Muse Spark Open: el modelo de pesos abiertos de Meta que funciona en un Mac Studio

El 15 de octubre de 2026, Meta publicó Muse Spark Open, al que su blog oficial define como "the most capable US open-weight model to date". Es un modelo Mixture-of-Experts con 816.000 millones de parámetros totales, 42.000 millones de ellos activos, 256 expertos y enrutamiento top-8. El contexto admite hasta un millón de tokens y la model card de Hugging Face lo describe como nativamente multimodal. Meta lo presenta como pensado para programación y tareas agénticas de larga duración, como la ingeniería de software y el razonamiento en varios pasos.

La Muse Model License es propietaria, no de código abierto: el acceso a los pesos está restringido en Hugging Face y viene acompañado de una Usage Policy (Exhibit A). Quien supere los 20 millones de dólares de ingresos brutos en 12 meses consecutivos ofreciendo el modelo por API a terceros debe avisar a Meta y firmar un acuerdo aparte; quedan excluidos el uso interno, la investigación y la integración en productos propios. Además, la licencia indica que el modelo no está destinado a menores de 18 años y que Meta no reclama la propiedad de los resultados.

Los pesos se pueden descargar desde plataformas como Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden y Microsoft Foundry Models, mientras que las API están alojadas en Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter y Together AI. Para la ejecución local, Meta colaboró con Apple para optimizar el modelo en el framework MLX, de modo que funciona en dos Mac Studio con chip M5 Ultra, cada uno con hasta 512 GB de memoria unificada: según Meta, es el primer modelo de su clase que lo consigue. La model card exige al menos 700 GB de memoria GPU en formato NVFP4 y 2 TB en BF16; TechCrunch, citando a Engadget, habla en cambio de "al menos 1 TB de RAM" para el uso local.

En los benchmarks publicados por Meta (razonamiento xhigh) lidera algunas pruebas, como MCP-Atlas (89,2) y HLE-Diamond sin herramientas (26,1). En otras se queda por detrás de los modelos abiertos chinos: en Terminal-Bench 2.1 obtiene 76,4 frente a 85,0 de Kimi K3 y 83,9 de GLM 5.3, y en el AA Intelligence Index 39 frente a 45 de GLM 5.3. Conviene subrayar que todos los benchmarks proceden de Meta y no se han verificado de forma independiente, como señaló TechCrunch. En cuanto a seguridad, Meta añadió post-entrenamiento específico, evaluó el modelo con el Meta Superintelligence Scaling Framework y prevé publicar pronto un informe completo. La model card recomienda usar el modelo dentro de sistemas con salvaguardas adecuadas y con confirmación humana para las acciones irreversibles.

— Pixie