Meta suelta en abierto un modelo de 816.000 millones de parámetros y deja que corra en un Mac Studio. La apuesta es doble: código abierto para ganar terreno y un adelanto de lo que la compañía cree que traerá el próximo año.
Qué es Muse Spark Open y por qué Meta lo abre
Meta publicó el 15 de octubre los pesos de Muse Spark Open, la versión de código abierto de su modelo Muse Spark. La compañía lo presenta como el modelo abierto más capaz salido hasta ahora de un laboratorio estadounidense, una frase que en sí misma es la noticia: Meta llevaba meses compitiendo con modelos ligeros y deja claro a quién quiere disputar el terreno.
Los pesos están disponibles en Hugging Face bajo la licencia Muse Model License. El modelo es una arquitectura de mezcla de expertos, una técnica en la que solo una parte de la red se activa para cada palabra que el modelo genera. Eso permite tener un modelo enorme sin el coste de cómputo de uno tradicional del mismo tamaño.
Los números lo dejan ver: 816.000 millones de parámetros en total, pero solo unos 42.000 millones se encienden por cada palabra procesada. Meta dice que Muse Spark Open comparte base con Muse Spark 1.3 y que la empresa lo entrenó para programar y para trabajar con agentes, es decir, sistemas que ejecutan tareas de varios pasos por su cuenta.
Lo que cambia para quien lo use: los pesos abiertos permiten descargar el modelo, ejecutarlo en tu propio hardware y ajustarlo con datos internos. Eso es lo que no tiene un modelo cerrado al que solo se accede por API.
Cómo se ejecuta en un Mac Studio
La demostración que Meta puso en el centro no fue en un centro de datos. Apple enseñó a Muse Spark Open corriendo localmente en un Mac Studio, un ordenador de sobremesa con los chips de la serie M. Sobre el papel, eso significa que un equipo de gama alta que se compra en una tienda puede servir como estación de trabajo para un modelo que hasta hace poco habría requerido varios servidores con GPU.
El detalle tiene truco. Ejecutar un modelo de este tamaño en local no es lo mismo que entrenarlo, y la compañía no detalló con qué cuantización (recortar precisión numérica para que el modelo quepa en menos memoria) lo hicieron ni a qué velocidad respondía. Aun así, el mensaje es claro. La barrera de entrada para montar un agente propio fuera de la nube acaba de bajar.
Los proveedores de infraestructura se movieron rápido. SGLang y vLLM, dos de los sistemas más usados para servir modelos en producción, añadieron soporte el mismo día del lanzamiento. Meta también publicó pesos en NVFP4, un formato compacto de cuatro bits pensado para acelerar la inferencia, junto a la versión estándar BF16.
Qué dicen las cifras y qué falta por comprobar
Aquí conviene separar dos cosas. Meta afirma que Muse Spark Open rinde a la altura de los modelos cerrados de primera línea en tareas de código y razonamiento de varios pasos. El índice de Artificial Analysis, uno de los rankings de referencia del sector, también aparece en el material del lanzamiento como referencia externa.
La cautela es obligada. Casi todas las puntuaciones que se citan provienen de pruebas que Meta hizo en casa. Las tablas que una compañía publica sobre su propio modelo son una declaración, no un resultado verificado. Hasta que foros independientes y la comunidad no reproduzcan esas cifras con sus propias pruebas, lo que tenemos es la versión de la casa.
Un dato que sí conviene retener: el modelo maneja hasta un millón de tokens de contexto. En términos prácticos, eso es la capacidad de meter en una sola consulta el equivalente a cientos de páginas y que el modelo no pierda el hilo. Meta lo vendió como una ventaja para programar y para agentes, donde el problema suele ser justamente no perder el contexto de un proyecto largo.
Multimodalidad, licencia y el factor seguridad
Muse Spark Open no es solo texto. Meta lo describe como un modelo nativamente multimodal, es decir, que entiende imágenes, documentos, audio y vídeo sin módulos añadidos. Para un agente que revisa capturas, lee informes y resume reuniones, esa mezcla importa más de lo que parece.
La licencia también merece una mirada. Muse Model License no es una licencia de código abierto al estilo de las que aprueba la Open Source Initiative: impone condiciones de uso, así que conviene leerla antes de montar un producto comercial encima. Es el patrón habitual en los pesos abiertos de los grandes laboratorios.
En el apartado de seguridad, Meta dice que añadió una fase extra de entrenamiento posterior para reducir respuestas peligrosas. La compañía no ha publicado detalles técnicos sobre cómo midió ese riesgo. Es una de esas afirmaciones que se aceptan provisionalmente y se revisan cuando la comunidad empieza a estresar al modelo.
Qué mirar a partir de ahora
Muse Spark Open ya está descargable y los pesos son libres de inspeccionar. ¿Qué queda por ver? Si la comunidad reproduce las cifras de Meta en condiciones reales, y si el modelo aguanta la comparación con pesos abiertos de otros laboratorios que también se juegan el liderazgo en el terreno abierto.
Para quien desarrolla, el cálculo es sencillo: si el trabajo pasa por ajustar un modelo con datos propios o por mantener los datos dentro de casa, este lanzamiento amplía las opciones. Si las cifras no se sostienen en pruebas externas, seguirá siendo un competidor útil, pero sin el título que Meta le colgó.
