Hasta ahora, «poner IA en la empresa» significaba una de dos cosas: pagar una suscripción por cada empleado o pagar por uso a través de una API. En ambos casos, tus datos viajan a servidores de terceros y la factura llega todos los meses. El 10 de agosto Meta movió esa frontera: publicó Muse Glimmer, un modelo de 30.000 millones de parámetros con licencia Apache 2.0 que funciona entero en un solo ordenador potente. Sin nube, sin cuota por puesto, sin conexión siquiera.
No es el primer modelo abierto, ni será el último. Pero es la señal más clara hasta la fecha de hacia dónde va esto, y merece que un decisor de pyme le dedique cinco minutos. Vamos con lo que ha pasado, lo que significa de verdad y lo que te conviene hacer (spoiler: probablemente nada drástico).
Qué ha pasado exactamente
Según el anuncio oficial de Meta, Muse Glimmer es un modelo denso de 30B parámetros que acepta texto e imágenes y está optimizado para tareas de agente: ejecutar herramientas, escribir código, organizar ficheros, reintentar cuando algo falla. Gracias a una compresión a 4 bits, el modelo ocupa menos de 20 GB y funciona en equipos con 24–32 GB de memoria: un MacBook de gama alta o un PC con una gráfica de consumo tipo RTX 5090. Sin comprimir necesitaría unos 55 GB.
Dos detalles importan más que la ficha técnica:
- La licencia es Apache 2.0. Es la misma licencia permisiva de medio software empresarial que ya usas. Puedes descargarlo, modificarlo y usarlo comercialmente sin pagar a Meta ni pedirle permiso.
- Rinde al nivel de su categoría. En las pruebas publicadas supera a modelos abiertos comparables (Gemma4-31B, Qwen3.6-27B) en aproximadamente la mitad de una batería de dos docenas de benchmarks, con puntos fuertes en investigación web, generación de código y análisis de gráficos.
El modelo ya está disponible en Hugging Face y funciona con herramientas de instalación sencilla como Ollama o LM Studio.
Qué significa «abierto y local» (y qué no)
Conviene traducir la jerga, porque aquí es donde se decide si esto te afecta:
- Tus datos no salen de tu oficina. Un modelo local procesa facturas, contratos o expedientes sin que nada viaje a servidores de OpenAI, Microsoft o Meta. Para trabajo con datos sensibles —gestorías, despachos, clínicas— es un cambio de categoría, no de grado.
- El coste deja de ser mensual. No hay cuota por usuario ni factura por uso: pagas una vez el equipo donde corre y a partir de ahí el coste marginal de cada consulta es electricidad.
- Funciona sin internet. Anecdótico para muchos, decisivo para algunos.
Y lo que no significa: no es gratis (el hardware capaz de moverlo cuesta varios miles de euros), no se instala solo (alguien tiene que montarlo, conectarlo a tus sistemas y mantenerlo) y no está al nivel de los mejores modelos en la nube. Un 30B local es un profesional competente; los modelos punteros de pago siguen siendo el comité de expertos.
Los números, en la práctica
| Modalidad | Pagas | Tus datos | Para qué encaja |
|---|---|---|---|
| Suscripción (ChatGPT, Copilot…) | Por usuario y mes | En la nube del proveedor | Asistente personal de cada empleado |
| API en la nube | Por uso | En la nube del proveedor | Automatizaciones con volumen variable |
| Modelo local (Muse Glimmer) | Hardware una vez + mantenimiento | En tu oficina | Volumen alto y constante con datos sensibles |
La cuenta cambia según el volumen: si procesas cuarenta documentos al mes, la API sale ganando de calle. Si procesas cuatrocientos al día con información confidencial, un equipo dedicado que corre sin coste por uso empieza a tener mucho sentido.
Cuándo le interesa esto a tu pyme
Tres situaciones concretas en las que un modelo local como este cambia la decisión:
- Tenías una automatización parada por privacidad. Si en algún cajón hay un «nos encantaría automatizar esto, pero no vamos a subir esos datos a la nube», esa objeción acaba de perder fuerza. El proceso puede correr entero en una máquina tuya.
- Tu sector te exige confidencialidad demostrable. Ante un cliente o un regulador, «los datos nunca salen de nuestras máquinas» es una frase mucho más corta de defender que cualquier anexo de tratamiento de datos.
- Tienes volumen repetitivo alto y estable. Clasificar correo operativo, extraer datos de documentos, generar informes: tareas de agente, justo aquello para lo que este modelo está optimizado.
Si te reconoces en alguna, el movimiento no es «instalar Muse Glimmer»: es dimensionar el proceso —volumen, horas, sensibilidad de los datos— y decidir con números si va en la nube o en local. Ese análisis es exactamente lo que hacemos en nuestros proyectos de IA y automatización.
Cuándo no (la mayoría de los casos, hoy)
Seamos claros, que para eso escribimos: si tu uso de la IA es que cada persona redacte, resuma y prepare propuestas más rápido, una suscripción sigue siendo imbatible en coste y simplicidad, como contamos hace unos días al comparar ChatGPT, Copilot e IA a medida. Montar un servidor local para eso es comprar un camión para ir a por el pan.
Tampoco es el momento de correr. Los modelos abiertos mejoran cada pocos meses y el hardware baja de precio; quien monte hoy sin un caso de uso claro habrá pagado la novatada de los pioneros sin el beneficio.
Qué hacer esta semana
Nada espectacular: apunta la tendencia. La IA capaz de trabajar con tus documentos ya no vive solo en la nube de tres proveedores; también puede vivir en un ordenador de tu oficina, con una licencia que no te ata a nadie. Eso amplía tus opciones y mejora tu posición negociadora, incluso aunque nunca instales un modelo local.
Y si tienes ese proceso con datos sensibles que llevas meses queriendo automatizar, quizá la objeción que lo frenaba ya no exista. Cuéntanoslo y te decimos, con números y sin compromiso, si tu caso justifica IA local, API en la nube o ninguna de las dos. Lo tercero también es una respuesta honesta.