Meta lança pesos do Muse Spark Open e guias de implantação

A Meta lançou os pesos do Muse Spark Open em 15 de outubro de 2026. Agora, uma equipe pode baixar os checkpoints BF16 ou NVFP4 da Meta, executar um formato compatível em seu próprio hardware ou chamar o modelo por meio de um parceiro de lançamento. A escolha importa: o checkpoint completo tem cerca de 1,65 TB de pesos, o checkpoint NVFP4 tem cerca de 537 GB, e um endpoint hospedado tem suas próprias condições de acesso e preço. O BIG CHANGE consultou os documentos de lançamento, o cartão do modelo, o guia de implantação e a licença. Não baixamos nem executamos o modelo.

A Meta descreve o Muse Spark Open como um modelo esparso de mistura de especialistas, com 816 bilhões de parâmetros no total e cerca de 42 bilhões ativos por token. Ele aceita texto, imagens, vídeo e áudio e produz texto. A documentação do modelo especifica um contexto máximo de 1.048.576 tokens. Esse é um limite do modelo, não uma promessa de que todo provedor ou configuração local alocará essa quantidade de tokens.

A grande mudança

• O que mudou: A Meta publicou pesos do Muse Spark Open para download sob sua Muse Model License, junto com opções documentadas de hospedagem própria, APIs de parceiros e pós-treinamento.
• Por que importa: Os desenvolvedores podem escolher onde a inferência será executada e qual checkpoint ou provedor atende à sua carga de trabalho. As configurações publicadas tornam essa escolha mais concreta, mas memória, contexto, preço e acesso ainda dependem da opção escolhida.
• O que acompanhar: Testes independentes do checkpoint lançado, contexto e preços específicos de cada provedor e o comportamento das quantizações menores em tarefas reais. As demonstrações e avaliações da Meta não comprovam esses resultados em outra implantação.

Pesos, hardware e contexto

O guia de download da Meta indica dois repositórios oficiais no Hugging Face: meta-models/Muse-Spark-Open-816B-A42B para BF16 e meta-models/Muse-Spark-Open-816B-A42B-NVFP4 para o checkpoint menor. Os arquivos de pesos BF16 têm cerca de 1,65 TB; os NVFP4, cerca de 537 GB. Esses são tamanhos de armazenamento, antes do cache de chave-valor, das ativações e da sobrecarga do ambiente de execução. Os exemplos de implantação da Meta usam oito GPUs B300 para BF16 e quatro GPUs B300 para NVFP4. Sua tabela de hardware também descreve configurações AMD Instinct com vLLM, uma opção Intel Xeon 6 INT4 com SGLang e uma configuração Apple MLX que usa dois Mac Studios M5 Ultra com 512 GB de memória unificada cada, ou quatro com 256 GB cada. São configurações específicas, não uma garantia geral de compatibilidade.

Para uma estação de trabalho com muito menos memória, o guia de implantação aponta para quantizações GGUF de terceiros. A faixa de planejamento do Unsloth é de aproximadamente 300–315 GB de RAM e VRAM combinadas para uma versão dinâmica de 2 bits. Isso usa um checkpoint e um ambiente de execução diferentes dos downloads BF16 e NVFP4 da Meta. O comando de exemplo do Unsloth começa com um contexto de 32.768 tokens para controlar o uso de memória. Uma equipe deve dimensionar seu contexto real e as solicitações paralelas conforme a memória disponível, em vez de interpretar o teto de um milhão de tokens do modelo como a configuração padrão de implantação.

Escolha onde as solicitações serão executadas

O guia de implantação documenta opções de servidor com SGLang, vLLM e TensorRT-LLM, uma opção Python com Transformers, MLX para a configuração especificada de Mac Studios, além de llama.cpp e Unsloth com suas variantes GGUF. Ele lista endpoints HTTP compatíveis com OpenAI para vários ambientes de servidor; o Transformers usa uma interface Python. Cada configuração identifica seu checkpoint, paralelismo e parâmetros de execução. Escolher outra quantização ou outro acelerador exige a configuração própria daquela opção.

A Meta também lista acesso hospedado desde o lançamento por Baseten, Fireworks AI, Modal, Nebius, OpenRouter e Together AI. A opção da Groq é descrita como uma prévia limitada, portanto o acesso depende de uma organização elegível. A seção de parceiros distingue ofertas sem servidor de ofertas dedicadas. Ela não estabelece um preço ou uma alocação de contexto comum a todos os provedores. Uma API hospedada usa as credenciais e a cobrança do provedor; a inferência local exige o checkpoint, armazenamento substancial e recursos de computação compatíveis. O guia de download da Meta diz que uma execução local offline não precisa de chave de API de modelo depois que os pesos são obtidos.

Para uma primeira avaliação, os desenvolvedores podem usar um endpoint de parceiro para testar seus próprios prompts e chamadas de ferramentas, ou seguir a configuração local exata para seu checkpoint e hardware. O cartão do modelo da Meta alerta que o modelo pode produzir respostas imprecisas e erros em raciocínios com várias etapas. Ele recomenda proteções no nível do sistema para agentes com ferramentas. Nem uma demonstração de lançamento nem os benchmarks divulgados pela empresa mostram que um agente concluirá com confiabilidade o fluxo de trabalho de uma equipe específica.

A licença tem condições

A Muse Model License, datada de 15 de outubro, permite uso, modificação e distribuição sujeitos às suas condições e à política de uso anexa. Ela exige que a licença e a política acompanhem cópias e derivados, além de um aviso em destaque, “Built with Muse Spark Open”, nos produtos ou serviços que usem o software ou seus derivados. Um provedor de modelo como serviço cuja receita bruta agregada, somada à de suas afiliadas, ultrapasse US$ 20 milhões em quaisquer 12 meses consecutivos deve notificar a Meta e firmar um contrato escrito separado antes de oferecer o modelo ou seus derivados nesse negócio. A licença exclui expressamente dessa exigência específica o uso interno e os produtos comerciais que usam o modelo como componente sem oferecer um produto de modelo como serviço. Equipes que planejam uma implantação devem ler a licença e a política atuais para seu uso. Pesos disponíveis para download não tornam o lançamento código aberto sem restrições, e inferência hospedada ou hardware geralmente não são gratuitos.

A Meta lançou esse modelo três dias depois de apresentar a família hospedada Muse Wonder. O Spark Open oferece às equipes uma decisão separada sobre download de pesos e implantação. A questão prática agora é qual opção documentada pode atender às entradas, ao contexto, ao orçamento e ao processo de revisão pretendidos pela equipe. Isso continua sendo uma escolha de configuração e avaliação, não um resultado medido pelo BIG CHANGE.

Fontes e leituras adicionais

• Anúncio do Meta AI Research, 15 de outubro de 2026 — data de lançamento, descrição do modelo, lista de parceiros e demonstração da empresa. As declarações sobre capacidade e avaliação são da Meta.
• Guia de lançamento para desenvolvedores da Meta, 15 de outubro de 2026 — documentação de ambientes de execução, checkpoints, provedores hospedados e pós-treinamento, opção por opção. Suas declarações sobre benchmarks e usuários iniciais continuam atribuídas às respectivas fontes.
• Documentação da Meta sobre modelo, download, hardware e implantação — entradas e saída exatas, tamanho, configurações, pré-requisitos e acesso a provedores; leia os parâmetros atuais de cada opção vinculada antes da implantação.
• Cartão do modelo Muse Spark Open — limites do modelo, avaliações da Meta e limitações declaradas. O BIG CHANGE não as executou nem as reproduziu de forma independente.
• Muse Model License e política de uso, 15 de outubro de 2026 — condições aplicáveis de redistribuição, atribuição e modelo como serviço. Este resumo não substitui o texto completo.