Muse Spark Open: O Modelo Open-Weight da Meta para Programação e Agentes, Explicado

Muse Spark Open é o novo modelo open-weight da Meta para programação e trabalho agêntico, lançado em 15 de outubro de 2026. É a versão para download do Muse Spark — um modelo mixture-of-experts de 816 bilhões de parâmetros que ativa cerca de 42B parâmetros por token, lê até 1M de tokens de texto, imagem, vídeo e áudio, e retorna texto. A Meta o chama de "modelo open-weight norte-americano mais capaz até hoje." Veja o que essa afirmação significa, onde o modelo se destaca, onde fica atrás, qual hardware ele precisa e a licença que você realmente aceita.

O Que É o Muse Spark Open?

Muse Spark Open é o lançamento open-weights da linha Muse Spark da Meta, criado para trabalho agêntico de longo horizonte em vez de chat de resposta única. Ele planeja, age, observa e se autocorrige em tarefas longas — incluindo navegação na web com imagens — e foi treinado em fluxos de trabalho reais de desenvolvedores, como refatorações de múltiplos arquivos e longas sessões de depuração.

As especificações principais do post de lançamento da Meta:

• 816B parâmetros totais / 42B ativos (design sparse mixture-of-experts)
• Janela de contexto de 1M tokens na inferência
• Nativamente multimodal: texto, imagem, vídeo e áudio como entrada; texto como saída

Arquiteturalmente, é um transformer de 62 camadas onde cada camada substitui uma rede feed-forward densa por um bloco Mixture-of-Experts de 256 especialistas, com um roteador selecionando 8 por token. Um encoder de percepção de 1,8B parâmetros converte imagens e frames de vídeo em tokens, e um caminho separado processa áudio. Como apenas 8 especialistas são ativados por token, o modelo roda aproximadamente na velocidade de um modelo de 42B enquanto exige a memória de um de 816B.

É a versão open-weights do modelo Muse Spark da Meta, com pós-treinamento de segurança adicional para que funcione bem quando executado como pesos independentes sem guardrails de sistema, conforme o model card da Meta. A Meta vende vários modelos fechados por meio de sua API — os modelos frontier Muse Wonder e o Muse Spark 1.3 — enquanto o Muse Spark Open e o menor Muse Glimmer são os lançamentos open-weight que você pode baixar e hospedar por conta própria.

O Muse Spark Open É Realmente Open Source?

Não — e essa distinção importa. Os pesos são baixáveis, mas são distribuídos sob a Muse Model License personalizada da Meta, não uma licença open-source aprovada pela OSI.

A licença concede amplos direitos para usar, modificar, fazer fine-tuning, destilar e redistribuir o modelo, mas com condições:

• Atribuição: todo produto que usar o modelo ou um derivado deve exibir de forma destacada "Built with Muse Spark Open" em sua interface, documentação, site ou configurações.
• Cláusula de modelo como serviço: uma empresa que ofereça acesso via API ao modelo, com receita de grupo acima de US$ 20M em qualquer período de 12 meses, deve notificar a Meta e assinar um acordo separado antes.
• Derivados: qualquer coisa com fine-tuning ou destilada do modelo — mesmo treinada em suas saídas — carrega o mesmo dever de atribuição.

Para a maioria das equipes — uso interno, pesquisa ou funcionalidades dentro do seu próprio produto — é gratuito para uso comercial; a Muse Model License exclui explicitamente esses casos da cláusula de modelo como serviço. Se você revende acesso ao modelo em escala, leia as letras miúdas primeiro. O The New Stack coloca de forma direta: os pesos são abertos, mas a licença não é totalmente aberta, um padrão que ele observa ser semelhante a alguns lançamentos chineses recentes.

Benchmarks: Onde Lidera e Onde Fica Atrás

A Meta posiciona o Muse Spark Open como o melhor modelo open-weight norte-americano, e seu próprio model card o compara com esforço de raciocínio xhigh contra sete modelos abertos similares, incluindo Kimi K3, GLM 5.3 e Qwen3.8. A leitura honesta é que ele é líder em uso de ferramentas e fica atrás em programação.

Fonte: Model card da Meta, outubro de 2026.

Leia a tabela de acordo com o que seu agente realmente faz:

• Seleção de ferramentas: MCP-Atlas e JobBench são as linhas onde ele lidera, portanto agentes cuja principal função é escolher e sequenciar chamadas de ferramentas são seu ponto mais forte.
• Trabalho em terminal e repositório: fica atrás do Kimi K3 por 8,6 pontos no Terminal-Bench 2.1 e por 8 pontos tanto no DeepSWE 1.1 quanto no SWE-Atlas-QnA. Se seu agente vive em um terminal, execute suas próprias tarefas de repositório antes de migrar.
• Classificação composta: no Artificial Analysis Intelligence Index ele pontua 39, atrás de GLM 5.3, Kimi K3 e Qwen3.8 — portanto "mais capaz" é especificamente uma classificação entre modelos open-weight norte-americanos, não em todo o campo aberto.

Uma área onde ele genuinamente se destaca é a resistência a jailbreak: pontuou 0,5 no StrongREJECT v2 com ataques adaptativos (menor é melhor), enquanto nenhum outro modelo na tabela da Meta pontuou abaixo de 62,9 — um resultado direto daquele pós-treinamento de segurança adicional.

Qual Hardware o Muse Spark Open Precisa?

Este é o ponto crítico. "Open weight" não significa "roda no seu laptop." O checkpoint completo em BF16 tem cerca de 1,6 TB, e mesmo o build quantizado em NVFP4 tem cerca de 530 GB.

• GPU: o NVFP4 roda em quatro GPUs Blackwell Ultra ou oito H200s; o model card pede pelo menos 700 GB de VRAM para NVFP4 e 2 TB para BF16.
• Mac: a Meta e a Apple ajustaram um build MLX que roda o checkpoint NVFP4 em dois M5 Ultra Mac Studios com 512 GB de memória unificada cada, ou quatro Mac Studios com 256 GB cada — cerca de 1 TB de memória unificada no total — conectados via Thunderbolt 5.
• Build menor: os quants GGUF da Unsloth chegam a cerca de 2 bits e cabem em aproximadamente 300 GB de memória combinada — uma única workstation de alta memória, não um MacBook.

Ele roda em SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, MLX, llama.cpp e Unsloth, e está disponível desde o primeiro dia em APIs hospedadas incluindo Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter e Together AI. Os pesos podem ser baixados do Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden e Microsoft Foundry Models. Para a maioria das equipes, um endpoint hospedado é a forma realista de experimentá-lo antes de se comprometer com hardware.

Quem Deve Usá-lo?

Muse Spark Open é uma boa escolha se você está construindo agentes que orquestram ferramentas — os resultados do MCP-Atlas e do JobBench confirmam isso — e você quer a opção de hospedar por conta própria para controle de dados, fazer fine-tuning nos seus próprios fluxos de trabalho ou destilar um modelo menor. A multimodalidade nativa é um diferencial real: o mesmo modelo pode ler uma captura de tela, ouvir uma nota de voz ou assistir a uma gravação de tela enquanto trabalha.

É uma escolha mais fraca se seu agente é principalmente um agente de programação que vive em um terminal, onde concorrentes abertos como o Kimi K3 atualmente pontuam mais alto. E não é para quem espera rodar pesos em escala frontier em hardware para consumidores.

Conclusão

Muse Spark Open é um lançamento open-weight confiável e genuinamente útil, melhor compreendido como um modelo de agente multimodal e de uso de ferramentas, não um campeão de programação. O enquadramento de "modelo open-weight norte-americano mais capaz" é preciso, mas restrito. A licença é permissiva para a maioria das equipes, mas vale a pena ler se você revende acesso, e a exigência de hardware é alta o suficiente para que uma API hospedada seja a entrada mais sensata. Se você constrói agentes e valoriza a auto-hospedagem, ele merece estar na sua lista de candidatos para testar em suas próprias tarefas.

Execute Modelos Abertos Dentro da Sua Própria Força de Trabalho de IA

Um modelo open-weight prova seu valor quando está integrado a fluxos de trabalho reais — ferramentas, arquivos, revisão de código e planos de múltiplas etapas — não em uma janela de chat. Eigent é um aplicativo desktop Cowork open-source que executa uma força de trabalho de IA multi-agente localmente e é agnóstico em relação ao modelo, para que você possa direcionar um modelo como o Muse Spark Open para as tarefas em que ele é mais forte e manter o trabalho sensível na sua própria máquina. Veja como os agentes podem revisar PRs do GitHub de ponta a ponta e depois baixe o Eigent para experimentar.

Perguntas Frequentes

O que é o Muse Spark Open?

Muse Spark Open é o modelo open-weight da Meta para programação e trabalho agêntico, lançado em 15 de outubro de 2026. É um modelo mixture-of-experts de 816B parâmetros que ativa cerca de 42B parâmetros por token, aceita entrada de texto, imagem, vídeo e áudio, e tem uma janela de contexto de 1M tokens. É a versão open-weights do modelo Muse Spark da Meta.

O Muse Spark Open é open source?

Não. Os pesos são baixáveis, mas são lançados sob a Muse Model License personalizada da Meta, não uma licença open-source aprovada pela OSI. A licença permite uso, fine-tuning, destilação e redistribuição, mas exige um rótulo visível "Built with Muse Spark Open" em todo produto que use o modelo ou um derivado.

O Muse Spark Open é gratuito para uso comercial?

Sim, para a maioria das equipes. Apenas uma empresa que ofereça modelos como serviço por meio de uma API, com receita de grupo acima de US$ 20M em qualquer período de 12 meses, precisa notificar a Meta e assinar um acordo separado antes. Uso interno, pesquisa e funcionalidades dentro do seu próprio produto ficam fora dessa cláusula.

O Muse Spark Open pode rodar em um Mac?

Sim, mas você precisa de hardware robusto. O checkpoint NVFP4 roda via MLX em dois M5 Ultra Mac Studios com 512 GB de memória unificada cada, ou quatro Mac Studios com 256 GB cada, conectados via Thunderbolt 5 — cerca de 1 TB de memória unificada no total. O menor build GGUF da Unsloth cabe em cerca de 300 GB de memória combinada.

O Muse Spark Open é o melhor modelo open-weight para programação?

Não. No próprio model card da Meta ele pontua 76,4 no Terminal-Bench 2.1, 60 no DeepSWE 1.1 e 58 no SWE-Atlas-QnA — atrás do Kimi K3 nos três. Seu destaque é no uso de ferramentas, onde lidera o MCP-Atlas com 89,2. Execute suas próprias tarefas de repositório antes de migrar um agente de programação para ele.

Como o Muse Spark Open se relaciona com os modelos Muse fechados da Meta?

Muse Spark Open é a versão open-weights do modelo Muse Spark da Meta, com pós-treinamento de segurança adicional para que resista ao uso indevido quando executado sem guardrails de sistema. A Meta também vende modelos fechados por meio de sua API — os modelos frontier Muse Wonder e o Muse Spark 1.3 — enquanto os pesos do Muse Spark Open podem ser baixados do Hugging Face para que você possa hospedá-lo por conta própria, quantizá-lo e fazer fine-tuning.