Meta abre Muse Spark Open: el modelo de 816.000 millones de parámetros que corre en dos Mac Studios

Respuesta directa. Meta publicó los pesos de Muse Spark Open, un modelo de lenguaje de arquitectura Mixture of Experts con 816.000 millones de parámetros totales (42.000 millones activos), una ventana de contexto de un millón de tokens y multimodalidad nativa. Gracias a una colaboración con Apple, el modelo corre en local sobre dos Mac Studio con chip M5 Ultra y 512 GB de memoria unificada, lo que lo convierte en el primer modelo abierto estadounidense de escala frontera capaz de ejecutarse en un escritorio y no en un centro de datos.

El anuncio, fechado el 16 de octubre de 2026, marca un giro en la carrera de la inteligencia artificial abierta. Hasta ahora, los modelos abiertos más capaces provenían de laboratorios chinos como DeepSeek, Kimi K3 o GLM. Muse Spark Open es la respuesta de Meta: un modelo abierto con licencia comercial que, según las cifras reportadas por la propia compañía, lidera a sus rivales abiertos en benchmarks de agentes como MCP-Atlas (89,2 puntos) y JobBench (61,8), aunque todavía cede terreno frente a Kimi K3 y GLM 5.3 en pruebas de codificación como Terminal-Bench 2.1.

Qué es Muse Spark Open y por qué importa que sea abierto

Muse Spark Open es un modelo de mezcla de expertos (Mixture of Experts, MoE). Esto significa que, para cada token que procesa, activa solo un subconjunto de sus parámetros, en este caso 42.000 millones de un total de 816.000 millones. Esa arquitectura es precisamente la que permite que un modelo tan grande sea eficiente y, sobre todo, que pueda correr en hardware de escritorio en lugar de exigir clústeres de GPUs dedicados.

La relevancia de que sea abierto es doble. En primer lugar, las empresas pueden descargar los pesos desde Hugging Face y ejecutar el modelo sin depender de una API de pago, lo que reduce los costos variables y elimina la exposición de datos sensibles a un proveedor externo. En segundo lugar, democratiza el acceso a capacidad de frontera: una pyme chilena con casos de uso de agentes o de análisis de documentos puede evaluar un modelo de esta escala sin contratar infraestructura en la nube.

Meta describe el modelo como el modelo abierto estadounidense más capaz hasta la fecha. La licencia, bautizada como Muse Model License, exige la atribución Built with Muse Spark Open y un acuerdo separado para empresas con ingresos anuales superiores a 20 millones de dólares que quieran servirlo como servicio de IA a terceros. Es, en la práctica, una licencia abierta con una cláusula de control para grandes proveedores, una tendencia cada vez más común en los modelos de código abierto.

La jugada con Apple: un modelo frontera sobre un escritorio

El dato más llamativo del anuncio es la colaboración con Apple. Meta trabajó con la compañía de Cupertino para que Muse Spark Open corra sobre el framework MLX de Apple en dos Mac Studio con chip M5 Ultra y 512 GB de memoria unificada cada uno. Mark Zuckerberg y el CEO de Apple, John Ternus, intercambiaron agradecimientos públicos, y el director de IA de Meta, Alexandr Wang, señaló que el ex ejecutivo de Apple Daniel Gross, hoy en Meta, fue clave en la colaboración que tomó varios meses.

Este movimiento tiene una lectura estratégica profunda. Apple lleva años posicionando el Mac con memoria unificada como plataforma para inteligencia artificial local, y Meta obtiene una vitrina para demostrar que un modelo de escala frontera puede vivir fuera del centro de datos. La configuración de 512 GB de memoria, sin embargo, todavía no está a la venta y se espera para fines de octubre. Además, el Mac Studio de 256 GB ya supera los 10.000 dólares. La ejecución local es posible, pero sigue siendo cara para la mayoría de las empresas.

Dónde gana y dónde pierde frente a la competencia

Según la tarjeta de modelo publicada por Meta, Muse Spark Open lidera a sus rivales abiertos en tareas de agentes, con 89,2 puntos en MCP-Atlas y 61,8 en JobBench. Sin embargo, cede terreno en codificación y en el índice general de Artificial Analysis: obtiene 76,4 en Terminal-Bench 2.1 frente a 85,0 de Kimi K3, y 39 puntos de inteligencia general frente a 44 y 45 de los modelos chinos. Todas estas cifras son reportadas por los propios proveedores y no han sido verificadas de forma independiente.

La lectura técnica es clara: Meta construyó un modelo optimizado para agentes y para ejecución local, no necesariamente para ganar todos los benchmarks. Nvidia respondió el mismo día con Nemotron 3.5 Super VL, un modelo abierto de 120.000 millones de parámetros orientado a agentes y pensado para sus nuevos portátiles RTX Spark. Microsoft, por su parte, reveló MAI-Base-2, un modelo base de 2,8 billones de parámetros que solo compartirá con socios seleccionados a través de su programa Foundry. La competencia por el agente local se convirtió en una carrera de dos plataformas: los Mac con memoria unificada y los PC con chips Arm de Nvidia.

Por qué le importa a una empresa chilena

Para el ecosistema empresarial chileno, el anuncio tiene implicancias prácticas. La inteligencia artificial abierta y ejecutable en local resuelve tres dolores recurrentes en el mundo B2B: el costo variable de las APIs, la privacidad de los datos y la soberanía tecnológica. Una empresa que maneja datos de clientes, historiales clínicos o información financiera sensible puede evaluar un modelo abierto de esta escala sin enviar esa información a la nube de un tercero.

El costo sigue siendo la barrera principal. Dos Mac Studio de gama alta superan holgadamente los 20.000 dólares solo en hardware, un monto que no es trivial para una pyme. La alternativa realista para la mayoría de las empresas chilenas en 2026 sigue siendo el modelo híbrido: modelos abiertos más pequeños para tareas locales y APIs de frontera para cargas complejas, o bien delegar la arquitectura de datos y la integración en un proveedor especializado.

Lo que sí cambia desde hoy es la expectativa. La barrera entre un modelo de frontera y un modelo que cabe en tu oficina se está derrumbando, y los tomadores de decisión en Chile deberían empezar a incluir la IA local en su planificación tecnológica de mediano plazo. La pregunta ya no es si los modelos abiertos alcanzarán a los cerrados, sino cuánto costará correrlos y quién los integrará al negocio.