Muse Spark vs Muse Glimmer: qué sobrevive realmente cuando un modelo de frontera se destila en 30.000 millones de parámetros

La relación entre Muse Spark y Muse Glimmer no es la que implica la frase «vs». Muse Glimmer no es un competidor de Muse Spark: es un alumno suyo. Meta entrenó el modelo de pesos abiertos de 30 mil millones de parámetros mediante destilación de logits a partir de Muse Spark, la línea frontera nativamente multimodal que Meta Superintelligence Labs presentó el 8 de abril de 2026 y que ahora distribuye como Muse Spark 1.3, lanzado el 2 de septiembre de 2026, con su nivel máximo de razonamiento abierto a los desarrolladores dos días después. Muse Glimmer llegó después, el 10 de agosto de 2026, bajo Apache 2.0. Así que esta página no es una cartelera de combate entre dos rivales de laboratorios distintos. Es una medición de cuánto de un modelo frontera sobrevive a una reducción de dieciséis veces y a un cambio de licencia —y Meta, de forma inusual, ha publicado cifras en ambos lados de esa reducción. Que esa comparación sea justa es lo primero sobre lo que vale la pena ser honestos, y la respuesta es: en parte.

Uno es un archivo, el otro es un endpoint

Empieza por la parte que no tiene nada que ver con los benchmarks, porque decide la mayoría de los despliegues reales antes de que importe una sola puntuación.

Muse Glimmer es una descarga. Meta publica los pesos bajo Apache 2.0, los distribuye ya cuantizados a 4 bits —lo que reduce la huella de más de 55 GB en precisión completa a menos de 20 GB— y afirma que el modelo es lo suficientemente pequeño como para ejecutarse en una sola GPU de consumo o en un Mac. Funciona con la red desconectada. Meta lo probó en una Nvidia RTX 5090 y en chips Apple M4 Max y M5 Max. Acepta entrada de texto e imágenes, devuelve texto, tiene una ventana de contexto de 131,072 tokens que, según Meta, puede extenderse a 262,144, y tiene una fecha de corte de conocimiento de enero de 2026.

Muse Spark es la forma opuesta en todos los aspectos. Meta no publica pesos, ni licencia, ni descarga para ninguna de sus versiones; solo se puede acceder a él a través de la Model API de Meta, en meta.ai y en la app Meta AI. Tiene una ventana de contexto de 1.048.576 tokens —ocho veces la de Glimmer, antes de la extensión de Glimmer—. Acepta entradas de texto, imagen, video, audio y PDF, y devuelve texto. Su precio es por token: $1,25 por millón de tokens de entrada, $0,15 por millón de tokens de entrada en caché, $4,25 por millón de tokens de salida, con un nivel Contributor a $0,10 / $0,002 / $0,20 que cambia un precio más bajo por permiso para entrenar con tus prompts y completions. Glimmer no tiene ninguna factura por token de proveedor cuando lo ejecutas tú mismo, porque no hay ningún proveedor de por medio.

• Tamaño — Muse Spark: no divulgado; Meta no publica el número de parámetros de ninguna versión; Muse Glimmer: 30B, distribuido en 4 bits por debajo de 20 GB

• Pesos — Muse Spark: propietario, solo alojado; Muse Glimmer: Apache 2.0, descargable y ejecutable sin conexión

• Ventana de contexto — 1.048.576 tokens frente a 131.072, ampliable a 262.144

• Entradas — texto, imagen, video, audio, PDF frente a texto e imagen

Salida — texto vs texto

• Precio — $1.25 / $0.15 en caché / $4.25 por millón de tokens frente a ningún cargo del proveedor cuando se autoaloja

• Fecha de corte de conocimiento — no publicada para Muse Spark 1.3; enero de 2026 para Muse Glimmer

El único benchmark que Meta publicó para ambos

Este es el tipo de número más raro de encontrar en una relación de destilación: la misma evaluación, ejecutada por el mismo laboratorio, reportada sobre el profesor y el estudiante.

Las páginas de modelos de Meta enumeran GDPval-AA en 1.754 para Muse Spark 1.3 ejecutando su configuración de razonamiento máxima, y 953 para Muse Glimmer 30B con razonamiento alto. Eso supone que el estudiante retiene el 54 % de la puntuación del profesor en esa familia de tareas: un dato publicado real en lugar de una inferencia. Hay que señalar de inmediato dos advertencias al respecto, porque ambas son ciertas y ninguna es menor. En primer lugar, la fila de Muse Spark está etiquetada como v2 y la fila de Muse Glimmer no está versionada en absoluto, así que si Meta ha cambiado el benchmark entre las dos mediciones, la proporción es endeble aunque la dirección no lo sea. En segundo lugar, ambas cifras están reportadas por el proveedor. No hemos reproducido ninguna de las dos, y no pudimos encontrar ningún banco de pruebas independiente que haya publicado una comparación directa de este par.

Lo que hace que la brecha de 801 puntos sea comprensible en lugar de alarmante es la imagen de terceros que subyace. En el Intelligence Index de Artificial Analysis, Muse Spark 1.3 al máximo obtiene 48 y Muse Glimmer en alto obtiene 17. Esas son escalas de índice diferentes de distintas rondas de medición, y los dos no se clasifican contra el mismo grupo — Artificial Analysis agrupa los modelos de pesos abiertos por clase de tamaño, por lo que Glimmer se mide contra similares de pesos abiertos mientras que Muse Spark se mide contra todo el campo. Léelos como forma, no como proporción. La forma dice lo mismo que dice la propia tabla de Meta: el modelo destilado es un nivel de capacidad genuinamente diferente, no una ruta más barata hacia las mismas respuestas.

Lo que el modelo pequeño conserva

La parte interesante de la destilación es lo que sobrevive a la compresión, y en las propias filas publicadas por Meta, Muse Glimmer no es superado de forma uniforme. Obtiene 76,0 en SWE-Bench Verified, 65,9 en OSWorld-Verified, 77,0 en IFBench, 94,7 en AIME 2026 y 83,5 en GPQA Diamond. Son cifras sólidas para un modelo de 30B y son la razón por la que la elección de arquitectura importa: Meta describe Glimmer como ajustado con datos agénticos de contexto largo y reforzado específicamente para el uso de herramientas, con memoria autogestionada a lo largo de sesiones de horas y recuperación tras una llamada a herramienta fallida en lugar de detenerse. Ese es un modelo especializado con el nombre de un modelo general.

La pieza de contexto más útil de la página es la propia elección de comparación de Meta. Su tabla de referencia para Muse Glimmer no lo coloca junto a Muse Spark. Lo coloca junto a Gemma 4 31B en modo de pensamiento y Qwen3.6 27B en modo de pensamiento —misma clase de tamaño, misma premisa de pesos abiertos—. En esa tabla, Glimmer gana la mayoría de las filas, pero no todas: se lleva MCP Atlas con 75,5 frente a 62,5 del modelo Qwen, TerminalBench 2.1 con 51,7 frente a 60,7, y GDPval-AA con 953 frente a 1.141. Así que, incluso dentro de su propia clase de peso, el modelo Meta destilado no es la elección automática, lo que es un planteamiento más honesto de lo que sugiere el titular de la página.

Dos filas más merecen destacarse porque son medibles y fáciles de interpretar mal en la planificación. Artificial Analysis registra el coste de Muse Glimmer por tarea completada del Intelligence Index en $0,05 y su velocidad de salida en 122,4 tokens por segundo — frente a $1,60 y 121,9 tokens por segundo de Muse Spark 1.3 al máximo. Con ese par de cifras, el modelo pequeño es aproximadamente 32 veces más barato por tarea completada con un rendimiento esencialmente idéntico. Eso es la destilación dando sus frutos, y resulta invisible si solo comparas las puntuaciones del índice.

El punto en que la comparación falla

Falla con las entradas, y falla más gravemente de lo que sugiere el marcador.

Muse Spark 1.3 acepta vídeo, audio y PDF. Muse Glimmer acepta texto e imágenes. Si tu pipeline introduce directamente en el modelo una grabación de pantalla, una grabación de llamada o un documento escaneado, los dos no son alternativas bajo ningún concepto: uno de ellos físicamente no puede aceptar la carga útil. La propia documentación de Meta refuerza esta idea desde una dirección inesperada: advierte que la comprensión de audio en Muse Spark 1.3 no es totalmente compatible y que la calidad de las solicitudes que incluyen audio puede verse degradada, y recomienda Muse Spark 1.2 para cargas de trabajo de audio. Así que, incluso dentro de la línea alojada, la versión más reciente no es la respuesta correcta para todos los tipos de entrada, y la opción compatible con audio es el checkpoint más antiguo.

La segunda brecha es el contexto. Un millón de tokens frente a 131.072 no es una diferencia de marketing; es la diferencia entre un modelo que puede contener un repositorio grande o un expediente largo en una sola llamada y uno que necesita una capa de recuperación y un paso de resumen construidos a su alrededor. Si tu trabajo es el razonamiento sobre bases de código de horizonte largo, el techo de contexto de Glimmer es la restricción con la que toparás primero, mucho antes que con sus puntuaciones de referencia.

El tercero es la frontera de datos, y corta en sentido contrario. Una solicitud que nunca sale de tu hardware no puede ser registrada por un proveedor, no puede tener un precio por token y no puede verse afectada por un cambio de tarifa. Para una carga de trabajo con requisitos de residencia o con un presupuesto por token que no sobrevive al volumen, esa única propiedad pesa más que 30 puntos de índice.

Dónde vive realmente cada uno

La distribución de Muse Glimmer es la amplia, porque los pesos abiertos lo son. Meta enumera la descarga en Hugging Face y apunta a entornos de ejecución locales —llama.cpp, MLX, Ollama, LM Studio, Unsloth—, junto con la lista alojada del propio proveedor y varias plataformas de inferencia de terceros. No nombraremos esas plataformas aquí; el punto para el lector es simplemente que los pesos son portátiles, y cualquier cosa que pueda cargar un modelo 30B de 4 bits puede servirlo.

La gama Muse Spark es estrecha por construcción. Tres versiones, un proveedor, una API, sin pesos. Esa concentración es el verdadero riesgo de construir sobre ella, y es un riesgo que no aplica en absoluto a Glimmer.

Ambos en una misma tecla, siempre que sea posible

Nuestro propio catálogo es más reducido que cualquiera de estas dos historias. Enrutamos Muse Spark 1.1 y Muse Spark 1.2 — los dos checkpoints que figuran a $1.25 de entrada y $4.25 de salida por millón de tokens, ambos al precio de lista de Meta, con nuestro margen del 0 % trasladado sin cambios — y no alojamos Muse Spark 1.3, ninguna de las variantes Contributor ni Muse Spark Open. Muse Glimmer tampoco está en nuestro catálogo, y el consejo honesto para ese es de otra índole: es de pesos abiertos, así que el lugar natural para ejecutarlo es tu propio hardware o un entorno de ejecución que lo cargue.

Donde el enrutamiento sí se gana su lugar aquí es en la migración que probablemente estés considerando. Si estás probando si un modelo destilado de 30B puede asumir parte de una carga de trabajo de frontera, lo que quieres es ambos en un solo endpoint para que una porción del tráfico pueda moverse y medirse sin un segundo contrato — Muse Spark 1.1 y 1.2 en una sola clave, con conmutación por error automática para que una llamada fallida de contexto largo degrade al otro checkpoint en lugar de a un error, y un DSL de enrutamiento para dividir el tráfico por configuración en lugar de por código. Cuando la línea alojada de Meta vuelva a moverse, el cambio aterriza en un solo lugar.

¿Cuál elegir?

Si tu trabajo es texto e imágenes, se ejecuta en tu propia máquina o en una GPU alquilada, y necesita ser inmune al precio por token, Muse Glimmer es la respuesta y no hay comparación — estás cambiando aproximadamente la mitad de la puntuación de GDPval-AA por un modelo que no cuesta nada por llamada y que nadie puede limitar por tasa.

Si tu trabajo implica vídeo, audio, PDF o un contexto genuinamente largo, Muse Glimmer no es una versión más barata de Muse Spark. Es una herramienta distinta, y la destilación no trasladó esas capacidades. Recurre a la línea alojada, presupuesta $1.25 y $4.25 por millón de tokens, y comprueba qué checkpoint gestiona realmente tu carga útil; para audio, la propia documentación de Meta señala la versión anterior.

El resumen honesto de una comparación de destilación es que el estudiante es notablemente bueno en aquello para lo que fue entrenado y simplemente está ausente en las cosas para las que no. Muse Glimmer es el argumento más sólido a favor de los pesos abiertos que Meta ha publicado desde Llama 4, y las cifras anteriores son de Meta. Lo que no muestran —y ninguna tabla de proveedor puede hacerlo— es cómo se comporta el par en tu carga de trabajo. Eso es un experimento, no una consulta.

Los benchmarks envejecen y los precios se mueven; el historial de fallos no: los incidentes de IA documentados y los fallos de agentes detrás de los modelos de esta clase se recopilan en the OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, severidad, grado de confianza y marca de disputa.