Muse Spark Open: el modelo abierto de Meta para agentes

Un modelo abierto hecho para agentes, no para autocompletar

Ayer Meta publicó los pesos de Muse Spark Open, y es de esas noticias que me hacen parar lo que estoy haciendo. No es otro modelo para generar una función suelta: Meta lo presenta como un modelo pensado para programar y para trabajo con agentes de largo recorrido, que es justo en lo que paso mis días.

Lo que trae, en corto

Según el anuncio de Meta, es un modelo multimodal nativo con 816B parámetros, de los que solo 42B se activan en cada token, y una ventana de contexto de 1M de tokens. La guía de NVIDIA añade que es una arquitectura mixture-of-experts que enruta cada token a 8 de sus 256 expertos.

Pensado para tareas largas

Lo que más me interesa es para qué está hecho, según la guía de NVIDIA: planificar un refactor que toca muchos archivos, recuperarse cuando fallan los tests, usar herramientas y coordinar subagentes durante sesiones largas. Además, antes de cada acción escribe un comentario aparte, así que puedes ver qué va a hacer el agente y por qué. Para mí, esa trazabilidad vale casi tanto como la potencia.

Un millón de tokens para el repo entero

Con 1M de tokens, la idea es que quepa un proyecto completo, con sus dependencias y su código heredado, sin trocear la tarea. Ese es uno de los dolores de cabeza que más me encuentro cuando un agente trabaja sobre un repo grande: pierde el hilo de lo que no ve.

Por qué me importa que sea abierto

Hasta ahora, casi todo lo serio en desarrollo con agentes pasaba por APIs cerradas. Aquí los pesos se pueden descargar desde Hugging Face, entre otros sitios, y el modelo ya está disponible en proveedores como Together AI, Fireworks, Groq u OpenRouter. Eso abre la puerta a evaluarlo con tus propias tareas, ajustarlo a tu dominio y no depender de un único proveedor.

Hay un detalle que me ha hecho gracia: Meta dice que corre en local con dos Mac Studio M5 Ultra usando MLX. No es precisamente un portátil, pero hace un par de años esto era impensable.

Lo que miraría antes de meterlo en un equipo

• La licencia. Sale con la Muse Model License, que Meta describe con “condiciones comerciales limitadas”. Antes de usarlo en un producto, hay que leerla con calma.
• Tus propias pruebas. Las cifras del anuncio son de Meta y de NVIDIA. Yo lo probaría con tareas reales de mi flujo antes de cambiar nada.
• El coste de servirlo. Que solo active 42B parámetros ayuda, pero sigue siendo un modelo enorme. Hostearlo tú o usar un proveedor es una decisión que hay que hacer con números.

Lo que me llevo

Me parece de las noticias más interesantes del año para quien construye con agentes: un modelo abierto que no se limita a escribir código, sino que está pensado para trabajar como un agente. En onext ayudamos a equipos a adoptar agentes y a decidir qué modelo encaja en cada caso, y este va directo a mi lista de pruebas. Si lo pruebas antes que yo, me encantará saber qué tal te va.