META ACABA DE LANZAR UN MODELO DE IA DE 816B CON PESOS ABIERTOS QUE SE EJECUTA EN DOS MAC STUDIOS @Meta ha lanzado Muse Spark Open, su nuevo modelo de IA diseñado para codificación compleja, agentes autónomos y tareas de ingeniería de larga duración. La parte inusual es que los desarrolladores pueden descargar los pesos y ejecutar un modelo de esta escala en hardware local en lugar de depender completamente de API en la nube. Aquí está lo que Meta incluyó en él: 816 mil millones de parámetros en total 42 mil millones de parámetros activos por token Ventana de contexto de 1 millón de tokens Entrada nativa de texto, imagen, video y audio Soporte para hardware AMD, Apple, Intel y NVIDIA La arquitectura utiliza Mixture of Experts. En lugar de activar los 816 mil millones de parámetros para cada token, el modelo utiliza aproximadamente 42 mil millones, reduciendo así la computación requerida durante la inferencia. Esto hace que su implementación en escritorio sea especialmente interesante. Meta trabajó con Apple para optimizar Muse Spark Open en dos Mac Studios con M5 Ultra utilizando el marco MLX. Juntas, las máquinas proporcionan hasta 1 TB de memoria unificada. La empresa también demostró flujos de trabajo agentes reales ejecutándose localmente: Corrección de errores e implementación de funciones en una aplicación iOS Finalización de compilaciones de software mediante Muse Code Control de DaVinci Resolve para analizar material Identificación de momentos fuertes en video y creación de recortes verticales El modelo está disponible a través de Hugging Face y proveedores de API como Groq, Together AI, Fireworks y OpenRouter. Pero hay una distinción importante. “Pesos abiertos” no significa código abierto sin restricciones. La licencia del modelo Muse de Meta incluye limitaciones comerciales, y ejecutar un modelo de 816B localmente aún requiere hardware costoso. Lo que más me interesa es lo que esto podría significar para operaciones nativas de IA. Los equipos de marketing están construyendo cada vez más agentes que procesan conversaciones con clientes, analizan competidores, clasifican contenido y coordinan flujos de trabajo de producción. Hoy en día, muchos de estos sistemas dependen de proveedores externos de modelos para cada paso. Modelos de pesos abiertos más potentes ofrecen otra opción: ejecutar investigación sensible, procesamiento interno de conocimientos y agentes especializados en infraestructura controlada por la organización. Esto no hace automáticamente que la IA local sea más barata ni mejor. Los costos de implementación, la velocidad de inferencia, el mantenimiento y la calidad del modelo siguen determinando si tiene sentido. Pero el panorama competitivo está cambiando. El acceso a modelos potentes se está volviendo gradualmente menos dependiente de unos pocos proveedores cerrados de API. Y a medida que el acceso a modelos se vuelve más flexible, la ventaja se desplaza hacia los equipos que pueden construir flujos de trabajo confiables, conectar datos propietarios y convertir capacidades de IA en sistemas útiles.