Meta lanza Muse Spark Open, modelo multimodal de 816B para programar

Meta publicó los pesos de Muse Spark Open, un nuevo modelo multimodal enfocado en programación agéntica con una arquitectura de mezcla de expertos de 816.000 millones de parámetros y una ventana de contexto de hasta un millón de tokens. La noticia llega a través de un artículo técnico de Hugging Face publicado este 15 de octubre de 2026, donde detallan cómo procesa texto, imágenes, audio y vídeo de forma conjunta para tareas de desarrollo complejas.

Aunque activa unos 42.000 millones de parámetros por token seleccionando 8 de sus 256 expertos, no se dejen engañar por ese número: para desplegarlo necesitan cargar todos los expertos en memoria. El checkpoint original en BF16 pesa 1,5 TB y la versión NVFP4 apunta directamente a gráficas NVIDIA Blackwell. Incluso recurriendo a cuantizaciones agresivas de 3 bits se necesitan más de 256 GB de RAM, por lo que queda fuera del alcance de casi cualquier equipo doméstico estándar.

A diferencia de Muse Glimmer, el modelo denso de 30B que Meta sacó en agosto de 2026 para correr en hardware más modesto, Spark Open busca resolver flujos pesados. Puede revisar una base de código, ver grabaciones de pantalla para depurar errores de interfaz o escuchar notas de voz con instrucciones. La entrada es multimodal pero la salida es estrictamente texto. Hugging Face mostró ejemplos donde el modelo retoca código 3D en Three.js tras evaluar capturas del renderizado o navega webs ejecutando clics.

Hay soporte anunciado para llama.cpp, Transformers, MLX, SGLang y vLLM, aunque las capacidades cambian según el entorno. Por ejemplo, la receta inicial en vLLM sólo maneja texto e imagen con un límite de servicio de 128.000 tokens, sin audio ni vídeo por ahora. Además, el razonamiento viene integrado de forma obligatoria con niveles ajustables, recomendando el nivel bajo para no quemar tokens en tareas directas.

A mí me parece un avance enorme tener un modelo de este calibre con pesos descargables, pero lo que me preocupa es la brecha de hardware: casi nadie en la comunidad podrá levantarlo sin recurrir a servidores dedicados o alquiler en la nube.

Para quienes ya le sacaron provecho a Glimmer en sus máquinas, ¿ven viable armar un entorno dedicado para correr este Spark Open o prefieren seguir con modelos densos más pequeños?

Fuente: Hugging Face