Muse Spark Open: El mejor modelo estadounidense de pesos abiertos es una afirmación con términos y condiciones

La afirmación llegó a X la tarde del 15 de octubre de 2026, y es el tipo de afirmación que es verdadera en una frase y negociable en la siguiente. Meta publicó los pesos de Muse Spark Open — el punto de control de 816 mil millones de parámetros y 42 mil millones activos que había estado guardando desde que el repositorio apareció en Hugging Face un mes antes — y en cuestión de horas la frase que se le adjuntó fue "el mejor modelo de pesos abiertos de EE. UU." El número que más directamente lo respalda no es de Meta. Es 39: la puntuación que la propia lista alojada de Artificial Analysis le da a Muse Spark Open en su configuración de razonamiento xhigh, noveno entre los 118 modelos de pesos abiertos mayores de 150 mil millones de parámetros en ese tablero, frente a una mediana de clase de 19. Esa es una medición real de un tercero de un modelo descargable real. Por separado, Muse Spark 1.3 — el punto de control actual de la línea cerrada Muse Spark, disponible de forma general desde el 2 de septiembre de 2026 — obtiene 48 en el mismo índice. Ambos números pertenecen a Meta. Solo uno de ellos pertenece a algo que puedes descargar, y solo uno de ellos está medido por alguien que no es Meta.

Las fechas, porque el encuadre depende de ellas

Nada de esto es un lanzamiento, y la confusión es fácil de explicar. Meta Superintelligence Labs presentó la familia Muse Spark el 8 de abril de 2026. Muse Spark 1.1 llegó el 16 de julio, Muse Spark 1.2 el 5 de agosto y Muse Spark 1.3 el 2 de septiembre; este último adquirió su nivel de razonamiento "max" el 4 de septiembre tras pruebas de seguridad adicionales. Esa línea es propietaria y se ofrece como servicio. Muse Spark Open es un artefacto aparte: un repositorio restringido de Hugging Face, meta-models/Muse-Spark-Open-816B-A42B, cuya marca temporal de creación es el 15/09/2026, además de una compilación NVFP4 creada unos segundos antes. Los pesos permanecieron ahí durante cuatro semanas dentro de un formulario con acceso controlado. El 15 de octubre de 2026, Meta publicó el texto de la licencia, una entrada de blog de investigación, una guía de compilación para desarrolladores y una tarjeta de puntuación de benchmarks, y el repositorio dejó de ser un artefacto que nadie había anunciado.

Entonces, la lectura correcta no es ni "stealth drop" ni "lanzamiento". El modelo existió en silencio durante un mes; el papeleo se puso al día el 15 de octubre. Lo que cambió para cualquiera que decida qué ejecutar es acotado y específico: ahora hay una licencia que se puede leer, una receta de hardware declarada, soporte desde el primer día en los frameworks que la gente realmente usa, y una medición independiente. Lo que no cambió es la línea cerrada, el precio de la línea cerrada, ni nada sobre los modelos de API que la mayoría de los lectores de este sitio llama.

"Abrir" es la parte con las condiciones

La licencia es donde la afirmación principal encuentra su letra pequeña, y vale la pena leerla antes de repetirla. Muse Spark Open se distribuye bajo la Muse Model License. Meta la describe como una licencia que permite a muchos desarrolladores usar el modelo gratis, y dos cláusulas definen dónde termina lo "gratis".

• Modelo como servicio — si usted o sus afiliadas otorgan a terceros acceso al modelo como producto o servicio a través de una API, y los ingresos brutos agregados superan los veinte millones de dólares estadounidenses en cualquier período consecutivo de doce meses, debe notificar a Meta y firmar un acuerdo escrito por separado antes de operar ese negocio. La incorporación del modelo a su propio producto está exceptuada; revender el acceso a él no lo está.

• Atribución — la licencia exige que se muestre "Built with Muse Spark Open" de forma destacada en la interfaz de cualquier producto que utilice el modelo o un derivado, o en la documentación, el sitio o el menú de configuración que lo acompañen.

• Lo que puede hacer claramente: ajustar finamente, destilar, fusionar, publicar, sublicenciar y vender derivados, y Meta no reclama la propiedad de los resultados.

• Cómo obtenerlo — el repositorio tiene acceso restringido. El formulario de solicitud pide el nombre legal completo, la fecha de nacimiento y la organización con identificadores corporativos, y no se puede editar una vez enviado.

Esa combinación es lo que convierte la expresión «mejor modelo estadounidense de pesos abiertos» en una afirmación de categoría y no en una absoluta. En el mismo panel de Artificial Analysis, la entrada estadounidense de pesos abiertos con licencia permisiva más fuerte es NVIDIA Nemotron 3.5 Super VL con 26,49, con Inkling Small en 25,66 por detrás. Muse Spark Open obtiene una puntuación superior a ambos y no está en la misma categoría de adopción: una licencia comercial a medida detrás de un formulario de solicitud es algo distinto de un checkpoint que puedes clonar y desplegar bajo OpenMDW-1.1 esta misma tarde. La propia entrada de blog de Meta usa la expresión «modelo estadounidense de pesos abiertos más capaz hasta la fecha», que es defendible según el índice y más restrictiva de lo que implica «mejor» una vez que la licencia forma parte de la frase.

Lo que el checkpoint resuelve sin la ayuda de Meta

Esta parte es verificable a partir del propio repositorio, antes de dar crédito a cualquier benchmark.

• Escala — aproximadamente 816 mil millones de parámetros totales con alrededor de 42 mil millones activos por token, una mezcla dispersa de expertos a lo largo de 62 capas y una dimensión oculta de 8.192, con 256 expertos por capa de MoE y 8 seleccionados por token. Atención de consultas agrupadas con 128 cabezas de consulta y 16 cabezas de clave-valor de 64 dimensiones cada una.

• Contexto — 1,048,576 tokens, la ventana que Meta denomina 1M, compartida entre tokens de texto, imagen, video y audio en un solo presupuesto.

• Modalidades: texto, imágenes, vídeo y audio como entrada; texto como salida. Lee entradas multimodales y escribe texto, lo que no es lo mismo que generar cualquiera de ellas.

• Checkpoints — una compilación BF16 de aproximadamente 1,5 TB de safetensors, y una compilación NVFP4 de 4 bits que, según Meta, se ejecuta en un solo nodo B200. Desde entonces, terceros han añadido sus propias cuantizaciones, desde compilaciones GGUF hasta conversiones MLX de 3 y 4 bits fechadas el día del lanzamiento.

• Control de razonamiento — un ajuste de esfuerzo de razonamiento con niveles bajo, medio, alto y xhigh. Las herramientas de Meta señalan que desactivar el razonamiento no es una opción.

• Entornos de ejecución — Transformers, llama.cpp, SGLang, vLLM, TensorRT-LLM, Apple MLX y Unsloth desde el primer día, con kernels Helion personalizados y autoajustables para SGLang que Meta reporta como aceleraciones a nivel de kernel de 1,03x a 3,95x en silicio de NVIDIA y AMD.

• La demo de escritorio —dos máquinas Mac Studio con chips M5 Ultra bajo MLX— funciona porque cada una expone hasta 512 GB de memoria unificada a 1,2 TB/s. Las demos de Meta estaban introduciendo cambios reales en un cliente iOS de código abierto y ejecutando DaVinci Resolve de extremo a extremo.

Nada de eso es una afirmación de marketing; es un archivo de configuración, un listado de archivos y una receta publicada. También es donde aterriza el coste práctico de lo «abierto»: a la aritmética de la memoria no le importa qué licencia hayas aceptado. Con un contexto completo de 1M de tokens en BF16, solo la caché KV asciende a unos 266GB, así que la ventana que anuncia el modelo y la ventana que puedes permitirte en tu hardware son dos presupuestos diferentes.

El único número que Meta no escribió

El listado de Artificial Analysis es la única medición de terceros de Muse Spark Open en el registro público en este momento, y dice más que el índice por sí solo.

Inteligencia — un Artificial Analysis Intelligence Index de 39 en el ajuste xhigh, puesto 9 de 118 modelos de pesos abiertos con más de 150B parámetros, por encima de una mediana de clase de 19.

• Velocidad — 103,4 tokens de salida por segundo, puesto 18 de 76 en esa cohorte.

• Costo — $0,84 por tarea completada de Intelligence Index, en una ruta alojada con un precio de $1,25 por millón de tokens de entrada y $4,25 por millón de tokens de salida.

• Eficiencia — el listado señala que el modelo es bastante conciso, ya que genera aproximadamente 110 millones de tokens durante la ejecución del índice, frente a una mediana de 130 millones.

Lee esos datos junto a la propia tarjeta de puntuación de Meta y la diferencia no está en la especificación, está en la cobertura. La tarjeta de Meta reporta Terminal-Bench 2.1 en 76,4 con el agente Terminus 2, MCP-Atlas en 89,2, GDPval-AA v2 en 1401, SciCode en 58,5, JobBench en 61,8, HLE-Diamond en 26,1 sin herramientas, y DeepSWE 1.1 en 60 sobre lo que la tarjeta llama el mejor harness disponible. Cada una de esas filas se produjo dentro del propio harness de agente del modelo en lugar de uno compartido, lo que las convierte en una afirmación de capacidad más que en una clasificación comparable en igualdad de condiciones, y no hemos reproducido ninguna de ellas. La coincidencia entre ambos relatos está en la hoja de especificaciones: 816B en total, 42B activos, 1M de contexto, la misma licencia, las mismas modalidades de entrada. La discrepancia es que un lado tiene ocho benchmarks y el otro tiene un índice, una cifra de velocidad y un precio. No hay ninguna medición de audio ni de vídeo en público todavía, pese a que la fila de modalidades es lo más distintivo del modelo.

Luego está la evaluación que Meta no ha publicado.

La publicación de lanzamiento dice que Muse Spark Open fue evaluado bajo el Meta Superintelligence Scaling Framework y "cumplió los umbrales que nuestro marco requiere para su lanzamiento", con resultados detallados en la tarjeta del modelo; la tarjeta del modelo remite a un informe de evaluación completo descrito como disponible próximamente. Una afirmación de seguridad que superó un marco interno es un objeto distinto de un informe de seguridad que un lector puede inspeccionar, y solo existe el primero al momento de escribir esto.

Lo que esto no cambia para nadie que tenga una fecha límite

Muse Spark Open no es algo a lo que se apunte con una clave API. Es una descarga, una licencia, un formulario de solicitud con acceso restringido y una decisión de hardware, y si la carga de trabajo necesita una respuesta esta semana, la superficie que hay que cubrir antes del primer token es amplia. La pregunta práctica es a qué modelo Muse puedes acceder ahora mismo, y la respuesta está en la línea cerrada: Muse Spark 1.2 y Muse Spark 1.1 son los dos checkpoints que enruta OrcaRouter, ambos servidos al precio de lista de Meta de $1,25 por millón de tokens de entrada y $4,25 por millón de tokens de salida con 0 % de sobreprecio, porque el precio de lista del proveedor se pasa tal cual en lugar de aplicar un sobreprecio. Aceptan entrada de texto, imagen, video, audio y PDF dentro de la misma ventana de 1.048.576 tokens, así que el comportamiento multimodal por el que se elogia el checkpoint abierto está disponible hoy en la línea servida sin una cola de descarga.

Muse Spark Open no está en nuestro catálogo y no vamos a sugerir lo contrario: un modelo cuyo planteamiento entero es que puedes ejecutarlo tú mismo es un modelo que ejecutas tú mismo. Donde una configuración enrutada sigue siendo útil es a su alrededor: una única API para más de 200 modelos significa que un checkpoint no probado no tiene por qué ser una apuesta de producción, la conmutación por error automática puede llevar una solicitud a un segundo proveedor cuando el primero se degrada, y el DSL de enrutamiento mueve el tráfico entre modelos mediante configuración en lugar de mediante un cambio de código. Para un modelo publicado hace un día, con un único benchmark independiente y un informe de evaluación no publicado, esa es la forma más barata de averiguar qué hace con tu tráfico mientras la infraestructura de otro absorbe la varianza.

¿Qué movería esta pieza?

Tres cosas están abiertas en lugar de desconocidas, y cada una cambiaría la interpretación. La primera es el informe de evaluación de Meta, que es la diferencia entre una afirmación de seguridad y un historial de seguridad. La segunda es una segunda medición independiente: un analista con un solo índice es un dato, no un consenso, y hasta ahora nada ha sometido a Muse Spark Open a una evaluación de audio o vídeo, pese a que esos son los diferenciadores que se anuncian. La tercera es cómo se comporta la licencia en la práctica: el umbral de veinte millones de dólares y la cláusula de atribución son los términos que determinarán si el modelo de pesos abiertos más potente de EE. UU. según la puntuación se convierte en el más usado, o se queda como ese que los equipos descargan para probar y luego sirven desde otro sitio. Hasta que al menos una de esas cosas se resuelva, la versión honesta del titular es que Meta lanzó el modelo de pesos abiertos más capaz de EE. UU. según la única medida independiente disponible, bajo una licencia que mantiene la palabra «abierta» específica en lugar de absoluta.

Lo que los números no pueden decirte es si algo de esto ha salido mal sobre el terreno: los incidentes de IA documentados y los fallos de agentes en torno a los modelos de esta clase se recopilan en el Archivo de Incidentes de IA de OrcaRouter, donde cada entrada incluye sus propias fuentes, su gravedad, su grado de confianza y su indicador de disputa.