Meta suelta Muse Spark Open: pesos abiertos con letra pequeña

Un modelo que cualquiera puede descargar

Meta publicó el jueves 15 de octubre los pesos de Muse Spark Open en Hugging Face, la plataforma donde se publican y descargan los modelos abiertos; también se puede usar por API a través de proveedores externos. La compañía lo presenta como «el modelo de pesos abiertos estadounidense más capaz hasta la fecha».

Comparte el modelo base con Muse Spark 1.3, pero lleva un entrenamiento de seguridad adicional para resistir mejor el mal uso cuando funciona solo, sin las salvaguardas de un sistema alrededor. Aun así, Meta recomienda desplegarlo con protecciones propias para cada uso.

Enorme por fuera, más ligero por dentro

Muse Spark Open suma 816.000 millones de parámetros, pero en cada paso solo trabajan 42.000 millones: reparte el trabajo entre 256 expertos y activa 8 cada vez. Entiende texto, imágenes, vídeo y audio, responde con texto y admite un contexto de un millón de tokens, suficiente, según Meta, para abarcar un proyecto de software entero.

Ejecutarlo en casa exige mucho hierro: al menos 700 GB de memoria gráfica en la versión comprimida NVFP4 y 2 TB en la BF16. Meta añade que está optimizado para funcionar en dos Mac Studio con M5 Ultra, y se puede servir con SGLang, vLLM o Llama.cpp, entre otros.

El equipo de PyTorch, la biblioteca de aprendizaje automático que creó Meta, lo acompaña con Helion, que acelera sus cálculos en chips de distintos fabricantes, y TorchTitan, que permite reentrenarlo.

Mejor agente que programador

Meta se compara con modelos abiertos de tamaño y arquitectura que considera parecidos, y la tabla no siempre le favorece. Su mejor resultado llega como agente, cuando encadena pasos y herramientas por su cuenta: en JobBench y MCP-Atlas supera a Kimi K3, GLM 5.3 y Qwen3.8. No es la norma en esa categoría: en las otras tres pruebas de agentes de la ficha (GDPVal-AA v2, OSWorld Verified y Toolathlon Verified) queda por detrás de Kimi K3, y en GDPVal-AA v2, de los tres. También queda primero en HLE-Diamond sin herramientas, una prueba de razonamiento.

En programación, la tarea para la que dice haberlo construido, el resultado se invierte: queda por detrás de los tres en SWE-Atlas-QnA y Terminal-Bench 2.1, y en DeepSWE 1.1 solo supera a Qwen3.8. Artificial Analysis es una empresa de San Francisco que se define como independiente, mide modelos de IA y publica índices comparables; entre sus inversores están Nat Friedman, Andrew Ng y Adam D'Angelo. En el índice general de Artificial Analysis, según las cifras que recoge la ficha de Meta, Muse Spark Open es el último de los cuatro. En multimodal, de los tres rivales de la tabla, Meta solo da datos de Kimi K3, y empatan: tres pruebas para cada uno.

Gratis, pero con dos condiciones

La Muse Model License arranca casi calcada de la licencia MIT, una de las más permisivas del software: permite usar, copiar, modificar, reentrenar, destilar, redistribuir y vender el modelo sin pagar nada. Después llegan las condiciones.

La primera es la atribución: todo producto o servicio que use el modelo o un derivado debe mostrar de forma destacada «Built with Muse Spark Open» en su interfaz, documentación, web o menú de ajustes. Y cuenta como derivado cualquier modelo entrenado o destilado con Muse Spark Open o con sus respuestas.

La segunda es la que pesa. Si una empresa ofrece modelos de IA a terceros como servicio, por API o similar, y sus ingresos brutos, sumados los de sus filiales, superan los 20 millones de dólares en 12 meses seguidos, debe avisar a Meta y firmar un acuerdo aparte antes de usar el modelo en ese negocio. Quedan fuera el uso interno, la investigación y los productos propios que no venden el modelo como servicio.

La política de uso añade una larga lista de prohibiciones, del terrorismo a las aplicaciones militares o el ejercicio de profesiones sin habilitación, y el modelo no está pensado para menores de 18 años. Meta no reclama la propiedad de lo que genere.

La seguridad, medida en casa

Meta asegura que, en su banco de pruebas interno de ciberseguridad y sin salvaguardas externas, el modelo rechazó el 99,2 % de los intentos de saltarse sus límites.

La propia ficha acota esa cifra: vale para el modelo tal como se publica, y las modificaciones posteriores podrían degradar su seguridad. La política de uso prohíbe quitar esas protecciones, y la licencia hace único responsable de su seguridad a quien cree un derivado.