Principais destaques
- 816 bilhões de parâmetros: Muse Spark Open combina uma arquitetura de mistura de especialistas com 42 bilhões de parâmetros ativados por token.
- Disponível em várias plataformas: o modelo chegou a sete provedores de API e pode ser baixado em plataformas como Hugging Face, Google Cloud e Amazon SageMaker.
- Feito para agentes de programação: foi treinado para lidar com refatorações complexas, depuração prolongada e tarefas que exigem planejamento e verificação de resultados.
A Meta voltou a apostar pesado nos modelos de inteligência artificial com pesos abertos. Em 15 de outubro de 2026, a empresa lançou o Muse Spark Open, uma versão de seu modelo Muse Spark voltada a desenvolvedores que desejam construir agentes de IA, automatizar tarefas de programação e adaptar modelos às próprias necessidades.
O lançamento recoloca a companhia na disputa por uma alternativa aos grandes modelos chineses de pesos abertos. Mas há um detalhe importante: embora os pesos estejam disponíveis para download, executar o modelo localmente exige uma infraestrutura que está longe de ser comum.
🧠 Um modelo gigante que não ativa todos os parâmetros
O Muse Spark Open utiliza uma arquitetura Mixture of Experts (MoE), ou mistura de especialistas. Em vez de acionar todos os parâmetros durante cada operação, o sistema seleciona especialistas específicos para processar cada token.
Os números ajudam a entender a estratégia:
- 816 bilhões de parâmetros totais: o tamanho completo do modelo.
- 42 bilhões de parâmetros ativos por token: apenas uma fração é acionada durante cada processamento.
- 1 milhão de tokens de contexto: uma janela extensa para trabalhar com grandes volumes de informação.
A arquitetura MoE permite aproveitar a capacidade de um modelo enorme sem exigir que todos os seus parâmetros participem de cada operação. Isso não elimina, porém, as exigências de memória e infraestrutura necessárias para carregar e executar seus pesos.
💡 Pesos abertos não significam execução acessível. O modelo pode estar disponível para download, mas colocá-lo para funcionar localmente continua sendo um desafio de hardware.
A Meta descreve o lançamento como o modelo de pesos abertos mais capaz dos Estados Unidos até o momento. A empresa também afirma que ele rivaliza com modelos equivalentes de importantes desenvolvedores chineses e supera alguns deles em determinadas avaliações.
Essas comparações, no entanto, são alegações da própria empresa e precisam ser avaliadas à luz de benchmarks independentes.
💻 O foco está em programar, planejar e corrigir erros
O Muse Spark Open foi desenvolvido para tarefas que vão além de gerar pequenos trechos de código.
Segundo informações divulgadas pela AWS com base no material da Meta, o treinamento incluiu atividades reais de desenvolvimento, como refatorações que envolvem vários arquivos e sessões prolongadas de depuração.
A proposta é permitir que agentes de IA conduzam tarefas com várias etapas, em vez de apenas responder a uma instrução isolada.
🔎 O que muda na prática: o modelo foi pensado para planejar uma ação, executá-la, verificar o resultado e corrigir o próprio trabalho quando necessário. Esse ciclo é especialmente importante em projetos de software nos quais um erro pode comprometer arquivos ou funcionalidades que dependem uns dos outros.
O modelo também aceita entradas de texto, imagem, vídeo e áudio, embora sua saída seja textual. Isso amplia as possibilidades de interação com agentes e ferramentas de desenvolvimento.
☁️ Sete provedores de API já oferecem acesso
A distribuição começou com uma rede ampla de parceiros. Sete plataformas ofereciam acesso à API no lançamento:
- Baseten
- Fireworks AI
- Groq
- Modal
- Nebius
- OpenRouter
- Together AI
Os pesos também foram disponibilizados em plataformas de infraestrutura e distribuição de modelos, incluindo Hugging Face, Google Cloud Model Garden, Microsoft Foundry Models e Amazon SageMaker AI.
A AWS anunciou duas variantes no SageMaker JumpStart: BF16, em precisão completa, e NVFP4, uma versão compactada. No lançamento, ambas estavam disponíveis nas regiões Norte da Virgínia e Ohio, nos Estados Unidos.
A diferença entre essas versões importa porque a precisão numérica e a compressão afetam o consumo de memória, o desempenho e os compromissos de execução.
⚙️ Nvidia, Intel, AMD e Apple entram na história
A Meta também apresentou o modelo com suporte de fabricantes de hardware, um sinal de que a estratégia não depende exclusivamente de seus próprios servidores.
Nvidia
A empresa anunciou otimizações para seus chips Blackwell Ultra, incluindo versões NVFP4. Segundo a Nvidia, cada token é direcionado a oito dos 256 especialistas do modelo.
Intel e AMD
A Intel anunciou suporte desde o primeiro dia, enquanto a Meta afirmou que o modelo também foi otimizado para hardware da AMD.
Apple
A Meta mencionou a possibilidade de executar o modelo com dois Mac Studios equipados com M5 Ultra, usando o framework MLX. A configuração, porém, não elimina as limitações de memória.
🍎 Dois Mac Studios resolvem o problema?
Não necessariamente.
Segundo o Engadget, a execução local do modelo exige aproximadamente 1 TB de memória unificada. Essa capacidade supera a memória disponível em qualquer Mac vendido atualmente pela Apple, conforme a reportagem citada no material original.
A menção a dois Mac Studios deve ser entendida como uma configuração proposta para execução, e não como garantia de que qualquer combinação de dois computadores seja suficiente. A viabilidade depende da memória efetivamente disponível, da distribuição dos pesos e dos requisitos da implementação utilizada.
Para a maioria dos desenvolvedores, portanto, acessar o Muse Spark Open por uma API ou por infraestrutura em nuvem tende a ser mais viável do que tentar executá-lo em uma estação de trabalho convencional.
🔓 Pesos públicos, mas código fechado
O nome open exige uma ressalva. A Meta publicou os pesos do Muse Spark Open, mas não o código-fonte completo do modelo.
A distribuição utiliza a Muse Model License, que contém condições comerciais e permite que muitos desenvolvedores usem o modelo gratuitamente. Isso não equivale, necessariamente, a uma licença de software livre sem restrições.
A distinção é importante para empresas que pretendem integrar o modelo a produtos comerciais ou modificar sua implementação. Antes de adotar a tecnologia, será necessário verificar os termos aplicáveis ao caso de uso específico.
🛡️ E quanto à segurança? A Meta afirma ter realizado treinamento adicional de segurança e testes voltados a seus riscos mais graves, concluindo que o modelo respeitou os limites definidos pela própria empresa. Essa declaração não substitui avaliações independentes nem garante ausência de comportamentos indesejados.
🚀 A disputa agora é por quem consegue transformar capacidade em produto
O lançamento coloca a Meta novamente no centro da disputa por modelos que desenvolvedores possam adaptar, integrar e executar em diferentes ambientes.
A combinação de uma janela de contexto de um milhão de tokens, arquitetura MoE e foco em agentes de programação é relevante para aplicações que precisam trabalhar com repositórios extensos, executar tarefas em várias etapas e verificar o próprio resultado.
Mas o tamanho do modelo também expõe o paradoxo dos pesos abertos: disponibilizar os arquivos amplia o acesso à tecnologia, sem necessariamente democratizar a infraestrutura necessária para utilizá-la.
A pergunta agora é se o Muse Spark Open conseguirá demonstrar vantagens consistentes em testes independentes e em projetos reais. Se isso acontecer, a Meta terá um argumento forte para atrair desenvolvedores. Se o custo computacional continuar sendo uma barreira, o acesso por APIs poderá ser o caminho mais importante para sua adoção.
