SandIA (Buenos Aires, 16 de octubre de 2026).- Meta lanzó Muse Spark Open, un modelo de inteligencia artificial de pesos abiertos que funciona de forma local en computadoras Mac, según publicó TechCrunch. El modelo fue desarrollado en conjunto con Apple y está diseñado para ejecutarse en equipos con chip de Apple Silicon.
Características técnicas del modelo
Muse Spark Open cuenta con 816.000 millones de parámetros y una ventana de contexto de un millón de tokens, lo que lo posiciona, según Meta, como el modelo de pesos abiertos más capaz de Estados Unidos. Es nativamente multimodal y fue construido para tareas complejas de programación y trabajo agéntico, de acuerdo con los resultados de evaluación difundidos por la empresa el jueves.
Requisitos para correrlo en local
Para ejecutar el modelo en una computadora personal se necesita al menos 1 terabyte de memoria RAM, según informó Engadget. La configuración óptima es una Mac Studio equipada con el chip M5 Ultra, lo que implica un equipamiento de gama alta. Pese a la exigencia de hardware, Meta sostiene que el modelo puede convertirse en una herramienta de trabajo para programación y tareas de escritorio.
Casos de uso y disponibilidad
Meta combinó Muse Spark Open con Muse Code, su terminal de programación con IA, y lo implementó en flujos de trabajo agénticos. La compañía informó que lo usó para corregir errores, agregar funciones y completar compilaciones en un cliente de Mastodon, y que también lo aplicó al manejo de DaVinci Resolve, el software de edición de video, donde el modelo revisó y recortó material fílmico. El modelo ya está disponible a través de distintas plataformas de API.
Ventajas de los modelos de pesos abiertos
Los modelos de pesos abiertos ofrecen ventajas frente a los cerrados y propietarios: pueden ser más eficientes en costos y brindan mayor transparencia y flexibilidad. La alianza entre Meta y Apple para el desarrollo de Muse Spark Open apunta a aprovechar el hardware de Apple para ejecutar inteligencia artificial de forma local, sin depender de servidores externos.