Meta lanza Muse Spark Open, un modelo abierto de 816.000 millones de parámetros
Meta liberó los pesos de Muse Spark Open, un modelo de 816.000 millones de parámetros que la compañía describe como el modelo de pesos abiertos más capaz desarrollado en Estados Unidos. Lo llamativo no es solo el tamaño: según Meta, el modelo corre de forma local en dos Mac Studio con chip M5 Ultra conectados entre sí.
Para un founder que hoy paga API por cada token, la pregunta relevante no es si el modelo es bueno en abstracto, sino si le conviene descargarlo, alojarlo y operarlo. La respuesta depende de tres variables concretas: qué tan bien rinde en tus tareas, cuánto cuesta el hardware y qué permite la licencia.
¿Qué trae Muse Spark Open y por qué corre en dos Mac Studio?
El modelo usa una arquitectura de mezcla de expertos (MoE): activa 42.000 millones de los 816.000 millones de parámetros por cada token, según la model card publicada por Meta Superintelligence Labs. Soporta una ventana de contexto de hasta 1 millón de tokens y acepta texto, imágenes, video y audio como entrada; su salida es texto.
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 díasEsa distinción importa: sirve para interpretar grabaciones, revisar capturas de pantalla o analizar documentos junto a instrucciones escritas, pero no genera imágenes, audio ni video.
La configuración de escritorio combina dos M5 Ultra Mac Studio, cada uno con hasta 512 GB de memoria unificada, para sumar un terabyte. El framework MLX de Apple habilita la operación local y descarga los pesos directamente desde Hugging Face.
Hay una trampa de timing: la configuración de 512 GB de Apple no llega hasta finales de octubre y su precio sigue sin anunciarse. Como referencia de costo, Apple lista una estación M5 Ultra de 256 GB con SSD de 1 TB en US$10.799; cuatro de esas máquinas darían el mismo terabyte combinado por US$43.196 antes de impuestos y accesorios. Ese es un cálculo de capacidad de memoria comparable, no el precio confirmado del setup de dos computadoras de Meta.
Además, la model card lista al menos 700 GB de memoria de acelerador para la versión NVFP4 y 2 TB para BF16. Dicho de otro modo: activar solo una fracción del modelo durante la generación no reduce los requisitos de memoria a los de un modelo de 42.000 millones de parámetros.
Para servir el modelo, Meta lista SGLang, vLLM, TensorRT-LLM, Transformers, MLX, llama.cpp y Unsloth, con soporte para hardware de AMD, Apple, Intel y Nvidia, y TorchTitan de PyTorch para ajuste fino.
Los benchmarks: fuerte en agentes, flojo en código
Los resultados que publica Meta muestran un modelo competitivo con ventajas específicas, no un líder absoluto. En su tabla, Spark Open encabeza JobBench con 61,8 y MCP-Atlas con 89,2, por delante de GLM 5.3, Kimi K3 y Qwen3.8. También lidera HLE-Diamond sin herramientas con 26,1 frente a los 22,2 de Kimi K3.
En código la historia se invierte. En Terminal-Bench 2.1 registra 76,4 contra los 85,0 de Kimi K3 y los 83,9 de GLM 5.3; en DeepSWE 1.1 obtiene 60 frente a 68 de Kimi K3.
El dato más incómodo está en el Artificial Analysis Intelligence Index: Meta reporta 39, mientras que las evaluaciones independientes de Artificial Analysis listan a MiMo-V2.6-Pro con 46, GLM-5.3 con 45 y Kimi K3 con 44. VentureBeat no pudo verificar una evaluación pública independiente de Spark Open al momento de la publicación.
Nathan Lambert, autor del newsletter Interconnects, resumió el ánimo del sector: "Esperé tanto tiempo a que los modelos de pesos abiertos estadounidenses volvieran a ser relevantes. Todavía queda trabajo por hacer".
La licencia: gratis, con una excepción de US$20 millones
Los pesos se publican bajo la Muse Model License, que permite usar, copiar, modificar, hacer fine-tuning, destilar y redistribuir el software. La condición clave apunta a quien ofrece modelos como servicio: si el licenciatario y sus afiliadas superan los US$20 millones de ingresos brutos agregados en cualquier período consecutivo de 12 meses, la licencia exige notificar a Meta y firmar un acuerdo escrito separado antes de ofrecer Spark Open o sus derivados dentro de ese negocio.
El detalle que suele leerse mal: esa cifra no es un techo general para el uso comercial gratuito. La provisión exceptúa explícitamente el despliegue interno, la investigación, las actividades comerciales fuera del servicio de modelos y el uso dentro del producto propio de la empresa cuando ese producto no es en sí mismo un servicio de modelos.
Sí aplican otras obligaciones: los productos deben mostrar la atribución "Built with Muse Spark Open" en documentación, sitio web o menú de configuración. Meta declara que no reclama propiedad sobre las salidas generadas.
Ojo con el acceso: la página de Hugging Face pide nombre legal completo, fecha de nacimiento y nombre completo de la organización con todos sus identificadores corporativos. Es un pedido más detallado que el estándar de la plataforma, aunque tiene precedentes en modelos anteriores de Meta como Llama 4 Scout.
¿Qué significa esto para tu startup?
1. Calcula el punto de equilibrio antes de entusiasmarte con el hardware. El acceso vía API de Together AI está listado en US$1,25 por millón de tokens de entrada, US$0,15 por millón de entrada en caché y US$4,25 por millón de salida, con ventana de 1 millón de tokens. Con esos números puedes estimar cuántos meses de API equivalen a una inversión de decenas de miles de dólares en Mac Studios. Si tu volumen es bajo o intermitente, la API casi siempre gana.
2. Revisa los límites del proveedor, no solo los del modelo. Meta advierte que el acceso vía Groq requiere aprobación para una organización y describe un límite de contexto de 131.072 tokens en GroqCloud, frente a los 1.048.576 tokens de Fireworks. El host puede recortar la capacidad anunciada del modelo. Si tu caso de uso depende de contexto largo, verifica el límite real del proveedor que elijas.
3. Si vas a autohospedar, empieza por la memoria. Los 700 GB en NVFP4 y 2 TB en BF16 son el filtro real. Antes de comprometer presupuesto, valida que tu infraestructura actual o planificada cumple ese requisito; el número de parámetros activos no lo reduce.
4. Cuida el modo Contributor si usas los modelos hospedados de Meta. Según las reglas de suscripción de Meta, los planes de Muse Code vienen por defecto en modo Contributor, que permite a Meta usar el contenido enviado para entrenamiento a cambio de mayor uso. Se puede desactivar, pero conviene revisarlo antes de subir código o documentos propietarios.
¿Por qué los modelos chinos marcan el ritmo del sector?
Muse Spark Open no sale en el vacío. Según la evaluación de Hugging Face de marzo de 2026, los modelos chinos concentraron el 41% de las descargas del año previo, superando a los estadounidenses. En septiembre, OpenRouter reportó que los modelos de pesos abiertos manejaron el 60% del volumen de tokens de solicitudes originadas en Estados Unidos.
La presión competitiva es explícita. Un reporte de Mozilla publicado el 15 de septiembre señala que la brecha de rendimiento entre los modelos frontera de EE. UU. y los mejores pesos abiertos chinos se cerró a 4,4 meses, y que Kimi K3 queda a solo tres puntos de Fable 5 de Anthropic costando un 30% de lo que cuesta este último. El CTO de Mozilla, Raffi Krikorian, lo planteó como una decisión por carga de trabajo, no por organización.
El propio ecosistema estadounidense se está moviendo: Reflection AI, fundada por exinvestigadores de Google DeepMind, prepara un modelo de pesos abiertos para competir con DeepSeek y Qwen, según un reporte de Axios del 4 de octubre. Y en septiembre, el CEO de Y Combinator, Garry Tan, pidió que los laboratorios estadounidenses de pesos abiertos puedan destilar modelos frontera igual que los chinos, en contraste con las acusaciones de Anthropic sobre ataques de destilación ilícita.
Conclusión
Muse Spark Open le da a los equipos empresariales una opción desarrollada en Estados Unidos con condiciones comerciales razonables y un camino real hacia la operación local. Pero el titular de líder estadounidense es más angosto que el de líder mundial: varios modelos chinos publican puntajes superiores en evaluaciones independientes, y el costo de propiedad local todavía no está resuelto.
La decisión correcta no se toma con el ranking, sino con tus tareas. Corre una prueba con tus propios casos de uso, compara el costo total —hardware, energía, operación y soporte— contra la API, y revisa la licencia antes de integrarla en un producto que ofrezcas a terceros.
Fuentes
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 días
