Meta ha lanzado LLaMA 4, y con él ha establecido un nuevo estándar para los modelos de lenguaje de código abierto. La brecha entre los mejores modelos comerciales y los open source se ha reducido de forma notable, y en tareas concretas de contexto largo LLaMA 4 llega a superarlos, algo con implicaciones directas para cualquier empresa que dependa hoy de una API de pago.
Scout, Maverick y Behemoth: tres modelos para tres presupuestos de cómputo
Meta ha lanzado LLaMA 4 en tres variantes con arquitectura de Mixture of Experts. LLaMA 4 Scout, con 17.000 millones de parámetros activos sobre un total mucho mayor gracias al MoE, puede ejecutarse en hardware de consumo con unos 32 GB de RAM, lo que lo pone al alcance de una estación de trabajo potente sin necesidad de clúster. LLaMA 4 Maverick, con 400.000 millones de parámetros totales bajo la misma arquitectura de expertos, ofrece capacidades que Meta sitúa a la altura de los mejores modelos comerciales en benchmarks de razonamiento. LLaMA 4 Behemoth, todavía en entrenamiento en el momento de escribir esto, es el modelo que Meta presenta como su apuesta para liderar en matemáticas y razonamiento científico, aunque sin fecha de lanzamiento confirmada.
Scout supera a GPT-4o gracias a una ventana de 10 millones de tokens
Lo que sorprende de Scout no es su tamaño, relativamente modesto frente a los grandes modelos comerciales, sino su ventana de contexto de 10 millones de tokens, muy por encima del millón de Gemini 1.5 Pro o los 200.000 de Claude 3 Sonnet en el momento de su lanzamiento. En benchmarks de comprensión de textos largos, Scout supera a GPT-4o y a Claude 3 Sonnet, aunque conviene matizar que estas comparativas dependen mucho del benchmark elegido y que en tareas de razonamiento matemático puro los modelos comerciales de última generación siguen manteniendo ventaja. Para aplicaciones empresariales que procesan contratos extensos, bases de conocimiento completas o historiales largos de clientes, esa ventana de contexto es el argumento de venta real, más que la puntuación agregada en un leaderboard.
El español mejora un 30%, pero sigue siendo el idioma secundario
LLaMA 4 amplía el soporte a 12 idiomas, y el español ha recibido atención específica en esta generación. Las pruebas en comprensión lectora y generación de texto en castellano muestran una mejora de en torno al 30% respecto a LLaMA 3, una cifra relevante para cualquier empresa española que quiera desplegar el modelo en producción. Aun así, el inglés sigue rindiendo mejor de forma consistente, simplemente porque el volumen de datos de entrenamiento en ese idioma sigue siendo muy superior, algo que ningún modelo open source ha resuelto todavía del todo.
Licencia permisiva, pero con letra pequeña
La disponibilidad de un modelo tan capaz como Scout de forma gratuita y con licencia que permite uso comercial redistribuye poder en el ecosistema de la IA: startups, investigadores y empresas medianas que no pueden asumir los costes recurrentes de la API de OpenAI o Anthropic ahora tienen acceso a capacidades comparables desplegables en su propia infraestructura. La licencia de Meta, sin embargo, no es tan abierta como sugiere el marketing: empresas con más de 700 millones de usuarios mensuales activos necesitan una licencia especial de Meta, una cláusula pensada explícitamente para que competidores directos como Google o Microsoft no puedan usarla sin negociar.
Qué falta por resolver antes de un despliegue serio
Ejecutar Maverick en producción sigue requiriendo infraestructura de GPU considerable pese a la arquitectura MoE, que activa solo una fracción de los parámetros por inferencia pero exige tenerlos todos cargados en memoria. Además, como con cualquier modelo abierto, la responsabilidad de moderación de contenido, fine-tuning de seguridad y cumplimiento normativo recae enteramente en quien lo despliega, sin el soporte que ofrece una API comercial gestionada. Para una pyme sin equipo de MLOps, esa diferencia puede compensar el ahorro en costes de API.
Cómo se compara frente a Mistral Large y Qwen 2.5
LLaMA 4 no compite en el vacío dentro del terreno abierto. Mistral Large, de la francesa Mistral AI, mantiene una ventaja reconocida en eficiencia de inferencia para tareas de programación, mientras que Qwen 2.5, desarrollado por Alibaba, sigue siendo referencia en tareas multilingües orientadas a mercados asiáticos y ofrece variantes de tamaño más granular para quien necesita ajustar el coste de cómputo con precisión. Elegir entre estos modelos ya no depende solo de la puntuación en un benchmark genérico, sino del caso de uso concreto: contexto largo y despliegue empresarial favorecen a Scout y Maverick; programación pura, a Mistral; cobertura multilingüe amplia, a Qwen.
La adopción real en España más allá del entusiasmo inicial
Empresas españolas de sectores regulados, banca y seguros entre ellas, han empezado a evaluar LLaMA 4 Scout en entornos de prueba controlados precisamente por la posibilidad de mantener los datos dentro de su propia infraestructura, un requisito que muchas políticas internas de cumplimiento hacen casi obligatorio antes de considerar cualquier API externa. La adopción sigue siendo minoritaria frente al uso de APIs comerciales, pero el ritmo de crecimiento en pruebas piloto documentadas por consultoras tecnológicas locales indica que el modelo está pasando de la curiosidad técnica a la evaluación seria de negocio.
