Meta publica Llama 3 y lleva Meta AI a WhatsApp e Instagram
Meta ha liberado Llama 3, con modelos de 8.000 y 70.000 millones de parámetros, y ha desplegado su asistente Meta AI en sus principales aplicaciones. La empresa busca convertir la IA generativa en una función cotidiana para miles de millones de usuarios.
El 18 de abril de 2024, Meta publicó los primeros Llama 3 —variantes de 8.000 y 70.000 millones de parámetros— y amplió Meta AI dentro de sus aplicaciones. El anuncio de Meta documenta entrenamiento, evaluaciones, licencia y despliegue inicial; “abiertamente disponible” describe acceso bajo condiciones, no software libre sin restricciones.
La primera entrega incluye modelos de 8.000 y 70.000 millones de parámetros. Los parámetros son los valores que un modelo ajusta durante su entrenamiento para aprender patrones del lenguaje, el código y otros datos. Meta también confirmó que está entrenando una versión mucho mayor, con más de 400.000 millones de parámetros, aunque no ha fijado fecha para su publicación. Fuente primaria.
Dos modelos abiertos con una licencia propia
Llama 3 llega en versiones base, destinadas a quienes quieran adaptarlas, y en versiones ajustadas para conversar y seguir instrucciones. Meta sostiene que el modelo de 70.000 millones de parámetros mejora de forma notable a Llama 2 en razonamiento, programación y seguimiento de peticiones, y que compite con modelos comerciales de tamaño similar en varias pruebas de referencia. Fuente primaria.
La compañía ha entrenado esta generación con más de 15 billones de tokens, las unidades de texto que procesan los modelos. Esa cifra equivale a más de siete veces los datos usados para Llama 2, según Meta. También ha ampliado la proporción de datos de programación y de contenido en idiomas distintos del inglés. Fuente primaria.
La apertura de Llama no significa que sea software libre en el sentido más estricto. Sus pesos —los archivos que permiten ejecutar el modelo— pueden descargarse y utilizarse para investigación y fines comerciales bajo la licencia comunitaria de Meta. Sin embargo, las empresas con más de 700 millones de usuarios activos mensuales deberán solicitar una autorización específica. Fuente primaria.
Ese matiz importa porque Llama se ha convertido en una de las alternativas más usadas a los modelos cerrados de OpenAI, Google o Anthropic. Poder descargarlo permite ejecutarlo en servidores propios, adaptarlo a una tarea concreta y evitar que todas las consultas pasen por una API externa. A cambio, quien lo despliega asume la infraestructura, la seguridad y la evaluación de sus posibles fallos.
Meta AI entra en las aplicaciones de la compañía
La novedad más visible para el público no es el modelo, sino el asistente que lo utiliza. Meta AI empieza a desplegarse en inglés en Estados Unidos dentro de WhatsApp, Instagram, Facebook y Messenger, además de en la web meta.ai. El asistente puede responder preguntas, ayudar a planificar tareas, recomendar opciones y generar imágenes a partir de instrucciones escritas.
En algunas funciones de búsqueda de Facebook e Instagram, Meta AI aparecerá directamente en el cuadro donde los usuarios ya escriben sus consultas. La empresa quiere que la IA no sea una aplicación separada que haya que abrir deliberadamente, sino una capa incorporada a los lugares donde ya se conversa, se busca contenido y se comparten enlaces.
Meta AI también puede recurrir a resultados de búsqueda web proporcionados por Bing. Es una decisión relevante: un modelo de lenguaje por sí solo responde a partir de la información aprendida durante su entrenamiento y puede estar desactualizado o equivocarse. Con acceso a la web, sus respuestas pueden incorporar información reciente, aunque siguen requiriendo comprobación cuando se trate de asuntos importantes.
El reto no es solo técnico
Meta parte con una ventaja de distribución difícil de igualar. WhatsApp, Instagram, Facebook y Messenger reúnen a miles de millones de personas, y el asistente se introduce en productos que ya forman parte de sus rutinas. OpenAI popularizó el chatbot como destino propio con ChatGPT; Meta intenta que la conversación con IA ocurra dentro de las aplicaciones sociales y de mensajería existentes.
Pero esa ventaja abre cuestiones prácticas. En una conversación de grupo, por ejemplo, invocar a Meta AI implica llevar una solicitud a los sistemas de la compañía, algo que conviene tener presente antes de compartir datos sensibles. Meta deberá explicar con claridad qué información usa para mejorar sus servicios, cómo separa las conversaciones privadas de las consultas al asistente y cómo evita respuestas erróneas en productos utilizados a gran escala.
Por ahora, el despliegue está limitado al inglés y a Estados Unidos. La prueba decisiva será comprobar si Meta AI resulta útil más allá de las demostraciones de generación de imágenes y respuestas rápidas, y si Llama 3 logra consolidarse como una base técnica para empresas y desarrolladores que no quieren depender de un único proveedor de modelos cerrados.
Pesos, licencia y asistente no son lo mismo
Llama 3 descargable permite ejecutar y adaptar el modelo; Meta AI añade búsqueda, interfaz, políticas y sistemas privados. Un resultado del asistente no describe necesariamente los pesos, y una prueba local no reproduce el producto. La ficha debe nombrar variante, ajuste y capa de herramientas.
La licencia comunitaria autoriza usos amplios con condiciones y un umbral para servicios de gran escala. Antes de distribuir se conserva la revisión del texto, se comprueban obligaciones de atribución y se separa la marca de la licencia. “Abierto” sin esos detalles puede ocultar una restricción importante.
Cómo comparar las variantes
El tamaño afecta memoria, latencia y calidad, pero no decide la tarea por sí solo. Se prueba clasificación, extracción, redacción y código con casos propios, y se asigna un modelo al nivel mínimo que supera el umbral. Usar siempre el mayor desperdicia recursos; usar el menor sin revisión traslada coste a los errores.
Los datos multilingües declarados no garantizan paridad. Se escriben pruebas originales en cada lengua, con dialectos, formatos y conocimiento local, y se revisa mezcla de idiomas. Una mejora en inglés puede coexistir con una regresión donde el producto se despliega.
La distribución dentro de mensajería amplifica tanto utilidad como error. El usuario debe distinguir una conversación humana de Meta AI, saber cuándo una respuesta usa la web y poder citar o corregir la fuente. Integrar en una aplicación habitual reduce fricción; también puede reducir la pausa crítica antes de creer o compartir.
La capacidad transferible es auditar una familia por artefacto, licencia, variante, idioma y canal. Con ese inventario se puede aprovechar Llama 3 sin confundir acceso a pesos con transparencia total ni presencia en una aplicación con fiabilidad.
El ajuste define la conducta visible
Una versión base predice continuaciones; una versión Instruct ha recibido ejemplos y preferencias para seguir peticiones. La comparación conserva ambas etiquetas. Afinar con datos propios puede mejorar vocabulario y degradar seguridad o conocimiento general, de modo que se repiten pruebas anteriores además de la nueva tarea.
El conjunto de evaluación publicado por Meta fue creado también con intervención humana y modelos. Abrir categorías y criterios permite entender qué se premió. Una preferencia agregada no sustituye exactitud factual, especialmente cuando el asistente recupera información de la web.
Antes de integrar se comprueba la versión exacta de la licencia y del modelo. Las familias cambian y un nombre corto puede abarcar distintas ventanas, ajustes o filtros. El hash y la ficha de origen permiten reconstruir el sistema si una respuesta causa un incidente.
La actualización necesita una prueba de regresión. Una variante nueva puede mejorar programación y empeorar un idioma o el formato de datos. Lanzarla solo porque el promedio subió trata a usuarios concretos como ruido estadístico.
La documentación del modelo debería acompañar el despliegue dentro de las aplicaciones. Cuando Meta AI usa otra capa o cambia de versión, el lector necesita una señal. La trazabilidad evita que los resultados del peso publicado se utilicen para justificar un servicio que nadie puede inspeccionar del mismo modo.
El modelo elegido debe poder retirarse si incumple el umbral.
Este artículo se ha elaborado con inteligencia artificial bajo supervisión editorial humana.
