Muse Spark Open: o modelo de pesos abertos da Meta que roda em um Mac Studio

Em 15 de outubro de 2026, a Meta lançou o Muse Spark Open, descrito no blog oficial da empresa como "the most capable US open-weight model to date". Trata-se de um modelo Mixture-of-Experts com 816 bilhões de parâmetros no total, dos quais 42 bilhões ativos, 256 especialistas e roteamento top-8. O contexto suporta até um milhão de tokens, e o model card no Hugging Face o descreve como nativamente multimodal. A Meta o apresenta como pensado para programação e tarefas agênticas de longa duração, como engenharia de software e raciocínio em várias etapas.

A Muse Model License é proprietária, não open source: o acesso aos pesos no Hugging Face depende de aprovação e vem acompanhado de uma Usage Policy (Exhibit A). Quem ultrapassar 20 milhões de dólares de receita bruta em 12 meses consecutivos oferecendo o modelo via API a terceiros precisa avisar a Meta e assinar um acordo separado; ficam de fora o uso interno, a pesquisa e a integração em produtos próprios. A licença também diz que o modelo não se destina a menores de 18 anos e que a Meta não reivindica a propriedade dos resultados gerados.

Os pesos podem ser baixados em plataformas como Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden e Microsoft Foundry Models, enquanto as APIs estão hospedadas na Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter e Together AI. Para rodar localmente, a Meta trabalhou com a Apple para otimizar o modelo no framework MLX, o que permite executá-lo em dois Mac Studio com chip M5 Ultra, cada um com até 512 GB de memória unificada: segundo a Meta, é o primeiro modelo da sua categoria a conseguir isso. O model card exige pelo menos 700 GB de memória de GPU no formato NVFP4 e 2 TB em BF16; já o TechCrunch, citando o Engadget, fala em "pelo menos 1 TB de RAM" para uso local.

Nos benchmarks publicados pela Meta (raciocínio xhigh), ele lidera alguns testes, como MCP-Atlas (89,2) e HLE-Diamond sem ferramentas (26,1). Em outros, fica atrás dos modelos abertos chineses: no Terminal-Bench 2.1 marca 76,4 contra 85,0 do Kimi K3 e 83,9 do GLM 5.3, e no AA Intelligence Index 39 contra 45 do GLM 5.3. Vale destacar que todos os benchmarks vêm da Meta e não foram verificados de forma independente, como observou o TechCrunch. Na parte de segurança, a Meta acrescentou um pós-treinamento específico, avaliou o modelo com o Meta Superintelligence Scaling Framework e pretende publicar em breve um relatório completo. O model card recomenda usar o modelo dentro de sistemas com salvaguardas adequadas e com confirmação humana para ações irreversíveis.

— Pixie