Meta, IA y cero modelos: la paradoja de Avocado

La apuesta más cara de Meta: miles de millones y nueve meses de silencio

A finales de 2024, Mark Zuckerberg tomó una decisión que sacudió al sector tecnológico: convertir a Meta en un jugador serio en la carrera por la superinteligencia artificial. Para eso, no escatimó en recursos. La compañía destinó inversiones en infraestructura de GPU que superan los 100.000 millones de dólares anuales, reclutó talento de primer nivel y creó desde cero el Meta Superintelligence Labs (anteriormente conocido internamente como Laboratorio TBD). El mensaje era claro: Meta dejaría de perseguir a sus rivales para marcarles el ritmo.

El problema es que, a la fecha, ese esfuerzo titánico no se ha traducido en ningún modelo lanzado al mundo. Y eso, en un mercado donde Google, OpenAI y Anthropic iteran cada pocas semanas, empieza a pesar.

Avocado: el modelo secreto que nunca termina de llegar

El nombre en clave es Avocado, y ha protagonizado meses de rumores, filtraciones y promesas internas. Según memos filtrados, este modelo —desarrollado por Meta Superintelligence Labs— completó su preentrenamiento en enero de 2026 y es descrito internamente como el modelo base más capaz que Meta ha construido jamás: superior en conocimiento general, percepción visual y capacidades multilingüe, incluso antes del proceso de refinamiento (post-entrenamiento).

👥 ¿Quieres ir más allá de la noticia?

En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.

👥 Unirme a la comunidad

Suena prometedor. El problema es que prometedor no es lo mismo que listo. Reuters reportó el 13 de marzo de 2026 que Meta ha retrasado el lanzamiento de Avocado —que originalmente estaba previsto para este mismo mes— hasta al menos mayo de 2026. No es el primer aplazamiento: el modelo lleva postergándose desde finales de 2025, acumulando una cadena de retrasos que contrasta fuertemente con la velocidad de sus competidores.

Para los founders que construyen sobre APIs de IA o definen su stack tecnológico, este patrón tiene implicaciones directas: un actor con recursos ilimitados puede seguir sin ser el más ágil.

El talento estelar que fichó Meta (y la presión que eso genera)

Parte de la narrativa de Meta en IA se construyó sobre nombres reconocibles. Entre los fichajes más sonados destacan:

Alexandr Wang, fundador de Scale AI y conocido defensor de los modelos cerrados propietarios.
Nat Friedman, ex-CEO de GitHub, con experiencia gestionando plataformas de desarrollo masivas.
Shengjia Zhao, coautor del trabajo técnico detrás de ChatGPT.

Reunir a este tipo de perfiles bajo un mismo techo es costoso y genera expectativas enormes. Pero también introduce tensiones organizacionales que cualquier founder que haya escalado un equipo técnico conoce bien: visiones distintas sobre arquitectura, velocidad de lanzamiento, criterios de calidad y —en este caso— la pregunta más delicada de todas: ¿abierto o cerrado?

El giro estratégico que nadie esperaba: de open source a modelo propietario

Durante años, Meta fue el gran campeón del open source en IA. Su familia de modelos Llama democratizó el acceso a modelos de lenguaje avanzados y posicionó a la empresa como aliada del ecosistema de desarrolladores. Pero ese mismo éxito terminó volviéndose en su contra.

Según reportes de CNBC y Bloomberg, Meta detectó que componentes de Llama 4 (lanzado en abril de 2025) fueron incorporados en proyectos externos, incluyendo el desarrollo de DeepSeek, el modelo chino que causó conmoción en el mercado a principios de 2025. En la práctica, Meta estaba subsidiando —sin quererlo— a sus propios competidores.

La conclusión estratégica fue contundente: Avocado no será open source. A diferencia de Llama, este modelo se distribuirá únicamente a través de APIs de pago, sin acceso a pesos ni componentes clave del modelo. Un cambio de filosofía radical que alinea a Meta con OpenAI y Google, pero que decepciona a la comunidad de desarrolladores que construyó sobre sus modelos abiertos.

Las razones detrás de este giro son múltiples: márgenes nulos en open source, presión regulatoria tanto en EE.UU. como en la Unión Europea, y una lógica defensiva en un contexto geopolítico donde el acceso a modelos de frontera se está convirtiendo en un asunto de Estado.

¿Meta pagando licencias a Google? La paradoja de la mayor inversión en IA

Quizás el dato más revelador de la situación actual de Meta en IA es este: en medio de su megainversión para desarrollar modelos propios, la compañía llegó a contemplar —o incluso a negociar— el uso de Gemini de Google mediante licencias para cubrir sus necesidades internas mientras Avocado no estaba listo.

Para una empresa que ha gastado decenas de miles de millones precisamente para no depender de terceros, esto habla de la dificultad real de construir capacidad de IA de frontera desde cero. El dinero y el talento son condiciones necesarias, pero no suficientes. La ejecución técnica, la arquitectura de datos y los ciclos de iteración tienen sus propios tiempos —y esos tiempos no siempre respetan los calendarios que dictan los inversores.

Meta vs. el resto: ¿quién lleva ventaja en 2026?

Poner a Meta en contexto frente a sus competidores ayuda a entender la magnitud del desafío:

OpenAI lidera en razonamiento lógico y adopción masiva, con modelos como GPT-4o y su sucesor ya iterando en producción.
Google DeepMind mantiene ventaja en escala de datos y multimodalidad con la familia Gemini.
Anthropic se posiciona como referente en seguridad y uso empresarial con Claude.
Meta, pese a su infraestructura y talento, llega tarde al mercado de modelos propietarios y enfrenta la inercia de haber apostado durante años por una filosofía que ahora está revirtiendo.

Dicho esto, hay señales positivas: los benchmarks preliminares de Avocado (comparados internamente) muestran resultados competitivos frente a modelos post-entrenados de los líderes actuales. Y el modelo paralelo Mango muestra superioridad en tareas específicas como código Python, matemáticas universitarias y reducción de alucinaciones frente a GPT-4o mini. El potencial está ahí; la pregunta es cuándo llega a las manos de quienes construyen productos sobre él.

¿Qué pueden aprender los founders de la estrategia (y los errores) de Meta?

La historia de Meta en IA en este período no es solo la historia de una gran empresa con problemas de ejecución. Es un caso de estudio en tiempo real sobre dilemas que también enfrentan startups a menor escala:

Velocidad vs. perfección: La presión por lanzar rápido choca con la necesidad de hacerlo bien. Meta eligió esperar —y eso tiene un costo reputacional y competitivo enorme.
Open source como arma de doble filo: Democratizar tecnología construye comunidad y adopción, pero puede también armar a tus competidores. El equilibrio entre apertura y protección de IP es una decisión estratégica, no solo filosófica.
Capital y talento no reemplazan el proceso: Contratar a los mejores y gastar lo que sea necesario no garantiza resultados si la coordinación interna, los objetivos y los incentivos no están alineados.
Dependencia de terceros mientras construyes: Considerar soluciones externas (como Gemini) mientras desarrollas las propias no es un fracaso; es gestión pragmática del riesgo operativo.

Conclusión

Meta está en una de las apuestas más ambiciosas —y costosas— de su historia. Avocado eventualmente llegará, probablemente en mayo de 2026, y cuando lo haga competirá en un mercado que habrá seguido evolucionando. Mientras tanto, la empresa enfrenta el tipo de paradoja que solo las organizaciones más grandes conocen: tener todos los recursos del mundo y aun así no poder comprar el tiempo que la ejecución requiere.

Para los founders del ecosistema tech, esto es un recordatorio poderoso: la carrera de IA no la gana quien más invierte, sino quien mejor combina velocidad, foco y capacidad de pivotar cuando la estrategia no funciona. Y en eso, las startups ágiles todavía tienen ventajas que los gigantes envidiarían.

Profundiza en la carrera de la IA con founders que siguen estas tendencias de cerca y conecta con la comunidad que analiza el mercado tech en tiempo real.

Unirse a la comunidad