Muse Spark Open vs Muse Spark: A qué renuncias cuando Meta te entrega los pesos

La comparación que la gente realmente quiere hacer cuando escribe "Muse Spark Open vs Muse Spark" no son dos modelos, sino dos modelos de distribución que llevan el mismo nombre de familia. Muse Spark Open es el modelo de mezcla dispersa de expertos (sparse mixture-of-experts) de 816B parámetros y pesos abiertos que Meta publicó el 15 de octubre de 2026, descargable bajo la Muse Model License, que recibe texto, imagen, vídeo y audio y devuelve texto. Muse Spark es la línea alojada cerrada de la misma familia —el modelo original de abril de 2026 y después Muse Spark 1.1, 1.2 y 1.3 en secuencia— que se vende por token a través de la Model API de Meta y solo se puede acceder a ella así. Una llega como un archivo y una licencia; la otra llega como un endpoint y una tarifa. Casi todas las diferencias prácticas entre ambas se derivan de esa única bifurcación.

Primero, un problema de nomenclatura que vale la pena aclarar

"Muse Spark" sin un número de versión es genuinamente ambiguo, y la ambigüedad empeora ahora que existe un hermano abierto.

• Muse Spark, sin versión — el modelo original, lanzado en abril de 2026, contexto de 262K tokens en el listado de Artificial Analysis, con texto, imagen y voz como entrada.

• Muse Spark 1.1 y 1.2 — julio y agosto de 2026 respectivamente, ambos con la ventana de contexto de 1M de tokens de la familia.

• Muse Spark 1.3 — septiembre de 2026, la versión que Meta etiqueta como actual y recomienda para nuevos trabajos.

• Muse Spark Open — un lanzamiento independiente de pesos abiertos, no una versión de la línea cerrada, y no un sucesor de 1.3.

Y una cuarta cosa que a menudo se confunde con todo lo anterior: Muse Glimmer, un modelo abierto denso de 30B bajo Apache 2.0 del mismo grupo de investigación. Alguien que busca "modelo abierto de Meta Muse" y acaba en Glimmer ha encontrado un modelo de pesos abiertos real, pero el equivocado. Muse Spark Open es el modelo de 816B; Glimmer es el pequeño local.

Qué son las dos partes, sobre el papel

Seis dimensiones, por ambas partes, usando las cifras declaradas por el proveedor y los listados independientes de Artificial Analysis cuando exista alguno.

• Pesos — Muse Spark Open: descargables, 816B en total / 42B activos, repositorio con acceso restringido, checkpoints en BF16 y NVFP4. Muse Spark (línea cerrada): sin pesos, sin licencia, sin descarga para ninguna versión, incluida la 1.3.

• Entradas — Abierto: texto, imagen, video y audio según Meta, y texto, imagen, habla y video según la lista de Artificial Analysis. Cerrado 1.2: texto, imagen, habla y video según Artificial Analysis. Las dos fuentes coinciden en la lista de modalidades del modelo abierto; lo que ninguna ha publicado es una medición de la ruta de audio o video.

• Salida — solo texto, en ambos lados. Ninguno genera imágenes, audio ni video.

• Contexto — 1,048,576 tokens para Open y para 1.1, 1.2 y 1.3. El Muse Spark original sin versión se sitúa más abajo, en 262K.

• Licencia y condiciones — Abierto: Muse Model License con un requisito de atribución y una cláusula de modelo como servicio que se aplica cuando los ingresos anuales de entidades afiliadas superan los $20M. Cerrado: términos de API comercial, con un nivel "Contributor" con descuento que cambia un precio más bajo por permiso para entrenar con tus prompts y completions.

• Precio — Abierto: Meta no establece ninguno, porque Meta no lo sirve. Lo que pagas es tu propio hardware o lo que cobre una plataforma de inferencia. Cerrado 1.3: $1.25 por millón de tokens de entrada, $4.25 por millón de salida, $0.15 por millón de entrada en caché, con una variante de Contribuidor a $0.10 / $0.20 / $0.002.

Los números independientes, y la advertencia honesta sobre ellos

Artificial Analysis es el único tercero con listados públicos para ambos lados de esta comparación, lo que lo convierte en el único lugar donde una lectura en igualdad de condiciones es siquiera posible — con un asterisco que no oculta: evalúa modelos de pesos abiertos frente a otros modelos de pesos abiertos de la misma clase de tamaño, y modelos propietarios frente a modelos propietarios y abiertos en la misma banda de precios. Cabe señalar también que las cifras de la línea cerrada que aparecen a continuación son mediciones propias de Artificial Analysis de endpoints alojados, mientras que el Índice y la velocidad del modelo abierto provienen del listado alojado del mismo analista de un modelo que nadie está obligado a alojar. Por lo tanto, las puntuaciones son comparables en dirección, no equivalentes auditados.

• Muse Spark Open (xhigh) — Intelligence Index 39, entrada de texto, imagen, voz y video, velocidad de salida de 103.4 tokens por segundo, precio de alojamiento publicado $1.25 entrada / $4.25 salida, $0.84 por tarea de índice.

• Muse Spark 1.2 (xhigh) — Índice de Inteligencia 40, entrada de texto, imagen, voz y vídeo, 361,4 tokens por segundo, $1,25 de entrada / $4,25 de salida, $0,97 por tarea de índice. Su página ahora incluye un aviso de obsolescencia que apunta a la 1.3.

• Muse Spark 1.3 (max) — Índice de Inteligencia 48, texto, imagen y video de entrada, 121,9 tokens por segundo, $1,25 entrada / $4,25 salida, $1,60 por tarea de índice.

• Original Muse Spark — Índice de inteligencia 31, contexto de 262K, velocidad y coste sin medir, marcado como obsoleto.

La forma de esa lista es lo interesante. El modelo abierto no supera a la línea cerrada. Se sitúa un punto por debajo del obsoleto 1.2 y nueve puntos por debajo de 1.3 en su configuración máxima de razonamiento, y lo hace siendo aproximadamente tres veces y media más lento que 1.2. Lo que sí gana es el costo por tarea: $0,84 frente a los $1,60 de 1.3 en el mismo índice, que es la cifra por tarea más barata de la familia. Así que la compensación no es la capacidad, y tampoco es realmente el precio por token, ya que todos los listados alojados de esta tabla cotizan los mismos $1,25 / $4,25. Es control.

Un número de esa tabla merece escepticismo más que una cita. El precio de alojamiento listado de Muse Spark Open es idéntico al precio de lista de Meta para el modelo cerrado Muse Spark 1.3, hasta el centavo, en las tres columnas. Eso podría ser un precio de equilibrio de mercado genuino, o podría ser un analista rellenando el campo con la tarifa del hermano mientras se estabiliza el precio propio del modelo. Hasta que una factura real de un proveedor lo confirme, trata las cifras de coste de Open como provisionales y las de 1.3 como publicadas por el proveedor.

Lo que la licencia abierta te cuesta y que la API nunca te costaría.

La licencia es donde los dos caminos divergen más marcadamente, y es la sección que la mayoría de los lectores hojean por encima.

Lo que obtienes, sin rodeos: libertad para usar, copiar, modificar, ajustar, destilar, fusionar, publicar, sublicenciar y vender derivados, sin que Meta reclame la propiedad de los resultados. A eso se le suman dos condiciones.

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

• El desencadenante del modelo como servicio — si tú o tus filiales ofrecen a terceros acceso al modelo como producto o servicio a través de una API, y los ingresos brutos agregados superan los 20 millones de dólares en cualquier período consecutivo de doce meses, debes notificar a Meta y firmar primero un acuerdo por separado. El uso interno, la investigación y la distribución del modelo dentro de tu propio producto que no sea una API quedan excluidos.

• Acceso restringido — la descarga en sí está sujeta a control de acceso, con un formulario de solicitud que pide nombre legal completo, fecha de nacimiento y organización con identificadores corporativos, y no se puede editar una vez enviado.

Si se contrasta eso con los términos de la línea cerrada, la comparación se invierte. La vía de la API no pide nada sobre atribución, no impone ningún umbral de ingresos y no implica papeleo alguno más allá de una clave. Lo que sí plantea es la cuestión de los datos: en el nivel Contributor, Meta puede entrenar con tus prompts y completions, que es precisamente lo que la vuelve aproximadamente diez veces más barata en la entrada y más de veinte veces más barata en la salida. La promesa del nivel Standard cerrado es la opuesta: tus datos no se utilizan para entrenamiento.

Lo que realmente cuesta ejecutar cada ruta

La comparación del titular «$0 por token frente a $1,25 por millón» es errónea en ambos sentidos, así que vale la pena fijar un precio honesto.

• Centro de datos BF16 — La propia receta de Meta ejecuta el checkpoint completo en cuatro nodos de ocho GPU H200 con paralelismo tensorial 32. Los pesos abiertos no eliminaron la factura del hardware; la trasladaron a tu balance contable.

• Datacentre NVFP4 — la compilación de 4 bits está documentada en un único nodo B200, con la configuración de referencia de SGLang de Meta que abarca cuatro GPU GB300.

• Escritorio: la opción genuinamente nueva. Dos máquinas Mac Studio con chips M5 Ultra albergan un checkpoint completo en BF16, porque cada una expone hasta 512GB de memoria unificada a 1.2TB/s de ancho de banda. Una cuantización de 2 bits probada por los equipos de Hugging Face y llama.cpp se ejecutó en una única M3 Ultra de 512GB a 18 tokens por segundo usando 304GB, con espacio de sobra para caché.

• La trampa del contexto, en ambas rutas — con la ventana completa de 1M de tokens en BF16, solo la caché KV llega a unos 266 GB. Comprar los pesos no te compra la ventana; en un endpoint alojado, el mismo techo queda detrás de un precio por token que crece de la misma manera.

La línea cerrada no tiene equivalente en la fila de escritorio. No existe ninguna configuración en la que Muse Spark 1.3 se ejecute en hardware de tu propiedad, con ninguna cuantización, a ninguna velocidad.

Cuál elegir, según la situación

La regla de decisión es más restrictiva de lo que sugiere el marketing de cualquiera de las dos partes.

• Si tu carga de trabajo es crítica en cuanto a capacidad y necesitas la mejor respuesta que la familia puede ofrecer hoy, la línea cerrada gana y no es reñido — 1.3 con razonamiento máximo puntúa nueve puntos de índice por encima del modelo abierto, y el modelo abierto es más lento.

• Si tu restricción es que los prompts no deben salir de la infraestructura que controlas, o que necesitas ajustar finamente, fusionar o destilar, los pesos abiertos son la única opción de la familia. Ninguna de las dos cosas se cumple en ninguna versión de Muse Spark.

• Si quieres el resultado más barato por tarea en esta familia, la tarea de índice de $0.84 del modelo abierto es la cifra más baja sobre la mesa — pero también es el número menos verificado sobre la mesa, y depende de la plataforma en la que lo ejecutes.

• Si quieres evaluar cualquiera de los dos con tráfico real antes de comprometerte, la propia división es el argumento a favor de un único endpoint: Muse Spark 1.2 es uno de los dos modelos Muse que enruta OrcaRouter, al precio de lista de Meta con 0% de recargo, así que un cambio de precio publicado llega a tu clave sin necesidad de renegociar. Muse Spark Open no está en nuestro catálogo y no afirmamos que lo esté: es un modelo que descargas, no uno al que llamas. Tampoco enrutamos Muse Spark 1.3; las dos versiones que servimos son la 1.2 y la 1.1.

Lo que la capa de enrutamiento aporta en este caso específico no es un descuento, sino una salida. Una API única para más de 200 modelos, la conmutación automática por error cuando un proveedor se degrada y un DSL de enrutamiento que mueve tráfico entre modelos mediante configuración hacen que elegir entre abierto y cerrado deje de ser una migración. Un modelo lanzado hace un día con un único índice de analista y ninguna reproducción es exactamente el caso en el que quieres la opción de desviar el tráfico sin un cambio de código detrás.

La parte que ninguno de los dos lados ha resuelto

Dos cuestiones abiertas se ciernen sobre esta comparación, y ninguna se resuelve a favor de un veredicto claro.

El primero es la medición. El propio cuadro de resultados de Meta para Muse Spark Open está reportado por el proveedor y es relativo al harness de evaluación, y el informe de seguridad al que apunta su publicación de lanzamiento se describe como próximamente, en lugar de publicado. El panorama independiente es un índice de analistas, una cifra de velocidad y un listado de modalidades — y ese listado coincide con el proveedor en la especificación, pero no dice nada sobre cuál de esas cuatro rutas de entrada se ha medido realmente. Nueve puntos de índice son una gran brecha, y actualmente es una brecha medida en distintas clases de modelos por un único actor.

El segundo es si los pesos abiertos cambian en absoluto la dirección de la familia. Meta ha publicado ahora un modelo a esta escala mientras mantiene cada versión de la línea cerrada como propietaria, y el lanzamiento abierto se sitúa por debajo del buque insignia cerrado en capacidad en lugar de a su nivel. Esa es una estrategia coherente —la frontera permanece alojada, la forma de la generación anterior se convierte en una descarga— y es una que Meta no ha declarado. Si un futuro Muse Spark Open iguala a la línea cerrada en el lanzamiento, esta comparación deja de existir. Hasta entonces, la lectura honesta es que los pesos abiertos te dieron la arquitectura de la familia y su ventana de contexto a cambio de un descuento en capacidad, y no te dieron la frontera.

Comparaciones como esta son también donde se manifiestan los modos de fallo: los incidentes de IA documentados y los fallos de agentes que hay detrás de los modelos de esta clase se recopilan en the OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, su gravedad, su grado de confianza y su indicador de disputa.