Meta publicó el 15 de octubre los pesos de Muse Spark Open. El modelo está en Hugging Face y se distribuye bajo la Muse Model License. Es la primera vez que la serie Muse Spark abre sus pesos: 816.000 millones de parámetros en total, 42.000 millones activos por token, una ventana de contexto de 1 millón de tokens y compatibilidad nativa con entradas de imagen, audio y audio con vídeo. En el blog oficial de PyTorch, Meta lo describe como «the most capable US open-weight model to date» (el modelo de pesos abiertos más capaz de Estados Unidos hasta la fecha).
La versión abierta comparte modelo base con Muse Spark 1.3, lanzado el mismo día; la diferencia está en el posentrenamiento. La versión abierta recibió una ronda adicional de posentrenamiento de seguridad que, según Meta, hace más difícil el uso indebido del modelo cuando se despliega por separado, sin protecciones a nivel de sistema. Según la evaluación basada en el Superintelligence Scaling Framework de la propia Meta, el modelo alcanzó el umbral de lanzamiento; el informe de evaluación completo aún no se ha publicado y la compañía solo dice que llegará «pronto».
Centrado en programación y agentes
Meta lo posiciona de forma muy acotada: tareas de programación y de agentes. Los datos de entrenamiento incluyen refactorizaciones de varios archivos, sesiones de depuración y tareas de larga duración; la compañía subraya la precisión al primer intento y la estabilidad en las llamadas a herramientas. En el terreno de los agentes, el modelo se entrenó para ejecutar cadenas largas de tareas a través de varios sitios web y puede crear subagentes para repartir el trabajo; el uso del ordenador en escritorio, móvil y navegador se entrenó de forma unificada. Antes de ponerse manos a la obra, además, genera un texto aparte en el que explica lo que piensa hacer.
El blog de investigación de Meta incluye un apartado Key Benchmarks, pero el texto no enumera ninguna puntuación; los resultados en clasificaciones de terceros tendrán que esperar. Arena ya lo ha incorporado a Agent Arena, aunque todavía no hay puntuación publicada.
¿Se puede ejecutar en dos Mac?
La opción de escritorio que propone Meta son dos Mac Studio con M5 Ultra, cada uno con hasta 512 GB de memoria unificada, junto con la última versión de MLX. El equipo de investigación de aprendizaje automático de Apple publicó ese mismo día sus mediciones: tras la cuantización NVFP4, los pesos ocupan unos 493 GB y, sumando la memoria intermedia del proceso de inferencia, no caben en un solo equipo; con dos equipos en paralelismo de pipeline se obtienen 15,74 tokens por segundo, con paralelismo de tensores 24,99, y con cuatro equipos en paralelismo de tensores 36,73, con un contexto de prueba de 8192. Las máquinas se comunican mediante el controlador RDMA de Thunderbolt 5 que introdujo macOS 26.2, con dos cables entre cada par de equipos.
En la nube va más rápido. SGLang y vLLM lo admiten desde el primer día, y Together AI, Modal y OpenRouter ya lo ofrecen. El precio serverless de Together es de 1,25 dólares por millón de tokens de entrada, 4,25 dólares por los de salida y 0,15 dólares por la entrada en caché, con uso gratuito por tiempo limitado hasta el mediodía del 18 de octubre, hora del Pacífico.
Meta aprovecha también el lanzamiento para promocionar su propia cadena de herramientas de PyTorch. El modelo incluye kernels escritos con Helion, entre ellos RoPE, RMSNorm y cuantización; Meta afirma que en NVIDIA GB300 son entre 1,03 y 3,95 veces más rápidos que los kernels escritos a mano con CUDA y CuTe DSL. El mismo conjunto de kernels, portado directamente a AMD MI350, mejora el rendimiento de extremo a extremo en torno a un 3 %. Para el ajuste fino se puede usar TorchTitan, que admite SFT de varias rondas, LoRA y aprendizaje por refuerzo.
De cerrado a abierto
Si se une la trayectoria de Meta: Muse Spark salió como el primer modelo de código cerrado de la compañía, separándose del camino de la era Llama; la versión 1.2 de agosto llegó acompañada del producto de programación Muse Code; antes, Meta ya había lanzado Muse Glimmer, un modelo denso de tamaño reducido pensado para dispositivos. Ahora el propio Spark también ha abierto sus pesos, y la línea de modelos de Meta pasa a tener dos vías paralelas: una versión cerrada que se itera y una versión abierta, sobre la misma base y separadas por una capa de posentrenamiento de seguridad.
Este esquema permite a Meta cubrir ambos frentes. La versión cerrada sigue cobrándose en los productos Muse y en la API, mientras que la abierta compite por los desarrolladores y por el apoyo inicial de los proveedores de inferencia; de SGLang y vLLM a varios proveedores de nube, todos se sumaron el primer día, y ese paso Meta ya lo ha dado.
La licencia sigue siendo una incógnita. Meta solo habla de «términos comerciales limitados» y dice que muchos desarrolladores pueden usarlo gratis; el blog no precisa el umbral para el uso comercial ni aclara si mantendrá la práctica de la licencia Llama de fijar límites según el número de usuarios activos mensuales. El texto completo de los términos es el que figura en la página de Hugging Face; las empresas que quieran usarlo comercialmente deben leer primero esa licencia por completo.
Fuentes: blog oficial de PyTorch, blog de investigación de Meta, CocoLoop, blog de investigación de aprendizaje automático de Apple, Together AI; la página de precios de Together sirvió para contrastar la tarifa por millón de tokens y el periodo gratuito, y las mediciones de Apple para contrastar el tamaño tras la cuantización y los tokens por segundo.