A Meta liberou em 15 de outubro os pesos do Muse Spark Open. O modelo está no Hugging Face, sob a Muse Model License. É a primeira vez que a série Muse Spark abre seus pesos: são 816 bilhões de parâmetros no total, 42 bilhões ativados por token, janela de contexto de 1 milhão de tokens e suporte nativo a entradas de imagem, áudio e áudio com vídeo. No blog oficial do PyTorch, a Meta o descreve como «the most capable US open-weight model to date» (o modelo de pesos abertos mais capaz dos EUA até hoje).
A versão aberta compartilha o mesmo modelo-base do Muse Spark 1.3, lançado no mesmo dia; a diferença está no pós-treinamento. A versão aberta recebeu uma rodada extra de pós-treinamento de segurança que, segundo a Meta, torna o modelo mais difícil de usar de forma abusiva quando implantado isoladamente, sem proteções no nível do sistema. De acordo com a avaliação baseada no Superintelligence Scaling Framework da própria Meta, o modelo atingiu o limite exigido para o lançamento; o relatório de avaliação completo ainda não foi divulgado, e a empresa diz apenas que sairá «em breve».
Foco em programação e agentes
A Meta posiciona o modelo de forma estreita: tarefas de programação e de agentes. Os dados de treinamento incluem refatorações em vários arquivos, sessões de depuração e tarefas de longa duração; a empresa destaca a precisão na primeira tentativa e a estabilidade nas chamadas de ferramentas. No lado dos agentes, o modelo foi treinado para executar cadeias longas de tarefas em vários sites e pode criar subagentes para dividir o trabalho; o uso do computador no desktop, no celular e no navegador foi treinado de forma unificada. Antes de agir, ele ainda produz um trecho separado explicando o que pretende fazer.
O blog de pesquisa da Meta tem uma seção Key Benchmarks, mas o texto não lista nenhuma pontuação; os resultados em rankings de terceiros ainda terão de esperar. A Arena já incluiu o modelo na Agent Arena, mas a pontuação ainda não foi divulgada.
Dá para rodar em dois Macs?
A solução de desktop apresentada pela Meta usa dois Mac Studio M5 Ultra, cada um com até 512 GB de memória unificada, junto com a versão mais recente do MLX. A equipe de pesquisa em aprendizado de máquina da Apple publicou no mesmo dia medições próprias: após a quantização NVFP4, os pesos ocupam cerca de 493 GB e, somando a memória intermediária do processo de inferência, não cabem em uma única máquina; com dois equipamentos em paralelismo de pipeline, são 15,74 tokens por segundo, com paralelismo de tensores chega-se a 24,99, e com quatro equipamentos em paralelismo de tensores, a 36,73, num contexto de teste de 8192. As máquinas se comunicam pelo driver RDMA de Thunderbolt 5 introduzido no macOS 26.2, com dois cabos entre cada par.
Na nuvem, a velocidade é maior. SGLang e vLLM oferecem suporte desde o primeiro dia, e Together AI, Modal e OpenRouter já o disponibilizam. O preço serverless da Together é de US$ 1,25 por milhão de tokens de entrada, US$ 4,25 por milhão de tokens de saída e US$ 0,15 para entrada em cache, com gratuidade por tempo limitado até o meio-dia de 18 de outubro, no horário do Pacífico.
A Meta também aproveita o lançamento para promover seu conjunto de ferramentas PyTorch. O modelo acompanha kernels escritos em Helion, incluindo RoPE, RMSNorm e quantização, entre outros; a Meta afirma que, em NVIDIA GB300, eles são de 1,03 a 3,95 vezes mais rápidos do que kernels escritos à mão em CUDA e CuTe DSL. O mesmo conjunto de kernels, portado diretamente para o AMD MI350, aumenta a vazão de ponta a ponta em cerca de 3%. Para o ajuste fino, é possível usar o TorchTitan, que oferece suporte a SFT em várias etapas, LoRA e aprendizado por reforço.
Do código fechado ao aberto
Juntando a trajetória da Meta: o Muse Spark foi lançado como o primeiro modelo de código fechado da empresa, seguindo um caminho diferente da era Llama; a versão 1.2, em agosto, trouxe junto o produto de programação Muse Code; antes disso, a Meta já tinha lançado o Muse Glimmer, um modelo denso pequeno voltado para dispositivos. Agora o próprio Spark também teve os pesos liberados, e a linha de modelos da Meta passa a ter duas frentes em paralelo: uma versão fechada, com iterações contínuas, e uma versão aberta, sobre a mesma base, separadas por uma camada de pós-treinamento de segurança.
Esse arranjo permite que a Meta atenda aos dois lados. A versão fechada continua sendo cobrada nos produtos Muse e na API, enquanto a aberta disputa desenvolvedores e o suporte de lançamento dos provedores de inferência; de SGLang e vLLM a vários provedores de nuvem, todos acompanharam já no primeiro dia, e esse passo a Meta cumpriu.
A licença continua sendo uma incógnita. A Meta fala apenas em «termos comerciais limitados» e diz que muitos desenvolvedores podem usar o modelo gratuitamente; o blog não informa o limite para uso comercial nem se manterá a prática da licença Llama de impor restrições com base no número de usuários ativos mensais. O texto integral dos termos é o que consta na página do Hugging Face, e as empresas que quiserem usá-lo comercialmente precisam ler essa licença até o fim.
Fontes: blog oficial do PyTorch, blog de pesquisa da Meta, CocoLoop, blog de pesquisa em aprendizado de máquina da Apple, Together AI; a página de preços da Together serviu para conferir o valor por milhão de tokens e o período gratuito, e as medições da Apple para conferir o tamanho após a quantização e os tokens por segundo.