Muse Spark Open: el nuevo modelo de pesos abiertos de Meta

Meta publicó los pesos de Muse Spark Open el 15 de octubre de 2026 y lo llamó el modelo de pesos abiertos más capaz de un laboratorio de Estados Unidos. Cualquiera puede solicitar los archivos en Hugging Face y ejecutarlos en su propio hardware, o usar el modelo a través de servicios alojados, con una licencia gratuita para la mayoría de las empresas pero con condiciones. Es grande: 816 mil millones de parámetros, 42 mil millones de ellos activos por cada token que genera, con una ventana de contexto de 1 millón de tokens.

Qué significa "pesos abiertos", en un minuto

Los pesos de un modelo son el archivo entrenado que guarda todo lo que aprendió. Con modelos cerrados como Claude o GPT-6, solo puedes alquilar el acceso a través de las apps y la API de la empresa. Con pesos abiertos puedes descargar ese archivo, ejecutarlo en tus propios servidores, ajustarlo a tus datos y nunca enviar un prompt al creador original.

No es lo mismo que open source completo: la ficha del modelo de Meta describe de dónde vienen los datos de entrenamiento, pero los datos en sí no se publican. El anuncio de lanzamiento indica dónde conseguir los pesos.

La opción local es el titular para Meta. Dice que dos Mac Studio con M5 Ultra, cada una con hasta 512 GB de memoria unificada, pueden cargar el modelo completo y ejecutar tareas de agente totalmente en el dispositivo. Eso pone un modelo grande y moderno al alcance de una oficina, no solo de un centro de datos.

¿Qué tan bueno es?

Bueno, pero "el modelo de pesos abiertos más capaz de Estados Unidos" es una afirmación más estrecha de lo que parece. Los modelos abiertos más fuertes hoy vienen de laboratorios chinos, y la propia tabla comparativa de Meta en la ficha del modelo muestra a tres de ellos por delante en el Artificial Analysis Intelligence Index, una puntuación independiente que promedia muchas pruebas.

Donde Meta sí reclama una ventaja clara es en seguridad. En su prueba interna de mal uso cibernético, Meta reporta que Muse Spark Open rechazó el 99.2% de los intentos de jailbreak, frente al 75.5% de Kimi K3 en la misma configuración. Son números de Meta, pero para una empresa que pone un modelo frente a sus clientes, cómo se niega importa tanto como las puntuaciones brutas.

Puedes comparar el panorama completo en nuestra clasificación de modelos de IA, donde Muse Spark Open es todavía demasiado nuevo para aparecer en los rankings de arena.

La licencia, en palabras simples

La Muse Model License es inusualmente corta. Permite el uso gratuito, incluido modificar, hacer fine-tuning y vender productos construidos sobre el modelo, con algunas condiciones:

¿Le importa esto a una pequeña empresa?

Para la mayoría de los dueños, un modelo de pesos abiertos importa en dos situaciones. La primera es la privacidad: si los contratos con clientes o la regulación te impiden enviar datos a una empresa de IA externa, un modelo que alojas tú, o en tu propia cuenta de nube, puede resolverlo. La segunda es el volumen: si ejecutas miles de tareas automatizadas al día, un modelo abierto alojado puede costar menos que los mejores modelos cerrados.

Si ninguna aplica, un modelo cerrado en una app normal sigue siendo más simple.

Antes de cambiar nada, haz la misma tarea real con tu modelo actual y con Muse Spark Open, por ejemplo vía OpenRouter, y compara:

Estás ayudando a [TU NEGOCIO]. Esta es una tarea real de mi semana: [PEGA LA TAREA Y EL TEXTO QUE NECESITE].
Haz la tarea completa. Después enumera los datos de los que no estabas seguro y las suposiciones que hiciste.
Mantén la respuesta por debajo de [NÚMERO] palabras y usa el mismo formato que yo le enviaría a un cliente.

Califica ambas respuestas por precisión, tono y cuánta edición necesitan. Lo que decide es el costo por tarea, no por token. Nuestra guía de automatización con IA para pequeñas empresas muestra cómo elegir las tareas que vale la pena probar.

Qué seguir de cerca

• El informe de seguridad completo. Meta dice que un informe de evaluación completo estará disponible pronto; hasta entonces, la ficha del modelo es la única fuente detallada.
• Votos independientes. Los rankings de arena, donde la gente compara respuestas a ciegas, mostrarán si los usuarios reales lo prefieren frente a Kimi K3 y GLM-5.3.
• Precios alojados. A medida que más proveedores ofrezcan el modelo, los precios por token suelen moverse. Revisa dos o tres proveedores antes de presupuestar un proyecto en torno a él.