Meta abre o Muse Spark Open, de 816 bilhões de parâmetros, e exige selo nos produtos

A Meta liberou em 15 de outubro os pesos do Muse Spark Open (abre em nova aba), um modelo de inteligência artificial com 816 bilhões de parâmetros feito para programar e para executar tarefas longas de forma autônoma. Qualquer pessoa pode baixar os arquivos e rodá-los em máquinas próprias, desde que cumpra a licença da empresa. A Meta o apresenta como o modelo de pesos abertos mais capaz já lançado por um laboratório dos Estados Unidos.

Pesos são os números que um modelo aprende durante o treinamento. Os parâmetros são esses números. Quem tem os pesos tem o modelo inteiro funcionando, e não apenas acesso a ele pela internet. Segundo a documentação da Meta, depois do download tudo roda offline e sem chave de API, o código que serviços online usam para identificar e cobrar quem os utiliza.

O modelo não é inédito. É a versão aberta do Muse Spark, que a Meta mantinha fechado, e as datas desse antecedente divergem: o site SiliconANGLE situa a estreia em abril, enquanto o blog do PyTorch (abre em nova aba) cita o lançamento de agosto como ponto de partida. O PyTorch acrescenta que a versão aberta compartilha o modelo-base do Muse Spark 1.3 e recebeu treinamento extra de segurança, para resistir a usos indevidos mesmo sem as proteções que cercam um sistema rodando nos servidores da empresa. A Meta afirma que o modelo cumpriu os critérios de liberação do seu Meta Superintelligence Scaling Framework. Os resultados detalhados estão na ficha técnica; o relatório completo de avaliação foi prometido para breve.

816 bilhões no total, 42 bilhões por vez

O número grande engana um pouco. O modelo usa apenas 42 bilhões de parâmetros de cada vez, graças a uma arquitetura chamada mistura de especialistas (MoE, na sigla em inglês). Ele é dividido em 256 "especialistas" e, a cada token, escolhe 8 deles para trabalhar. Token é o pedaço de texto que o modelo processa, em geral um fragmento de palavra.

Funciona como uma clínica com 256 médicos em que cada paciente passa por oito. O atendimento anda mais rápido. O prédio continua do mesmo tamanho: todos os 816 bilhões de parâmetros precisam estar carregados na memória, e os especialistas concentram cerca de 97% deles, segundo a análise técnica do Hugging Face (abre em nova aba).

A janela de contexto, o volume de material que o modelo consegue considerar de uma só vez, chega a 1 milhão de tokens. O modelo aceita texto, imagem, vídeo e áudio como entrada, mas responde só em texto. A ficha técnica informa treinamento com dados de mais de 100 idiomas.

O foco declarado é o trabalho de agente: a IA que não apenas responde, mas executa sequências de passos, como editar arquivos, rodar comandos, testar e corrigir. A Meta diz que o modelo se destaca em tarefas de longa duração, engenharia de software complexa e raciocínio em várias etapas. De acordo com o Hugging Face, a empresa descreve um treino baseado em fluxos reais de desenvolvedores, como reorganizar código espalhado por vários arquivos e longas sessões de caça a erros.

Uso comercial liberado, com selo e teto

A licença, chamada Muse Model License, está publicada no repositório do modelo no Hugging Face (abre em nova aba). A Meta define seus termos comerciais como "limitados". O texto permite, sem cobrança, usar, copiar, modificar, ajustar o modelo com novos dados (o chamado fine-tuning), destilar, combiná-lo com outros modelos, distribuir e vender cópias. As condições são três:

• incluir o aviso de direitos autorais, a licença e a política de uso em qualquer cópia;
• exibir com destaque a frase "Built with Muse Spark Open" ("feito com Muse Spark Open") na interface de cada produto que use o modelo ou derivados dele, ou então na documentação, no site ou nas configurações;
• quem oferece o modelo como serviço hospedado, vendendo acesso a ele, e passa de US$ 20 milhões de receita bruta em 12 meses consecutivos (somando empresas afiliadas) precisa avisar a Meta e assinar um acordo separado.

A cláusula dos US$ 20 milhões não alcança uso interno, pesquisa nem empresas que usam o modelo para alimentar funções do próprio produto. Numa situação hipotética, uma loja virtual que coloque o modelo no atendimento do seu site fica de fora; um fornecedor que revenda o acesso ao modelo entra na regra. A Meta não reivindica propriedade sobre o que o modelo gera.

A política de uso, também datada de 15 de outubro, diz que o modelo não se destina a menores de 18 anos. Ela proíbe aplicações militares e de guerra, na indústria nuclear, com materiais controlados pelo ITAR (regulamento americano sobre exportação de armamentos) e em infraestrutura crítica, e veta apresentar como humano um conteúdo produzido pelo modelo.

A tabela da Meta e uma régua externa

Os números de desempenho vêm de dois lugares. O primeiro é a tabela da própria Meta. Nela, segundo o SiliconANGLE, o Muse Spark Open marca 61,8 no JobBench, contra 31,1 do Inkling, da Thinking Machines Lab, e 27,2 do Nemotron 3 Ultra, da NVIDIA. No MCP-Atlas, teste ligado ao MCP, padrão que conecta modelos de IA a ferramentas externas, faz 89,2 e supera todos os concorrentes listados.

Na própria vitrine há um tropeço. No Terminal-Bench 2.1, que mede tarefas feitas no terminal, a tela de comandos em texto usada por programadores, o modelo tem 76,4; o Kimi K3 aparece com 85, e GLM 5.3 e Qwen3.8 também ficam acima. O título de "mais capaz" carrega um recorte geográfico. E a tabela foi montada por quem lançou o modelo.

A segunda régua é externa. A Artificial Analysis, organização que avalia modelos de IA com baterias padronizadas de testes, deu 39 pontos ao Muse Spark Open no seu Índice de Inteligência. A entidade informou que a Meta lhe deu acesso antecipado para os testes. O 39 que aparece na tabela da Meta é essa mesma medição, citada nos dois lugares.

A Meta lançou o Muse Spark Open, um modelo de pesos abertos de 816B (42B ativos) que marca 39 no Artificial Analysis Intelligence Index, o que faz dele o modelo de pesos abertos número 1 dos EUA

— Artificial Analysis (@ArtificialAnlys), 16 de out. de 2026, no X

Pela mesma avaliação, o modelo fica 22 pontos acima do Muse Glimmer, modelo aberto de 30 bilhões de parâmetros que a Meta lançou em agosto, e à frente do recém-lançado Nemotron 3.5 Super VL, da NVIDIA, com 26. O Glimmer é denso: todos os seus parâmetros trabalham em todo token, sem divisão em especialistas.

O gráfico também mostra um limite. Dentro da família da Meta, a versão aberta fica a um ponto do Muse Spark 1.2, o principal modelo da empresa em agosto, e bem atrás do Muse Wonder e do Muse Wonder Full. Na comparação com o Spark 1.2, a Artificial Analysis aponta vantagem do modelo aberto em automação (AutomationBench-AA) e uma taxa menor de alucinação, isto é, de informação inventada. Ele perde em GDPval-AA v2.1, CritPt e na precisão do AA-Omniscience. Os rótulos entre parênteses indicam quanto esforço de raciocínio o modelo usou; no Muse Spark Open, o padrão é o nível mais alto, "xhigh".

Gratuito para baixar, pesado para rodar

Os pesos estão no Hugging Face e nos catálogos da Amazon (SageMaker AI), do Google (Cloud Model Garden) e da Microsoft (Foundry Models). Há duas versões, que diferem na precisão com que cada número é guardado. A BF16 usa 16 bits por número e serve de referência. A NVFP4 grava a maior parte em 4 bits e mantém algumas camadas em BF16, o que reduz o espaço dos pesos a cerca de um terço, segundo a documentação da Meta (abre em nova aba).

As receitas variam com o equipamento. O Hugging Face descreve a BF16 distribuída por 32 GPUs H200, em quatro servidores, e a NVFP4 num único servidor com GPUs B200, versão pensada especificamente para a geração Blackwell da NVIDIA. A Meta lembra que a quantidade de placas depende da memória de cada uma, da conexão entre elas, do tamanho do contexto e do software. Os arquivos também não contam tudo: a memória que guarda a conversa em andamento, o chamado cache KV, consome cerca de 250 KB por token na BF16, o que soma uns 266 GB para um contexto completo de 1 milhão de tokens.

A Meta afirma que este é o primeiro modelo da categoria a rodar "no seu desktop". O desktop em questão são dois computadores Mac Studio com chip M5 Ultra, usando o MLX, ferramenta da Apple para rodar modelos, cada um com até 512 GB de memória acessível ao processador gráfico. Uma mesa bem equipada. Qual versão dos pesos cabe nesse arranjo, o anúncio não diz.

Quem não quer cuidar de máquinas pode usar o modelo hospedado. Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter e Together AI oferecem acesso desde o lançamento, por API, a interface pela qual um programa conversa com um serviço online. Para quem instala por conta própria, o modelo funciona em programas como SGLang, vLLM, TensorRT-LLM, Transformers, llama.cpp e Unsloth, com otimizações para chips AMD, Apple, Intel e NVIDIA. O TorchTitan, ferramenta de treinamento do ecossistema PyTorch, ganhou suporte para adaptar o modelo com ajuste fino e aprendizado por reforço.

Sobre velocidade, quem fala é o fornecedor do hardware. A NVIDIA (abre em nova aba) diz que o modelo foi treinado nos seus sistemas GB300 NVL72 e que, rodando tarefas de agente nessa plataforma, chega a 50 mil tokens por segundo por GPU e a 600 tokens por segundo por usuário. A legenda de um gráfico da própria empresa atribui o resultado a quatro GPUs Blackwell com decodificação especulativa, técnica que propõe vários tokens de uma vez para o modelo apenas confirmar.

A Meta também distribuiu kernels Helion, pequenos programas que executam as contas dentro da GPU. Em operações isoladas, eles aceleram o trabalho entre 1,03 e 3,95 vezes em placas NVIDIA e AMD. No percurso completo, medido numa AMD MI350, o ganho declarado é de 3%.

Baixar não custa nada. Ligar é outra conversa.

Perguntas frequentes