Muse Spark Open: qué es el modelo abierto de Meta, qué Mac pide y cuánto rinde

Muse Spark Open es el modelo de pesos abiertos que Meta publicó el 15 de octubre de 2026: 816.000 millones de parámetros, de los que se activan 42.000 millones en cada token, un millón de tokens de contexto y entrada de texto, imagen, audio y vídeo. Es el modelo abierto de una empresa estadounidense que más puntúa en el índice de Artificial Analysis, con 39, pero los diez abiertos que tiene por delante son chinos. Para usarlo en casa hacen falta dos Mac Studio con M5 Ultra y 512 GB, que Apple aún no vende, o cuatro de 256 GB; por API cuesta 1,25 dólares por millón de tokens de entrada y 4,25 de salida.

En Metix no hemos probado Muse Spark Open. Las cifras son de Meta, de Apple, de Hugging Face o de quienes miden los modelos por su cuenta, con datos a 19 de octubre de 2026.

Qué ha publicado Meta

Meta lo presenta en su blog de investigación como «el modelo de pesos abiertos estadounidense más capaz hasta la fecha», pensado para programar y para agentes con tareas largas. Según la ficha en Hugging Face, es un modelo de mezcla de expertos: tiene 256 expertos y elige 8 para cada token, y por eso calcula como un modelo de 42.000 millones aunque ocupe como uno de 816.000.

Los pesos, en BF16 y en NVFP4 (4 bits), están en Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden y Microsoft Foundry. Lo que no hay es acceso por la API de Meta, según su documentación de modelos. Hasta ahora, lo abierto de la serie Muse era Muse Glimmer 30B, y su modelo más capaz, Muse Wonder, sigue cerrado.

Qué hace falta para usarlo en casa

Mucha memoria. Según Apple, en BF16 los parámetros solos pasan de 1,6 TB, y la versión NVFP4 ocupa unos 493 GB: con lo que se necesita además para calcular, no cabe en un solo Mac Studio. Meta, en su guía para desarrolladores, da dos montajes: dos Mac Studio con M5 Ultra y 512 GB cada uno, o cuatro de 256 GB, unidos por Thunderbolt 5.

Meta lo ha optimizado para MLX, la librería de Apple, que lo admite desde la versión 0.32.0 de mlx-lm, del 15 de octubre. Ese mismo día, Apple publicó sus mediciones con la versión NVFP4 y 8.192 tokens de contexto, y Hugging Face, en su presentación del modelo, probó versiones más comprimidas en un solo Mac Studio con M3 Ultra:

Con dos Mac, la velocidad depende de cómo se reparta el modelo entre ellos. Con cuatro, empezar a responder a un prompt de 8.192 tokens lleva 4,8 segundos; con uno de 65.536, 40,6. Comprimir tanto tiene un coste: Hugging Face cuenta que su versión de 2 bits necesita más indicaciones, y Unsloth, que publica las suyas, recomienda para agentes como mínimo la que ocupa 275 GB.

El contexto también ocupa: unos 250 KB por token en BF16, según Hugging Face, así que el millón entero pediría 266 GB más. En Ollama solo está en su nube, no para descargar; llama.cpp, en cambio, ya lo admite. Si prefieres servidores, la ficha pide al menos 700 GB de memoria de gráfica para la versión NVFP4.

Cuánto cuesta el Mac que pide

En la tienda de Apple España, a 19 de octubre de 2026, el Mac Studio con M5 Ultra parte de 6.649 € (CPU de 30 núcleos, GPU de 64 y 96 GB) y de 8.079 € con CPU de 36 y GPU de 80. La memoria máxima que se puede elegir hoy son 256 GB.

Y sale caro: con 256 GB, cada Mac Studio costaba 11.049 € el 9 de octubre, según recogimos en qué Mac comprar para IA en local: unos 44.200 € los cuatro (cálculo nuestro). Con un solo Mac de 256 GB solo quedan las versiones más comprimidas de Unsloth, de 1 y 2 bits (de 176 a 226 GB), por debajo de ese mínimo para agentes: la de 3 bits ya pasa de 256 GB, según Hugging Face.

Dónde usarlo por API y cuánto cuesta

En Together AI, Fireworks AI y Baseten, el precio es el mismo: 1,25 dólares por millón de tokens de entrada, 0,15 la entrada en caché y 4,25 la salida. OpenRouter lo ofrece también a través de Modal y Nebius, a esos precios. Fireworks lo tiene en prueba limitada hasta el 29 de octubre, con servidores solo en Estados Unidos, y Groq, como modelo en prueba para evaluar, con precio a consultar.

Es lo que cobra Meta por Muse Spark 1.3, su modelo cerrado. El precio por tarea dice más: Artificial Analysis calcula 0,84 dólares de media por cada tarea de su índice, frente a 0,13 de MiMo-V2.6-Pro, 0,26 de DeepSeek V4.1 Flash 1017 y unos 2 dólares de GLM-5.3 y de Kimi K3.

Qué dicen las pruebas independientes

En el índice de inteligencia de Artificial Analysis, que resume diez pruebas que esa empresa ejecuta por su cuenta, Muse Spark Open saca 39 con el esfuerzo máximo. Es undécimo entre los modelos abiertos, y los diez que tiene por delante son de empresas chinas:

1. MiMo-V2.6-Pro · Xiaomi46
2. DeepSeek V4.1 Flash 1017 · del 17 de octubre45
3. GLM-5.3 · Z.ai45
4. Kimi K3 · Moonshot AI44
5. Qwen3.8 2.4T · Alibaba40
6. Muse Spark Open · Meta39
7. Beam 1.0 · Reflection AI, EE. UU.30
8. Muse Glimmer · Meta, agosto17

Solo modelos de pesos abiertos, cada uno con su esfuerzo más alto medido. Una selección: faltan, entre otros, Step 5 Preview (44) y GLM-5.3-Flash (42). Fuente: Artificial Analysis. Datos a 19 de octubre de 2026.

La frase de Meta se sostiene si se lee entera: es el mejor abierto estadounidense. El siguiente es Beam 1.0, de Reflection AI, con 30, y gpt-oss-120b, de OpenAI, se queda en 12. Frente a Muse Glimmer, Meta pasa de 17 a 39 puntos. Pero el mejor modelo abierto sigue siendo chino, y el mejor cerrado, Claude Opus 5.5, saca 58.

Donde peor sale es programando con agentes en la terminal. En Terminal-Bench 4.0 de Vals, con el mismo agente para todos, resuelve un 6,57 % de las tareas y queda en el puesto 41 de 50, frente al 38,89 % de GLM-5.3 y el 17,17 % de Kimi K3. Artificial Analysis, con Muse Code como agente, le da un 5,6 % en esa misma prueba. Su mejor resultado en Vals es en Finance Agent, de análisis financiero: tercero de 80. Cómo quedan los demás, prueba a prueba, está en los benchmarks de IA actualizados.

Lo que dice la tabla de Meta

Meta compara Muse Spark Open con otros modelos abiertos, todos chinos, y su propia tabla le pone por detrás de GLM-5.3 (45) y Kimi K3 (44) en el índice de Artificial Analysis. Gana en algunas pruebas de agentes y de conocimiento, y pierde en programación:

MCP-Atlas mide el uso de herramientas por MCP, y AA-Omniscience, el conocimiento, restando puntos por cada respuesta equivocada. La prueba de terminal que elige Meta es la versión 2.1, donde saca un 76,4 %. En la 4.0, la que usan hoy Vals y Artificial Analysis, se queda por debajo del 7 %.

En seguridad, Meta dice que esta versión lleva un entrenamiento extra contra el mal uso: en StrongREJECT saca 0,5 (cuanto menos, mejor), frente a entre 62,9 y 86,4 de los demás. La otra cara, en la misma tabla: en FORTRESS rechaza el 17,4 % de las peticiones inofensivas, frente al 2,7 % de Kimi K3.

La licencia: qué puedes hacer y qué no

Muse Spark Open sale con la Muse Model License, que Meta describe como de «condiciones comerciales limitadas». Según su texto, puedes usarlo, modificarlo, destilarlo y venderlo gratis, con tres condiciones:

• Mostrar «Built with Muse Spark Open» en la interfaz, la documentación, la web o los ajustes de cualquier producto que lo use. Vale también para los modelos derivados, y la licencia cuenta como derivado cualquier modelo entrenado con sus respuestas.
• Pedir un acuerdo a Meta si vendes acceso a modelos como servicio (por API, por ejemplo) y tu empresa ingresa más de 20 millones de dólares en 12 meses. No afecta al uso interno, a la investigación ni a usarlo dentro de tu propio producto.
• Cumplir su política de uso, que lo excluye para menores de 18 años y prohíbe, entre otras cosas, presentar sus respuestas como escritas por una persona.

Es el mismo umbral que pone Kimi K3. Y como otras licencias propias, no encaja en la definición de código abierto de la OSI, como explicamos en los mejores modelos de IA de código abierto. En Europa, quien da la licencia es Meta Platforms Ireland.

Qué cambia si usas modelos abiertos

Si buscas el mejor modelo abierto, o el más barato por tarea, Muse Spark Open no cambia el orden: MiMo-V2.6-Pro, GLM-5.3, Kimi K3 y DeepSeek V4.1 Flash siguen por delante, y programando con agentes la distancia es grande. Tiene sentido si tu empresa prefiere un fabricante estadounidense, si necesitas audio y vídeo en la misma entrada o si tu caso se parece a MCP-Atlas, aunque eso solo lo dice Meta.

En casa, es una noticia para quien tenga varios Mac Studio o vaya a comprarlos cuando llegue la opción de 512 GB. Para el resto, lo sensato sigue siendo un modelo que quepa en un solo Mac.

Por dónde seguir

• Cómo quedan los abiertos y los cerrados, prueba a prueba: benchmarks de IA actualizados.
• Qué modelos puedes descargar y qué permite cada licencia: los mejores modelos de IA de código abierto.
• Qué cabe en cada configuración: qué Mac comprar para IA en local.

Fuentes: Meta (anuncio, ficha y licencia, guía para desarrolladores y documentación de modelos), Apple y su tienda en España, Hugging Face, Artificial Analysis, Vals y los proveedores Together AI, Fireworks AI, Baseten, OpenRouter y Groq. Datos consultados el 19 de octubre de 2026.