Las acciones de Meta Platforms cayeron levemente el jueves 15 de octubre, tras la presentación de Muse Spark Open, un nuevo modelo de inteligencia artificial de pesos abiertos diseñado para el desarrollo de software y tareas automatizadas. Las acciones de Meta (META) cerraron la sesión regular en $736.72, con una baja del 0.11%, y luego cayeron un 0.23% adicional hasta $735.02 en las operaciones posteriores al cierre. Si bien el lanzamiento amplió el acceso de los desarrolladores a herramientas avanzadas de IA, el título registró pérdidas en ambas sesiones.

Meta lanza Muse Spark Open para programación

Meta presentó Muse Spark Open como un modelo de pesos abiertos diseñado para el desarrollo de software y el razonamiento de múltiples pasos. El sistema cuenta con 816 mil millones de parámetros, de los cuales 42 mil millones están activos durante el procesamiento. Esta división es relevante para la implementación: el conjunto completo de parámetros del modelo debe mantenerse en memoria, mientras que la cantidad activa determina la potencia de cómputo utilizada en cada paso del procesamiento. También admite ventanas de contexto de hasta un millón de tokens, lo que permite tareas de programación largas y complejas.

El modelo procesa múltiples formatos de información y maneja tareas de programación que requieren varias rondas de toma de decisiones. Según Meta, el sistema admite proyectos de larga duración y trabajos de ingeniería de software exigentes. Las evaluaciones de la compañía también compararon su desempeño con el de otros modelos de pesos abiertos disponibles para los desarrolladores; dado que estos resultados provienen de las pruebas propias de Meta, los hallazgos prácticos reportados por los desarrolladores a través de los canales de lanzamiento que se detallan a continuación podrían aportar puntos de referencia independientes.

Los lanzamientos de pesos abiertos permiten a los desarrolladores descargar los parámetros del modelo y personalizar los sistemas para operaciones específicas. De este modo, las empresas pueden controlar la implementación y gestionar la información dentro de sus entornos preferidos. Meta lanzó un modelo más pequeño, Muse Glimmer, en agosto antes de presentar este sistema de mayor tamaño.

La implementación en Mac Studio exige recursos de hardware

Meta diseñó Muse Spark Open para ejecutarse localmente en dos Apple Mac Studio equipados con chips M5 Ultra. La configuración se basa en el framework MLX de Apple para gestionar las operaciones de aprendizaje automático. Sin embargo, esta configuración requiere recursos de hardware considerables, incluidos aproximadamente un terabyte de memoria.

La compañía probó el modelo junto con Muse Code, su asistente de terminal para trabajos de desarrollo. Uno de los ejercicios consistió en actualizar un cliente de Mastodon mediante correcciones de software y nuevas funciones. Estas demostraciones ilustraron cómo el sistema gestiona tareas conectadas sin instrucciones manuales repetidas.

Meta también probó el modelo con DaVinci Resolve, una aplicación profesional de edición de video. Durante esa demostración, el sistema revisó el material grabado y recortó secciones seleccionadas del video. El ejercicio mostró el potencial del modelo para tareas de escritorio fuera de las asignaciones de programación convencionales.

Meta amplía el acceso a través de API y servicios en la nube

Meta hizo el modelo accesible a través de Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter y Together AI. Los desarrolladores pueden descargar los pesos desde Hugging Face, Amazon Sage AI, Google Cloud y Microsoft Foundry. Estos servicios ofrecen alternativas a la instalación de un costoso equipamiento de hardware local.

Los motores de inferencia compatibles incluyen vLLM, SGLang, TensorRT-LLM, llama.cpp y Hugging Face Transformers. El nuevo modelo también admite hardware de AMD, Apple, Intel y Nvidia para una implementación más amplia. Los desarrolladores pueden personalizar el sistema utilizando PyTorch para aplicaciones especializadas.

La distribución de pesos abiertos puede reducir la dependencia de proveedores propietarios y aumentar la flexibilidad de implementación. Aun así, ejecutar modelos de gran tamaño sigue exigiendo conocimiento técnico y recursos de cómputo significativos. La adopción por parte de los desarrolladores a través de estas vías de acceso puede indicar qué tan amplio es el uso práctico del modelo. El lanzamiento de Meta amplía su oferta de IA mientras la acción del jueves en la bolsa se mantuvo ligeramente negativa.

Este artículo apareció originalmente en Blockonomi.,