Meta vuelve a la carrera de los pesos abiertos
Meta ha publicado Muse Spark Open, un modelo multimodal de origen con 816.000 millones de parámetros totales y 42.000 millones activos por token, una ventana de contexto de un millón de tokens y pesos abiertos en Hugging Face. Meta lo describe como “el modelo de pesos abiertos estadounidense más capaz hasta la fecha” y lo orienta a la programación y al trabajo con agentes: tareas de horizonte largo, ingeniería de software de varios pasos y encargos que duran horas, no segundos.
Es su primer lanzamiento abierto de peso desde la línea Llama, y llega a un terreno donde los modelos descargables más fuertes eran chinos. Meta lo sitúa frente a Qwen 3.8, GLM 5.3 y Kimi K3, y The Decoder informa de que las cifras de la propia Meta lo colocan por delante de los tres en categorías de agentes, conocimiento y razonamiento y multimodalidad, por detrás de alguno en programación y muy lejos de sus modelos de pago Muse Wonder Full. Son datos del fabricante; el informe de evaluación completo llegará, según Meta, pronto.
La dispersión es el producto
Un modelo de 816.000 millones de parámetros que solo enciende 42.000 millones por token está pensado para quien no tiene un centro de datos. Meta dice que el par de Mac Studio con Apple M5 Ultra que mostró —cada uno con hasta 512 GB de memoria unificada y 1,2 TB/s de ancho de banda, funcionando como una sola máquina con cerca de un terabyte— ejecutó el modelo en local mediante el marco MLX. Las demostraciones fueron de agentes, no de conversación: corregir errores y añadir funciones a Ice Cubes, un cliente de Mastodon para iOS de código abierto, y revisar y recortar metraje en DaVinci Resolve.
El trabajo de servicio está repartido. Meta afirma que sus núcleos Helion para GPU en SGLang logran aceleraciones de entre 1,03 y 3,95 veces a nivel de núcleo en hardware de Nvidia y AMD, y un 3% de extremo a extremo en la MI350 de AMD. La inferencia funciona con SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, Apple MLX, llama.cpp y Unsloth, con optimizaciones para AMD, Apple, Intel y Nvidia. Los pesos están también en Amazon SageMaker AI, Google Cloud Model Garden y Microsoft Foundry Models, y hay API alojadas en Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter y Together AI. El ajuste fino pasa por TorchTitan, de PyTorch.
“Abierto” con condiciones
Los pesos se publican bajo la Muse Model License, que Meta describe como una licencia con términos comerciales limitados que permiten a muchos desarrolladores usar el modelo sin coste. The Decoder detalla dos condiciones: lo que se construya con él debe llevar la etiqueta “Built with Muse Spark Open”, y los proveedores con ingresos anuales superiores a 20 millones de dólares que quieran revenderlo como servicio de API necesitan un acuerdo aparte con Meta. Es la forma habitual de un lanzamiento abierto de Meta: descargable, modificable y no del todo código abierto.
Sobre seguridad, Meta dice que el modelo recibió un posentrenamiento adicional para riesgos propios de los pesos abiertos y que superó los umbrales de publicación de su Meta Superintelligence Scaling Framework.
Qué vigilar
El informe de evaluación prometido es lo que conviene esperar, porque todas las comparaciones publicadas hasta ahora son de la propia Meta. La segunda prueba es si alguien ajeno a la empresa reproduce la demostración con dos Mac Studio a una velocidad que la convierta en algo más que una prueba de concepto.
