Meta lanza Muse Spark Open: 816B de parámetros y liderazgo entre los modelos open-weight de EE. UU.

Esta semana ha acercado de nuevo los modelos abiertos estadounidenses a la frontera. Meta ha publicado los pesos de Muse Spark Open: 816B parámetros en total y 42B activos por token, con un contexto de 1M tokens. Según Nathan Lambert, de Interconnects, es con diferencia el mejor modelo open-weight de EE. UU. Junto con el primer modelo de Reflection, Beam, ha reducido a la mitad la distancia con los laboratorios chinos. Sin estos dos lanzamientos, más de 20 modelos abiertos chinos serían más potentes que el mejor occidental.

Dónde se sitúa Muse Spark Open en la jerarquía

Según el Artificial Analysis Intelligence Index, el modelo queda por encima de GLM 5.2 y cerca de DeepSeek V4.1 Flash. No llega al nivel de GLM 5.3 (18 de agosto) ni de Kimi K3 (16 de julio). Para el mercado, eso basta: los agentes LLM abiertos se convirtieron en una herramienta de trabajo más o menos desde el nivel de GLM 5.2, y la demanda crece. Los proveedores de inferencia escalan con rapidez, se está formando una economía del post-training abierto y las empresas quieren ser dueñas de su propia «inteligencia».

El modelo es multimodal de forma nativa y está pensado para programación y escenarios agénticos. Esta versión recibió un ajuste de safety adicional para que sea robusta sin limitadores a nivel de sistema. Parte de los observadores concluyó que los pesos se «rompieron» durante el alineamiento, porque salieron después de Muse Spark 1.3. Lambert considera más probable que se trate de la versión safety de Muse Spark 1.2, con una pérdida de aproximadamente un punto en el índice. Esto concuerda con lo que dijo Alexandr Wang al presentar Muse Glimmer, un modelo agéntico de 30B: Meta estaba preparando una versión abierta de la 1.2.

La licencia, principal freno

El mayor riesgo para la adopción es la licencia personalizada, que reúne casi todas las restricciones criticadas en otros modelos abiertos:

• los productos deben mostrar «Built with Muse», como antes con Llama (casi nadie lo hace);
• las empresas con ingresos superiores a $20M al mes en el conjunto de su negocio deben firmar un acuerdo aparte con Meta;
• es obligatoria una política de uso aceptable, por lo que, desde el punto de vista del open source, el modelo no es abierto;
• las condiciones se extienden a las salidas del modelo y a sus derivados, de modo que los datos sintéticos siguen en una zona gris legal;
• se permiten la investigación y las aplicaciones internas.

En la práctica, muchos ignorarán la licencia y Meta probablemente solo perseguirá las infracciones flagrantes. Pero, como señala Lambert, para un laboratorio que intenta recuperar audiencia, una licencia compleja y no estándar sigue siendo un riesgo estratégico innecesario. Con la misma relación entre calidad y tamaño, los modelos abiertos occidentales acumulan bastantes más descargas que los chinos, y ahí Meta tiene una oportunidad.

La frontera cerrada y el reparto de fuerzas

Unos días antes, Meta presentó los modelos cerrados Muse Wonder y Muse Wonder Full. En los benchmarks clásicos solo quedan por detrás de Opus 5.5, de Anthropic, y se acercan a GPT-6-Astra y Gemini-4-Argon. Meta sigue siendo la única empresa estadounidense con modelos en ambas fronteras. Lambert atribuye el éxito a una estructura plana: Wang tiene más de 200 subordinados directos y los lanzamientos salen con regularidad.

Su ranking: Anthropic > OpenAI > Meta ≈ Gemini > xAI ≈ open-weight chinos > open-weight estadounidenses. Como mejor modelo abierto en general señala Xiaomi V2.6 Pro. El círculo de competidores estadounidenses se ha reducido a cinco: Anthropic, OpenAI, Meta, Gemini y xAI. Microsoft podría unirse si empieza a lanzar modelos. A los actores de tercer nivel (Mistral, Nemotron, Reflection, Arcee) les resulta cada vez más difícil influir en la frontera, porque un modelo insignia cuesta miles de millones.

Datos clave

• Muse Spark Open: 816B totales / 42B activos, contexto de 1M, multimodalidad, programación y agentes, ajuste de safety.
• Muse Wonder y Muse Wonder Full: modelos cerrados de Meta. No se han revelado las diferencias entre ellos; quizá sean preentrenamientos distintos.
• Muse Glimmer: modelo agéntico de 30B.
• Beam: primer modelo de Reflection.
• Mistral Large 4: 38 puntos en el índice, pesos no publicados.
• GLM 5.3 (18 de agosto), Kimi K3 (16 de julio), DeepSeek V4.1 Flash, GLM 5.2: referencias chinas.
• Xiaomi V2.6 Pro: el mejor modelo open-weight en general.
• Opus 5.5, GPT-6-Astra, Gemini-4-Argon: competidores cerrados de Muse Wonder.

Qué deben tener en cuenta los equipos que eligen modelo

La arquitectura MoE con 42B parámetros activos implica que el coste de cómputo por token es similar al de un modelo de 40B. Pero habrá que almacenar los 816B completos. Según nuestra estimación, en FP8 son unos 816 GB solo para los pesos, es decir, un nodo de ocho H200 con margen para la KV-cache en contextos largos. En 4 bits harán falta unos 410 GB. El autoalojamiento solo compensa con una carga alta; de lo contrario, resulta más barato usar el modelo a través de un proveedor de inferencia.

Los equipos legales deberían revisar de antemano el umbral de $20M al mes y la cláusula sobre derivados, sobre todo si destilan el modelo o generan datos sintéticos. Quien necesite un open source puro encontrará más adecuadas las alternativas con licencias estándar. Para quien valore un stack estadounidense con una calidad aceptable, Muse Spark Open es ahora una opción real, no un compromiso.