En resumen
Meta presentó Muse Spark Open, un modelo de pesos abiertos con cerca de 816 mil millones de parámetros, entrada multimodal y enfoque en programación agéntica. La empresa afirma que compite con modelos abiertos chinos, pero los costos de ejecución y las exigencias de memoria limitan su uso local.
Meta presentó el 15 de octubre de 2026 Muse Spark Open, un modelo de pesos abiertos orientado a programación, uso de herramientas y tareas agénticas. El sistema procesa texto, imágenes, audio y video, y ofrece una ventana de contexto de hasta un millón de tokens. La divulgación fue realizada por Hugging Face, mientras que The Decoder publicó una confirmación independiente sobre el lanzamiento.
El anuncio vuelve a colocar a Meta en la competencia por modelos abiertos de gran escala después de la serie Llama. La empresa describe Muse Spark Open como su modelo norteamericano de pesos abiertos más capaz hasta ahora. Esta formulación es una declaración de la propia Meta, no una conclusión independiente: los datos proporcionados no incluyen una evaluación externa completa que permita confirmar un liderazgo general.
Arquitectura y capacidades
El modelo utiliza una arquitectura de mezcla de expertos, conocida como Mixture of Experts, con aproximadamente 816 mil millones de parámetros totales. En cada token se activan alrededor de 42 mil millones. La configuración busca ampliar la capacidad total sin ejecutar todos los parámetros en cada etapa, aunque la escala del conjunto completo sigue imponiendo exigencias significativas de almacenamiento e infraestructura.
El bloque de expertos tiene 256 redes, de las cuales se seleccionan ocho para cada token. Los expertos concentran cerca del 97 % de los parámetros totales. La arquitectura también incluye 62 capas, una dimensión oculta de 8.192, atención agrupada y mecanismos de normalización y control residual descritos por Hugging Face.
La multimodalidad es central en el proyecto. Muse Spark Open puede recibir texto, imágenes, audio y video, y producir texto como respuesta. En la práctica, esto permite que una misma sesión combine, por ejemplo, la lectura de una captura de pantalla, el análisis de una grabación y la ejecución de una tarea de programación. Sin embargo, el material proporcionado no informa sobre tasas de error ni sobre el rendimiento detallado de cada modalidad.
Meta entrenó el sistema para flujos de trabajo de desarrollo, incluida la lectura de bases de código, refactorizaciones en múltiples archivos, depuración prolongada y llamadas a herramientas. La propuesta agéntica implica planificar, actuar, observar resultados y corregir el rumbo durante tareas extensas. Estas capacidades son descritas por la empresa; el dossier no presenta pruebas independientes de fiabilidad, seguridad o autonomía.
Competencia y rendimiento declarado
Según The Decoder, Meta afirma que Muse Spark Open alcanza un rendimiento aproximadamente equivalente al de los modelos abiertos chinos más avanzados en determinadas evaluaciones. El artículo menciona comparaciones con Qwen 3.8, GLM 5.3 y Kimi K3, además de benchmarks como JobBench, MCP-Atlas, HLE-Diamond y ZeroBench.
La misma cobertura informa que, en varias categorías, las puntuaciones declaradas por Meta superan a las de esos competidores, aunque siguen por debajo de los modelos de pago Muse Wonder Full de la propia empresa. Como los resultados presentados en el dossier son atribuidos a Meta y no incluyen las tablas completas ni una reproducción independiente, deben considerarse rendimiento reportado, no un veredicto definitivo.
La comparación es relevante porque el lanzamiento amplía la oferta occidental de modelos de pesos abiertos de gran tamaño. Para los desarrolladores, disponer de los pesos puede facilitar la adaptación, la ejecución en infraestructura propia y la experimentación. Esto no significa que el modelo sea accesible para todos: el tamaño, la memoria, la cuantización, el costo energético y la complejidad operativa siguen siendo barreras prácticas.
Ejecución local, licencia y próximos pasos
Meta optimizó Muse Spark Open para el Apple M5 Ultra. De acuerdo con The Decoder, la ejecución local fue demostrada en dos Mac Studios con 512 GB de memoria unificada cada uno. El dato indica que la ejecución es posible en una configuración específica, pero no permite concluir que el modelo pueda ejecutarse fácilmente en computadoras comunes o en una sola máquina de menor capacidad.
Los repositorios indicados son Muse-Spark-Open-816B-A42B y Muse-Spark-Open-816B-A42B-NVFP4. Hugging Face también incluye soporte e instrucciones para herramientas como Transformers, llama.cpp, SGLang, vLLM y MLX, además de opciones para inferencia, ajuste fino con TRL y uso en endpoints.
La licencia permite el uso gratuito, pero exige identificarlo como “Built with Muse Spark Open”. Los proveedores con ingresos anuales superiores a 20 millones de dólares que deseen ofrecer el modelo como servicio de API necesitan un acuerdo separado con Meta. Estas condiciones pueden influir en proyectos comerciales y deben verificarse directamente en los términos aplicables antes de la implementación.
- La disponibilidad de los pesos no elimina los costos de hardware y operación.
- Los resultados de los benchmarks citados aún dependen de una validación independiente.
- La compatibilidad con diferentes entornos de ejecución puede variar según la cuantización y la configuración.
- El impacto práctico dependerá de la calidad de las herramientas, la estabilidad en tareas prolongadas y el cumplimiento de la licencia.
El próximo aspecto que se debe seguir es la diferencia entre la capacidad anunciada y el rendimiento observado por usuarios y evaluadores externos. También será necesario verificar cómo se comporta el modelo con código real, entradas multimodales extensas, llamadas a herramientas y tareas que requieren autocorrección. Hasta que esos datos estén disponibles, Muse Spark Open representa una apuesta relevante de Meta por la apertura de modelos, pero no una prueba concluyente de superioridad técnica.
Nuestro prisma
Muse Spark Open importa menos por el número bruto de parámetros que por la combinación de pesos abiertos, multimodalidad y un enfoque explícito en flujos agénticos de programación. La escala amplía las posibilidades de adaptación, pero también restringe la ejecución local a entornos muy robustos, según los datos disponibles. Las afirmaciones de rendimiento son prometedoras, aunque todavía dependen de comparaciones independientes y del uso real en tareas prolongadas. En la práctica, el modelo puede fortalecer el ecosistema abierto sin necesariamente hacer que los modelos de frontera sean baratos o sencillos de operar.
Fuentes: Hugging Face · The Decoder
Preguntas frecuentes
¿Qué es Muse Spark Open?
Es un modelo de pesos abiertos de Meta para texto, imagen, audio y video, desarrollado especialmente para programación y tareas agénticas.
¿Cuántos parámetros tiene el modelo?
El modelo tiene aproximadamente 816 mil millones de parámetros, de los cuales alrededor de 42 mil millones se activan por token.
¿Puede ejecutarse localmente?
Según Meta, el modelo fue optimizado para el Apple M5 Ultra y puede ejecutarse en dos Mac Studios con 512 GB de memoria unificada cada uno, pero esto requiere una infraestructura de alto costo.
Recibe Radar de IA todos los días
Las noticias de inteligencia artificial que importan — con nuestro prisma y siempre con las fuentes. Gratis.
