Ejecutar un modelo de inteligencia artificial de cientos de miles de millones de parámetros en el equipo de oficina es un reto técnico importante. Con Muse Spark Open, presentado el 15 de octubre de 2026, Meta plantea un enfoque que combina un gran modelo con una arquitectura diseñada para limitar los cálculos necesarios en cada etapa.
El modelo tiene 816 mil millones de parámetros en total, pero alrededor de 42 mil millones se activan para cada ficha procesada. Utiliza una arquitectura mix-of-expert separada (MoE): en lugar de solicitar toda la red para cada operación, el sistema dirige los datos a algunos de sus expertos especializados. Este diseño reduce los cálculos de token, pero no elimina la necesidad de memoria para cargar pesos modelo.
Su ventana contextual alcanza 1.048.576 fichas, o alrededor de un millón. Esta capacidad permite trabajar en conjuntos de información muy grandes en la misma sesión: documentación técnica, archivos de código, documentos largos o historia de una tarea. Sin embargo, no garantiza que cada información se entienda o utilice correctamente.
Meta diseña Muse Spark Open para el desarrollo de software y agentes de IA. Con Muse Code, el modelo puede intervenir en un proyecto multi-paso: revisar el código existente, preparar un cambio, aplicar cambios y verificar el resultado. Meta también presenta una demostración en la que el sistema piloto DaVinci Resolve para examinar secuencias de vídeo y seleccionar pasajes relevantes. Estos ejemplos ilustran los usos previstos, pero no son garantía de éxito en todos los proyectos.
Uno de los aspectos más notables se refiere a la ejecución local. Meta explica que optimizaba el modelo con el marco MLX de Apple para ejecutar en dos Mac Studios equipados con chips M5 Ultra. La arquitectura de memoria unificada de Apple permite a los procesadores gráficos acceder a una gran cantidad de memoria. Dos máquinas pueden distribuir el almacenamiento de peso y las operaciones necesarias para la inferencia.
Sin embargo, esta configuración queda lejos de una computadora corriente. Un modelo de este tamaño requiere una gran infraestructura de memoria, hardware costoso y una configuración de software adecuada. La ejecución local puede reducir la dependencia de un proveedor externo de API, pero transfiere la responsabilidad de equipo, actualizaciones, seguridad y mantenimiento a la organización.
El término "peso abierto" también merece una aclaración. Meta hace que los pesos del modelo sean accesibles para su descarga, lo que le permite albergar en su propia infraestructura y personalizarlo. Esto no significa que todos los datos de capacitación y todas las etapas de desarrollo sean publicados o que su uso no tenga restricciones. Muse Spark Open se distribuye bajo la Licencia Modelo Muse, cuyas condiciones deben examinarse antes de cualquier uso comercial.
Por lo tanto, para los equipos técnicos, la elección entre un modelo local y un servicio en la nube dependerá de varios criterios: confidencialidad de datos, presupuesto de hardware, velocidad esperada, costos de funcionamiento y calidad de los resultados de las tareas correspondientes. El número de parámetros no es suficiente para determinar cuál será el mejor en un contexto dado.
Muse Spark Open ilustra un importante desarrollo: ya no se presentan modelos abiertos muy grandes como sistemas de hospedaje en centros de datos. Las configuraciones locales especializadas son posibles, aunque su costo y complejidad todavía limitan su accesibilidad. El reto será comprobar si los beneficios de control y personalización compensan los recursos necesarios para operarlos.
Vea la hoja de plantilla y sus archivos disponibles para su descarga.
Ver modelo
