Multiverse Computing anunció el lanzamiento comercial de Quasar 438B, su primer modelo de gran tamaño y nuevo sistema insignia de razonamiento, disponible mediante la API de CompactifAI. Con 438.000 millones de parámetros y 43 puntos en el Artificial Analysis Intelligence Index v4.1.1, la compañía española entra en la competición por los modelos fundacionales empresariales y presenta su desarrollo como el europeo mejor situado en esa edición de la comparativa.
El movimiento amplía el alcance de una empresa especializada hasta ahora en comprimir modelos para reducir sus requisitos de cómputo. Multiverse pasa a desarrollar y comercializar un sistema fundacional propietario, orientado a agentes empresariales, programación y procesamiento de documentos extensos.
La puntuación de 43 está recogida en la ficha independiente de rendimiento de Quasar 438B. La interpretación de ese resultado como liderazgo europeo corresponde a Multiverse Computing y se refiere a la versión 4.1.1 del índice, una fotografía susceptible de cambiar a medida que la plataforma incorpora modelos o actualiza mediciones.
Velocidad para cadenas de trabajo con agentes
Quasar está diseñado para operaciones en las que una petición desencadena numerosas consultas al modelo. Un agente puede tener que dividir un encargo, consultar herramientas, comprobar resultados y modificar su estrategia antes de responder. En esos flujos, unos segundos adicionales en cada interacción se acumulan y condicionan la viabilidad de utilizar inteligencia artificial en aplicaciones empresariales interactivas.
Según las mediciones aportadas por la compañía para el corte de la comparativa, el modelo genera 500 tokens de salida en 15,3 segundos, incluido el tiempo dedicado al razonamiento. Multiverse sostiene que solo tres sistemas de la muestra eran más rápidos y que únicamente Gemini 3.7 Flash combinaba una latencia inferior con una puntuación de inteligencia superior. La cifra debe leerse dentro de esa edición concreta, ya que las métricas de velocidad y el universo de modelos de Artificial Analysis son dinámicos.
Frente a Mistral Medium 3.5, Quasar presenta una ventaja declarada de 13 puntos en el índice y reduce de 18,8 a 15,3 segundos el tiempo necesario para producir esos 500 tokens. También queda por encima de NVIDIA Nemotron 3 Ultra, al que se atribuyen 38 puntos. La relevancia operativa de esas diferencias dependerá, sin embargo, del número de llamadas que requiera cada proceso, del coste de la API y del comportamiento del modelo con datos y herramientas propios.
«Este es un hito importante para la IA europea: Quasar demuestra que los desarrolladores europeos de IA no tienen por qué elegir entre capacidad de razonamiento y velocidad», afirmó Enrique Lizaso, cofundador y CEO de Multiverse Computing, al situar el lanzamiento dentro de la competencia internacional por la inteligencia artificial.
Documentos extensos y tareas reales de programación
El resultado general combina nueve pruebas agrupadas en agentes, programación, razonamiento científico, conocimiento general y razonamiento con grandes contextos. Multiverse asegura que Quasar supera a los modelos europeos comparables en ocho de esas nueve evaluaciones. La agregación facilita una referencia conjunta, aunque no sustituye el análisis de cada prueba para determinar si un sistema encaja en un caso de uso determinado.
En Artificial Analysis Long Context Reasoning, que mide la capacidad de encontrar, conectar y razonar sobre información distribuida en textos extensos, Quasar obtiene 75 puntos. Iguala el resultado atribuido a Grok 4.6 en su configuración high, queda a menos de un punto de Claude Opus 5 y aventaja en 4 puntos a Nemotron 3 Ultra y en 9,7 a Mistral Medium 3.5.
Esta capacidad apunta a procesos que trabajan con contratos, políticas internas, informes, documentación técnica e historiales de interacción. La evaluación externa registra una ventana de contexto de un millón de tokens, además de clasificar Quasar como un modelo exclusivamente de texto. Puede procesar grandes volúmenes documentales, pero no incorpora de partida modalidades como imagen, audio o vídeo.
En Terminal-Bench v2.1, centrado en agentes que operan en entornos de terminal reales, alcanza 69,3 puntos. El resultado supera en 18,7 puntos a Mistral Medium 3.5 y en 15,4 a Nemotron 3 Ultra. Estas tareas exigen inspeccionar repositorios, ejecutar comandos, diagnosticar fallos y completar secuencias conectadas, una exigencia más próxima al trabajo de desarrollo que la generación aislada de fragmentos de código.
Quasar conserva una distancia apreciable frente al líder citado por Multiverse: Claude Opus 5 obtiene 89,1 puntos en esa evaluación. La propia empresa identifica ahí margen de mejora y prevé actualizar las capacidades de programación y agentes después del lanzamiento.
Una propuesta europea, aunque propietaria
El modelo admite inglés y español y puede probarse e integrarse sin desplegar infraestructura propia a través de CompactifAI. Artificial Analysis registra a Multiverse Computing como su único proveedor de API, por lo que el acceso inicial depende de la plataforma de la propia compañía.
La empresa encuadra Quasar dentro de la IA soberana europea, una demanda vinculada al control sobre proveedores, datos, gobernanza y cumplimiento normativo. Esa caracterización requiere distinguir procedencia de apertura: la ficha técnica independiente clasifica el modelo como propietario, de modo que su desarrollo europeo no implica acceso abierto a los pesos.
«Las empresas europeas necesitan modelos capaces de abordar tareas complejas, utilizar herramientas y trabajar con documentos extensos, pero también necesitan una mayor variedad de opciones y acceso a una IA potente desarrollada aquí, en Europa. Quasar reúne ambos requisitos en un modelo diseñado para agentes empresariales y tareas de programación», señaló Enrique Lizaso al explicar el mercado que pretende cubrir la compañía.
Para los clientes, la decisión de adoptar Quasar dependerá de variables que los índices generales no resuelven por sí solos: rendimiento con documentación interna, estabilidad al utilizar herramientas, controles de seguridad, residencia de los datos, coste por tarea terminada y dependencia de una única API. Para Multiverse, el desafío operativo será convertir su posición inicial en las pruebas en despliegues sostenidos y demostrar que un modelo europeo de esta escala puede mantener rendimiento, latencia y disponibilidad bajo cargas empresariales reales.
