Quasar 438B, el modelo europeo de IA que destaca por su velocidad y despierta dudas sobre su origen
Multiverse Computing ha presentado Quasar 438B como el modelo de inteligencia artificial más inteligente de Europa. Las métricas públicas disponibles respaldan, al menos en parte, esa afirmación: el sistema alcanza 43 puntos en el Intelligence Index de Artificial Analysis, frente a los 35 puntos del Mistral Medium 3.5, hasta ahora uno de los modelos europeos más competitivos.
Sin embargo, la ficha técnica de Quasar 438B lo describe como un modelo basado en GLM-5.2, desarrollado por el laboratorio chino Zhipu.AI. Multiverse Computing no ha explicado públicamente, por el momento, la relación entre ambos sistemas ni ha detallado el proceso técnico utilizado para crear su nuevo modelo.
Una puntuación superior a la de Mistral
Quasar 438B cuenta con 438.000 millones de parámetros, las unidades matemáticas que utiliza un modelo de IA para identificar patrones y generar respuestas. Su puntuación de 43 puntos supera claramente a la del Mistral Medium 3.5 y sitúa a la empresa vasca en una posición destacada dentro del ecosistema europeo.
La compañía, con sede en San Sebastián, está valorada en más de 1.500 millones de euros. En 2025 recibió 67 millones de euros del Gobierno español y cerró una ronda de financiación de 189 millones de euros. El lanzamiento de Quasar supone, por tanto, una demostración especialmente relevante para una empresa que ha centrado su estrategia en hacer más eficientes los modelos de IA.
El resultado también muestra una distancia importante respecto a GLM-5.2. El modelo chino obtiene 53 puntos en el mismo índice y dispone de 753.000 millones de parámetros, con unos 40.000 millones activos durante la generación de cada respuesta.
La compresión como clave tecnológica
La principal actividad de Multiverse Computing se articula en torno a CompactifAI, una plataforma diseñada para comprimir modelos de inteligencia artificial. Este proceso reduce el tamaño o la complejidad de un sistema para que necesite menos recursos informáticos, manteniendo buena parte de sus capacidades.
En la práctica, la compresión puede compararse con optimizar un archivo digital para que ocupe menos espacio. En un modelo de IA, el objetivo es reducir el coste de ejecutar millones de operaciones sin que la pérdida de calidad resulte excesiva.
Los datos disponibles apuntan a que Quasar 438B podría ser una versión comprimida de GLM-5.2. La diferencia de diez puntos en el Intelligence Index sería compatible con ese proceso: se sacrificaría parte del rendimiento máximo a cambio de obtener un sistema más rápido y económico.
La velocidad es, precisamente, el aspecto más favorable para Quasar. Artificial Analysis sitúa su rendimiento en 183 tokens por segundo, frente a los 68 tokens por segundo de GLM-5.2. Los tokens son fragmentos de texto que los modelos procesan para comprender una petición y construir una respuesta. Cuantos más tokens genera un sistema por segundo, menor es el tiempo de espera para el usuario.
Un modelo europeo basado en tecnología china
La posible relación con GLM-5.2 no implica necesariamente una irregularidad. Zhipu.AI publicó los pesos del modelo bajo una licencia abierta, lo que permite a terceros estudiarlos y, dentro de las condiciones establecidas, construir productos comerciales sobre ellos.
La cuestión es distinta desde el punto de vista de la comunicación. Quasar 438B aparece presentado como un modelo europeo propietario, mientras que su posible base tecnológica procede de un sistema chino cuyos pesos son públicos. En consecuencia, los usuarios pueden consultar parte del modelo original, pero no necesariamente acceder a los pesos de la versión desarrollada por Multiverse.
Esta diferencia resulta especialmente relevante en el debate sobre la soberanía tecnológica europea. El concepto no se limita a que una empresa tenga sede en Europa. También incluye el control sobre los datos, la infraestructura, el código, los pesos del modelo y la capacidad de auditar su funcionamiento.
La eficiencia gana peso frente al tamaño
El mercado de IA está dejando atrás la idea de que el modelo más grande es siempre el mejor. La velocidad de respuesta, el coste de ejecución y la posibilidad de desplegar un sistema en infraestructuras más pequeñas son factores cada vez más importantes para empresas y administraciones públicas.
En ese contexto, la estrategia de Multiverse Computing tiene interés propio. La empresa no compite necesariamente con los grandes laboratorios que entrenan modelos desde cero, una tarea que exige enormes cantidades de datos, chips especializados y capital. Su apuesta consiste en mejorar modelos existentes mediante técnicas de compresión.
Si CompactifAI consigue aplicar este proceso a distintos modelos, su valor no dependerá únicamente de Quasar 438B. La tecnología podría servir para reducir el coste de futuros sistemas europeos y facilitar su uso en centros de datos nacionales, dispositivos empresariales o servicios públicos.
La necesidad de aclarar el origen
La falta de información pública sobre la metodología de Quasar 438B deja abiertas varias preguntas. No se ha explicado qué parte del modelo procede de GLM-5.2, qué técnicas de compresión se han utilizado ni si se ha realizado algún entrenamiento adicional con datos propios.
También falta conocer el número de parámetros activos durante la inferencia. Ese dato permitiría comparar mejor el coste real de ejecución con el de otros modelos de gran tamaño.
Multiverse Computing tiene motivos para presentar el resultado como un avance técnico. Si ha conseguido multiplicar la velocidad de un modelo de referencia manteniendo una puntuación competitiva, la aportación es relevante. Pero describir Quasar 438B como el modelo europeo más inteligente sin explicar su posible dependencia de GLM-5.2 puede generar una percepción incompleta.
La transparencia será especialmente importante para los clientes institucionales. Las administraciones europeas necesitan conocer el origen de los modelos que incorporan, la licencia de sus componentes y las garantías aplicables a los datos procesados.
Quasar 438B puede convertirse en un caso destacado de inteligencia artificial europea, aunque quizá no por haber creado un modelo completamente nuevo desde cero. Su relevancia podría estar en demostrar que la compresión permite transformar un sistema potente en una herramienta más rápida, asequible y sencilla de desplegar. La tecnología parece tener recorrido; ahora Multiverse debe explicar con precisión qué hay detrás de ella.
