Muse Spark Open: ¿puedes ejecutar en local el modelo de pesos abiertos de Meta, y Muse Code con él?
Meta publicó Muse Spark Open el 15 de octubre: 816B parámetros, una licencia propia y unos requisitos de hardware que la mayoría de desarrolladores no puede cubrir. Qué permite la licencia, qué hace falta para ejecutarlo y qué ha dicho (y qué no) Meta sobre usar Muse Code con él.
Lo que ha publicado Meta
El 15 de octubre de 2026, Meta publicó los pesos de Muse Spark Open, un gran modelo de pesos abiertos de la familia Muse Spark. Sus especificaciones principales:
- Tamaño: 816.000 millones de parámetros en total, 42.000 millones activos por token (un diseño mixture-of-experts).
- Contexto: 1 millón de tokens.
- Entrada: texto, imágenes, vídeo y audio. Salida: texto.
Es un lanzamiento de otra naturaleza que Muse Glimmer, el modelo abierto de 30B que Meta sacó el 10 de agosto. Glimmer está pensado para funcionar en una sola GPU de consumo. Spark Open está pensado para un centro de datos o para un clúster de estaciones de trabajo serio.
La licencia, en cristiano
Spark Open se distribuye bajo la Muse Model License, una licencia propia redactada por Meta. No es una licencia de código abierto aprobada por la OSI, así que lo correcto es hablar de «pesos abiertos». En la práctica:
- Puedes ejecutar, modificar, ajustar (fine-tuning), destilar y redistribuir el modelo, siempre que cumplas las condiciones de la licencia y la política de uso de Meta.
- Tienes que mostrar «Built with Muse Spark Open» en los productos que lo usen.
- Si eres un gran proveedor de modelos — una empresa con más de 20 millones de dólares de ingresos brutos en 12 meses por ofrecer el modelo como negocio de servicio de modelos —, tienes que avisar a Meta y firmar un acuerdo aparte.
- Lo que generes es tuyo. Meta no reclama la propiedad de lo que produce el modelo.
A la mayoría de equipos no les afectará la cláusula de ingresos. Los proveedores de hosting y los revendedores deberían leerla entera. Glimmer, en cambio, usa Apache 2.0, sin etiqueta de atribución ni umbral de ingresos.
¿Qué hardware necesita de verdad?
Mucho. La referencia de Meta es de unos 700 GB de memoria de acelerador en precisión NVFP4 y unos 2 TB en BF16. Los 42B parámetros activos hacen que cada token sea relativamente barato de calcular, pero los 816B parámetros tienen que estar en memoria igualmente.
La demo de la propia Meta usó dos Mac Studio con M5 Ultra — con hasta 512 GB de memoria cada uno — ejecutando el modelo con MLX. Es la configuración más asequible que ha enseñado Meta, y aun así hacen falta dos máquinas de gama alta. Spark Open no es un modelo para portátil, y una sola GPU gaming de gama alta no lo mueve.
Dónde conseguirlo
- Pesos: Hugging Face (con acceso restringido,
meta-models/Muse-Spark-Open-816B-A42B), Amazon SageMaker AI, Google Cloud Model Garden y Microsoft Foundry. - Motores de inferencia: SGLang, vLLM, TensorRT-LLM, Transformers, MLX, llama.cpp y Unsloth. Para el fine-tuning, Meta remite a TorchTitan.
- APIs alojadas: Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter y Together AI. Together lo ofrece a 1,25 $ la entrada, 0,15 $ la entrada cacheada y 4,25 $ la salida por millón de tokens. Groq limita el contexto a 131K tokens en vez del millón completo.
El precio de Together es el mismo que la tarifa de Meta para muse-spark-1.3 alojado. Si lo único que quieres es acceso por token, los pesos abiertos no lo abaratan. Compensan cuando necesitas alojarlo tú, ajustarlo o mantener los datos en tu propio hardware.
¿Qué puntuación saca?
La tabla de lanzamiento de Meta, con la salvedad habitual de que son cifras del propio fabricante:
| Benchmark | Muse Spark Open | Nota de la tabla de Meta |
|---|---|---|
| Terminal-Bench 2.1 | 76.4 | Kimi K3 lidera con 85.0 |
| MCP-Atlas | 89.2 | Lidera la comparativa |
| JobBench | 61.8 | Lidera la comparativa |
| Artificial Analysis Intelligence Index | 39 | Por debajo de GLM-5.3 (45) y MiMo-V2.6-Pro (46) |
Spark Open brilla sobre todo en el uso de herramientas y en tareas de tipo agente, y flojea en las medidas de inteligencia general frente a los mejores modelos abiertos rivales. Como referencia, VentureBeat situó a Spark 1.3 alojado en 61 en ese mismo índice, como contamos en nuestro artículo sobre Spark 1.3. El modelo abierto no es una copia gratuita del buque insignia.
¿Puedes ejecutar Muse Code en local con él?
En parte: según Meta, sí, pero todavía sin instrucciones de Meta. Meta dice que Muse Code funciona sobre Spark Open para flujos agénticos en el propio dispositivo con hardware de Apple. En sus demos, el agente editaba la app de Mastodon Ice Cubes y manejaba DaVinci Resolve.
Lo que Meta no ha publicado es una configuración paso a paso: no hay ninguna configuración documentada de proveedor local que explique cómo apuntar Muse Code a un endpoint de Spark Open alojado por ti. La CLI 1.4.2 añadió las opciones --provider y --model a muse serve, pero Meta no las documenta como vía para conectar con un servidor local de Spark Open. Así que:
- Muse Code totalmente offline es algo que Meta ha demostrado, no documentado. Cuenta con tener que experimentar y no planifiques todavía un despliegue de equipo en torno a ello.
- El verdadero límite es el hardware. La demo documentada necesitó dos Mac Studio con mucha memoria.
- Los modelos de suscripción no vienen incluidos. Ejecutarlo en local no te da Muse Wonder ni Wonder Full; esos solo están alojados por Meta.
Si esto cambia, aparecerá en la documentación y en nuestro registro de cambios.
Spark Open vs. Muse Glimmer vs. Spark 1.3 alojado
| Muse Spark Open | Muse Glimmer | Muse Spark 1.3 (alojado) | |
|---|---|---|---|
| Lanzamiento | 15 de octubre de 2026 | 10 de agosto de 2026 | 2 de septiembre de 2026 |
| Tamaño | 816B en total, 42B activos | 30B | — |
| Licencia | Muse Model License (propia) | Apache 2.0 | Propietario, solo API y productos de Meta |
| Hardware | ~700 GB (NVFP4) a ~2 TB (BF16) | Una GPU de consumo, ~20 GB cuantizado | Ninguno: lo aloja Meta |
| Contexto | 1M de tokens | — | 1M de tokens |
| Precio | Tu hardware, o $1.25 / $4.25 por 1M en Together AI | Tu hardware | $1.25 / $4.25 por 1M (standard) |
| Muse Code | Meta dice que funciona en hardware de Apple; sin configuración documentada | No documentado para Muse Code | El modelo por defecto |
¿Para quién es?
- Empresas y laboratorios que tienen que mantener los datos en su propia infraestructura, o que quieren ajustar o destilar un gran modelo agéntico.
- Proveedores de inferencia, lo que explica la larga lista de servicios que lo ofrecieron desde el primer día, y la cláusula de ingresos pensada para ellos.
- Quien tenga equipos Apple o GPU muy grandes y quiera experimentar con un agente local antes de que haya documentación oficial.
Para todos los demás, las opciones prácticas no han cambiado: Spark 1.3 alojado a través de Muse Code o de la Meta Model API si quieres el agente, y Glimmer si quieres algo que funcione en una sola GPU. Nuestra página de comparación muestra cómo se sitúan todos ellos frente a los agentes rivales.