Muse Spark Open: il miglior modello open-weight statunitense è un'affermazione con termini e condizioni

L'affermazione è arrivata su X la sera del 15 ottobre 2026, ed è il tipo di affermazione che è vera in una frase e discutibile in quella successiva. Meta ha pubblicato i pesi di Muse Spark Open — il checkpoint da 816 miliardi di parametri e 42 miliardi attivi che teneva in serbo da quando il repository è comparso su Hugging Face un mese prima — e nel giro di poche ore la frase che gli è stata affibbiata era "miglior modello statunitense a pesi aperti". Il numero che più lo sostiene direttamente non è quello di Meta. È 39: il punteggio che la scheda ospitata da Artificial Analysis stessa assegna a Muse Spark Open con la sua impostazione di ragionamento xhigh, nono tra i 118 modelli a pesi aperti più grandi di 150 miliardi di parametri in quella classifica, rispetto a una mediana della categoria di 19. Questa è una misurazione reale di terze parti di un modello realmente scaricabile. Separatamente, Muse Spark 1.3 — il checkpoint attuale della linea chiusa Muse Spark, in disponibilità generale dal 2 settembre 2026 — ottiene 48 sullo stesso indice. Entrambi i numeri appartengono a Meta. Solo uno di essi appartiene a qualcosa che si può scaricare, e solo uno di essi è misurato da qualcuno diverso da Meta.

Le date, perché l'inquadratura dipende da esse

Qui nulla è un lancio, e la confusione è facile da spiegare. Meta Superintelligence Labs ha introdotto la famiglia Muse Spark l'8 aprile 2026. Muse Spark 1.1 è arrivata il 16 luglio, Muse Spark 1.2 il 5 agosto e Muse Spark 1.3 il 2 settembre — l'ultima delle quali ha acquisito il suo livello di ragionamento "max" il 4 settembre, dopo ulteriori test di sicurezza. Quella linea è proprietaria e servita. Muse Spark Open è un artefatto separato: un repository Hugging Face ad accesso controllato, meta-models/Muse-Spark-Open-816B-A42B, il cui timestamp di creazione è 2026-09-15, più una build NVFP4 creata qualche secondo prima. I pesi sono rimasti lì per quattro settimane all'interno di un modulo ad accesso controllato. Il 15 ottobre 2026, Meta ha pubblicato il testo della licenza, un post sul blog di ricerca, una guida alla build per sviluppatori e una scorecard di benchmark, e il repository ha smesso di essere un artefatto che nessuno aveva annunciato.

Quindi la lettura corretta non è né "stealth drop" né "lancio". Il modello è esistito in silenzio per un mese; le carte in regola sono arrivate il 15 ottobre. Ciò che è cambiato per chiunque debba decidere cosa eseguire è ristretto e specifico: ora c'è una licenza che si può leggere, una ricetta hardware dichiarata, supporto dal primo giorno nei framework che le persone usano davvero, e una misurazione indipendente. Ciò che non è cambiato è la linea chiusa, il prezzo della linea chiusa, o qualsiasi cosa riguardo ai modelli API che la maggior parte dei lettori di questo sito chiama.

"Apri" è la parte con le condizioni.

La licenza è il luogo in cui l'affermazione di richiamo trova le sue clausole in piccolo, e vale la pena leggerla prima di ripeterla. Muse Spark Open viene distribuito con la Muse Model License. Meta lo descrive come un modello che consente a molti sviluppatori di usarlo gratuitamente, e due clausole definiscono dove finisce il "gratuito".

• Modello come servizio — se l'utente o le sue affiliate concedono a terze parti l'accesso al modello come prodotto o servizio tramite un'API, e i ricavi lordi aggregati superano i venti milioni di dollari statunitensi in un qualsiasi periodo di dodici mesi consecutivi, l'utente deve inviare una notifica a Meta e firmare un accordo scritto separato prima di esercitare tale attività. L'integrazione del modello nel proprio prodotto è esclusa; la rivendita dell'accesso al modello non lo è.

• Attribuzione — la licenza richiede che "Built with Muse Spark Open" sia visualizzato in modo ben visibile nell'interfaccia di qualsiasi prodotto che utilizzi il modello o un derivato, oppure nella documentazione, nel sito o nel menu delle impostazioni che lo accompagnano.

• Ciò che puoi chiaramente fare — eseguire il fine-tuning, distillare, fondere, pubblicare, concedere in sublicenza e vendere derivati, con Meta che non rivendica alcuna proprietà sugli output.

• Come ottenerlo — il repository è ad accesso limitato. Il modulo di richiesta richiede nome legale completo, data di nascita e organizzazione con identificativi aziendali, e non può essere modificato dopo l'invio.

È questa combinazione a rendere l'espressione "miglior modello open-weight statunitense" un'affermazione di categoria anziché assoluta. Nello stesso panel di Artificial Analysis, la voce open-weight statunitense con licenza permissiva più forte è NVIDIA Nemotron 3.5 Super VL a 26,49, con Inkling Small a 25,66 dietro. Muse Spark Open ottiene un punteggio superiore a entrambi e non rientra nella stessa categoria di adozione: una licenza commerciale su misura dietro un modulo di richiesta è una cosa diversa da un checkpoint che puoi clonare e distribuire con OpenMDW-1.1 questo pomeriggio. Il post sul blog di Meta usa l'espressione "modello open-weight statunitense più capace fino ad oggi", che è difendibile sull'indice e più ristretta di quanto implichi "migliore" una volta che la licenza è nella frase.

Ciò che il checkpoint risolve senza l'aiuto di Meta

Questa parte è verificabile dal repository stesso, prima di credere a qualsiasi benchmark.

• Scala — circa 816 miliardi di parametri totali con circa 42 miliardi attivi per token, una miscela sparsa di esperti su 62 livelli e una dimensione nascosta di 8.192, con 256 esperti per livello MoE e 8 selezionati per token. Attenzione grouped-query con 128 teste di query e 16 teste chiave-valore a 64 dimensioni ciascuna.

• Contesto — 1.048.576 token, la finestra che Meta scrive come 1M, condivisa tra token di testo, immagini, video e audio in un unico budget.

• Modalità — testo, immagini, video e audio in ingresso; testo in uscita. Legge input multimodali e scrive testo, il che non equivale a generarne alcuno.

Checkpoint — una build BF16 di circa 1,5 TB di safetensors, e una build NVFP4 a 4 bit che Meta afferma funzioni su un singolo nodo B200. Da allora, terze parti hanno aggiunto le proprie quantizzazioni, dalle build GGUF alle conversioni MLX a 3 e 4 bit datate il giorno stesso del rilascio.

• Controllo del ragionamento — un'impostazione dello sforzo di ragionamento con livelli low, medium, high e xhigh. Gli strumenti di Meta fanno notare che disattivare il ragionamento non è un'opzione.

• Runtime — Transformers, llama.cpp, SGLang, vLLM, TensorRT-LLM, Apple MLX e Unsloth fin dal primo giorno, con kernel Helion personalizzati e auto-ottimizzabili per SGLang che Meta riporta come accelerazioni a livello di kernel da 1,03x a 3,95x su silicio NVIDIA e AMD.

• La demo desktop — due macchine Mac Studio con chip M5 Ultra sotto MLX, che funziona perché ciascuna mette a disposizione fino a 512 GB di memoria unificata a 1,2 TB/s. Le demo di Meta stavano introducendo cambiamenti reali in un client iOS open source ed eseguendo DaVinci Resolve dall'inizio alla fine.

Niente di tutto ciò è un'affermazione di marketing; è un file di configurazione, un elenco di file e una ricetta pubblicata. È anche il punto in cui si concretizza il costo pratico dell'"open" — l'aritmetica della memoria non si cura di quale licenza hai accettato. Con un contesto completo da 1M token in BF16, la sola KV cache arriva a circa 266GB, quindi la finestra che il modello pubblicizza e la finestra che puoi permetterti sul tuo hardware sono due budget diversi.

L'unico numero che Meta non ha scritto

La scheda di Artificial Analysis è l'unica misurazione di terze parti di Muse Spark Open nel registro pubblico al momento, e dice più del solo indice.

• Intelligenza — un Artificial Analysis Intelligence Index di 39 con l'impostazione xhigh, 9º posto su 118 modelli open-weight sopra i 150B parametri, superiore a una mediana di categoria di 19.

• Velocità — 103,4 token di output al secondo, 18° posto su 76 in quella coorte.

• Costo — $0.84 per attività completata di Intelligence Index, su una route ospitata al prezzo di $1.25 per milione di token di input e $4.25 per milione di token di output.

• Efficienza — la scheda indica il modello come piuttosto conciso, generando circa 110 milioni di token durante l'esecuzione dell'indice rispetto a una mediana di 130 milioni.

Confronta questi dati con la scheda di valutazione di Meta stessa e il divario non è nella specifica, è nella copertura. La scheda di Meta riporta Terminal-Bench 2.1 a 76,4 con l'agente Terminus 2, MCP-Atlas a 89,2, GDPval-AA v2 a 1401, SciCode a 58,5, JobBench a 61,8, HLE-Diamond a 26,1 senza strumenti e DeepSWE 1.1 a 60 su quello che la scheda definisce il miglior harness disponibile. Ognuna di quelle righe è stata prodotta all'interno dell'harness dell'agente del modello stesso anziché di uno condiviso, il che le rende una rivendicazione di capacità anziché una classifica realmente comparabile, e non ne abbiamo riprodotto nessuna. L'accordo tra i due resoconti riguarda la scheda tecnica — 816B totali, 42B attivi, contesto da 1M, la stessa licenza, le stesse modalità di input. Il disaccordo è che una parte ha otto benchmark e l'altra ha un indice, un dato di velocità e un prezzo. Non esiste ancora, da nessuna parte in pubblico, alcuna misurazione audio o video, nonostante la riga delle modalità sia l'aspetto più distintivo del modello.

Poi c'è la valutazione che Meta non ha pubblicato.

Il post di lancio afferma che Muse Spark Open è stato valutato secondo il Meta Superintelligence Scaling Framework e ha «soddisfatto le soglie che il nostro framework richiede per il rilascio», con risultati dettagliati nella scheda del modello; la scheda del modello rimanda a un rapporto di valutazione completo descritto come disponibile a breve. Un'affermazione sulla sicurezza che ha superato un framework interno è un oggetto diverso da un rapporto sulla sicurezza che un lettore può esaminare, e al momento della stesura esiste solo il primo.

Ciò che questo non cambia per chi ha una scadenza

Muse Spark Open non è qualcosa verso cui puntare una chiave API. È un download, una licenza, un modulo di richiesta ad accesso limitato e una decisione hardware, e se il carico di lavoro ha bisogno di una risposta entro questa settimana, la superficie da coprire prima del primo token è ampia. La domanda pratica è quale modello Muse si può raggiungere in questo momento, e la risposta si trova nella linea chiusa: Muse Spark 1.2 e Muse Spark 1.1 sono i due checkpoint che OrcaRouter instrada, entrambi serviti al prezzo di listino di Meta di 1,25 $ per milione di token in input e 4,25 $ per milione di token in output con markup dello 0%, perché il prezzo di listino del fornitore viene trasferito così com'è anziché maggiorato. Accettano input di testo, immagini, video, audio e PDF all'interno della stessa finestra di 1.048.576 token, quindi il comportamento multimodale per cui il checkpoint aperto viene lodato è disponibile oggi sulla linea servita, senza coda di download.

Muse Spark Open non è nel nostro catalogo e non abbiamo intenzione di suggerire il contrario — un modello la cui intera proposta è che puoi eseguirlo da solo è un modello che esegui da solo. Dove una configurazione con routing resta comunque utile è intorno a esso: un'unica API per oltre 200 modellisignifica che un checkpoint non ancora collaudato non deve per forza essere una scommessa produttiva, il failover automatico può portare una richiesta a un secondo fornitore quando il primo peggiora, e il DSL di routing sposta il traffico tra i modelli tramite configurazione anziché tramite una modifica al codice. Per un modello rilasciato un giorno fa con un solo benchmark indipendente e un report di valutazione non pubblicato, è il modo più economico per scoprire come si comporta sul tuo traffico mentre l'infrastruttura di qualcun altro assorbe la varianza.

Che cosa muoverebbe questo pezzo?

Tre cose sono aperte anziché sconosciute, e ciascuna cambierebbe la lettura. La prima è il rapporto di valutazione di Meta, che è la differenza tra una dichiarazione di sicurezza e uno storico di sicurezza. La seconda è una seconda misurazione indipendente: un analista con un indice è un punto dati, non un consenso, e finora nulla ha sottoposto Muse Spark Open a una valutazione audio o video, nonostante queste siano i suoi elementi distintivi pubblicizzati. La terza è come la licenza si comporta nella pratica: la soglia dei venti milioni di dollari e la clausola di attribuzione sono i termini che determineranno se il modello open-weight statunitense più forte per punteggio diventerà quello più usato, o resterà quello che i team scaricano per testarlo e poi lo servono da qualche altra parte. Finché almeno una di queste questioni non sarà risolta, la versione onesta del titolo è che Meta ha rilasciato il modello open-weight statunitense più capace secondo l'unica misura indipendente disponibile, con una licenza che mantiene la parola «open» specifica anziché assoluta.

Ciò che i numeri non possono dirti è se qualcosa sia andato storto sul campo: gli incidenti documentati di IA e i fallimenti degli agenti relativi ai modelli di questa classe sono raccolti in l'OrcaRouter AI Incident Archive, dove ogni voce riporta le proprie fonti, il grado di gravità, il livello di confidenza e il flag di contestazione.