Meta lançou Muse Spark Open, modelo aberto com 816 bilhões de parâmetros. A empresa o apresenta como o mais poderoso dos EUA para agentes e codificação. Os pesos foram disponibilizados em 15 de outubro, segundo o Habr, e o anúncio oficial saiu no dia 16, pelo Dev.by.
Arquitetura e capacidades
Muse Spark Open usa arquitetura Mixture of Experts: 816 bilhões de parâmetros no total, dos quais 42 bilhões ficam ativos por token, com 62 camadas e janela de contexto de até 1 milhão de tokens. Aceita texto, imagem, vídeo e áudio como entrada, mas gera apenas texto. A Meta o direciona a cenários de codificação e agentes autônomos — planejamento multifásico, chamada de ferramentas, recuperação de falhas — com modo de raciocínio ajustável de low a xhigh, máximo por padrão.
Pesos e compatibilidade
Os pesos estão no Hugging Face em dois formatos: BF16 e NVFP4 (4-bit). Em 4-bit, ocupam cerca de 493 GB, sem contar memória para cálculos intermediários — o que torna impossível rodar em uma única máquina. A configuração mínima exigida pela Meta inclui dois Mac Studio com chip M5 Ultra (até 512 GB de memória unificada cada) ou um servidor com aproximadamente 700 GB de VRAM. O modelo é compatível com vLLM, SGLang, TensorRT-LLM, llama.cpp, Unsloth, Transformers e Apple MLX.
Desempenho em benchmarks
Em tarefas agentes, o Muse Spark Open lidera: 61,8 no JobBench — à frente de GLM 5.3 (61,4) — e 89,2 no MCP-Atlas, batendo atrás de Qwen3.8 (84,5). Em HLE-Diamond, marca 26,1, superando Kimi K3 (22,2). Mas recua diante de Kimi K3 e GLM 5.3 em testes de terminal: 2,1 no Terminal-Bench 2.1 (vs. 85,0 e 83,9) e 60 no DeepSWE 1.1 (vs. 68). Em GPQA Diamond, alcança 89,0, abaixo de Qwen3.8 e Kimi K3 (93,5).
Posicionamento e limitações
A apuradora Habr lembra que a pontuação global no Artificial Analysis Intelligence Index é de 39 — abaixo de Kimi K3 (44) e GLM 5.3 (45). A própria Meta adiciona ressalvas metodológicas: parte dos dados dos concorrentes vem de relatórios próprios, parte de liderboards públicos, e trechos foram reprocessados internamente sem afinamento para modelos alheios. Testes multimodais (ZeroBench, BabyVision, Video-MME) envolvem apenas Muse Spark Open e Kimi K3, já que demais modelos não reconhecem imagens. Alex Wang, líder de IA da Meta, disse à CNBC que o lançamento não contempla as versões mais fortes da empresa — a aposta é que desenvolvedores testem em escala reduzida e depois ampliem o uso.
