Meta abre Muse Spark, de 816B, y Reflection lanza Beam con licencia Apache 2.0

Meta ha abierto los pesos de Muse Spark Open, un MoE de 816B parámetros, de los cuales 42B trabajan por token. En el índice de Artificial Analysis, el modelo obtiene 39 puntos. Es el mejor resultado entre los modelos estadounidenses de pesos abiertos y supera en 13 puntos a NVIDIA Nemotron 3.5 Super VL (26). Casi al mismo tiempo, Reflection ha lanzado Beam 1.0, con 501B parámetros (23B activos) y licencia Apache 2.0. Sus 30 puntos le dan el segundo puesto entre los modelos abiertos estadounidenses.

Pesos abiertos estadounidenses: potencia frente a capacidad agéntica

Muse Spark Open se construye sobre 62 capas con GQA (16 cabezas KV). Por token se activan 8 de 256 expertos, el contexto es de 1M y admite como entrada texto, imágenes, vídeo y audio. Los pesos en BF16 ocupan alrededor de 1,6 TB.

El checkpoint NVFP4 cuantiza solo los expertos y reduce el tamaño a ~530 GB. Según Meta, cabe en 4 Blackwell Ultra, 8 H200 o dos Mac Studio M5 Ultra de 512 GB. Together, Fireworks y Baseten cobran $1,25/$4,25 por millón de tokens de entrada/salida.

El coste de una tarea del índice es de $0,84, frente a $2,01 de GLM-5.3 y $0,27 de DeepSeek V4.1 Flash.

Además, el modelo gasta solo 40k tokens de salida por tarea, menos que cualquier otro del top 9 de modelos abiertos.

Su punto débil son las tareas agénticas: en las cuatro pruebas agénticas de AA queda último entre los 9 mejores modelos abiertos, aunque lidera AA-Omniscience. Vals lo sitúa en el puesto 12 entre los abiertos y en el 38 en la clasificación general. En Code Arena WebDev suma 1511 puntos. La licencia Muse Model License exige incluir la mención «Built with Muse Spark Open». Críticos como @teortaxesTex califican el lanzamiento de «DOA» frente a V4.1 Flash, más pequeño y con licencia MIT.

Reflection Beam 1.0 llega con pesos en BF16, FP8 y NVFP4, el drafter DFlash2, el harness abierto Mirror CLI y un informe de seguridad. Obtiene un 48,5% en AutomationBench-AA, pero solo un 3,0% en Terminal-Bench 4.0. En AA-Omniscience responde correctamente en el 33% de los casos y alucina en el 47%. En Code WebDev es el único modelo no chino del top 25 de modelos abiertos.

• Step 5 Preview de StepFun: pesos abiertos, disponible a través de Together.
• Hy Memory 2.0 de Tencent: Hy-Memory-30B-A3B, que según la compañía supera a Opus 5 en frameworks de memoria.
• Indra de Datalab: modelo OCR de 1M de parámetros, 15 veces más rápido que Tesseract en CPU.

Frontera cerrada y «modelos de decisión»

• Gemini 4 Argon: el límite de salida ha subido de 64K a 1M de tokens, y el precio introductorio de $2/$10 se mantiene hasta el 30 de noviembre. En Agent Arena el modelo es quinto (+13,2%), y Perplexity ha logrado un nuevo SOTA en el benchmark WANDR.
• Anthropic Haiku 5.5: $0,10/$0,50 para solicitudes de hasta 100K tokens, aproximadamente un 90% menos que Haiku 4.5. En Terminal-Bench 4.0 obtiene un 39,2%, frente al 16,4% de GPT-6 Luna.
• Opus 5.5 fast mode: aceleración de 2,5 veces (según datos no oficiales).
• GPT-6 Astra Pro en ChatGPT lanza varios agentes en paralelo sobre distintas partes de una tarea.
• GPT Live 1.1: mejor voz multilingüe, con nueve nuevos presets grabados con hablantes nativos.
• Elorian Glimpse: VLM con cómputo recurrente sobre estados visuales latentes. Se afirma que en 5 de 12 benchmarks rinde al menos igual que Astra, con un precio por token 17 veces menor.
• Liquid d1-ultra: 65 puntos en el Decision Index de AA, por delante de Jev 1.14 (57). La proporción de respuestas sin alucinaciones ha subido del 2% al 85%, mientras que la precisión ha bajado del 41% al 32%. El tiempo por tarea es de 92 ms y el precio, de $0,042 por M de tokens de entrada.
• Perplexity pplx-decider v1.2: pesos abiertos, 27B a 2¢/M y 4B Flash a 1¢/M. Añade reranking e inferencia de varias preguntas en una sola pasada (hasta 5 veces más rápido).

Hardware, agentes y dinero

• TPUv7: según la estimación de SemiAnalysis, su perf per dollar es 1,42 veces superior al de GB300 NVL72 FP4 y 2,5 veces al de MI355X. Con interactividad media y alta, es hasta 3,16 veces mejor que GB200.
• Vera Rubin NVL72: hasta 5,7 veces más rendimiento por megavatio que GB300 con DeepSeek V4 Pro y 2,8 veces con Kimi K3. Su récord es de 906 tokens/s por usuario con V4.1 Flash. Los resultados los presentó la propia NVIDIA.
• AMD MI355X: ocho tarjetas ofrecen un 24,4% más de throughput que HGX B300 con Kimi K3 y un 87,4% más de tokens por dólar.
• Modal ImageFS, Zephon sobre TorchTitan y Cursor Environments API (hasta 500 repositorios, arranque 5 veces más rápido) cubren la parte de infraestructura.
• Claude Mythos 5 con OpenEvolve superó los mejores circuitos cuánticos conocidos en 7 de 8 tareas. Cuatro agentes de Gemini 4 Argon completaron Minecraft hasta el Ender Dragon en 27 h 14 min, tras morir 605 veces y gastar unos $520.

Entre las noticias del sector: según Reuters, Anthropic baraja una valoración de unos $1,5T, en lugar de los $2T esperados. Las acciones de CoreWeave han caído un 20% en tres sesiones. China estudia licenciar los modelos abiertos que superen los 2T de parámetros o los 10^26 FLOPs.

Qué conviene comprobar en la práctica

Si se necesita un modelo abierto para agentes, guiarse por el índice general es arriesgado: Muse Spark lidera en conocimiento, pero flojea en las pruebas agénticas. Beam, con Apache 2.0, resulta más sencillo para uso comercial, pero es débil en tareas de terminal. Antes de decidir conviene ejecutar un conjunto propio de tareas con herramientas reales. Para alta interactividad encajan Vera Rubin y MI355X; para inferencia masiva, conviene comparar TPUv7 por precio por token. Para clasificadores baratos en cadenas agénticas, tiene sentido probar Liquid d1-ultra y pplx-decider.