Meta Superintelligence Labs ha lanzado Muse Spark Open, la versión de peso abierto de su modelo Muse Spark. Muse Spark Open es un modelo de mezcla de expertos de 816 000 millones de parámetros que activa 42 000 millones de parámetros por token. Toma entradas de texto, imágenes, vídeo y audio, devuelve texto y contiene una ventana de contexto de 1 millón de fichas. El equipo Meta afirma que es el modelo estadounidense de peso abierto más capaz hasta la fecha. Para los desarrolladores, la verdadera novedad es el despliegue: la versión NVFP4 funciona en 2 Apple M5
Ultra Mac Studios.TL; DR
- Tamaño: 816 B en total/42 000 millones de parámetros activos (256 expertos, 8 activos por token); contexto de 1 millón de tokens.
- Funciona con: 2 Mac Studios (M5 Ultra, 512 GB cada uno) con MLX; 4 GPU Blackwell Ultra u 8 H200 con NVFP4; configuraciones de aproximadamente 300 GB con GGUF de 2 bits de Unsloth.
- Rendimiento: se basa principalmente en el uso de herramientas de agencia; está a medio camino entre los grandes modelos abiertos de codificación.
- Mejor: MCP-Atlas 89.2, la mejor puntuación en la tabla comparativa de Meta.
- Peor: Terminal-Bench 2.1 76.4, detrás de Kimi K3 (85.0), GLM 5.3 (83.9) y Qwen3.8 (82.0).
¿Qué es Muse Spark Open?
Muse Spark Open es un modelo de MoE multimodal nativo de Meta, creado para la codificación y el trabajo de agencia a largo plazo. Las pesas vienen en BF16 y NVFP4 en Hugging Face. La versión abierta recibió seguridad adicional después del entrenamiento. El equipo de Meta afirma que esto la hace más robusta sin barandas a nivel de sistema
.¿Cómo funciona la arquitectura?
La tarjeta modelo contiene 62 capas y una dimensión oculta de 8192. En cada capa del MoE caben 256 expertos, y el enrutamiento entre los k principales activa 8 por token. La atención es una consulta agrupada, con 128 cabezales de consulta y 16 KV. Un codificador de percepción independiente de 1,8 B parámetros gestiona la entrada visual. El vocabulario tiene 202.048 fichas y los datos de entrenamiento abarcan
más de 100 idiomas.La profundidad del razonamiento se establece con reasoning_effort: low, medium, high o xhigh.
¿Cuál es el rendimiento de Muse Spark Open en las pruebas comparativas?
Meta lo compara con Kimi K3, GLM 5.3, Qwen3.8-2.4T-A95B y otros con el máximo esfuerzo de razonamiento. Sus mejores resultados están relacionados con el uso de las herramientas y la fiabilidad del conocimiento:
- MCP-Atlas: 89,2, por delante de Qwen3.8 (84,5) y GLM 5.3 (84,2).
- JobBench: 61,8, muy por delante de GLM 5.3 (61,4).
- HLE-Diamond, sin herramientas: 26,1, frente a 22,2 para Kimi K3.
- AA Omniscience: 25, la máxima puntuación en la tabla de Meta.
- ZeroBench con herramientas: 50,0, frente a los 41,0 de Kimi K3.
La codificación es el punto débil. En Terminal-Bench 2.1, con el arnés Terminus 2, obtiene una puntuación de 76,4. Kimi K3 llega a 85,0, GLM 5.3 obtiene 83,9 y Qwen3.8 obtiene 82,0. Su índice de inteligencia de análisis artificial es de 39. Eso está detrás de GLM 5.3 (45), Kimi K3 (44) y Qwen3.8 (40). Por lo tanto, la posición de «Estados Unidos más capaz» es la posición dominante, pero los modelos abiertos chinos siguen liderando
la clasificación general.Algunos puntajes rivales se autodeclaran; la metodología de evaluación enumera cada fuente.
&&¿Qué hardware necesita Muse Spark Open?
Según la guía para desarrolladores de Meta, el BF16 pesa alrededor de 1,6 TB. El NVFP4 cuantifica solo a los expertos y ocupa cerca de 530 GB. El modelo de tarjeta recomienda al menos 700 GB de VRAM para la NVFP4 y 2 TB para
la BF16.- Centro de datos: NVFP4 en 4 GPU Blackwell Ultra u 8 H200.
- Escritorio: 2 M5 Ultra Mac Studios con 512 GB cada uno, conectados a través de Thunderbolt 5 con RDMA. El paralelismo tensorial del MLX divide todas las capas de ambas máquinas.
- Estación de trabajo: desbloquee las GGUF dinámicas de hasta 2 bits en unos 300 GB de memoria combinada.
¿Dónde pueden ejecutarlo los desarrolladores?
Los motores del primer día incluyen SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, MLX, llama.cpp y Unsloth. Las API alojadas están disponibles en Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter y Together AI. OpenRouter ofrece 1,25 USD por cada 1 millón de fichas de entrada y 4,25 USD por cada 1 millón de fichas de salida
.Dos modelos preliminares aceleran la decodificación: Flash V2 para SGLang y DSpark para VLLM. Meta proporciona un rendimiento de 3,7 veces mayor en una sola solicitud con dFlash V2 en el AMD MI355X. La optimización funciona con TorchTitan
, Hugging Face TRL y NVIDIA NeMo AutoModel.¿Qué permite la licencia modelo de Muse?
La licencia modelo de Muse permite el uso, el ajuste, la destilación y la redistribución. Dos condiciones son las más importantes:
- Los productos deben mostrar «Creado con Muse Spark Open».
- Los proveedores de modelos como servicio que superen los 20 millones de dólares en ingresos a 12 meses necesitan un acuerdo independiente con Meta.
El uso interno, la investigación y la potencia de las funciones de su propio producto están exentos de la cláusula de ingresos.
Muse Spark Open contra Kimi K3 contra GLM 5.3 contra Qwen3.8
| Característica | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| Muse Spark Open | Kimi K3 GLM 5.3 Qwen3.8-2.4T-A95B Parámetros totales 816B 2.8T 753B | 2.4T Parámetros activos 42B | 104B | ||||||||
| ~40B | 95B | ||||||||||
| Context | 1M | 1.048.576 1.048.576 262.144 nativo, hasta 1 010 000 Entrada de texto||||||||||
| Licencia | Muse Model License Kimi K3 Licencia | glm-5.3 licencia | qwen3.8-max Licencias | publicadas | BF16, NVFP4 MXFP4 (QAT|||||||
| ) BF16, FP8 | BF16 | ||||||||||
| AA Intelligence | 85.0 83.9 | ||||||||||
| 82,0 | |||||||||||
| MCP-Atlas (vía Meta) | 89,2 | 82,3 | 84,2 | 84,5 | |||||||
| Toolathlon Verificado (proveedor) | 72,8 | 76,5 | 73,0 | 72,5 | |||||||
| HLE con herramientas (proveedor) | 61,0 | 56,0 | 62,5 | 56,2 | |||||||
| DeepSwe 1.1 (proveedor, arnés propio) | 60 | 67,5 | 66,9 | 56,6 | |||||||
| Configuración de escritorio | 2x M5 Ultra Mac Studio | No revelado | No |
Conclusiones clave
- 816 B en total, 42 B activos, 1 M de contexto, entrada de texto/imagen/vídeo/audio.
- Lidera la tabla de modelos abiertos de Meta sobre MCP-Atlas (89,2) y JobBench (61,8).
- Sigue a Kimi K3, GLM 5.3 y Qwen3.8 en Terminal-Bench 2.1 (76.4).
- La versión NVFP4 se ejecuta en 2 M5 Ultra Mac Studios a través de MLX.
- Gratis para la mayoría; los proveedores de MaaS que superen los 20 millones de dólares necesitan una oferta.
Consulte las ponderaciones de los modelos, el blog de investigación, la guía para desarrolladores y la metodología de evaluación. Todo el mérito es para el investigador de este proyecto. Además, siéntete libre de seguirnos en Twitter y no olvides unirte a nuestro subReddit de más de 150 000 ml y suscribirte a nuestro boletín. ¡Espera! ¿Estás en Telegram? ahora también puedes unirte a nosotros en Telegram.
The post Meta lanza Muse Spark Open: 816B OpenWeight MoE With 1M Context appeared first on MarkTechPost.