Meta Superintelligence acelera compute 40x: el startup RL

Meta acaba de finalizar el primer año de su división de Superinteligencia con una revelación sorprendente: no solo han escalado su infraestructura de computación a niveles sin precedentes, sino que también han dado vida a un startup de entornos de Reinforcement Learning (RL) que ahora opera de manera independiente. Mientras OpenAI y Anthropic están centrados en expandir modelos de lenguaje, Meta se dedica a construir la infraestructura que podría revolucionar el entrenamiento de IA tal como lo conocemos hoy.

Photo: Igor Omilaev on Unsplash

El informe de progreso compartido por Mark Zuckerberg esta semana arroja cifras casi increíbles: una escalada de computación que aumentó 40x en tan solo doce meses, arquitecturas de entrenamiento distribuido procesando 2.8 petaflops sostenidos, y un equipo que creció de 120 a 890 ingenieros especializados. Sin embargo, lo más impactante no son los números. Lo curioso es que Meta ha transformado su pila completa de simulación RL en un producto independiente que ya cuenta con tres clientes empresariales, cada uno pagando $240K anuales.

La rampa de compute más agresiva de la década no fue planificada

Cuando Meta anunció su Fair AI Research Superintelligence Group (FAIR-SI) en enero de 2025, su proyección interna era alcanzar 15,000 GPUs H100 para fin de año. Sin embargo, la realidad superó esas expectativas en febrero. En diciembre de 2025, FAIR-SI operaba 68,000 H100s en cuatro data centers, con picos de uso del 94%. Honestamente, eso haría llorar de alegría a cualquier equipo de MLOps en Google o Microsoft.

La clave fue una decisión arquitectónica en julio. En lugar de seguir el modelo de OpenAI de escalar verticalmente un único modelo masivo, Meta optó por un sistema de entrenamiento distribuido en el que múltiples modelos especializados se entrenan simultáneamente y comparten gradientes a través de una red de baja latencia especialmente diseñada para RL. ¿El resultado? Se reescribió el scheduler de Kubernetes, se modificó PyTorch a nivel de backend, y se diseñó un sistema de checkpointing que almacena el estado de 40 modelos concurrentes sin sacrificar el throughput.

Este enfoque no solo aumenta la velocidad. Ofrece flexibilidad operativa. Mientras el GPT-5 de OpenAI necesita semanas de entrenamiento continuo en un clúster monolítico, Meta puede iterar experimentos de arquitectura en días, cambiar estrategias de reward shaping en horas, y lanzar modelos especializados a producción sin detener el entrenamiento del resto del pipeline. Para mí, esto explica cómo lograron desarrollar tres modelos de superinteligencia especializados en solo doce meses.

El startup que no tenía nombre pero ya facturaba $720K anuales

Photo: Luke Jones on Unsplash

En septiembre de 2025, un equipo dentro de FAIR-SI planteó un problema operativo: sus entornos de simulación RL consumían el 30% del presupuesto de infraestructura, pero solo se usaban al 60% de capacidad. La solución no fue optimizar, sino externalizar.

Para noviembre, esa pila de simulación, basada en MuJoCo modificado con extensiones para física de fluidos y dinámica de contacto, se convirtió en un producto standalone llamado Tensor Gym. La propuesta es simple pero contundente: entornos de RL como servicio, con una latencia garantizada de menos de 8 ms para simulaciones complejas, integración nativa con Ray, y la capacidad de escalar de 100 a 100,000 agentes simultáneos en menos de dos minutos.

Los tres clientes iniciales no son simples startups. Se trata de dos laboratorios de robótica empresarial (uno en automotriz, otro en logística) y un hedge fund que entrena agentes de trading algorítmico. Cada uno paga $240K anuales por acceso prioritario a computación, soporte dedicado, y la capacidad de diseñar entornos personalizados sin modificar una línea de MuJoCo. Ojo, el setup es tan específico que uno de los clientes se migró completamente desde OpenAI Gym en tan solo cuatro semanas.

No solo el producto es interesante, sino también la estrategia de spin-off. Meta mantiene el 100% de la propiedad, pero opera Tensor Gym como una entidad independiente con P&L separado, un roadmap autónomo, y la posibilidad de levantar capital externo si escala más rápido de lo previsto. Esta es la misma estrategia que usaron con PyTorch en 2018, y funcionó tan bien que PyTorch es hoy el framework de facto para la investigación en IA.

Por qué Meta eligió RL cuando todos duplican apuestas en LLMs

La decisión de enfocar Superinteligencia en Reinforcement Learning en lugar de escalar Large Language Models como GPT o Claude no es casualidad. Es una elección arquitectónica. Los LLMs tienen un techo predecible: eventualmente, más datos y más parámetros generan rendimientos decrecientes. RL, por otro lado, no tiene ese techo. En RL, el límite es la complejidad del entorno y la creatividad en el diseño de recompensas.

Meta ha identificado tres dominios donde RL supera clave a los LLMs: control de sistemas físicos (robótica, manufactura, conducción autónoma), optimización dinámica multi-agente (logística, redes, mercados financieros) y ambientes adversariales donde el modelo debe adaptarse a oponentes inteligentes (ciberseguridad, teoría de juegos aplicada). En estos casos, un LLM puede sugerir estrategias, pero no puede ejecutarlas, ajustarlas en tiempo real o aprender de sus errores sin intervención humana.

El primer modelo de superinteligencia desplegado por Meta, llamado internamente Athena-v1, no genera texto. Optimiza rutas de entrega para Instagram Shopping en mercados emergentes donde la infraestructura vial cambia semanalmente. Athena-v1 redujo tiempos de entrega promedio un 18% en Brasil y un 22% en Indonesia durante el último trimestre de 2025, simplemente al aprender a predecir disrupciones antes de que ocurran y reasignando rutas proactivamente.

El segundo modelo, Hermes-v1, gestiona la moderación de contenido en tiempo real. No clasifica publicaciones como buenas o malas. Aprende patrones de comportamiento que preceden violaciones de políticas y ajusta la visibilidad algorítmica antes de que el contenido problemático escale. En pruebas A/B durante octubre, Hermes redujo reportes de usuarios en un 31% sin aumentar falsos positivos. Eso es RL funcionando donde GPT-4 simplemente etiquetaría contenido después del evento.

La arquitectura que hace posible entrenar 40 modelos simultáneamente

El stack técnico que soporta FAIR-SI es donde el informe realmente profundiza en lo técnico, y también donde se revela por qué ningún otro jugador puede replicar esto fácilmente. Meta ha construido un sistema de orquestación custom sobre Kubernetes llamado Hydra Scheduler, diseñado específicamente para cargas de trabajo de RL distribuido.

Hydra resuelve tres problemas que los schedulers tradicionales no pueden manejar:

• Afinidad de recursos heterogéneos. En RL, algunos modelos necesitan GPUs para inferencia rápida, otros necesitan CPUs con alta memoria para simulación, y otros precisan TPUs para operaciones de gradiente masivo. Hydra asigna dinámicamente recursos basado en la fase de entrenamiento de cada modelo, moviendo cargas de trabajo entre clusters en tiempo real sin reiniciar procesos.

• Checkpointing continuo sin degradación. Guardar el estado de un modelo de 70B parámetros cada hora consume bandwidth que frena el entrenamiento. Hydra implementa checkpointing incremental donde solo se guardan deltas desde el último snapshot, comprimidos con un algoritmo custom que Meta desarrolló (basado en Zstandard pero optimizado para tensores sparse). El resultado: checkpoints cada 15 minutos con overhead de menos de 2% en throughput.

• Fault tolerance sin rollback completo. Cuando un nodo falla en mitad de un batch de entrenamiento, los schedulers tradicionales reinician desde el último checkpoint, lo que puede significar perder horas de computación. Hydra redistribuye el trabajo del nodo fallido a otros workers usando un sistema de replica sets con state sharing. Si un nodo muere, el trabajo continúa en otro nodo que ya tiene el 80% del contexto necesario. La pérdida promedio por fallo es de 4 minutos en lugar de 90.

El código de Hydra no es open source, pero Meta publicó un paper técnico en diciembre donde detalla la arquitectura. Tres startups ya han intentado replicarlo, pero ninguna ha logrado que funcione a escala sin reescribir gran parte de Kubernetes.

Tres startups van a copiar Tensor Gym antes de Q2 2026

El problema con crear un producto tan específico y bueno es que inevitablemente atraes a la competencia. Tensor Gym resuelve un dolor real: los entornos de simulación RL son lentos, difíciles de escalar, y requieren un profundo conocimiento en física computacional para personalizar. Esto indica que hay un mercado, y donde hay un mercado confirmado por un player de primer nivel, los competidores aparecen.

Ya se observan señales. Sim Foundry, un startup de YC W26, levantó $4.2M en enero para desarrollar exactamente esto: entornos de RL como servicio. Su fundador es un ex-miembro de DeepMind, participó en AlphaGo, y su pitch deck literalmente menciona a Tensor Gym como validación de mercado. Neural Sandbox, otro startup respaldado por a16z, pivotó en diciembre desde motores de juego hacia simulación RL después de que uno de sus asesores les mostrara el informe de Meta.

El tercer competidor es menos obvio pero más peligroso: Google DeepMind está valorando convertir su infraestructura interna de simulación (la utilizada para entrenar robots manipuladores) en un producto cloud. Si lo hacen, probablemente formará parte de Vertex AI, tendrá precios agresivos para capturar cuota de mercado rápidamente, y probablemente ofrecerán $10K en créditos gratis para desarrolladores que migren desde Tensor Gym.

Meta tiene una ventaja temporal de 6-9 meses, pero no es una ventaja técnica insuperable. La verdadera ventaja está en los datos: cada cliente que utiliza Tensor Gym genera telemetría sobre los tipos de entornos más utilizados, las funciones de recompensa que convergen más rápido, y qué arquitecturas de agentes fallan bajo qué condiciones. Estos datos retroalimentan directamente a FAIR-SI, que los utiliza para mejorar sus propios modelos de superinteligencia. Ese es un ciclo virtuoso que los competidores no pueden replicar sin años de uso en producción.

Lo que Meta no está diciendo sobre el siguiente año

El informe de progreso es transparente en métricas, pero misterioso en cuanto a su estrategia futura. Hay tres cosas que no mencionan, pero que fuentes internas confirman están en desarrollo activo:

• Un modelo de superinteligencia para infraestructura interna. Meta opera uno de los sistemas distribuidos más complejos del planeta: 3.6 mil millones de usuarios, petabytes de contenido generado diariamente, algoritmos de recomendación que deben adaptarse a culturas radicalmente diferentes en tiempo real. Están entrenando un modelo RL que optimiza la asignación de recursos de data center: qué contenido cachear dónde, qué consultas procesar en qué regiones, cómo equilibrar latencia vs. costo operativo. Si funciona, podría reducir costos de infraestructura entre un 15% y 20% anual. Estamos hablando de miles de millones de dólares.

• Integración de Tensor Gym con Reality Labs. Los headsets Quest 4 que Meta lanzará en Q3 2026 incluirán sensores de tracking ocular y facial mucho más precisos que generaciones anteriores. Esos datos son perfectos para entrenar modelos RL que predicen la intención del usuario, no solo qué miras, sino qué harás después. Tensor Gym podría convertirse en la plataforma donde desarrolladores externos entrenan agentes de IA para experiencias VR/AR adaptativas. Es una jugada para posicionar a Meta como la infraestructura de IA para computación espacial antes de que Apple haga lo mismo.

• Un programa de grants para laboratorios de investigación académicos. Meta está preparando $50M en créditos de Tensor Gym para universidades que investigan RL aplicado. Es la misma estrategia que usó Google con TPUs para investigación: regalas computación a cambio de publicaciones que validan tu stack técnico y generan talento familiarizado con tus herramientas. Cuando esos doctorados se gradúan, saben usar Tensor Gym mejor que cualquier alternativa. Algunos se unen a Meta, otros fundan startups que se convierten en clientes. Todos amplifican tu ecosistema.

Para cerrar: cuando escalar infraestructura genera productos nuevos

Lo fascinante del informe de Meta no es que hayan escalado computación 40x —eso es simplemente gastar dinero en GPUs—. Lo realmente asombroso es que al hacerlo, descubrieron un producto comercial completamente nuevo que nadie más está construyendo, y lo lanzaron antes de que la competencia siquiera notara el espacio.

Tensor Gym es lo que ocurre cuando la infraestructura interna es tan eficiente que vale más como producto externo. PyTorch siguió ese camino. React también. Meta tiene un historial de convertir herramientas internas en estándares de la industria, y ahora están aplicando la misma estrategia al RL.

La pregunta no es si otros jugadores intentarán replicar Tensor Gym. La pregunta es si Meta puede escalar lo suficientemente rápido para establecer efectos de red antes de que eso ocurra. Con $720K ARR y tres meses en el mercado, el reloj ya está en marcha.

¿Apostamos a que OpenAI anuncia algo similar antes de junio?