplicación y el sitio web de Meta AI. La compañía informó que 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.
Tras el anuncio, las acciones de Meta se dispararon un 6.50% en la sesión del jueves, hasta alcanzar los 612 dólares. La empresa prevé un gasto de capital para este año de entre 125,000 y 135,000 millones de dólares. “Muse Spark es el primer paso en nuestra estrategia de escalabilidad y el primer producto de una renovación integral de nuestros esfuerzos en IA”, señaló Meta.
La compañía añadió que continúa enfocada en áreas específicas: “Seguimos invirtiendo en áreas con deficiencias de rendimiento actuales, como sistemas agentes a largo plazo y flujos de trabajo de codificación”. Asimismo, detallaron sus planes de infraestructura: “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”.
