Muse Spark Open: El modelo de código abierto de Meta para programación y agentes, explicado

Muse Spark Open es el nuevo modelo open-weight de Meta para programación y trabajo agéntico, lanzado el 15 de octubre de 2026. Es la versión descargable de Muse Spark — un modelo de mezcla de expertos (mixture-of-experts) de 816 mil millones de parámetros que activa aproximadamente 42B parámetros por token, procesa hasta 1M de tokens de texto, imagen, vídeo y audio, y devuelve texto. Meta lo describe como el "modelo open-weight estadounidense más capaz hasta la fecha." A continuación explicamos qué significa esa afirmación, dónde lidera el modelo, dónde se queda atrás, qué hardware necesita y la licencia que realmente aceptas.

¿Qué es Muse Spark Open?

Muse Spark Open es la versión de pesos abiertos de la línea Muse Spark de Meta, diseñada para tareas agénticas de largo alcance en lugar de conversaciones puntuales. Planifica, actúa, observa y se autocorrige en tareas prolongadas — incluyendo la navegación web con imágenes — y fue entrenado con flujos de trabajo reales de desarrolladores, como refactorizaciones de múltiples archivos y largas sesiones de depuración.

Las especificaciones principales del post de lanzamiento de Meta:

• 816B parámetros totales / 42B activos (diseño de mezcla de expertos dispersa)
• Ventana de contexto de 1M tokens en inferencia
• Nativamente multimodal: texto, imagen, vídeo y audio como entrada; texto como salida

Arquitectónicamente, es un transformer de 62 capas donde cada capa sustituye una red feed-forward densa por un bloque de Mezcla de Expertos de 256 expertos, con un enrutador que selecciona 8 por token. Un codificador de percepción de 1.800 millones de parámetros convierte imágenes y fotogramas de vídeo en tokens, y una vía separada gestiona el audio. Dado que solo 8 expertos se activan por token, el modelo funciona aproximadamente a la velocidad de un modelo de 42B mientras requiere la memoria de uno de 816B.

Es la versión de pesos abiertos del modelo Muse Spark de Meta, con entrenamiento adicional de seguridad posterior para que funcione correctamente cuando se ejecuta como pesos independientes sin salvaguardas del sistema, según la ficha del modelo de Meta. Meta vende varios modelos cerrados a través de su API — los modelos frontera Muse Wonder y Muse Spark 1.3 — mientras que Muse Spark Open y el más pequeño Muse Glimmer son las versiones de pesos abiertos que puedes descargar y alojar tú mismo.

¿Es Muse Spark Open realmente de código abierto?

No — y esta distinción importa. Los pesos son descargables, pero se distribuyen bajo la Muse Model License personalizada de Meta, no bajo una licencia de código abierto aprobada por la OSI.

La licencia otorga amplios derechos para usar, modificar, ajustar, destilar y redistribuir el modelo, pero con condiciones:

• Atribución: todo producto que use el modelo o un derivado debe mostrar de forma destacada "Built with Muse Spark Open" en su interfaz, documentación, sitio web o configuración.
• Cláusula de modelo como servicio: una empresa que ofrezca acceso al modelo a través de una API, con ingresos del grupo superiores a 20 millones de dólares en cualquier período de 12 meses, debe notificar a Meta y firmar primero un acuerdo separado.
• Derivados: cualquier modelo ajustado o destilado a partir del modelo — incluso entrenado con sus salidas — lleva la misma obligación de atribución.

Para la mayoría de los equipos — uso interno, investigación o funcionalidades dentro de tu propio producto — es de uso comercial gratuito; la Muse Model License excluye explícitamente esos casos de la cláusula de modelo como servicio. Si revendes acceso al modelo a escala, lee la letra pequeña primero. The New Stack lo expresa sin rodeos: los pesos son abiertos pero la licencia no es completamente abierta, un patrón que señala que se asemeja a algunos lanzamientos chinos recientes.

Benchmarks: dónde lidera y dónde se queda atrás

Meta posiciona Muse Spark Open como el mejor modelo open-weight estadounidense, y su propia ficha del modelo lo compara con esfuerzo de razonamiento xhigh frente a siete modelos abiertos similares, incluyendo Kimi K3, GLM 5.3 y Qwen3.8. La lectura honesta es que es un líder en uso de herramientas y un rezagado en programación.

Fuente: Ficha del modelo de Meta, octubre de 2026.

Interpreta la tabla según lo que tu agente realmente hace:

• Selección de herramientas: MCP-Atlas y JobBench son las filas donde lidera, por lo que los agentes cuya función principal es elegir y secuenciar llamadas a herramientas son su punto más fuerte.
• Trabajo en terminal y repositorios: se queda 8,6 puntos por detrás de Kimi K3 en Terminal-Bench 2.1 y 8 puntos en DeepSWE 1.1 y SWE-Atlas-QnA. Si tu agente vive en un terminal, ejecuta tus propias tareas de repositorio antes de cambiar.
• Clasificación compuesta: en el Artificial Analysis Intelligence Index obtiene 39 puntos, por detrás de GLM 5.3, Kimi K3 y Qwen3.8 — así que "el más capaz" es específicamente una clasificación entre modelos open-weight estadounidenses, no de todo el campo abierto.

Un área donde realmente destaca es la resistencia a jailbreaks: obtuvo 0,5 en StrongREJECT v2 con ataques adaptativos (menor es mejor), mientras que ningún otro modelo en la tabla de Meta puntuó por debajo de 62,9 — un beneficio directo de ese entrenamiento adicional de seguridad.

¿Qué hardware necesita Muse Spark Open?

Aquí está la trampa. "Pesos abiertos" no significa "se ejecuta en tu portátil." El checkpoint completo en BF16 pesa aproximadamente 1,6 TB, y la versión cuantizada NVFP4 ronda los 530 GB.

• GPU: NVFP4 funciona en cuatro GPUs Blackwell Ultra u ocho H200; la ficha del modelo requiere al menos 700 GB de VRAM para NVFP4 y 2 TB para BF16.
• Mac: Meta y Apple optimizaron una versión MLX que ejecuta el checkpoint NVFP4 en dos Mac Studios M5 Ultra con 512 GB de memoria unificada cada uno, o cuatro Mac Studios con 256 GB cada uno — aproximadamente 1 TB de memoria unificada en total — conectados mediante Thunderbolt 5.
• Versión más pequeña: las cuantizaciones GGUF de Unsloth bajan hasta aproximadamente 2 bits y caben en unos 300 GB de memoria combinada — una estación de trabajo de alta memoria, no un MacBook.

Funciona con SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, MLX, llama.cpp y Unsloth, y está disponible desde el primer día en APIs alojadas como Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter y Together AI. Los pesos se descargan desde Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden y Microsoft Foundry Models. Para la mayoría de los equipos, un endpoint alojado es la forma más realista de probarlo antes de comprometerse con el hardware.

¿Quién debería usarlo?

Muse Spark Open es una opción sólida si estás construyendo agentes que orquestan herramientas — los resultados de MCP-Atlas y JobBench lo respaldan — y quieres la opción de alojarlo tú mismo para controlar los datos, ajustarlo con tus propios flujos de trabajo o destilar un modelo más pequeño. La multimodalidad nativa es un diferenciador real: el mismo modelo puede leer una captura de pantalla, escuchar una nota de voz o ver una grabación de pantalla mientras trabaja.

Es una opción más débil si tu agente es principalmente un agente de programación que vive en un terminal, donde rivales abiertos como Kimi K3 actualmente puntúan más alto. Y no es para nadie que espere ejecutar pesos a escala frontera en hardware de consumo.

Conclusión

Muse Spark Open es un lanzamiento de pesos abiertos creíble y genuinamente útil que se entiende mejor como un modelo de agente multimodal y de uso de herramientas, no como un campeón de la programación. El encuadre de "modelo open-weight estadounidense más capaz" es preciso pero limitado. La licencia es permisiva para la mayoría de los equipos, pero vale la pena leerla si revendes acceso, y el requisito de hardware es lo suficientemente alto como para que una API alojada sea la rampa de entrada sensata. Si construyes agentes y valoras el autoalojamiento, merece estar en tu lista de candidatos para probar con tus propias tareas.

Ejecuta modelos abiertos dentro de tu propia fuerza laboral de IA

Un modelo de pesos abiertos demuestra su valor una vez que está integrado en flujos de trabajo reales — herramientas, archivos, revisión de código y planes de múltiples pasos — no en una ventana de chat. Eigent es una aplicación de escritorio Cowork de código abierto que ejecuta una fuerza laboral de agentes de IA de forma local y es agnóstica al modelo, por lo que puedes dirigir un modelo como Muse Spark Open a las tareas en las que es más fuerte y mantener el trabajo sensible en tu propia máquina. Descubre cómo los agentes pueden revisar PRs de GitHub de principio a fin, y luego descarga Eigent para probarlo.

Preguntas frecuentes

¿Qué es Muse Spark Open?

Muse Spark Open es el modelo open-weight de Meta para programación y trabajo agéntico, lanzado el 15 de octubre de 2026. Es un modelo de mezcla de expertos de 816B parámetros que activa aproximadamente 42B parámetros por token, acepta entrada de texto, imagen, vídeo y audio, y tiene una ventana de contexto de 1M tokens. Es la versión de pesos abiertos del modelo Muse Spark de Meta.

¿Es Muse Spark Open de código abierto?

No. Los pesos son descargables, pero se publican bajo la Muse Model License personalizada de Meta, no bajo una licencia de código abierto aprobada por la OSI. La licencia permite el uso, ajuste fino, destilación y redistribución, pero requiere una etiqueta visible "Built with Muse Spark Open" en todo producto que use el modelo o un derivado.

¿Es Muse Spark Open gratuito para uso comercial?

Sí, para la mayoría de los equipos. Solo una empresa que ofrezca modelos como servicio a través de una API, con ingresos del grupo superiores a 20 millones de dólares en cualquier período de 12 meses, debe notificar a Meta y firmar primero un acuerdo separado. El uso interno, la investigación y las funcionalidades dentro de tu propio producto quedan fuera de esa cláusula.

¿Puede Muse Spark Open ejecutarse en un Mac?

Sí, pero necesitas hardware serio. El checkpoint NVFP4 se ejecuta mediante MLX en dos Mac Studios M5 Ultra con 512 GB de memoria unificada cada uno, o cuatro Mac Studios con 256 GB cada uno, conectados mediante Thunderbolt 5 — aproximadamente 1 TB de memoria unificada en total. La versión GGUF más pequeña de Unsloth cabe en unos 300 GB de memoria combinada.

¿Es Muse Spark Open el mejor modelo open-weight para programación?

No. En la propia ficha del modelo de Meta obtiene 76,4 en Terminal-Bench 2.1, 60 en DeepSWE 1.1 y 58 en SWE-Atlas-QnA — por detrás de Kimi K3 en los tres. Su ventaja está en el uso de herramientas, donde lidera MCP-Atlas con 89,2. Ejecuta tus propias tareas de repositorio antes de migrar un agente de programación a este modelo.

¿Cómo se relaciona Muse Spark Open con los modelos Muse cerrados de Meta?

Muse Spark Open es la versión de pesos abiertos del modelo Muse Spark de Meta, con entrenamiento adicional de seguridad posterior para que resista el uso indebido cuando se ejecuta sin salvaguardas del sistema. Meta también vende modelos cerrados a través de su API — los modelos frontera Muse Wonder y Muse Spark 1.3 — mientras que los pesos de Muse Spark Open se descargan desde Hugging Face para que puedas alojarlo tú mismo, cuantizarlo y ajustarlo.