Meta acaba de lanzar Muse Spark Open, un modelo abierto de 816 mil millones de parámetros, pero su rendimiento ha sido superado por Qwen3.8-Flash-Next, que tiene solo 1800 mil millones de parámetros. Según las pruebas recientes de la institución externa Artificial Analysis, el modelo de Meta obtuvo una puntuación general de solo 39 puntos, mientras que Qwen3.8 logró 40 puntos. Aún más sorprendente es la diferencia en los parámetros activados: para ejecutar una sola inferencia, Meta necesita activar 42 mil millones de parámetros, mientras que Qwen solo requiere 6 mil millones, lo que representa una diferencia de eficiencia de 7 veces. El costo de implementación local es aún más evidente. Después de cuantizarlo a 4-bit, el archivo del modelo de Meta pesa 506 GB, algo que ningún servidor común puede manejar; en cambio, Qwen solo ocupa 111 GB, suficiente para caber en una sola tarjeta profesional. Con cuatro veces más parámetros y memoria gráfica, su capacidad de inferencia fue superada por un modelo más pequeño. Las grandes empresas deben reflexionar seriamente sobre esta estrategia de acumular parámetros sin criterio.