LLaMA 4: Meta lanza el primer modelo de 1T parámetros open source

Meta ha anunciado LLaMA 4, y la cifra que encabeza cualquier titular sobre el modelo —un billón de parámetros— solo cuenta parte de la historia. Anunciado el 4 de julio de 2026, LLaMA 4 es el primer modelo de esa escala disponible como open source, construido con una arquitectura Mixture-of-Experts que mantiene esos 1T parámetros totales pero activa solo 100B de ellos por token, entrenado sobre 100 billones de tokens de datos.

Lo que de verdad ha sorprendido al sector no es tanto el tamaño como el rendimiento: LLaMA 4 supera a GPT-5 en varios benchmarks de reasoning, y lo hace bajo una licencia —Llama Community— que permite uso comercial sin las restricciones que suelen acompañar a los modelos de este calibre.

Por dentro del modelo

Además de los 100B parámetros activos por token gracias a la arquitectura MoE con ocho expertos, LLaMA 4 tiene una ventana de contexto de 2 millones de tokens y es multimodal de forma nativa, manejando texto, imagen, código y audio dentro del mismo modelo. Los datos de entrenamiento llegan hasta junio de 2026, lo que lo convierte en uno de los modelos frontier con conocimiento más reciente disponible hoy.

Cómo se compara con la competencia

En los benchmarks públicos, LLaMA 4 se sitúa por delante de GPT-5 de forma consistente aunque no aplastante: 92,1% frente a 91,5% en MMLU, 96,4% frente a 95,8% en HumanEval, 95,8% frente a 95,2% en GSM8K. Son diferencias de décimas, pero suficientes para que Meta pueda reclamar el liderazgo en reasoning entre los modelos disponibles hoy, algo que hasta ahora parecía terreno exclusivo de los modelos cerrados de OpenAI y Anthropic.

Lo que costó llegar hasta aquí

Meta ha sido inusualmente transparente sobre el coste de entrenar LLaMA 4: dieciséis mil GPUs H100 corriendo durante tres meses, con un gasto en cómputo de alrededor de 2.500 millones de dólares y otros 500 millones en curación y licencias de datos. En total, unos 3.000 millones de dólares, lo que convierte a este entrenamiento en el más caro de la historia de la IA hasta la fecha, por encima incluso de lo que se estima que costó GPT-5.

Dónde conseguirlo y bajo qué condiciones

Los pesos del modelo están disponibles en Hugging Face, en la plataforma de Meta AI, y en GitHub junto con el código de entrenamiento. La licencia Llama Community permite uso comercial sin límites de ingresos, fine-tuning para casos de uso propios, distribución de modelos derivados, e incluso modificar la arquitectura si lo necesitas. Para quien no pueda permitirse correr el modelo completo, Meta ha lanzado también variantes más ligeras: una versión densa de 100B parámetros, otra quantizada a 8-bit que reduce el tamaño considerablemente, y una versión pensada para dispositivos móviles.

Lo que significa para el resto del mercado

Para OpenAI y Anthropic, LLaMA 4 es una amenaza real en tres frentes a la vez: capacidad, coste —porque self-hostear un modelo abierto puede ser mucho más económico que pagar por tokens de API—, y transparencia, un terreno donde los modelos cerrados llevan tiempo a la defensiva. Para el ecosistema open source, en cambio, este lanzamiento consolida a Meta como el actor de referencia: la comunidad alrededor de Llama sigue siendo, con diferencia, la más grande, y eso atrae más herramientas, más integraciones y más adopción.

¿Tiene sentido para ti?

Si puedes permitirte self-hostear, si necesitas el máximo nivel de reasoning disponible, si el control sobre tus propios datos es una prioridad, o si el coste de las APIs de GPT-5 y Claude se te está haciendo difícil de justificar, LLaMA 4 merece una evaluación seria. Si prefieres la comodidad de una API gestionada o no tienes infraestructura para correr un modelo de este tamaño, seguir con proveedores managed sigue siendo la opción más práctica.

Que un modelo de un billón de parámetros esté disponible abiertamente dice mucho sobre hasta dónde ha llegado la investigación abierta en IA. También deja claro que competir en esta liga exige un presupuesto que muy pocas empresas en el mundo pueden permitirse.