El entrenamiento y la inferencia de la familia de modelos Muse de Meta serán el foco de la ampliación de la colaboración tecnológica anunciada por Nvidia y Meta. Ambas compañías prevén optimizar los flujos de trabajo de estos modelos y sus agentes de inteligencia artificial para mejorar el rendimiento y el coste total de propiedad de la infraestructura.
Los modelos y agentes Muse ya utilizan infraestructura de Nvidia. El nuevo anuncio, fechado el 26 de octubre de 2026, plantea profundizar en esa colaboración ante la demanda de agentes de IA. La compañía atribuye a Muse un aumento de las descargas desde su lanzamiento y resultados competitivos en pruebas de rendimiento, aunque el comunicado no detalla esas mediciones.
Despliegue y supervisión de agentes de IA
Las empresas estudiarán también otras posibilidades de colaboración en torno a la arquitectura de referencia Nvidia OpenShell. Entre las tecnologías consideradas figuran OpenShell, destinada al despliegue seguro de agentes, y Nvidia Sentry, para monitorizar su comportamiento. Se trata de ámbitos de cooperación que las compañías evaluarán, además del trabajo previsto sobre Muse.
Jensen Huang, fundador y consejero delegado de Nvidia, vincula esta colaboración a una forma de utilizar el software en la que los agentes interpretan objetivos, razonan y emplean herramientas para ejecutar tareas. Por su parte, Mark Zuckerberg, fundador y consejero delegado de Meta, sitúa Muse en la estrategia de la empresa para ofrecer agentes personales y modelos avanzados a sus usuarios.
Infraestructura de cómputo y redes Ethernet
Meta prevé ampliar el despliegue de la plataforma Vera Rubin y de las CPU Vera de Nvidia para sus agentes de próxima generación, con el rendimiento por vatio como objetivo. También desplegará redes Ethernet Spectrum-X y BlueField-4 para mejorar la eficiencia de la red y su capacidad de transferencia. El anuncio incluye, además, una inversión prevista de Nvidia de 3.000 millones de dólares en la oferta de acciones de Meta.
La entrada Los modelos Muse centran una colaboración para optimizar el entrenamiento y la inferencia aparece primero en CASADOMO.