Meta lleva tiempo insistiendo en que quiere estar en la primera fila de la inteligencia artificial. Su consejero delegado, Mark Zuckerberg, llegó a decir en julio que los nuevos modelos de la compañía “empujarían la frontera” en el plazo de aproximadamente un año. Esa promesa, vista desde hoy, empieza a parecer más difícil de cumplir.
Según ha publicado The New York Times, Meta ha decidido posponer el lanzamiento de su próximo modelo de IA “base” tras detectar que no alcanzaba el nivel esperado en pruebas internas. Tres personas conocedoras del proyecto (sin autorización para hablar públicamente) explicaron al diario que el modelo, desarrollado durante meses, se quedó por debajo de referentes del sector en tareas clave como razonamiento, programación y redacción. En otras palabras: en un momento en el que la competición se mide por milésimas en benchmarks y por percepciones de liderazgo, Meta no quiere salir a la pista con un coche rápido, pero no lo bastante como para pelear la pole.
Qué es Avocado y por qué es tan importante
El proyecto se conoce internamente como Avocado. Es un nombre en clave, pero sirve para identificar una idea concreta: un modelo fundacional sobre el que se construyen productos. Estos modelos funcionan como una especie de “motor” común: no son una sola aplicación, sino la base que luego puede alimentar chatbots, asistentes en redes sociales, generadores de texto, herramientas para programar o funciones de productividad.
Si lo pensamos en términos cotidianos, un modelo fundacional es como la masa madre del pan. No es la hogaza final, pero determina su sabor, su textura y su consistencia. Con una masa madre potente, puedes hacer panes distintos; con una floja, todo lo que salga de ahí hereda sus limitaciones. Por eso la decisión de retrasar un lanzamiento no es solo una cuestión de calendario: afecta a toda la cadena de productos que dependen de ese “motor”.
Pruebas internas: dónde flojea frente a los líderes
Las fuentes citadas por The New York Times aseguran que Avocado mostró resultados inferiores a los modelos de IA punteros de rivales como Google, OpenAI y Anthropic en pruebas internas centradas en razonamiento, código y escritura. Son tres áreas que, hoy, actúan como termómetro del progreso porque están muy relacionadas con lo que los usuarios perciben como “inteligencia” útil.
Cuando un modelo razona mejor, no solo responde: conecta pistas, detecta contradicciones y mantiene el hilo. En programación, no basta con completar líneas; tiene que entender intención, depurar y proponer soluciones sin romper todo lo demás. En escritura, el reto no es redactar bonito, sino hacerlo con precisión, estructura y contexto. Si un sistema falla ahí, el usuario lo nota como cuando un copiloto te da indicaciones tarde: aunque sepa el destino, el viaje se vuelve torpe.
Las mismas fuentes apuntan a un matiz relevante: Avocado sí superó al anterior modelo de Meta y logró rendir mejor que Google Gemini 2.5 (presentado en marzo, según el artículo). El problema es que, en el escalón superior, no habría alcanzado el nivel de Gemini 3.0 (mencionado como lanzado en noviembre). En una carrera tan apretada, “mejor que antes” ya no garantiza titulares positivos si el resto sigue acelerando.
Retraso hasta mayo y una idea incómoda: licenciar Gemini
La consecuencia inmediata, siempre según la información de The New York Times, es que Meta ha aplazado el lanzamiento del modelo al menos hasta mayo, cuando inicialmente se esperaba que llegara este mismo mes. Cambiar una fecha puede parecer menor, pero en este sector un par de meses equivalen a varias iteraciones técnicas, cambios de estrategia y, sobre todo, expectativas recalibradas.
Hay otro detalle que ilustra la presión: dentro de Meta se habría discutido la opción de licenciar Gemini para impulsar productos de IA de la compañía, aunque no habría una decisión final tomada. Esta posibilidad, que suena pragmática, también tiene lectura estratégica. Para una empresa que quiere liderar, depender temporalmente de tecnología ajena es como alquilar un motor para competir mientras ajustas el tuyo. Puedes seguir en la carrera y dar servicio a usuarios, pero renuncias a parte del control, del margen de diferenciación y de la narrativa de “esto lo hacemos nosotros”.
Por qué el rendimiento pesa tanto en la imagen de una compañía
Meta no se juega solo un lanzamiento. Se juega el relato de su apuesta: ha invertido miles de millones para estar en la vanguardia de la inteligencia artificial, y la industria mira con lupa quién marca el ritmo en los modelos fundacionales. La razón es sencilla: el liderazgo en estos modelos sirve como imán de talento, como argumento para convencer a desarrolladores y como plataforma para experimentar rápido.
En la práctica, ir por detrás se nota en pequeños detalles cotidianos del producto. Un asistente que se confunde con instrucciones encadenadas, una herramienta que programa bien lo fácil pero se atraganta con lo complejo, un generador de texto que suena convincente pero comete fallos de lógica. Esas fricciones, acumuladas, pesan en la percepción del usuario. Y la percepción, en tecnología, suele traducirse en adopción o abandono con mucha más rapidez de lo que a las compañías les gustaría.
El dilema clásico: salir pronto o salir sólido
Retrasar un lanzamiento sugiere que Meta ha priorizado pulir el rendimiento antes que publicar algo “suficientemente bueno”. En IA, esa decisión tiene un componente reputacional: sacar un modelo por debajo de lo esperado puede convertirse en munición para rivales y críticos; esperar demasiado puede hacerte perder la conversación y, con ella, parte del impulso de mercado.
El problema es que los modelos no mejoran solo con “darles más tiempo” como quien deja reposar una salsa. Hacen falta datos, ajuste fino, cambios de arquitectura, más cómputo y pruebas iterativas. Cada mejora exige recursos, y cada recurso tiene coste económico y operativo. Por eso la opción de licenciar tecnología externa aparece en la mesa: permite mantener funciones competitivas mientras se trabaja en cerrar la brecha.
Qué pueden esperar usuarios y equipos de producto de Meta
Para quien usa herramientas de Meta, el retraso puede traducirse en menos novedades inmediatas o en avances más graduales. Si la compañía acaba apoyándose en un modelo licenciado para ciertas funciones, el usuario probablemente lo notará en la calidad de respuesta sin ver el “nombre” del motor, igual que un conductor nota que el coche acelera mejor sin saber qué pieza exacta se cambió.
Para desarrolladores y equipos internos, el impacto es doble. Por un lado, un modelo fundacional más fuerte habilita nuevas funciones y reduce el trabajo de “parches” para compensar carencias. Por otro, la incertidumbre sobre qué motor se usa —propio o licenciado— influye en cómo se planifican integraciones, costes y tiempos de despliegue. En productos de gran escala, esa elección no es un detalle técnico: es un eje de estrategia.
Lo que este episodio dice sobre la carrera de la IA
La noticia encaja con una realidad cada vez más evidente: Google, OpenAI y Anthropic están marcando un listón alto en modelos de IA generales, y el resto no solo compite con dinero, sino con velocidad de iteración y resultados demostrables. Meta, con su tamaño y su capacidad de inversión, no está fuera del juego, pero el retraso de Avocado sugiere que alcanzar a los líderes exige más que músculo financiero: requiere afinar la ingeniería, la evaluación y el enfoque de producto a un nivel casi obsesivo.
Si algo deja claro lo publicado por The New York Times es que la batalla ya no consiste en “tener IA”, sino en tener una IA que destaque en lo que la gente valora cuando la usa: entender, ayudar y no fallar en lo básico cuando la conversación se complica. Y en ese punto, cada décima de rendimiento cuenta.