Los modelos Muse de Meta encabezan el nuevo banco de pruebas de Scale AI; el árbitro es 49% de Meta
Scale AI, participada al 49% por Meta desde la operación de 14.300 millones de dólares de 2025, ha publicado un banco de pruebas que coloca los modelos Muse de Meta en el primer, segundo y tercer puesto. OpenAI, Google y Anthropic han declinado todas respaldarlo.
Vincent Jiang · 3 min read
Qué compró Meta de verdad con sus 14.300 millones
El 30 de junio de 2025, Meta+0.02% — Meta, up 0.02 percent today pagó 14.300 millones de dólares por el 49% de Scale AI$29B — Scale AI, private, latest valuation $29B, lo que valoró a la compañía de datos y evaluación en casi 29.000 millones, y fichó ese mismo día a su cofundador, Alexandr Wang, como director jefe de IA (chief AI officer) para ponerlo al frente de Meta Superintelligence Labs 1. Wang dimitió como consejero delegado de Scale, pero siguió como presidente 2. Lo que Meta dejó atrás es el corrector de la industria: el comunicado oficial de Scale asegura que su motor de datos sustenta el desarrollo de modelos en la mayoría de los grandes laboratorios de frontera, y que sirve al Gobierno de Estados Unidos y a las empresas de la lista Fortune 500 2.
La clasificación del corrector coloca a los modelos del dueño en cabeza
El 8 de octubre, Scale publicó DistressBench: 718 conversaciones de crisis escritas por 19 clínicos y terapeutas colegiados y evaluadas con 6.901 criterios ponderados por estos profesionales 34. Sumando los resultados de los 25 modelos de frontera, en el 35,3% de las conversaciones en las que un modelo cumplía todos los criterios para reconocer una crisis suicida o de autolesión, aun así no derivaba al usuario hacia ayuda humana 3. El mejor modelo prestó el 88,4% de la atención requerida y la mediana se quedó en el 71,4%, frente al 98,7% de las respuestas de referencia de los clínicos 3. Los tres primeros puestos de la clasificación son para los modelos Muse de Meta 3.
Ningún modelo se acerca a la atención que prestan los clínicos
Data
| Porcentaje de la atención requerida prestada | |
|---|---|
| Mejor modelo (Muse Spark 1.2) | 88.4% |
| Modelo de frontera mediano | 71.4% |
| Respuestas de referencia de los clínicos | 98.7% |
Los modelos Muse de Meta ocupan los tres primeros puestos del DistressBench de Scale AI
Data
| Value | |
|---|---|
| Muse Spark 1.2 (Meta) | 88.39% |
| Muse Spark 1.3 (Meta) | 84.88% |
| Muse Glimmer 30B (Meta) | 80.57% |
| GPT-5.6 Terra (OpenAI) | 76.44% |
| Claude Opus 5.5 (Anthropic) | 75.58% |
| Gemini 3.8 Flash (Google) | 70.74% |
OpenAI, Google y Anthropic se niegan a respaldarlo
OpenAI$1.18T — OpenAI, private, latest valuation $1.18T dijo que «no tenía pruebas suficientes para evaluar por completo» el estudio; Google declinó hacer comentarios, y Anthropic$350B — Anthropic, private, latest valuation $350B no respondió 4. El método se publica con un detalle inusual: un panel de tres jueces formado por modelos de Anthropic, Google+0.44% — Google, up 0.44 percent today y Meta, elegido entre 455 combinaciones posibles a partir de 2.908 etiquetas de clínicos, que coincidía con los clínicos en un coeficiente kappa de Cohen de 0,732 3. El propio Scale advierte de que una puntuación alta «no autoriza su despliegue como producto de salud mental», y el banco de pruebas está solo en inglés, construido en torno a las líneas de crisis de Estados Unidos 3.
La historia del consejero delegado que circula ya tiene un año
Un informe que circula esta semana asegura que Scale ascenderá a Jason Droege, su jefe de estrategia, a consejero delegado, con Wang de salida hacia Meta 5. Eso es un retrato de junio de 2025: Droege dirigió Scale como consejero delegado interino desde entonces, y el anuncio de Scale del 30 de julio de 2026 nombró consejero delegado a Francis deSouza, procedente de Google Cloud e Illumina−0.08% — Illumina, down 0.08 percent today, con efecto a partir del 10 de agosto 2. El acuerdo realmente nuevo de esta semana fue soberano: un memorando de entendimiento con Presight, el operador de IA soberana de Abu Dabi, firmado el 9 de octubre, para evaluar y gobernar agentes de los sistemas eléctricos, hídricos, sanitarios y de transporte del Golfo 6.
Vigilar si los rivales siguen pagando al árbitro
Zuckerberg dijo el 12 de octubre que Meta sopesó comprometer entre 100.000 y 200.000 millones de dólares a finales de 2025, antes de que sus modelos hubieran demostrado su valía. La directora financiera, Susan Li, advirtió a Wang de que el fracaso sería «realmente, realmente malo» en términos financieros. La previsión de gasto de capital (capex) para 2026 se sitúa entre 130.000 y 145.000 millones de dólares 7. Muse, lanzado el 8 de septiembre, logró más de 2,5 millones de descargas en unas dos semanas y un repunte bursátil del 11% en una sola sesión, que sumó unos 200.000 millones de dólares a su valor de mercado 8. El mercado ya ha descontado la parte de Meta en la apuesta. La señal será si OpenAI, Google y Anthropic siguen sometiéndose a un árbitro en parte en manos de su competidor.
Deepdive
AI-generated from this story and its cited sources. Not investment advice.
