¿Qué anunciaron Meta y Apple con Muse Spark Open?
Meta presentó Muse Spark Open, un modelo de IA de pesos abiertos que la compañía describe como "el modelo abierto más capaz de Estados Unidos hasta la fecha". Lo relevante para un founder no es el titular: es que, según Meta, es el primer modelo de su clase capaz de correr en un escritorio usando dos Apple M5 Ultra Mac Studio con el framework MLX.
El anuncio llegó con un detalle poco habitual: los CEOs de ambas compañías se respaldaron públicamente. Mark Zuckerberg escribió en X que los pesos se liberaban ese mismo día y que el modelo "corre muy bien en los nuevos Mac Studio gracias al trabajo con John Ternus y Apple". El nuevo CEO de Apple, John Ternus, respondió felicitando al equipo y celebrando poder correr un modelo de esa escala "desde tu propio escritorio". El jefe de IA de Meta, Alexandr Wang, le dijo a Axios que las compañías llevaban varios meses colaborando.
Apple publicó además documentación técnica nueva sobre MLX, su framework de arrays para tareas de machine learning sobre Apple Silicon, y mostró cómo dividir modelos abiertos entre varias máquinas.
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¿Qué hace diferente a Muse Spark Open?
Según MacRumors, Muse Spark Open tiene 816.000 millones de parámetros totales, de los cuales 42.000 millones se activan en cada inferencia, y una ventana de contexto de un millón de tokens. Es un modelo multimodal nativo orientado a código, tareas agénticas y razonamiento de varios pasos.
La arquitectura es de mezcla de expertos (mixture of experts), lo que permite activar solo una fracción del modelo en cada consulta y reducir así el cómputo necesario, según CryptoBriefing. En palabras de CNBC, Meta lo posiciona como el modelo abierto más capaz liberado bajo una licencia que admite uso comercial limitado.
La clave técnica está en la memoria. Meta explica que la arquitectura de memoria unificada de Apple permite que la GPU integrada del M5 Ultra use hasta 512 GB por máquina, y que el ancho de banda de memoria de 1,2 TB/s alcanza para leer el fragmento que necesita cada token. El resultado, según la compañía: dos Mac Studio se comportan como un supercomputador con un terabyte de memoria unificada.
CNBC agrega un dato que importa para equipos chicos: se pueden emparejar entre dos y cuatro Mac Studio, y el modelo corre en local en lugar de la nube, lo que suma una capa de seguridad y evita costos de servicio.
¿Cuánto cuesta realmente correr Muse Spark Open en local?
Aquí aparece el freno. Según MacRumors, Apple todavía no lanzó el Mac Studio de 512 GB —llegaría a finales de ese mismo mes— y el modelo de 256 GB ya se vende por más de 10.000 dólares. CNBC es más preciso: un Mac Studio con el chip M5 Ultra y 256 GB de memoria cuesta al menos 10.799 dólares, y hacen falta varias máquinas.
Hay una ruta más barata para probar antes de comprar hardware. Según MacRumors, el modelo está disponible vía API en Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter y Together AI, y los pesos se pueden descargar desde Amazon SageMaker AI, Google Cloud Model Garden, Hugging Face y Microsoft Foundry Models. La descarga es gratuita, bajo la Muse Model License de Meta, que permite uso comercial limitado.
CryptoBriefing documenta además dos pruebas que Meta mostró: agentes de IA desarrollando funciones y corrigiendo errores en Ice Cubes, un cliente open source de Mastodon, y un agente analizando metraje cuadro por cuadro en DaVinci Resolve para generar recortes verticales.
¿Por qué se alían dos rivales históricos?
La alianza tiene peso simbólico. CNBC recuerda que la relación tocó fondo cuando Apple introdujo en 2021 los cambios de privacidad que limitaron el rastreo publicitario en iOS: Meta estimó a comienzos de 2022 que esa medida recortaría sus ingresos de ese año en 10.000 millones de dólares. Antes, en 2018, Tim Cook había criticado el manejo de datos de Facebook tras el escándalo de Cambridge Analytica.
El deshielo tiene nombres propios. CryptoBriefing y CNBC coinciden en que Daniel Gross, exdirectivo de Apple que se sumó a Meta, fue clave para acercar a las compañías, y Wang lo señaló como una de las razones de la colaboración. También ayuda el cambio de mando: Ternus reemplazó a Cook el mes anterior.
Apple, mientras tanto, viene de firmar acuerdos con otros laboratorios: en 2024 anunció la integración de ChatGPT en Siri y este año cerró un acuerdo con Google para usar sus modelos Gemini en Apple Intelligence, según CNBC. La misma nota señala que Apple demandó a OpenAI en julio por presunto robo de secretos comerciales, un cargo que OpenAI niega.
¿Cómo se compara con el resto del ecosistema abierto?
El terreno se movió rápido en las últimas semanas. TechCrunch reportó que Reflection AI, startup respaldada por Nvidia, presentó Beam, su primer modelo de pesos abiertos: 501.000 millones de parámetros totales y 23.000 millones activos, con la promesa de igualar a modelos chinos líderes usando entre tres y cuatro veces menos cómputo de inferencia. La misma nota recuerda que Reflection se posiciona contra OpenAI y Anthropic, contra los modelos abiertos chinos y contra jugadores occidentales como Mistral, Meta y Cohere.
Del lado chino, Marktechpost reconstruye el avance de Qwen de Alibaba, que el 12 de agosto de 2026 liberó Qwen3.8-2.4T-A95B, con 2,4 billones de parámetros y 95.000 millones activos, bajo una licencia que exige licencia comercial a proveedores que facturen más de 50 millones de dólares en 12 meses.
En ese mapa, Muse Spark Open no es el modelo más potente de Meta —según CNBC, la compañía presentó esa misma semana Muse Wonder, una oferta propietaria, y en agosto había lanzado el pequeño abierto Muse Glimmer—. Su apuesta es otra: ser el más grande que puedas tener físicamente bajo tu control.
¿Qué significa esto para tu startup?
El mensaje de fondo es que la frontera de la IA abierta dejó de ser solo un asunto de benchmarks y pasó a serlo de infraestructura. Para un equipo hispanohablante con presupuesto acotado, eso abre opciones concretas.
- Prueba por API antes de comprar hardware. El modelo ya está en Baseten, Groq, Together AI, OpenRouter y otros proveedores. Corre tus propios casos de uso —generación de código, agentes, análisis de documentos— y compara costo y latencia contra lo que usas hoy. Comprar dos Mac Studio sin esa medición previa es una apuesta, no una decisión.
- Haz números con el hardware completo, no con una máquina. El requisito son dos equipos y el modelo de 256 GB ya cuesta más de 10.000 dólares cada uno. Si tu volumen de inferencia es bajo o medio, la nube casi siempre gana en costo total.
- Evalúa el caso de uso donde los datos no pueden salir. Si trabajas con información regulada —salud, finanzas, sector público, propiedad intelectual de clientes—, correr el modelo en local elimina la dependencia de terceros y simplifica el cumplimiento. Ahí el argumento es de riesgo, no de precio.
- Lee la licencia antes de empaquetarlo. Es uso comercial limitado, no libre total. Si piensas revender inferencia o incrustar el modelo en un producto, revisa los términos con tu equipo legal antes de prometer nada a un cliente.
- Aprovecha los pesos abiertos para reducir el lock-in. Descargar pesos desde Hugging Face o SageMaker te da una salida si un proveedor sube precios o cambia condiciones. Diseñar tu producto con esa portabilidad desde el día uno es más barato que migrar después.
Conclusión
Muse Spark Open es, al mismo tiempo, un lanzamiento técnico y una señal de mercado. Lo primero: 816.000 millones de parámetros corriendo en dos máquinas de escritorio es un hito real para el despliegue local de IA. Lo segundo: que Apple y Meta se apoyen públicamente después de años de hostilidad muestra que la competencia por infraestructura de IA está reordenando alianzas en Silicon Valley, incluso entre rivales.
Para un founder, la lectura práctica es que la decisión entre nube y local dejó de ser binaria y empezó a ser una decisión de arquitectura de costos y de riesgo. La pregunta útil no es si el modelo es el más potente, sino si el ahorro o la soberanía de datos justifican la inversión. En la mayoría de los casos, la respuesta se obtiene midiendo, no comprando.
Fuentes
- The Verge (fuente original)
- MacRumors
- CNBC
- CryptoBriefing
- TechCrunch
- Marktechpost
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
