Quasar 438B: el «modelo europeo» que apunta a ser un fork chino

Un lanzamiento con cifras récord y una pregunta incómoda

Multiverse Computing presentó el 3 de septiembre de 2026 su nuevo modelo Quasar 438B como «el modelo de IA más inteligente de Europa». El comunicado oficial, recogido por HPC Wire, anuncia una puntuación de 43 en el Artificial Analysis Intelligence Index v4.1.1, un resultado que supera a Mistral Medium 3.5 (30 puntos) y a NVIDIA Nemotron 3 Ultra (38 puntos), los principales referentes disponibles en Europa y Estados Unidos, respectivamente. Hasta ahora, ningún laboratorio europeo había alcanzado esa franja en el índice.

Pero el lanzamiento llega con una duda de origen que la documentación de Multiverse no despeja: según Artificial Analysis y la documentación previa de CompactifAI (la plataforma de compresión con la que la compañía vasca comercializa el modelo), Quasar 438B figura como «basado en GLM-5.2», el modelo de código abierto del laboratorio chino Z.ai (antes Zhipu AI). Lo que la empresa presenta como un hito soberano europeo tiene, en realidad, una base china — y eso cambia la lectura política y comercial del anuncio.

Qué dice la ficha oficial de Quasar 438B

En su comunicado oficial, Multiverse destaca las siguientes cifras:

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

438.000 millones de parámetros totales
Soporte para inglés y español
75,0 puntos en Artificial Analysis Long Context Reasoning (AA-LCR), empatando con Grok 4.6 (high) y quedando a un punto de Claude Opus 5
69,3 puntos en Terminal-Bench v2.1, 18,7 puntos por encima de Mistral Medium 3.5 y 15,4 por encima de Nemotron 3 Ultra
Producción de 500 tokens de salida en 15,3 segundos, frente a los 18,8 segundos de Mistral Medium 3.5

El modelo está disponible desde el lanzamiento a través de la API de CompactifAI y, según el comunicado recogido por HPC Wire, supera a modelos europeos comparables en ocho de las nueve evaluaciones que componen el índice. La narrativa comercial del anuncio está construida alrededor de la soberanía: «Europa no tiene que elegir entre rendimiento de razonamiento y velocidad», declaró Enrique Lizaso, cofundador y CEO de Multiverse Computing.

El rastro chino: CompactifAI ya vinculaba Quasar con GLM-5.2

Antes del lanzamiento público, la documentación de CompactifAI ya describía a Quasar como asociado a GLM-5.2 con capacidades técnicas «idénticas» al modelo original. Z.ai liberó los pesos de GLM-5.2 bajo licencia MIT el 17 de junio de 2026 en Hugging Face y ModelScope, tras un lanzamiento por suscripción el 13 de junio, según publicó TechTimes.

GLM-5.2 es un modelo mixture-of-experts de 753.000 millones de parámetros totales, de los cuales aproximadamente 40.000 millones se activan en cada inferencia. Z.ai lo diseñó para ventanas de contexto de un millón de tokens y tareas de codificación agentiva de larga duración. En Terminal-Bench 2.1, GLM-5.2 alcanza 81,0 puntos, frente a los 85,0 de Claude Opus 4.8; en SWE-bench Pro anota 62,1, por delante de GPT-5.5 (58,6) y de su antecesor GLM-5.1 (58,4), según los datos oficiales publicados por Z.ai y recogidos por TechTimes.

Para Multiverse, el valor técnico de Quasar está en la compresión: pasar de 753.000 millones de parámetros totales a 438.000 millones manteniendo un rendimiento razonablemente alto y mejorando la velocidad de inferencia. La caída de 10 puntos en el índice (de 53 a 43) es coherente con esa promesa, según la fuente original.

Por qué la compresión sí importa, aunque sea china

Que un modelo europeo se apoye en pesos chinos no es, en sí mismo, un problema técnico. La licencia MIT de GLM-5.2 permite descargar, modificar, ajustar y desplegar comercialmente los pesos sin restricciones, tal como explicó TechTimes. Tampoco es desconocido que Z.ai opera como empresa con sede en Pekín y vínculos documentados con el Estado chino: la compañía fue añadida a la Entity List del Departamento de Comercio de EE. UU. en enero de 2025 con la justificación de «avanzar en la modernización militar de la República Popular China a través del desarrollo e integración de investigación avanzada en inteligencia artificial», según recogió TechTimes.

El problema de fondo es de comunicación: el comunicado oficial de Multiverse, tal como lo recogió HPC Wire, no menciona a GLM-5.2, a Z.ai ni al proceso de compresión que dio origen a Quasar. Un cliente institucional europeo — defensa, administración pública, salud, energía — que evalúe el modelo guiado solo por el comunicado oficial no tendrá información sobre su origen real, su cadena de entrenamiento o sus dependencias regulatorias. En sectores regulados, esa asimetría no es una cuestión académica: condiciona la decisión de compra.

Soberanía tecnológica europea: ¿qué cuenta como europeo?

El debate sobre soberanía tecnológica europea lleva años instalado, y Multiverse siempre ha ocupado una posición clara dentro de él: no entrenar LLMs gigantescos desde cero, sino comprimir los modelos que otros ya entrenaron. Quasar 438B es la apuesta más ambiciosa de esa estrategia. El problema es que esa estrategia tiene un techo comercial cuando el «modelo europeo» se presenta como referente y, al mismo tiempo, sus pesos no son públicos — Artificial Analysis lo clasifica como modelo propietario, aunque se deriven de pesos abiertos.

Hay un precedente útil para entender el calibre del asunto: cuando DeepSeek publicó R1 en enero de 2025, el ecosistema global entendió que China podía producir modelos competitivos a un coste mucho menor. GLM-5.2 generó el mismo fenómeno entre founders e inversores de Silicon Valley, según recogió Business Insider: Guillermo Rauch, CEO de Vercel, escribió en X que estaba «genuinamente impresionado, casi conmocionado» por su rendimiento en código; Matt Velloso, ex VP de Meta, Google DeepMind y Microsoft, afirmó tras un día de uso que es «el primer modelo abierto que pasa la barrera como conductor diario».

Para los founders hispanohablantes, el caso Quasar es la primera señal concreta de un patrón que se va a repetir: startups europeas pueden ofrecer modelos competitivos en velocidad y precio apoyándose en pesos abiertos chinos, pero cada venta institucional requerirá explicar de dónde viene el modelo, qué se hizo con los pesos y qué garantías regulatorias ofrece. Esa explicación no la puede dar solo la tecnología — la tiene que dar la comunicación.

¿Qué significa esto para tu startup?

La pregunta práctica no es si Quasar es un buen modelo — los benchmarks dicen que sí. La pregunta es cómo se gestiona la dependencia de pesos abiertos chinos cuando el cliente es una empresa regulada o una administración pública.

Acción 1 — Documenta el linaje de cada modelo que uses en producción. Si integras Quasar 438B, GLM-5.2 o cualquier modelo derivado de pesos abiertos chinos, deja por escrito de dónde vienen los pesos, qué modificaciones se hicieron y bajo qué licencia los despliegas. Esa trazabilidad es la única defensa frente a una auditoría regulatoria o un cuestionario de procurement institucional.
Acción 2 — Separa dos decisiones que Quasar mezcla. Rendimiento del modelo (qué tan bien responde a tus tareas) y origen del modelo (dónde se entrenó, qué licencia tiene, qué obligaciones legales arrastra). Para herramientas internas de productividad o prototipos, el origen pesa poco. Para clientes europeos en sectores regulados o para datos cubiertos por GDPR, el origen es parte del producto — y necesitas poder explicarlo sin improvisar.
Acción 3 — Evalúa CompactifAI por lo que hace, no por el modelo que comprime hoy. Si la tecnología de Multiverse funciona como promete, su valor está en hacer eficiente la próxima generación de modelos europeos, no en el modelo concreto que salió en septiembre de 2026. Para founders, eso significa que CompactifAI puede ser un socio interesante incluso si Quasar termina siendo deglutido por la siguiente generación de modelos abiertos.