Señales IA — 18 de octubre de 2026

La liberación de Muse Spark Open por parte de Meta marca un punto de inflexión en la economía de los modelos de lenguaje. Con 816 mil millones de parámetros (42 mil millones activos) y una ventana de contexto de un millón de tokens, este modelo de mezcla de expertos (MoE) se posiciona como el más grande de pesos abiertos disponible hasta ahora. No se trata solo de un avance técnico: al liberar los pesos, Meta reduce drásticamente el costo de adopción para empresas que quieren ejecutar modelos de frontera en su propia infraestructura, evitando depender de APIs propietarias y de los costos recurrentes asociados. (Fuente: MarkTechPost)

El impacto económico real de este anuncio radica en la presión competitiva que ejerce sobre los proveedores de modelos cerrados. Cuando un modelo de 816B parámetros está disponible para descargar y ajustar, los precios de los modelos equivalentes en la nube tienden a bajar, y los clientes empresariales ganan poder de negociación. Además, la compatibilidad con hardware de consumo de alta gama (como dos Mac Studio M5 Ultra) sugiere que la barrera de entrada para ejecutarlo, aunque alta, no es exclusiva de grandes centros de datos. Esto democratiza el acceso a capacidades de IA de nivel casi frontera para medianas empresas y laboratorios de investigación.

Sin embargo, conviene ser cauteloso. El tamaño del modelo implica que los costos de inferencia y ajuste fino siguen siendo significativos, especialmente para casos de uso intensivos. Además, la liberación de pesos no garantiza que el modelo sea el mejor en todas las tareas: su liderazgo en MCP-Atlas es un indicador puntual y no un dominio general. Aun así, esta movida de Meta acelera la commoditización de los modelos fundacionales, desplazando el valor económico hacia las capas de aplicación, datos propietarios y orquestación de agentes. Es una señal clara de que la ventaja competitiva en IA se está moviendo de los laboratorios que entrenan modelos a las empresas que saben integrarlos en procesos de negocio.

• DeepSeek lanzó V4.1-Flash-1017 con una puntuación de 77.0 en DeepSWE y abrió su API de búsqueda, lo que intensifica la competencia en agentes de codificación y reduce barreras para desarrolladores. (Fuente: MarkTechPost)
• StepFun publicó Step 5 Preview como pesos abiertos: 600 mil millones de parámetros totales, 27 mil millones activos por token y contexto de 1 millón de tokens, orientado a trabajo agéntico de larga duración. (Fuente: MarkTechPost)
• Perplexity abrió SPACE, un sandbox basado en microVMs Firecracker para ejecutar tareas de agentes de forma aislada, lo que aborda riesgos de seguridad y podría acelerar la adopción empresarial de agentes autónomos. (Fuente: MarkTechPost)
• Google liberó Harness2, un marco que reescribe el “arnés” de un agente en tiempo de prueba; una sola refinación elevó a GLM-5 en 11.5 puntos en WorkBuddy-Bench sin actualizar pesos, lo que sugiere que la optimización de agentes se está volviendo más eficiente. (Fuente: MarkTechPost)
• Kyutai, con Inria y École des Ponts, presentó REKI, un modelo de visión-lenguaje-acción de 2.4 mil millones de parámetros para manipulación robótica, preentrenado solo con datos públicos y con memoria de bajo costo, mostrando avances en robótica con recursos limitados. (Fuente: MarkTechPost)
• Amulya Vishwanath, exlíder de robótica de Nvidia, afirma que la robótica está en su “era Lego”, con bloques básicos como actuadores y estándares de seguridad aún reconstruyéndose, lo que retrasa el momento “ChatGPT” del sector. (Fuente: TechCrunch AI)

México vive un momento dual en IA. Por un lado, el gobierno federal y 17 empresas globales lanzaron un programa para capacitar gratuitamente a jóvenes en IA y garantizarles empleo (Fuente: Infobae). Además, 32 mil personas se inscribieron en la segunda generación del centro público de IA, lo que refleja una demanda masiva de formación (Fuente: Alcanzando el Conocimiento). En el ámbito comercial, México se convirtió en el tercer socio comercial de Taiwán gracias a la fabricación de componentes para IA y superó a Países Bajos en la cadena global de suministros (Fuente: Bien Informado; Expansión).

Sin embargo, expertos advierten que el país carece de infraestructura propia para investigar IA y que la respuesta ante amenazas ofensivas está atrapada en la burocracia (Fuente: El Sol de México; Infobae). También se reporta un aumento en intentos de estafa con IA (Fuente: El Economista) y el uso de herramientas de IA para localizar personas desaparecidas (Fuente: Quadratín Tabasco; Sistema Mexiquense). En el sector privado, Intelisis presentó soluciones de IA en el ERP Summit México 2026 (Fuente: Portal ERP).

El modelo de decisión multimodal d1-ultra de Liquid AI cuesta $0.042 por millón de tokens de entrada y alcanza 65 en el Artificial Analysis Decision Index, devolviendo probabilidades calibradas en una sola pasada. Esta cifra concreta muestra la agresiva guerra de precios en los modelos de decisión, una categoría emergente que compite con los chatbots tradicionales. (Fuente primaria: Liquid AI, vía MarkTechPost)

Recibe Señales IA

Gratis, directo a tu bandeja. ¿Te reenviaron esto? Suscríbete tú y no te lo pierdas.

o recíbelo en Telegram, sin dar tu correo

Suscríbete a nuestro canal de YouTube para ver los videos