Meta ha publicado los pesos de Muse Spark Open, un modelo de inteligencia artificial que llega con la etiqueta de ser la apuesta abierta más capaz desarrollada hasta ahora en Estados Unidos. La compañía lo presentó como una herramienta pensada para programación, tareas con agentes, ingeniería de software compleja, trabajos de largo recorrido y razonamiento de varios pasos. No se trata de un modelo pensado para un uso doméstico cualquiera: sus números y requisitos lo colocan en una liga muy concreta.
La propuesta combina dos formas de acceso que no siempre van juntas. Por un lado, sus pesos pueden descargarse y ejecutarse fuera de la infraestructura de Meta; por otro, está disponible mediante plataformas de inferencia en la nube. Eso sí, no es un modelo de código abierto sin matices, porque su licencia introduce condiciones comerciales y una política de uso que conviene leer antes de llevarlo a producción.
Qué es Muse Spark Open y por qué importa
Según la información difundida por Meta, Muse Spark Open es un modelo nativamente multimodal con 816.000 millones de parámetros totales, 42.000 millones activos y una ventana de contexto de un millón de tokens. Acepta texto, imágenes, vídeo y audio como entradas, aunque su salida es únicamente texto. Esto significa que puede analizar distintos formatos, pero no genera imágenes ni vídeo por sí mismo.
La compañía sitúa este lanzamiento en su estrategia de pesos abiertos y lo diferencia de Muse Wonder, un modelo presentado previamente y con acceso más restringido. Muse Spark Open sería menos avanzado que Muse Wonder, pero mantiene el compromiso de Meta con la comunidad de desarrolladores. Alexandr Wang, responsable de IA de Meta, ha defendido que las empresas estadounidenses sigan publicando modelos abiertos para no perder terreno frente a los laboratorios chinos, aunque reserven sus capacidades más potentes para modelos cerrados.
El contexto importa: durante los últimos tiempos han ganado peso modelos abiertos procedentes de China, como los de Alibaba o DeepSeek, y su adopción ha sido rápida incluso fuera de Asia. Meta quiere que Muse Spark Open sea su respuesta en ese terreno, con permiso para descargar, modificar y adaptar el modelo bajo ciertas condiciones.
Arquitectura, datos y ajustes técnicos
La ficha publicada por Meta Superintelligence Labs describe Muse Spark Open como un Transformer de mezcla de expertos combinado con un codificador de percepción. El modelo de lenguaje tiene 62 capas, una dimensión oculta de 8192 y 256 expertos, de los que se activan ocho por token mediante enrutamiento top-k. Su bloque de atención emplea atención con compuertas y QK-norm, 128 cabezas de consulta y 16 cabezas de clave-valor en una configuración de atención agrupada por consultas, con una dimensión de cabeza de 64.
El tamaño del vocabulario es de 202.048, con incrustaciones de entrada y salida no compartidas. El codificador de percepción suma 1.800 millones de parámetros distribuidos en 50 capas, una dimensión oculta de 1536, 16 cabezas, parches de 14×14, una dimensión de salida de 4096 y atención dispersa con un factor de cuatro. La cuarta capa y la capa final emplean atención completa dentro de esta configuración.
Los datos de entrenamiento incluyen texto, imágenes, audio y vídeo procedentes de fuentes públicas, rastreos de internet, terceros, productos y servicios de Meta, y material generado de forma sintética. Abarcan más de 100 idiomas y pasaron por procesos de limpieza, procesamiento, deduplicación y filtrado. Un parámetro llamado reasoning_effort controla cuánto razona el modelo antes de responder: admite low, medium, high y xhigh, y este último es el valor predeterminado. Cualquier otro valor provoca un error.
Para la mayoría de implementaciones, Meta recomienda una temperatura de 1.0, top_p de 1.0 y top_k desactivado, así como un esfuerzo de razonamiento high o xhigh en problemas complejos, programación y tareas con agentes. Son ajustes pensados para sacar partido al modelo en escenarios exigentes, no para un uso casual sin configuración previa.
Disponibilidad y ejecución local
Muse Spark Open está disponible a través de plataformas de API como Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter y Together AI. Sus pesos pueden descargarse desde Amazon SageMaker AI, Google Cloud Model Garden, Hugging Face y Microsoft Foundry Models. Además, funciona con motores de inferencia como SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, Apple MLX, llama.cpp y Unsloth, con optimizaciones para chips de AMD, Apple, Intel y NVIDIA.
Los desarrolladores pueden seguir ajustando el modelo con TorchTitan de PyTorch. Los pesos se distribuyen en versiones BF16 y NVFP4; para ejecutarlo localmente se necesita una GPU con una cantidad muy alta de memoria, que varía según la precisión. La versión completa exige alrededor de dos terabytes, mientras que las variantes cuantizadas se mueven en cientos de gigabytes. No es, desde luego, un modelo para una laptop convencional.
La parte más llamativa del anuncio es su relación con Apple Silicon. Meta afirma que Muse Spark Open puede funcionar en un escritorio mediante dos Mac Studio con Apple M5 Ultra y la versión más reciente de MLX, que descarga los pesos directamente de Hugging Face. La arquitectura de memoria unificada de Apple permite que la GPU integrada del M5 Ultra use hasta 512 GB en cada equipo, de modo que dos máquinas suman un terabyte de memoria unificada.
El ancho de banda de memoria de 1,2 TB/s del chip ayuda a leer la porción de parámetros que cada token necesita. Según Meta, dos Mac Studio pueden comportarse como un único sistema con un terabyte de memoria unificada. La compañía presentó esta opción como una forma de ejecutar flujos con agentes íntegramente en el dispositivo, sin enviar las tareas a servidores remotos.
Rendimiento, comparativas y seguridad
Meta ha publicado comparativas en las que Muse Spark Open se mide con modelos como Inkling, Nemotron 3 Ultra, Beam, Mistral Large 4, Qwen3.8-2.4T-A95B, GLM 5.3 y Kimi K3. En el índice de Artificial Analysis Intelligence Index, la compañía informa de una puntuación de 39 para Muse Spark Open, frente a 45 de GLM 5.3, 44 de Kimi K3 y 40 de Qwen3.8-2.4T-A95B. Son datos ofrecidos por Meta y no una evaluación independiente.
En tareas con agentes, la empresa destaca 61,8 en JobBench y 89,2 en MCP-Atlas, las puntuaciones más altas de su tabla en esas pruebas. En conocimientos y razonamiento, informa de 26,1 en HLE-Diamond sin herramientas, 25 en AA Omniscience y 89,0 en GPQA Diamond; en esta última, la tabla concede 93,5 tanto a Qwen3.8-2.4T-A95B como a Kimi K3. La ventaja no es uniforme y depende mucho del tipo de prueba.
En programación, Meta informa de 76,4 en Terminal-Bench 2.1, mientras que su tabla indica 85,0 para Kimi K3 y 83,9 para GLM 5.3. También recoge 60 en DeepSWE 1.1 y 58 en SWE-Atlas-QnA, pruebas en las que Kimi K3 aparece con 68 y 66. En evaluaciones multimodales con asistencia de herramientas, Muse Spark Open obtiene 50,0 en ZeroBench, 73,6 en SimpleVQA, 80,2 en BabyVision —frente a 85,7 de Kimi K3— y 61,5 en VideoMMEv2, donde Kimi K3 figura con 65,4. Los rivales chinos siguen siendo duros en varias categorías.
Meta sostiene que la versión de pesos abiertos recibió un ajuste adicional de seguridad posterior al entrenamiento y fue evaluada en seguridad de contenidos, riesgos agénticos, privacidad y preparación, conforme a su Marco de Escalado de la Superinteligencia. La compañía afirma que cumplió los umbrales exigidos para su publicación y que el modelo rechazó el 99,2 % de los intentos de jailbreak en su prueba interna de ciberseguridad, además de superar el 98 % de rechazo en solicitudes dañinas de biología y el 99 % en química de un solo turno. También indica una tasa de honestidad del 98,1 % en MASK, un 0 % de comportamiento indebido en Agentic Misalignment y 0,5 en StrongREJECT v2, donde las puntuaciones bajas son mejores.
La propia Meta advierte de que estos resultados describen el punto de control publicado en las condiciones evaluadas y que modificaciones posteriores podrían reducir la seguridad. Recomienda integrar el modelo dentro de un sistema de IA más amplio, con protecciones adecuadas al caso de uso. El informe completo de evaluación se publicará próximamente, según la compañía.
Licencia y condiciones de uso
Los pesos se publican con la Muse Model License, fechada el 15 de octubre de 2026. La licencia permite el uso, la copia, la modificación —incluido el ajuste fino—, la creación de obras derivadas, la destilación y la distribución gratuitas, pero sujetas a condiciones. Los licenciatarios deben mostrar de forma destacada «Creado con Muse Spark Open» en la interfaz de cada producto o servicio que utilice el software o sus derivados, o en la documentación adjunta, un sitio web o un menú de configuración.
Quienes ofrezcan modelos de inteligencia artificial como servicio y cuyos ingresos brutos agregados, incluidos los de sus filiales, superen los 20 millones de dólares en cualquier período consecutivo de 12 meses deben notificar a Meta y firmar un acuerdo escrito por separado antes de incluir el software en esa actividad. Esta disposición no se aplica al uso interno, la investigación ni otras actividades comerciales que no consistan en prestar un servicio de modelos, ni al uso del software como componente que impulse un producto propio del licenciatario. Meta no adquiere ningún derecho de propiedad sobre los resultados generados.
La política de uso adjunta indica que el modelo no está destinado a menores de 18 años y prohíbe actividades ilegales, creación de malware, desarrollo de armas, operación de infraestructuras críticas y engaño deliberado, como fraude, desinformación o suplantación de identidad. Entre las limitaciones señaladas figuran respuestas potencialmente inexactas, sesgadas u objetables; errores de razonamiento en varios pasos ante situaciones novedosas; rendimiento reducido en idiomas fuera del conjunto con mayor compatibilidad; pequeñas diferencias de calidad con la inferencia cuantizada; y visualización poco fiable de vídeos muy cortos o de baja resolución. Son advertencias que cualquier equipo debería ponderar antes de integrar el modelo.
Qué implica para desarrolladores en España y Europa
Para equipos de España o Europa, la vía más sencilla para probar Muse Spark Open pasa por las plataformas de inferencia y los servicios en la nube donde ya está disponible. Eso permite evaluar el modelo sin comprar hardware y comprobar si encaja en tareas de código, análisis de vídeo o flujos con agentes. La descarga de pesos desde Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden y Microsoft Foundry ofrece una alternativa para quien prefiera controlar la infraestructura.
La ejecución local con dos Mac Studio M5 Ultra es potente, pero también exige una inversión considerable y un conocimiento técnico alto. Apple no ha dado precio ni fecha para la configuración de 512 GB, solo que llegará a finales de octubre, y el modelo completo necesita mucha memoria. No es una decisión que se tome por impulso: conviene calcular el gasto real en APIs frente al coste del hardware, el consumo eléctrico, el mantenimiento y el tiempo del equipo.
La licencia también tiene implicaciones para empresas europeas. Aunque permite usos gratuitos y comerciales con condiciones, obliga a mostrar la atribución y a firmar un acuerdo aparte si se ofrece el modelo como servicio superando el umbral de ingresos. Además, la política de uso limita ciertos sectores y aplicaciones. Revisar los términos antes de integrarlo no es un trámite menor, sobre todo si el producto depende de un modelo que puede cambiar de licencia o de disponibilidad.
La llegada de Muse Spark Open refuerza una tendencia clara: los modelos de pesos abiertos ya no son un experimento académico, sino una pieza más de la carrera por la IA. Meta busca con este lanzamiento mantener presencia frente a los modelos chinos, ofrecer una opción para programación y agentes, y permitir que los desarrolladores lo prueben tanto en la nube como en hardware propio. Para el mercado español y europeo, la clave está en medir costes, leer la licencia y probar en cargas reales antes de decidir si merece la pena llevarlo al centro del stack.
