Muse Spark Open vs. Muse Spark 1.2: el buque insignia Open no es la actualización

El instinto cuando un laboratorio publica como código abierto su modelo más grande es asumir que la versión descargable es la mejor, y en el caso de Muse Spark Open frente a Muse Spark 1.2, ese instinto es erróneo en el eje que la gente revisa primero. En Artificial Analysis, el modelo API propietario obtiene una puntuación de 40 en el Intelligence Index y el modelo recién abierto de 816 mil millones de parámetros obtiene 39 — dentro de un punto, y en la dirección que favorece al modelo que alquilas. El de código abierto no es el modelo más fuerte. Es un trato diferente, y el trato es toda la comparación.

La versión de la frase

Muse Spark 1.2 te ofrece un endpoint rápido, barato, por token, que nunca tienes que operar y cuyas modalidades están todas confirmadas de forma independiente. Muse Spark Open te ofrece pesos que puedes conservar, ajustar, auditar y ejecutar sin red, en hardware que tienes que comprar y a un rendimiento que nadie ha publicado todavía. Son productos diferentes que casualmente comparten un nombre de familia.

Dónde están realmente

Línea por línea, con el lado que gana en cada dimensión indicado primero.

• Inteligencia — Muse Spark 1.2 con un Índice de Inteligencia de Artificial Analysis de 40, Muse Spark Open con 39. Medido de forma independiente en ambos lados; una diferencia de un punto no es razón para elegir ninguno de los dos modelos.

• Rendimiento — Muse Spark 1.2, y por amplia diferencia: Artificial Analysis lo sitúa primero de 185 modelos en velocidad de salida, con 361,4 tokens por segundo. La velocidad de Muse Spark Open no ha sido medida en absoluto por ninguna entidad independiente. Nada que esté sobre un escritorio en octubre de 2026 va a alcanzar los 361 tok/s en una mezcla de expertos de 816B; la cuestión es cuánto se queda por detrás, y ese número todavía no existe.

• Precio — Muse Spark 1.2 a 1,25 $ por millón de tokens de entrada y 4,25 $ por millón de salida, con un descuento del 88 % en la entrada en caché y un coste medido de 0,97 $ por tarea del Intelligence Index. Muse Spark Open no tiene precio por token; su precio es una compra de hardware, y Artificial Analysis no ha publicado ninguna cifra de coste para él.

• Pesos — Muse Spark Open, en su totalidad. Repositorios de acceso restringido de Hugging Face bajo la Licencia del Modelo Muse, en BF16 y NVFP4, aproximadamente 1,5 TB antes de la sobrecarga de tiempo de ejecución. Los pesos de Muse Spark 1.2 no se distribuyen en ninguna forma.

• Operación local — Muse Spark Open, en dos Mac Studios M5 Ultra con MLX o en un único nodo Blackwell de cuatro GPU con TensorRT-LLM. Muse Spark 1.2 no se ejecuta en ningún sitio salvo en un proveedor.

• Ajuste fino — Muse Spark Open, con Meta lanzando soporte de TorchTitan específicamente para él. Muse Spark 1.2 no se puede ajustar con tus datos.

• Modalidad — discutida, y se resuelve a favor de Muse Spark 1.2 según las pruebas disponibles. Artificial Analysis incluye a 1.2 como compatible con texto, imágenes, voz y vídeo, y enumera el modelo abierto como compatible solo con texto e imágenes, mientras que los propios materiales de Meta afirman texto, imagen, vídeo y audio para Muse Spark Open. La medición independiente ha confirmado la afirmación más restringida; el proveedor ha sostenido la más amplia.

• Razonamiento: básicamente la misma configuración en ambos. Ninguno permite desactivar el razonamiento. Muse Spark Open expone niveles de esfuerzo bajo, medio, alto y xhigh que se corresponden con 16, 64, 256 y 512 tokens de razonamiento, y una indicación de la intensidad de razonamiento en el prompt del sistema.

• Contexto — un empate genuino en 1,048,576 tokens, con una salvedad que los separa en la práctica. En Muse Spark Open, un contexto completo de un millón de tokens en BF16 cuesta aproximadamente 266 GB de caché KV además de los pesos. En Muse Spark 1.2, el contexto es un problema de capacidad ajeno.

• Licencia — Muse Spark Open bajo la Licencia de Modelo Muse con términos comerciales limitados; Muse Spark 1.2 bajo términos de API ordinarios. Ninguna es Apache 2.0, y la licencia abierta es la que realmente tienes que leer.

Lee esa lista de arriba abajo y la forma de la decisión ya es visible: el modelo abierto gana en las cosas que le haces a un modelo, y el modelo alojado gana en las cosas que un modelo te hace a ti.

El único número que lo decide para la mayoría de los equipos

La especificación principal de Muse Spark 1.2 es de 361,4 tokens por segundo, la mejor de 185 modelos medidos. Eso no es una cifra de marketing: es lo que hace que el modelo sea utilizable dentro de un bucle de agente, donde un agente de programación lanza docenas de pequeñas idas y vueltas por minuto y el coste de tiempo real del modelo es el coste de tiempo real de la tarea.

El throughput de Muse Spark Open es desconocido. Ese es el estado honesto de la evidencia, y es el mayor agujero en cualquier comparación escrita esta semana. Lo que sí se puede afirmar con confianza es estructural: un modelo de 816 mil millones de parámetros que activa 42 mil millones de parámetros por token en hardware de escritorio de consumo está limitado por el ancho de banda de memoria, no por el cómputo. Dos M5 Ultra Mac Studios te dan 1,2 TB/s y un terabyte de memoria unificada, lo cual alcanza para contener el modelo y leer la porción de cada token. No alcanza para hacer que un agente interactivo se sienta como una API. Si tu carga de trabajo es interactiva, esta no es una decisión reñida. Si tu carga de trabajo es por lotes —barridos nocturnos de repositorios, evaluación offline, extracción a gran escala donde la latencia es irrelevante y el costo por token lo es todo—, el cálculo se invierte por completo.

¿Es realmente más barato el ordenador de sobremesa?

Aquí es donde el modelo abierto se gana su lugar, y también donde fracasa la versión ingenua del argumento. La configuración de dos Mac Studio es una inversión de capital más energía, refrigeración y la atención de alguien. A eso le contrapones los tokens que ya no compras.

La comparación solo se resuelve a escala, y la razón es que el descuento de caché de Muse Spark 1.2 ya está haciendo mucho trabajo en el lado alojado. Con un 88 % de descuento en la entrada en caché, el modelo es barato precisamente para el patrón de contexto repetido que produce la codificación agéntica: el mismo repositorio, el mismo prompt de sistema, las mismas definiciones de herramientas, leídos de nuevo en cada turno. Una implementación autoalojada no obtiene un descuento; obtiene un coste fijo, y el coste fijo solo se amortiza con un uso grande, constante y predecible. Un equipo que ejecuta tráfico de agentes a ráfagas en una configuración de escritorio de dos máquinas ha comprado un coste fijo para servir una carga variable, que es la forma clásica en que esta aritmética sale mal.

El planteamiento honesto es que autohospedar Muse Spark Open es una decisión de capacidad, no de coste. Lo compras para garantizar que el modelo esté disponible, que no puedan retirarlo bajo tus pies, que tus prompts nunca salgan del edificio y que puedas cambiar su comportamiento mediante fine-tuning. Esas son razones reales y, a veces, decisivas. «Será más barato» es una razón que hay que volver a deducir para tu tráfico y, para mucho tráfico, simplemente no es cierta.

Para qué sirve realmente cada uno

Muse Spark 1.2 es el modelo sobre el que construir un producto. Es rápido, tiene un coste por tarea medido, su conjunto de modalidades está confirmado de forma independiente, se vende por token con un descuento de caché que se adapta a los patrones agénticos, y se puede enrutar hoy. Elegirlo es elegir gastar dinero en lugar de tiempo de ingeniería, y a $1.25/$4.25 esa suele ser la decisión correcta.

Muse Spark Open es el modelo sobre el que construir una capacidad. El ajuste fino es la razón por la que existe: si la tarea es acotada, de gran volumen y bien especificada —un agente específico para una base de código, una canalización de documentos para un corpus fijo, un clasificador que tiene que residir en las instalaciones—, entonces un modelo ajustado de 42B activos que posees superará a un endpoint de propósito general que alquilas, y ninguna cantidad de ingeniería de prompts cierra esa brecha. La historia del escritorio es el mismo argumento en miniatura: lo importante no es que se ejecute en un Mac, sino que se ejecuta donde tú estás.

La cuestión de la modalidad, y por qué importa

Meta afirma que Muse Spark Open acepta texto, imágenes, vídeo y audio. Artificial Analysis, que evaluó el modelo, enumera texto e imágenes. Esa diferencia no es pedantería: un modelo de pesos abiertos nativamente multimodal es un activo fundamentalmente distinto de uno de texto e imagen, y la diferencia determina si el modelo es siquiera un candidato para pipelines de audio y vídeo.

Las explicaciones más probables son mundanas: puede que Artificial Analysis haya evaluado a través de un endpoint o una configuración que no exponía las modalidades adicionales, o puede que la arquitectura acepte entradas que el despliegue entregado no ejercitó. Lo que importa para una decisión es que la afirmación amplia la asevera el proveedor, y la concreta se ha medido. Si el audio o el video es la razón por la que te interesaba, verifícalo en tu propio stack antes de comprometer hardware con ello. Si no lo es, la cuestión es académica —y ten en cuenta que el soporte de voz y video de Muse Spark 1.2 está confirmado del lado independiente, lo que no es una posición que el modelo abierto pueda reivindicar actualmente.

Ejecutándolos uno al lado del otro

La mayoría de los equipos que terminan con ambos no eligen entre ellos en absoluto. El patrón que funciona es mantener el modelo alojado en la ruta interactiva y el modelo abierto en las rutas de procesamiento por lotes y en las instalaciones, y hacer cumplir la división en la configuración en lugar de en la documentación.

Para eso sirve una capa de enrutamiento. OrcaRouter enruta Muse Spark 1.2 al precio de lista de Meta con 0% de recargo, por lo que el lado alojado de esa división cuesta exactamente lo mismo que cuesta en la propia API de Meta — una rebaja de precio del proveedor se aplica en la misma clave el mismo día — y pone el modelo detrás de la misma interfaz que otros 200+, con conmutación por error automática cuando un proveedor se degrada y un DSL de enrutamiento para mover tráfico entre modelos y proveedores sin reescribir nada. OrcaRouter no aloja Muse Spark Open ni pretende hacerlo; un modelo cuyo valor es que puedas descargarlo es un modelo que ejecutas tú mismo. Lo que te da el enrutador es la otra mitad de la división, para que la ruta interactiva permanezca en un endpoint rápido mientras la ruta por lotes se ejecuta en tu propio hardware.

El veredicto

Muse Spark Open vs Muse Spark 1.2 no es una contienda entre un modelo mejor y uno peor. Es una contienda entre poseer un modelo y alquilarlo, y los dos bandos de esa contienda no se miden en las mismas unidades: uno en puntos del Índice de Inteligencia y tokens por segundo, el otro en capital, control y el derecho a cambiar los pesos.

Elige Muse Spark 1.2 si quieres la mayor capacidad medida por dólar de esfuerzo de ingeniería, si la latencia importa, si quieres audio y vídeo confirmados, o si simplemente necesitas un modelo Muse en una clave hoy. Elige Muse Spark Open si necesitas realizar un ajuste fino, si los datos no pueden salir de tu red, si la carga de trabajo es lo bastante grande y predecible como para amortizar hardware, o si la garantía de disponibilidad vale más para ti que el último punto de puntuación del índice.

El único consejo que merece la pena dar es resistir el encuadre de que los pesos abiertos son automáticamente la opción más capaz. Según la evidencia, no lo son. Son más tuyos.

Muse Spark Open ya se puede descargar bajo la Muse Model License; Muse Spark 1.2 está disponible por token a través de la API de Meta y en OrcaRouter a precio de lista.