Meta presenta Llama 3.2 con visión y las gafas de realidad aumentada Orion

Meta ha presentado este miércoles Llama 3.2, una ampliación de su familia de modelos abiertos que incorpora comprensión de imágenes y versiones lo bastante pequeñas como para ejecutarse en móviles y otros dispositivos. En su conferencia Meta Connect también ha enseñado Orion, unas gafas de realidad aumentada todavía experimentales que condensan buena parte de su apuesta por llevar la IA fuera de la pantalla.

El anuncio une dos estrategias que hasta ahora avanzaban por caminos distintos: modelos capaces de interpretar el mundo visual y hardware que pueda mostrar información digital directamente sobre ese mundo.

Llama 3.2 añade ojos a la familia de Meta

Llama 3.2 llega con cuatro modelos. Los de 11.000 y 90.000 millones de parámetros son multimodales: pueden recibir texto e imágenes y responder en texto. Sirven, por ejemplo, para extraer datos de una gráfica, describir una fotografía, responder preguntas sobre un documento escaneado o identificar elementos concretos dentro de una imagen.

Un modelo multimodal no es simplemente un chatbot al que se le adjunta una foto. Debe relacionar lo que ve con la pregunta del usuario y con el lenguaje. Esta capacidad se ha convertido en una pieza central de la competencia entre OpenAI, Google, Anthropic y Meta, porque permite automatizar tareas que combinan documentos, capturas de pantalla, interfaces o imágenes de productos.

Los modelos de visión de Llama 3.2 parten de la arquitectura de Llama 3.1. Meta ha entrenado una capa visual para que el modelo traduzca la información de una imagen a representaciones que el modelo de lenguaje puede procesar. Como ocurre con el resto de Llama, la compañía publica los pesos bajo su licencia comunitaria: investigadores y empresas pueden descargar el modelo y adaptarlo, con condiciones específicas para las organizaciones de gran tamaño.

Eso diferencia a Llama de servicios cerrados como ChatGPT o Claude. Una empresa puede instalar un modelo en su propia infraestructura, controlar mejor dónde permanecen sus datos y ajustarlo a una tarea concreta. A cambio, asume el coste técnico de desplegarlo, evaluarlo y mantenerlo seguro.

Modelos de 1.000 y 3.000 millones de parámetros para el dispositivo

La otra novedad son Llama 3.2 1B y 3B, modelos solo de texto de 1.000 y 3.000 millones de parámetros, respectivamente. Su propósito no es competir con los modelos más grandes en razonamiento complejo, sino hacer viables funciones de IA en equipos con recursos limitados.

Meta los plantea para móviles, ordenadores personales y dispositivos conectados. Ejecutar parte de la IA en el propio aparato —lo que suele llamarse edge AI o IA en el borde— puede reducir la latencia y evitar que cada consulta viaje a un servidor remoto. Es una ventaja relevante para sugerencias de escritura, clasificación de información, comandos de voz o asistentes que trabajen con datos sensibles.

La contrapartida es inevitable: un modelo pequeño sabe menos y comete más errores que uno de decenas o cientos de miles de millones de parámetros. La decisión práctica no será escoger entre IA local o IA en la nube, sino repartir las tareas. Las acciones sencillas y privadas encajan mejor en el dispositivo; las consultas que exigen más conocimiento o cálculo seguirán recurriendo a centros de datos.

Meta AI gana voz, y Orion apunta a un futuro sin móvil

Meta también ha anunciado nuevas voces para Meta AI, su asistente integrado en WhatsApp, Instagram, Facebook y Messenger. La compañía incorpora conversaciones por voz y voces de personalidades como John Cena, Judi Dench, Awkwafina, Keegan-Michael Key y Kristen Bell, inicialmente en Estados Unidos, Canadá, Australia y Nueva Zelanda.

La demostración más ambiciosa del evento ha sido Orion. No son unas gafas inteligentes como las Ray-Ban Meta, que llevan cámara, micrófonos y altavoces, sino unas gafas de realidad aumentada con pantallas transparentes. Proyectan elementos digitales sobre el campo de visión del usuario: mensajes, videollamadas, indicaciones o información contextual.

El prototipo emplea proyectores Micro LED, guías de onda de carburo de silicio y seguimiento de ojos y manos. Se controla también con una pulsera basada en electromiografía, una técnica que detecta las señales eléctricas de los músculos de la muñeca antes incluso de que el dedo complete un gesto. Meta afirma que Orion ofrece un campo de visión de unos 70 grados y pesa menos de 100 gramos.

No habrá Orion en tiendas por ahora. Meta la presenta como una plataforma de investigación: el hardware sigue siendo muy caro de fabricar y la empresa necesita reducir su coste antes de comercializarlo. La decisión de mostrarlo, pese a ello, tiene valor estratégico. Meta quiere demostrar que dispone de una alternativa a los móviles y a los cascos voluminosos de realidad mixta.

El reto es convertir demostraciones en utilidad diaria

Llama 3.2 da a desarrolladores y empresas una vía abierta para experimentar con visión e IA local. Orion, en cambio, expone la distancia que todavía existe entre una demostración convincente y un producto de consumo.

La conexión entre ambos anuncios es clara: unas gafas útiles necesitarán entender lo que el usuario mira, responder rápido y gestionar datos especialmente delicados. La privacidad, el consumo de batería, la precisión del reconocimiento visual y la aceptación social de llevar cámaras y pantallas en la cara determinarán si esa visión sale del laboratorio. Meta ha puesto las piezas sobre la mesa; convertirlas en un dispositivo cotidiano requerirá bastante más que un buen modelo de lenguaje.