YuE2-3B: el modelo musical abierto que superó a Suno v5

La generación musical estuvo mucho tiempo dominada por unos pocos servicios cerrados, y el bando abierto solía ir detrás. Eso cambió en septiembre de 2026, cuando el equipo MAP publicó YuE2-3B, un modelo musical de 3.000 millones de parámetros que, según el equipo, supera a Suno v5 en WildSongBench. Los pesos están fuera, el soporte ya está fusionado en la rama principal de ComfyUI, y el proyecto trae algo que casi ningún modelo musical tiene: partituras editables.

El titular es fácil de citar y fácil de sobreinterpretar. Ganar a un servicio cerrado en un benchmark no significa que el modelo abierto sea mejor en todos los estudios. Lo que hace interesante a YuE2-3B es la combinación de paridad en el benchmark con lo que solo puede hacer un modelo abierto y consciente de la partitura.

Partituras, no solo una onda

Casi todos los sistemas de texto a música entregan audio y nada más. Si un acorde suena mal o la melodía se atasca en los últimos ocho compases, regeneras y rezas. YuE2-3B conserva la melodía y los acordes como partituras editables. Eso convierte la generación de una tragaperras en algo más parecido a arreglar. Conservas lo que funciona y corriges solo lo que no, que es como trabaja de verdad quien escribe música.

Esa estructura también hace al modelo más fácil de dirigir. En lugar de apilar adjetivos en un prompt y esperar que el tempo caiga donde quieres, describes la pieza con el vocabulario que ya usan los músicos. La salida sigue siendo revisable después, que es la diferencia entre un borrador y una toma.

{{INLINE1}}

El codificador que nadie recibió

Un detalle cuenta cómo viven de verdad las publicaciones abiertas. YuE2-3B salió sin el codificador de audio necesario para convertir tus propias grabaciones en tokens semánticos del modelo. Lo construyó la comunidad. Un «codificador de audio real» para YuE2-3B permite ahora llevar tu propio material a la representación que el modelo entiende, lo que abre la puerta a entrenar adaptadores sobre audio personal o con licencia.

También hay un LoRA instrumental que acepta prompts por secciones, para dar forma a una pieza describiendo sus partes. Ambos llegaron desde fuera del lanzamiento original. Ese es el trato de los pesos abiertos: obtienes la libertad de construir y aceptas que a la primera versión le falte una pieza que otro debe aportar.

La licencia es el verdadero límite

YuE2-3B se publica bajo CC-BY-NC-4.0. La cláusula no comercial es la restricción que más importa a quien piensa en un producto. Puedes estudiarlo, ejecutarlo, modificarlo y construir sobre él para investigación y trabajo personal. No puedes meterlo en un servicio de pago sin resolver las condiciones comerciales. Para un aficionado o un investigador es una puerta abierta. Para una startup que planea una suscripción, es un muro.

Esa es la forma recurrente del campo musical abierto: los pesos más capaces suelen llegar con condiciones, mientras que las opciones plenamente permisivas van por detrás en calidad. Los equipos que necesitan las dos cosas acaban en híbrido: abierto para explorar, servicios con licencia para lo que se entrega.

Qué puede demostrar un benchmark

WildSongBench compara modelos en canciones generadas, y ganar es un resultado real. También es una sola lente. Los benchmarks premian lo que pueden medir, a menudo la musicalidad global y la coherencia en un tramo corto. Son más flojos captando lo que hace usable una pieza en contexto: si un loop se coloca bajo un diálogo sin pelear, si un build cae donde el montaje lo necesita, si la pieza termina en lugar de apagarse.

No es una crítica al benchmark, sino una nota sobre cómo leer la afirmación. «Supera a Suno v5 en WildSongBench» significa que el modelo abierto es competitivo en una tarea definida. No significa que sustituya a un servicio de pago en todo, ni que esté listo para entregas comerciales bajo una licencia no comercial. Mantener las dos ideas separadas mantiene el cuadro honesto.

Dónde sigue perdiendo la música abierta

Los servicios cerrados mantienen ventaja en sitios fáciles de subestimar. Ofrecen interfaces pulidas, masterización integrada, stems a demanda y una posición legal que un cliente de pago puede señalar. Para quien necesita una pista terminada y un recibo, esa comodidad es el producto, y el modelo solo la mitad. Los pesos abiertos te dan el motor y dejan el resto en tus manos.

También está la cuestión del soporte. Cuando un servicio cerrado se rompe, abres un ticket. Cuando un modelo abierto se rompe, lees el código y esperas que alguien se haya topado con el mismo muro. El codificador de audio real es un buen ejemplo de que ese modelo funciona: una pieza ausente resuelta por desconocidos que querían una herramienta más útil. Impresionante cuando funciona, frustrante cuando no.

Cómo usarlo hoy

Para un productor en solitario, el patrón sensato es tratar YuE2-3B como un instrumento de bocetos. Generar en amplitud, quedarse con lo que tiene algo y montar la pieza final a mano o en una herramienta de pago si la licencia lo exige. La edición de partituras lo hace posible; convierte una idea generada en un archivo de proyecto en lugar de un callejón sin salida.

Para un estudio, el cálculo cambia por la cláusula no comercial. Investigación, prototipado y exploración interna están abiertos. Todo lo que sale a un cliente de pago necesita otro acuerdo. Esa separación es común en el campo abierto, y los equipos que la aceptan pronto se ahorran una sorpresa después.

La lectura honesta

YuE2-3B no resuelve las cuestiones éticas sobre la música generada, y la licencia no comercial recuerda que quienes lo entrenaron protegen su terreno. Lo que muestra es que la generación musical abierta ha llegado a un nivel en el que la salida es usable, no solo demostrable. Las partituras editables son el detalle con más probabilidad de importar con el tiempo, porque el control es lo que convierte un generador en herramienta. La brecha que queda no es de calidad sino de claridad: qué material se usó para entrenar, qué permite cada licencia y cómo cobra un músico profesional cuando un modelo puede producir «en su estilo». Son las preguntas que la próxima ronda deberá responder.