Aprender  /  Novedades

Meta Muse Spark Open explicado: el modelo de pesos abiertos más capaz de EE. UU. y su licencia

Meta vuelve a los pesos abiertos con un modelo que presenta como el más capaz jamás publicado en EE. UU. Dónde destaca, dónde los modelos abiertos chinos siguen por delante y qué detalles de la licencia importan antes de construir sobre él.

Novedades7 min de lecturaActualizado el 17 de octubre de 2026
IAAgentes de IANovedades
Todas las guías y chuletas

El 15 de octubre de 2026, Meta publicó Muse Spark Open, un modelo de pesos abiertos que describe como «el modelo de pesos abiertos estadounidense más capaz hasta la fecha». Acompaña a los modelos cerrados Muse Wonder de Meta y está pensado para programación, trabajo agéntico, tareas largas de varios pasos e ingeniería de software compleja. Los pesos se descargan gratis y el modelo ya está disponible en las grandes nubes y en una larga lista de API alojadas.

816BParámetros totales42B activos por token
1MTokens de contextoentrada de texto e imágenes
89.2Puntuación en MCP-Atlasllamadas a herramientas, dato de Meta
39Intelligence IndexArtificial Analysis, independiente

Dónde brilla y dónde no

Los resultados de Meta se centran en las llamadas a herramientas, la habilidad que necesita un agente de IA para llamar a API, consultar bases de datos y encadenar pasos. Ahí, Spark Open va en cabeza. Las pruebas independientes y los benchmarks de programación cuentan una historia más equilibrada: los mejores modelos abiertos chinos siguen por delante en programación pura y en inteligencia general.

Artificial Analysis Intelligence Index, modelos de pesos abiertos
MiMo-V2.6-Pro (Xiaomi)46
GLM-5.3 (Z.ai)45
Kimi K3 (Moonshot AI)44
Muse Spark Open (Meta)39
Mistral Large 4, versión preliminar38

Cuanto más alto, mejor. Resultados independientes publicados a mediados de octubre de 2026.

Terminal-Bench 2.1, programación en línea de comandos
Kimi K385
Muse Spark Open76,4

Cuanto más alto, mejor.

La lectura práctica: si construyes un agente que llama a muchas herramientas, por ejemplo un asistente de datos que consulta un almacén, revisa un panel y escribe un resumen, Spark Open es una gran opción abierta. Para programación intensa, hoy rinden mejor Kimi K3 y GLM-5.3, y aún mejor los modelos cerrados punteros. Consulta los mejores modelos de IA de octubre de 2026 para ver el panorama completo.

Dónde ejecutarlo

API alojada

Lo más fácil
Proveedores
Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter, Together AI
  • Pagas por token, sin instalar nada
  • Lo pruebas en minutos

La mejor opción para pruebas y para la mayoría de usos en producción.

Tu nube

Gestionado
Plataformas
Amazon SageMaker AI, Google Cloud Model Garden, Microsoft Foundry
  • Se queda en tu cuenta en la nube y bajo sus controles
  • Pagas GPU dedicadas

Para equipos con normas estrictas sobre los datos.

Tu propio hardware

Avanzado
Motores
vLLM, SGLang, TensorRT-LLM, Transformers, llama.cpp, Unsloth
  • Control total y ajuste fino con PyTorch
  • Necesitas alrededor de 1 TB de memoria para el modelo completo

Para laboratorios y grandes equipos de plataforma.

Meta también ha aportado kernels de GPU optimizados a SGLang, con aceleraciones anunciadas de 1,03 a 3,95 veces a nivel de kernel en GPU de NVIDIA y AMD, y una mejora del 3 % de extremo a extremo en la MI350 de AMD.

La licencia: léela antes de construir

«Pesos abiertos» no significa «código abierto». Muse Spark Open usa la Muse Model License, que según Meta tiene condiciones comerciales limitadas que permiten a muchos desarrolladores usarla gratis. Los detalles que importan:

Uso comercial gratuito
Puedes usar y modificar el modelo con fines comerciales.
Grandes proveedores de modelos
Si vendes acceso a modelos y has superado 20 millones de dólares de ingresos brutos en 12 meses, necesitas un acuerdo a medida con Meta.
Atribución
Los productos deben mostrar «Built with Muse Spark Open».
Controles en la descarga
Las descargas de Hugging Face piden nombre legal, fecha de nacimiento y datos de la empresa.

Seguridad

Meta afirma que el modelo recibió entrenamiento de seguridad adicional después del preentrenamiento y que se evaluó según su Meta Superintelligence Scaling Framework, cumpliendo sus umbrales de publicación. Promete un informe de evaluación completo en breve. Como con cualquier modelo abierto, una vez públicos los pesos, la seguridad depende también de cómo lo despliegues: añade tus propias salvaguardas, registros y revisión humana para todo lo que actúe sobre sistemas reales.

¿Deberían usarlo los equipos de datos?

  1. 1

    Empieza por una API alojada

    Prueba tus prompts reales, por ejemplo generación de SQL sobre tu esquema o pruebas de llamadas a herramientas, antes de pensar en hardware.

  2. 2

    Compara con tus tareas

    Enfréntalo a un modelo cerrado y a otro modelo abierto. Las clasificaciones públicas rara vez reflejan un trabajo concreto.

  3. 3

    Revisa la licencia

    Sobre todo la regla de atribución y el umbral de 20 millones de dólares si construyes un producto.

  4. 4

    Piensa en agentes

    Su fuerza en llamadas a herramientas encaja con asistentes que consultan datos y llaman a API internas.

Pon a prueba lo que has aprendido

1/3¿Cuántos parámetros están activos en cada token?

2/3¿Dónde va en cabeza Muse Spark Open, según Meta?

3/3¿Qué deben mostrar los productos creados con él?

También este mes: Mistral Large 4, el modelo abierto europeo de un billón de parámetros, y Claude Haiku 5.5, el modelo cerrado capaz más barato.

Fuentes: el anuncio de Meta «Introducing Muse Spark Open» (15 de octubre de 2026), el artículo de TechRepublic (16 de octubre de 2026) y la clasificación de Artificial Analysis. Los benchmarks son datos de los fabricantes salvo que se indique lo contrario.

Alessandro Ecclesie AgazziEscrito por Alessandro Ecclesie Agazzi, analytics engineer en Londres. Actualizado el 17 de octubre de 2026. Sobre mí

¿Te ha resultado útil?

Aquí se publican con regularidad nuevas guías y artículos sobre las novedades en datos e IA. Sígueme en LinkedIn o comparte este artículo con un compañero.