El lanzamiento de Muse superó al debut de ChatGPT en las tiendas de aplicaciones móviles
Según estimaciones de Apptopia, durante sus primeros 12 días en iOS en Estados Unidos y Canadá, Muse obtuvo 1,8 millones de descargas, frente a los 1,3 millones de ChatGPT; en Estados Unidos también tuvo más usuarios diarios. La comparación se basa en estimaciones externas y abarca condiciones de lanzamiento distintas: ChatGPT se lanzó de inmediato a nivel internacional, mientras que Muse solo estaba disponible en Estados Unidos y Canadá.
Un sólido comienzo en descargas
En sus primeros 12 días, la aplicación móvil Meta Muse se descargó más veces que ChatGPT durante sus primeros 12 días tras el lanzamiento. Según las estimaciones de Apptopia, Muse registró 2,8 millones de instalaciones en todo el mundo.
En EE. UU., la aplicación pasó del segundo al primer puesto en la clasificación general de la App Store. Según Appfigures, para entonces Muse había superado el millón de descargas.
Comparación en igualdad de condiciones
Para comparar las aplicaciones en las mismas condiciones, Apptopia tomó datos únicamente de iOS en EE. UU. y Canadá durante los primeros 12 días tras el lanzamiento de cada aplicación.
| Indicador | Meta Muse | ChatGPT |
|---|---|---|
| Descargas en iOS en EE. UU. y Canadá | 1,8 millones | 1,3 millones |
| Usuarios activos diarios en EE. UU. | 642 000 | 231 000 |
En iOS en EE. UU., Apptopia estimó que Muse tenía una audiencia diaria de 359 000 usuarios. La cifra supera la de ChatGPT en la etapa correspondiente, aunque la fuente no proporciona el dato exacto.
Lanzamiento y audiencia de Muse por región
ChatGPT estuvo disponible en todo el mundo desde su lanzamiento, pero solo en iOS. Meta Muse se lanzó para iOS y Android, pero únicamente en EE. UU. y Canadá. Por eso, las cifras de descargas de ambas aplicaciones no se pueden comparar directamente sin tener en cuenta las plataformas y las regiones en las que se lanzaron.
Según las estimaciones de Apptopia, más del 95 % de los usuarios de Muse también utilizan Facebook, y el 63 % usa Instagram. Muse puede conectarse a estos servicios y funciona dentro de WhatsApp.
Apptopia estima las descargas y la audiencia activa a partir de datos externos, sin acceso directo a las estadísticas internas de Meta. La propia Meta no ha publicado datos sobre la difusión inicial de Muse.
Qué se puede concluir a partir de las cifras
Los datos comparables muestran que Muse aventaja a ChatGPT en descargas en iOS en EE. UU. y Canadá, así como en audiencia diaria en EE. UU. Se trata de una conclusión sobre el lanzamiento de las aplicaciones, no sobre su calidad ni sobre su uso a largo plazo.
Las descargas y los usuarios activos son útiles para evaluar el interés inicial. Sin embargo, por sí solos, estos indicadores no revelan hasta qué punto las aplicaciones son adecuadas para tareas de trabajo específicas.
Preguntas frecuentes
Material similar
Todos los materiales
Los LLM médicos se enteran de que se han revisado las recomendaciones, pero a menudo responden según las pautas anteriores
El estudio de ChronoEvo sobre 1709 cambios en las guías clínicas muestra que, en el modelo principal, el 90,8 % de las respuestas detectaba la novedad, pero solo el 58,5 % la aplicaba por completo; la brecha de 32,3 puntos porcentuales se mantuvo en 14 modelos. Ni siquiera aumentar la visibilidad de las actualizaciones produjo una mejora significativa en la incorporación completa de las nuevas reglas a las recomendaciones clínicas.
4 noviembre 2026
Modelo del mundo para agentes basados en LLM cerrados: corrección en puntos de riesgo
Se propone PAWM, un predictor externo que no duplica la observación paso a paso, sino que se activa cuando es probable que ocurra un fallo y desvía al agente de una acción equivocada. Tras el ajuste fino supervisado (SFT) con escenarios sintéticos y el coentrenamiento con GRPO, el método logró una mejora del 24,3 % en ScienceWorld y del 7,7 % en WebArena-Lite para Claude Sonnet 4.5.
4 noviembre 2026
Capa de clasificación sobre SpeechLLM: dónde supera a la generación de etiquetas en el reconocimiento de emociones
En IEMOCAP y MELD se compara la predicción generativa de etiquetas emocionales con un clasificador lineal aplicado a las representaciones ocultas de una SpeechLLM compacta. La mejora en la calidad que aporta el clasificador no es universal: depende del corpus y de si se utilizan transcripciones de referencia o resultados de ASR.
4 noviembre 2026