IA en local: qué gráfica necesita el nuevo modelo abierto de Meta
Esta semana han pasado dos cosas con la inteligencia artificial que, juntas, cuentan una historia mucho más interesante que por separado. El jueves, Google abarató a la mitad el acceso a su modelo más reciente. Dos días después, Meta publicó uno que puedes descargarte y ejecutar en tu propio ordenador, sin conexión y sin pagar nada por usarlo.
La diferencia entre las dos noticias está en la letra pequeña, y es la que decide cuál te conviene a ti.
Qué ha hecho Meta exactamente
El modelo se llama Muse Glimmer y tiene unos 29.600 millones de parámetros — los parámetros son, a grandes rasgos, los números que el modelo ha ajustado durante su entrenamiento, y sirven para hacerse una idea de su tamaño. Pero lo relevante no es la cifra, sino lo que Meta ha hecho con ella.
Ha hecho algo poco habitual: publicar el modelo ya entrenado para que cualquiera se lo descargue y lo ejecute en su propio equipo, con una licencia —la Apache 2.0— que permite usarlo, modificarlo e incluso montar un negocio encima sin pedir permiso ni pagar derechos. En el sector a esto se le llama modelo de pesos abiertos: los «pesos» son el archivo de números que resulta del entrenamiento, todo lo que el modelo ha aprendido. Publicarlos es lo que permite ejecutarlo por tu cuenta en lugar de tener que pedírselo a un servidor ajeno.
Verás que muchos medios lo llaman «código abierto». No es exacto, y la diferencia importa: Meta ha publicado los pesos, pero no los datos con los que entrenó el modelo ni el código de entrenamiento. Puedes usarlo y venderlo, pero no reconstruirlo desde cero ni saber con qué material se entrenó. Tienes el modelo terminado; no tienes cómo se hizo.
Las características técnicas, según la ficha oficial del modelo:
| Parámetros | ~29.600 millones, arquitectura densa |
| Licencia | Apache 2.0 (uso comercial permitido) |
| Entrada | Texto e imágenes |
| Salida | Solo texto |
| Ventana de contexto | 131.072 tokens |
| Conocimiento hasta | 4 de enero de 2026 |
Que la arquitectura sea densa significa que el modelo activa todos sus parámetros cada vez que responde, en lugar de encender solo una parte. Es menos eficiente que otros diseños de moda, pero más predecible en cuanto a memoria: siempre ocupa lo mismo.
Además lee imágenes, no solo texto: capturas de pantalla, gráficos, documentos escaneados. Y está pensado para funcionar como agente, es decir, encadenando varios pasos por su cuenta —abrir un archivo, interpretarlo, usar una herramienta— en lugar de limitarse a responder una pregunta.
Se puede descargar desde Hugging Face, y funciona con los programas habituales para ejecutar modelos en casa: Ollama, LM Studio, llama.cpp o vLLM, entre otros.
La otra mitad de la historia: Google baja el precio, pero con fecha de caducidad
El 14 de agosto Google presentó Gemini 3.7 Flash, apenas tres semanas después del modelo anterior, y lo acompañó de un recorte de tarifas a la mitad. Aquí está el detalle que casi nadie ha destacado y que conviene tener presente:
| Periodo | Entrada (por millón de tokens) | Salida (por millón) |
|---|---|---|
| Hasta el 31 de diciembre de 2026 | 0,75 $ | 3,75 $ |
| Desde el 1 de enero de 2027 | 1,50 $ | 7,50 $ |
El movimiento se entiende en su contexto: hay una guerra de precios abierta en la que también han bajado tarifas OpenAI y Anthropic, presionados por modelos chinos considerablemente más baratos. Y una guerra de precios es una situación estupenda para el cliente… mientras dura.
Ahí está el contraste con lo de Meta. Un modelo que te descargas no sube de precio en enero, no cambia de condiciones y no depende de que la empresa siga interesada en mantenerlo. A cambio, el coste no desaparece: se traslada a tu factura de la luz y, sobre todo, a tu hardware. Que es donde esto se pone interesante y, para la mayoría, decepcionante.
Qué gráfica necesitas de verdad
Un modelo se ejecuta en la VRAM, la memoria propia de la tarjeta gráfica. Y como cabía esperar, un modelo de treinta mil millones de parámetros no cabe entero en una gráfica normal. La solución habitual es la cuantización: reducir la precisión con la que se guardan esos números para que ocupen menos, aceptando una pequeña pérdida de calidad a cambio.
La propia ficha del modelo publica las tres versiones con su coste en memoria y cuánta calidad se pierde en cada una:
| Versión | VRAM necesaria | Pérdida de calidad |
|---|---|---|
| Precisión completa (BF16) | 64 GB | — |
| Cuantización dinámica | 32 GB | 0,2 % |
| Cuantización a ~17 GB | 24 GB | 1,0 % |
Traducido a tarjetas reales: necesitas 24 GB de VRAM como suelo. Eso hoy significa una RTX 3090, una 4090, una 5090 o una gráfica de estación de trabajo con 32 GB. También sirve un Mac con memoria unificada suficiente, porque en esos equipos la memoria del sistema hace de VRAM.
Y aquí viene la parte que hay que decir claramente: si tu gráfica tiene 8 o 12 GB, esto no es para ti. No es cuestión de que vaya lento, es que el modelo no cabe. Ya contamos en su momento por qué comprar hoy una gráfica de 8 GB sale caro a la larga, y este es exactamente el tipo de uso que lo confirma: la VRAM es el único componente de una tarjeta que no se puede ampliar después.
Conviene añadir que el momento de comprar es malo. Las gráficas llevan meses subiendo por la misma crisis de la memoria que ha disparado el precio de la RAM, y precisamente los modelos con más VRAM son los que más se han encarecido.
¿Y esto a mí qué?
Si tienes un ordenador normal, la respuesta honesta es que hoy, poco. No vas a ejecutar este modelo, y no merece la pena comprar una gráfica de varios cientos de euros para probarlo.
Lo que sí cambia es la dirección en la que va todo esto, y hay tres consecuencias que sí te tocan:
- Tus datos no salen del equipo. Es la diferencia de fondo. Cuando escribes en un servicio en la nube, lo que escribes viaja a un servidor ajeno. Con un modelo local, no sale de tu disco duro. Para quien maneja información sensible —historiales, contabilidad, documentos de clientes— esa distinción no es menor.
- No hay factura por uso ni cambios de tarifa. Lo que descargas hoy funciona igual dentro de dos años, cueste lo que cueste entonces la nube.
- El listón baja cada pocos meses. Hace dos años, algo así pedía equipos de servidor. Hoy pide una gráfica cara pero comprable. Si la tendencia sigue, el sucesor de este modelo entrará en tarjetas bastante más modestas.
Hay además una parte que se cuenta poco: ejecutar un modelo en casa consume electricidad, y bastante. Lo desarrollamos en su día al hablar de cuánta electricidad consume de verdad la inteligencia artificial. Gratis de licencia no es lo mismo que gratis de usar.
Gráficas de 24 GB o más
Que quede claro: no compres una gráfica para esto. Pero si ya tenías pensado renovar la tuya y la IA en local es uno de los usos que te interesan, el filtro útil es buscar directamente por capacidad de memoria y no por modelo. Comprueba en la ficha que la cifra corresponde a la memoria de la tarjeta y no a la memoria recomendada del sistema, que es una confusión habitual en los listados.
Ver gráficas de 24 GB en Amazon Enlace de afiliado: si compras a través de él, Bandaanchatech recibe una pequeña comisión sin coste adicional para ti. No condiciona lo que recomendamos — y en este artículo la recomendación, si tu gráfica actual te funciona, sigue siendo esperar. Los precios cambian a diario, así que no publicamos ninguno aquí.Lo que no se puede saber: con qué se entrenó
Meta ha publicado los pesos, pero no el material del que salieron. Nadie fuera de la empresa puede comprobar qué se usó para entrenar este modelo.
No es una suspicacia gratuita. Con Llama, su familia anterior de modelos, quedó documentado en los tribunales que Meta se descargó por torrent bibliotecas de libros pirateados —decenas de terabytes— y que un ingeniero de la compañía programó la eliminación de la información de derechos de autor de esos archivos. Un juez federal desestimó en 2025 la demanda de un grupo de autores, pero dejó escrito que su decisión no declaraba lícito el uso de obras protegidas: esos demandantes habían argumentado mal. Quedan pleitos abiertos.
De Muse Glimmer no se puede afirmar nada parecido, y esa es justamente la cuestión: cuando se publica el resultado pero no el material del que salió, lo que se entrega es un producto acabado cuya procedencia no se puede auditar. Gratis para quien se lo descarga; si alguien pagó por ello, no fue Meta.
Conclusión
Las dos noticias de esta semana apuntan al mismo sitio desde direcciones opuestas. Google compite bajando el precio de alquilar su inteligencia artificial, con una promoción que se acaba en Nochevieja. Meta compite publicando la suya en abierto para que dejes de alquilarla.
Para la inmensa mayoría de nosotros, hoy sigue ganando la nube: es más barata, más cómoda y no exige comprar nada. Pero la barrera de entrada para tener tu propia IA en casa ha bajado otro escalón, y lo ha hecho justo cuando el precio de la de alquiler tiene puesta una fecha de subida.
La pregunta que merece la pena guardarse para enero no es cuál de los dos modelos es más listo. Es cuánto va a costar entonces lo que ahora parece regalado.
Fuentes
- Muse Glimmer — página oficial del modelo — Meta
- Ficha técnica y requisitos de memoria del modelo — Hugging Face
- Meta vuelve al código abierto con Muse Glimmer — VentureBeat
- Meta libera Muse Glimmer, modelo agéntico de 30B para ejecución local — InfoQ
- Google lanza Gemini 3.7 Flash — Infobae
- Gemini 3.7 Flash recorta las tarifas de API a la mitad — Geeknetic
- Meta entrenó Llama con libros protegidos por derechos de autor — Xataka
- Meta aprovechó el contenido de libros pirateados para entrenar su IA — El Español
- Qué dijo exactamente el juez Chhabria al desestimar la demanda — Gulf News
Google inteligencia artificial privacidad tarjetas gráficas VRAM