Meta presentó este martes Muse Spark Open, un modelo de IA de peso abierto que, según la empresa, es su lanzamiento más capaz hasta ahora en Estados Unidos y puede ejecutarse de forma local en computadoras Mac.
La compañía trabajó con Apple para optimizar el modelo en hardware reciente de la marca, incluidas las Mac Studio con chip M5 Ultra, mediante el framework MLX.
Una alianza poco habitual entre competidores
La colaboración destaca porque Meta y Apple suelen competir en áreas clave del negocio tecnológico. Sin embargo, en este caso ambas empresas están impulsando el uso de inferencia de IA en escritorio.
Ese enfoque busca mover parte de la ejecución de modelos avanzados fuera de la nube. Además, abre una ruta para correr sistemas complejos directamente en equipos de alto rendimiento.
El foco está en costos y velocidad
Meta enmarcó el anuncio como parte de una estrategia para ampliar el acceso a modelos avanzados con ejecución local. Por eso, la optimización sobre Apple silicon apunta a mejorar tiempos de respuesta y reducir dependencia de infraestructura remota.
MLX, el framework usado en esta integración, ha ganado atención entre desarrolladores que trabajan en aprendizaje automático dentro del ecosistema de Apple. Asimismo, permite ajustar modelos para el hardware propio de la empresa.
El anuncio también refleja una tendencia más amplia entre desarrolladores de modelos. Cada vez hay más presión por encontrar formas más rápidas y baratas de desplegar IA avanzada sin depender por completo de centros de datos.
En ese escenario, las computadoras de escritorio con chips especializados ganan relevancia como alternativa para pruebas, desarrollo y ejecución local. De hecho, esa capacidad puede resultar atractiva para equipos que priorizan control directo sobre sus cargas de trabajo.
La decisión de lanzar Muse Spark Open con soporte local para Mac refuerza esa competencia por llevar la IA avanzada al dispositivo. Mientras tanto, también muestra que rivales tradicionales pueden colaborar cuando el objetivo es acelerar adopción en una plataforma específica.
