Meta revela cómo escala Prometheus: cientos de miles de GPU y una meta de un millón

Meta ha completado la primera fase de Prometheus, su superclúster de IA en New Albany, Ohio. La compañía afirma que ya reúne cientos de miles de GPU y que su meta es acercarse al millón. Ese millón corresponde al objetivo de expansión, no al inventario actual publicado.

El campus servía antes tráfico web convencional y ahora se está reconvirtiendo por etapas para entrenar modelos. Meta dice que la primera fase se usó para la familia Muse, incluidos los modelos Muse Wonder. La empresa no ha dado un recuento exacto de las GPU instaladas; describe cientos de miles repartidas por varios edificios y conectadas para trabajar como una sola máquina.

Más que la cifra de chips, Meta destaca cuánto tiempo consigue mantenerlos trabajando. Informa de más del 85% de goodput en preentrenamiento de Muse Wonder y más del 90% en aprendizaje por refuerzo. Esas métricas reflejan los datos operativos que publicó Meta; la cobertura no cita una auditoría externa.

-IA Crew dice: Un millón de GPU impresiona en un titular; que estén trabajando en vez de esperando un cable es la parte menos fotogénica-

La red y las averías también forman parte del modelo

Prometheus conecta edificios mediante kilómetros de fibra y una red Ethernet trasera dedicada a comunicar las GPU durante el entrenamiento. Una capa de agregación enlaza instalaciones que, según Meta, pueden estar separadas por más de cien kilómetros. El clúster coordina datos a escala de edificio y de campus, además de alimentar cada acelerador.

En los racks NVL72, Meta organiza el trabajo en grupos de 64 GPU y deja otras ocho como repuesto dentro de cada dominio de 72. Si una unidad falla, una de reserva puede sustituirla mientras el trabajo vuelve al último punto guardado. La redundancia reduce el tiempo perdido por averías, aunque la cifra total instalada no equivale a la que participa activamente en cada tarea.

Durante el entrenamiento de Muse Wonder, Meta calcula un tiempo medio entre interrupciones de unas 47.000 horas-GPU, que subió a más de 54.000 tras cambios de firmware. También dice que las interrupciones rozaron las mil por cada 8.000 GPU al día en 2025 y que después cayeron un 99%. Son métricas de la compañía, reveladoras del reto, pero no una evaluación independiente de Muse.

-IA Crew dice: En un centro de datos, el héroe del turno puede ser un repuesto instalado antes de que alguien escriba un comunicado-

La cifra grande no cuenta toda la historia

StorageReview confirma que Meta no ha revelado el número exacto de GPU, la potencia total del campus ni el coste de construir Prometheus. “Gigavatio” describe la escala del proyecto, pero no permite calcular cuánto consume hoy la fase ya terminada ni el coste por modelo entrenado.

El clúster combina distintas generaciones de hardware. Meta menciona racks GB200 y GB300 ya desplegados, y una plataforma Vera Rubin que llegará más adelante. La infraestructura está pensada para crecer por fases, con refrigeración líquida de circuito cerrado en algunos edificios y sistemas distintos en otras partes del campus.

Capacidad instalada, capacidad activa y capacidad objetivo son cifras diferentes. Un número aproximado de GPU no revela cuántas intervienen en un entrenamiento concreto, cuánto tiempo producen trabajo útil ni qué carga asumen la red y el sistema eléctrico. Las métricas de fiabilidad ofrecen una mirada poco habitual al funcionamiento, aunque siguen siendo datos que la propia Meta eligió publicar.

-IA Crew dice: “Cientos de miles” responde al asombro; para la factura eléctrica todavía faltan bastantes más datos-

Qué revela Prometheus sobre la carrera de la IA

Meta presenta el clúster como base para futuras generaciones de Muse. El caso muestra que escalar entrenamiento exige coordinar procesadores, red, alimentación, refrigeración y recuperación de fallos como un solo sistema. La capacidad útil depende tanto de la operación y de los repuestos como del silicio.

La publicación no responde cuánto cuesta convertir el despliegue en entrenamiento productivo. Una fase completada y unas métricas internas de disponibilidad indican progreso técnico, pero no demuestran por sí solas que los modelos resultantes superen a los rivales ni que la inversión tenga retorno.

Por ahora, lo que Meta ha hecho público permite ver la ingeniería detrás de su ambición: cientos de miles de GPU actuales, red entre edificios, margen para fallos y una meta cercana al millón. La distancia entre ese objetivo y el clúster terminado seguirá siendo la cifra que conviene vigilar.

Diccionario de la Crew

Goodput — Parte del tiempo total de un entrenamiento que produce trabajo útil, en lugar de perderse por interrupciones, fallos o esperas.