Andy Garcia · dev freelance
FRENES
Volver al blog
Código abierto

Meta publicó un modelo de pesos abiertos de 816.000 millones de parámetros que funciona en dos Mac Studio. Es un terabyte de memoria, y una licencia con una línea de 20 millones de dólares

19 de octubre de 2026 6 min de lectura

El jueves 15 de octubre, Meta publicó los pesos de Muse Spark Open, que describe como "el modelo de pesos abiertos estadounidense más capaz hasta la fecha". Es un modelo de mezcla de expertos con 816.000 millones de parámetros, 42.000 millones de ellos activos por cada token, una ventana de contexto de 1 millón de tokens y entradas de texto, imagen, vídeo y audio. Los pesos están en Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden y Microsoft Foundry, y siete proveedores lo ofrecen por API, entre ellos Together AI, Fireworks AI, Groq y OpenRouter.

Artificial Analysis, que tuvo acceso antes del lanzamiento, lo sitúa en 39 en su Intelligence Index: primero entre los modelos de pesos abiertos estadounidenses, 22 puntos por encima de Muse Glimmer, el modelo de Meta de agosto. Pero los titulares hablaron de hardware. El de TechCrunch: "Meta lanza un modelo de IA de pesos abiertos que funciona en Mac"; el de VentureBeat: "funciona en dos ordenadores de sobremesa Mac emparejados". Meta dice que es "el primer modelo de su clase que funciona en tu escritorio".

Construyo una LegalTech sobre Claude. Para un producto cuyos usuarios suben documentos que no enseñarían a un competidor, el argumento a favor de los pesos abiertos es simple: ejecutar el modelo donde ya están los documentos. Así que leí este lanzamiento como leo cualquier opción de autoalojamiento. Primero la licencia, después la memoria, por último la factura. En septiembre escribí que Meta había vuelto a Apache 2.0 con Glimmer. Su modelo grande es otro trato.

La licencia: gratis, con tres líneas que leer dos veces

Los pesos se distribuyen bajo la Muse Model License. Sus primeras palabras están tomadas de la licencia MIT: "Permission is hereby granted, free of charge, to any person..." Los derechos son amplios: usar, copiar, ajustar, destilar, fusionar, distribuir, vender. Luego vienen las condiciones.

Primero, el umbral de ingresos. La sección 3 cubre el Model as a Service, que la licencia define como ofrecer "acceso a modelos de inteligencia artificial como producto o servicio, mediante una API o una interfaz similar". Si el licenciatario y sus afiliadas superan juntos 20 millones de dólares de ingresos brutos en cualquier periodo de 12 meses consecutivos, deben notificarlo a Meta y firmar un acuerdo escrito aparte antes de ofrecer Muse Spark Open o sus derivados de esa manera. La sección explícitamente no se aplica al uso interno, la investigación, otras actividades comerciales, ni al uso del modelo para dar potencia a funciones de tu propio producto.

De ahí se siguen dos cosas. El umbral cuenta los ingresos de todo el grupo, no lo que gana el modelo. Y para la mayoría de las empresas de software, que ponen un modelo detrás de funciones en lugar de revender el acceso, la cláusula no muerde. Se lee como escrita para los proveedores de inferencia y los revendedores de API.

Segundo, la atribución. Cada producto o servicio debe mostrar "de forma destacada" la frase "Built with Muse Spark Open", en la interfaz de usuario o en la documentación, el sitio web o el menú de ajustes que lo acompañan. Para un producto B2B, eso hace público tu modelo elegido. En el software jurídico, los clientes hacen esa pregunta de todos modos, pero yo decidiría dónde pongo la línea antes de que lo haga un diseñador.

Tercero, la definición de Derivados cubre los modelos mejorados "usando el Software o cualquier salida o resultado del mismo". Si usas Spark Open para generar datos de entrenamiento sintéticos para un modelo más pequeño, ese modelo más pequeño es un derivado, y la atribución y la política de uso viajan con él.

La política de uso, el Anexo A, tiene una línea que un CTO de LegalTech lee despacio: no puedes "ejercer sin autorización ni licencia ninguna profesión". Otra prohíbe no informar a los usuarios finales de los peligros conocidos de tu sistema de IA. Ninguna es exótica. Ambas significan que el profesional permanece en el circuito por diseño, no por costumbre.

Dos detalles prácticos. Para los licenciatarios en Europa, el licenciante es Meta Platforms Ireland Limited. Y la descarga desde Hugging Face pasa por un formulario de acceso restringido que pide tu nombre legal completo, tu fecha de nacimiento y el nombre completo de tu organización.

El resumen de Meta es honesto: "condiciones comerciales limitadas, que permiten a muchos desarrolladores usar el modelo gratis". "Muchos" es exacto. No es Apache 2.0.

El equipo: un terabyte de memoria

La configuración de escritorio de Meta son dos Mac Studio con M5 Ultra, cada uno con hasta 512 GB de memoria unificada, enlazados para "comportarse como un solo superordenador con un terabyte de memoria unificada". La guía para desarrolladores de Meta también admite cuatro Mac Studio de 256 GB cada uno.

La aritmética explica por qué. Artificial Analysis sitúa los pesos NVFP4 en unos 530 GB. Hugging Face calcula que la caché para un contexto completo de 1 millón de tokens añade unos 266 GB en BF16. Son unos 800 GB antes de que cargue el sistema operativo. La ficha del modelo indica al menos 700 GB de memoria de GPU para NVFP4 y 2 TB para BF16. La mezcla de expertos hace barato calcular cada token, no barato guardar el modelo: como dice Hugging Face, los 256 expertos permanecen todos en memoria.

Luego la disponibilidad. Apple dijo el 25 de agosto que el Mac Studio de 512 GB "llega a finales de octubre", y VentureBeat señaló el día del lanzamiento que su precio no estaba anunciado. La vía de cuatro máquinas ya se podía pedir el día del lanzamiento. Engadget calculó cuatro Mac Studio M5 Ultra de 256 GB en unos 38.000 $; VentureBeat puso un M5 Ultra de 256 GB con SSD de 1 TB a 10.799 $ en la tienda de Apple, o 43.196 $ por cuatro, antes de impuestos.

Más pequeño es posible, con contrapartidas. Hugging Face ejecutó una cuantización de 3 bits en un M3 Ultra de 512 GB de la generación anterior: unos 344 GB de memoria y unos 21 tokens por segundo de generación, con un prompt de 1.024 tokens. Eso va bien para una persona que chatea. No es un servidor para un equipo.

En GPU, Meta indica un solo nodo de cuatro GPU Blackwell para NVFP4. El endpoint gestionado de Hugging Face lo ejecuta en ocho tarjetas RTX Pro 6000 con un contexto de 131.072 tokens, o en ocho H200 para el millón completo. La ventana de contexto que obtienes depende de lo que alquiles.

La factura: más barato por token, no por tarea

Si no autoalojas, Together AI lista Spark Open a 1,25 $ por millón de tokens de entrada y 4,25 $ por millón de salida, con la entrada en caché a 0,15 $. Artificial Analysis dice que Together, Fireworks y Baseten arrancaron con esas tarifas.

Una llamada de producto de 4.000 tokens de entrada y 500 de salida cuesta 4.000 × 1,25 $ / 1 M = 0,005 $, más 500 × 4,25 $ / 1 M = 0,0021 $, es decir, unos 0,0071 $. La misma llamada en Claude Sonnet 5.5, a 2 $ y 10 $, cuesta 0,013 $. Con esa mezcla de tokens, Spark Open es un 45 % más barato.

Por tarea, el orden se invierte. En el Intelligence Index, Artificial Analysis mide 0,84 $ por tarea para Spark Open en su ajuste de razonamiento más alto. Sonnet 5.5 con esfuerzo medio puntúa 41, dos puntos más, por 0,48 $. Spark Open generó 110 millones de tokens de salida para completar el índice; Sonnet 5.5 con esfuerzo medio, 31 millones. Y según Hugging Face, el razonamiento no se puede desactivar en Spark Open. El ajuste más bajo es "low".

Una línea más de Artificial Analysis. Entre los nueve modelos de pesos abiertos con mejor puntuación, Spark Open queda último en las cuatro evaluaciones agénticas del índice, mientras lidera a todos los modelos de pesos abiertos en AA-Omniscience, su prueba de fiabilidad del conocimiento y alucinación. Meta lo construyó "para programación y trabajo agéntico". Tu propio conjunto de evaluación debería poner a prueba esa afirmación con tu propio trabajo, en los dos sentidos.

Qué haría antes de elegir

Primero, clasifica tu uso frente a la sección 3, por escrito. ¿Función de producto o Model as a Service? ¿Ingresos del grupo por encima de 20 millones de dólares en cualquier periodo de 12 meses? Diez minutos ahora ahorran una renegociación después.

Segundo, decide dónde va "Built with Muse Spark Open", y añade el modelo a tu inventario con su licencia. Si destilas a partir de él, etiqueta también el modelo derivado.

Tercero, pruébalo alojado antes de comprar nada. Ejecuta tus propias tareas en un proveedor del lanzamiento con el ajuste de razonamiento "low" y con el predeterminado, y registra el coste por tarea completada, tokens incluidos. Si tus documentos no están en inglés, prueba eso también: la ficha del modelo dice que se entrenó con datos de más de 100 idiomas y que "no se ha evaluado en todos los idiomas contenidos en los datos de preentrenamiento". Construí BidForge para leer expedientes de contratación pública franceses para pequeñas empresas. No me fiaría de la calidad en francés sin comprobarla.

Cuarto, pon precio al hardware solo si el motivo son los datos. El autoalojamiento se justifica cuando los documentos no pueden salir de tus instalaciones, no porque los tokens sean caros. A 0,0071 $ por llamada, los unos 38.000 $ que cita Engadget por cuatro Mac Studio compran más de cinco millones de llamadas alojadas del tamaño de arriba, antes de la electricidad y del tiempo de alguien para mantener las máquinas en marcha.

Los pesos abiertos dicen quién puede ejecutar un modelo. La licencia dice en qué condiciones, y la factura de memoria dice quién lo hará de verdad.

Fuentes

¿Un proyecto del mismo estilo?

Diseño y despliego productos como este. Hablemos.

Hablemos