Muse Spark Open: O melhor modelo de pesos abertos dos EUA é uma alegação com termos e condições

A alegação chegou ao X na noite de 15 de outubro de 2026, e é o tipo de alegação que é verdadeira numa frase e negociável na seguinte. A Meta publicou os pesos do Muse Spark Open — o checkpoint de 816 bilhões de parâmetros, 42 bilhões ativos, que ela vinha guardando desde que o repositório apareceu no Hugging Face um mês antes — e em poucas horas a frase associada a ele foi "melhor modelo de pesos abertos dos EUA". O número que mais diretamente o sustenta não é da Meta. É 39: a pontuação que a própria listagem hospedada da Artificial Analysis dá ao Muse Spark Open em sua configuração de raciocínio xhigh, nono entre os 118 modelos de pesos abertos com mais de 150 bilhões de parâmetros naquele quadro, contra uma mediana da classe de 19. Essa é uma medição real de terceiros de um modelo real que pode ser baixado. Separadamente, Muse Spark 1.3 — o checkpoint atual da linha fechada Muse Spark, disponível geralmente desde 2 de setembro de 2026 — pontua 48 no mesmo índice. Ambos os números pertencem à Meta. Apenas um deles pertence a algo que você pode baixar, e apenas um deles é medido por outra pessoa que não a Meta.

As datas, porque o enquadramento depende delas.

Nada aqui é um lançamento, e a confusão é fácil de explicar. O Meta Superintelligence Labs apresentou a família Muse Spark em 8 de abril de 2026. O Muse Spark 1.1 chegou em 16 de julho, o Muse Spark 1.2 em 5 de agosto, e o Muse Spark 1.3 em 2 de setembro — este último recebeu seu nível de raciocínio "max" em 4 de setembro, após testes de segurança adicionais. Essa linha é proprietária e é oferecida como serviço.meta-models/Muse-Spark-Open-816B-A42B, cujo carimbo de data/hora de criação é 2026-09-15, além de uma build NVFP4 criada segundos antes. Os pesos ficaram ali por quatro semanas dentro de um formulário com controle de acesso. Em 15 de outubro de 2026, a Meta publicou o texto da licença, um post de blog de pesquisa, um guia de build para desenvolvedores e um quadro de pontuação de benchmark, e o repositório deixou de ser um artefato que ninguém havia anunciado.

Então a leitura correta não é nem "lançamento furtivo" nem "lançamento". O modelo existiu em silêncio por um mês; a papelada só se regularizou em 15 de outubro. O que mudou para quem está decidindo o que executar é restrito e específico: agora existe uma licença que você pode ler, uma receita de hardware declarada, suporte desde o primeiro dia nos frameworks que as pessoas realmente usam e uma medição independente. O que não mudou é a linha fechada, o preço da linha fechada, nem nada sobre os modelos de API que a maioria dos leitores deste site chama.

"Aberto" é a parte com as condições.

A licença é onde a alegação principal ganha suas letras miúdas, e vale a pena lê-la antes de repeti-la. O Muse Spark Open é distribuído sob a Muse Model License. A Meta o descreve como algo que permite a muitos desenvolvedores usar o modelo gratuitamente, e duas cláusulas definem onde o "gratuito" termina.

• Modelo como serviço — se você ou suas afiliadas concederem a terceiros acesso ao modelo como produto ou serviço por meio de uma API, e a receita bruta agregada exceder vinte milhões de dólares americanos em qualquer período consecutivo de doze meses, você deverá notificar a Meta e assinar um acordo escrito separado antes de operar esse negócio. A incorporação do modelo ao seu próprio produto está excluída; a revenda do acesso a ele não está.

• Atribuição — a licença exige que "Built with Muse Spark Open" seja exibido em destaque na interface de qualquer produto que utilize o modelo ou um derivado, ou na documentação, site ou menu de configurações que o acompanhem.

• O que você pode claramente fazer — ajustar fine-tuning, destilar, mesclar, publicar, sublicenciar e vender derivados, sem que a Meta reivindique qualquer propriedade sobre os resultados.

• Como obtê-lo — o repositório tem acesso restrito. O formulário de solicitação pede nome legal completo, data de nascimento e organização com identificadores corporativos, e não pode ser editado após o envio.

Essa combinação é o que faz a expressão “best US open-weight model” ser uma alegação de categoria, e não uma alegação absoluta. No mesmo painel da Artificial Analysis, a entrada de pesos abertos dos EUA com licença permissiva mais forte é o NVIDIA Nemotron 3.5 Super VL, com 26,49, e o Inkling Small vem atrás, com 25,66. O Muse Spark Open pontua mais que ambos e não está na mesma categoria de adoção: uma licença comercial sob medida atrás de um formulário de solicitação é uma coisa diferente de um checkpoint que você pode clonar e implantar sob a OpenMDW-1.1 hoje à tarde. A própria publicação no blog da Meta usa a expressão “most capable US open-weight model to date”, que é defensável no índice e mais restrita do que “best” sugere quando a licença entra na frase.

O que o checkpoint resolve sem a ajuda da Meta

Esta parte é verificável pelo próprio repositório, antes que qualquer benchmark seja considerado confiável.

• Escala — aproximadamente 816 bilhões de parâmetros totais com cerca de 42 bilhões ativos por token, uma mistura esparsa de especialistas em 62 camadas e uma dimensão oculta de 8.192, com 256 especialistas por camada de MoE e 8 selecionados por token. Atenção de consulta agrupada com 128 cabeças de consulta e 16 cabeças de chave-valor em 64 dimensões cada.

• Contexto — 1.048.576 tokens, a janela que a Meta chama de 1M, compartilhada entre tokens de texto, imagem, vídeo e áudio em um único orçamento.

• Modalidades — texto, imagens, vídeo e áudio de entrada; texto de saída. Ele lê entrada multimodal e escreve texto, o que não é o mesmo que gerar qualquer uma delas.

• Checkpoints — uma build BF16 de aproximadamente 1,5 TB de safetensors, e uma build NVFP4 de 4 bits que a Meta diz rodar em um único nó B200. Terceiros, desde então, adicionaram suas próprias quantizações, de builds GGUF a conversões MLX de 3 bits e 4 bits datadas do dia do lançamento.

• Controle de raciocínio — uma configuração de esforço de raciocínio com níveis baixo, médio, alto e xhigh. O ferramental da Meta observa que desativar o raciocínio não é uma opção.

• Runtimes — Transformers, llama.cpp, SGLang, vLLM, TensorRT-LLM, Apple MLX e Unsloth desde o primeiro dia, com kernels Helion personalizados e autoajustáveis para SGLang que a Meta relata como acelerações em nível de kernel de 1,03x a 3,95x em silício da NVIDIA e da AMD.

• A demonstração para desktop — duas máquinas Mac Studio com chips M5 Ultra sob MLX, o que funciona porque cada uma expõe até 512 GB de memória unificada a 1,2 TB/s. As demonstrações da Meta estavam impulsionando mudanças reais em um cliente iOS de código aberto e executando o DaVinci Resolve de ponta a ponta.

Nada disso é uma afirmação de marketing; é um arquivo de configuração, uma listagem de arquivos e uma receita publicada. É também onde recai o custo prático do “aberto” — a aritmética de memória não se importa com qual licença você aceitou. Em um contexto completo de 1M de tokens em BF16, só o cache KV chega a cerca de 266GB, então a janela que o modelo anuncia e a janela que você consegue sustentar no seu hardware são dois orçamentos diferentes.

O único número que a Meta não escreveu

A listagem da Artificial Analysis é a única medição de terceiros do Muse Spark Open no registro público neste momento, e ela diz mais do que apenas o índice.

• Inteligência — um Índice de Inteligência da Artificial Analysis de 39 na configuração xhigh, 9º entre 118 modelos de pesos abertos com mais de 150B parâmetros, acima de uma mediana de classe de 19.

• Velocidade — 103,4 tokens de saída por segundo, posição 18 de 76 nessa coorte.

• Custo — $0,84 por tarefa concluída do Intelligence Index, em uma rota hospedada com preço de $1,25 por milhão de tokens de entrada e $4,25 por milhão de tokens de saída.

• Eficiência — a listagem classifica o modelo como bastante conciso, gerando cerca de 110 milhões de tokens ao longo da execução do índice, em comparação com uma mediana de 130 milhões.

Compare esses dados com o scorecard da própria Meta e a lacuna não está na especificação, está na cobertura. O cartão da Meta reporta Terminal-Bench 2.1 em 76,4 com o agente Terminus 2, MCP-Atlas em 89,2, GDPval-AA v2 em 1401, SciCode em 58,5, JobBench em 61,8, HLE-Diamond em 26,1 sem ferramentas, e DeepSWE 1.1 em 60 no que o cartão chama de melhor harness disponível. Cada uma dessas linhas foi produzida dentro do próprio harness de agente do modelo, e não de um compartilhado, o que as torna uma alegação de capacidade, e não um ranking em condições comparáveis, e não reproduzimos nenhuma delas. A concordância entre os dois relatos está na ficha de especificações — 816B no total, 42B ativos, contexto de 1M, a mesma licença, as mesmas modalidades de entrada. A discordância é que um lado tem oito benchmarks e o outro tem um índice, um valor de velocidade e um preço. Ainda não há qualquer medição de áudio nem de vídeo em nenhum lugar público, apesar de a linha de modalidades ser o elemento mais distintivo do modelo.

Depois, há a avaliação que a Meta não publicou.

O post de lançamento diz que o Muse Spark Open foi avaliado no âmbito do Meta Superintelligence Scaling Framework e "atingiu os limiares que nosso framework exige para o lançamento", com resultados detalhados no cartão do modelo; o cartão do modelo aponta para um relatório de avaliação completo descrito como disponível em breve. Uma alegação de segurança que passou pelo crivo de um framework interno é um objeto diferente de um relatório de segurança que um leitor pode inspecionar, e apenas o primeiro existe no momento da redação.

O que isto não muda para quem tem um prazo

O Muse Spark Open não é algo para o qual você aponta uma chave de API. É um download, uma licença, um formulário de solicitação com acesso restrito e uma decisão de hardware, e se a carga de trabalho precisar de uma resposta esta semana, a superfície antes do primeiro token é grande. A pergunta prática é qual modelo Muse você consegue acessar agora, e a resposta está na linha fechada: Muse Spark 1.2 e Muse Spark 1.1 são os dois checkpoints que o OrcaRouter roteia, ambos servidos ao preço de tabela da Meta de US$ 1,25 por milhão de tokens de entrada e US$ 4,25 por milhão de tokens de saída com 0% de markup, porque o preço de tabela do provedor é repassado em vez de receber markup. Eles aceitam entrada de texto, imagem, vídeo, áudio e PDF dentro da mesma janela de 1.048.576 tokens, então o comportamento multimodal pelo qual o checkpoint aberto está sendo elogiado está disponível na linha servida hoje, sem fila de download.

O Muse Spark Open não está no nosso catálogo e não vamos sugerir o contrário — um modelo cuja proposta inteira é que você pode executá-lo por conta própria é um modelo que você executa por conta própria. Onde uma configuração roteada ainda ajuda é ao redor dele: uma API única para mais de 200 modelos significa que um checkpoint não comprovado não precisa ser uma aposta de produção, o failover automático pode encaminhar uma solicitação a um segundo provedor quando o primeiro se degrada, e a DSL de roteamento move o tráfego entre modelos por configuração, em vez de uma alteração de código. Para um modelo lançado há um dia com um único benchmark independente e um relatório de avaliação não publicado, essa é a forma mais barata de descobrir o que ele faz no seu tráfego enquanto a infraestrutura de outra pessoa absorve a variabilidade.

O que moveria esta peça?

Três coisas estão em aberto, e não desconhecidas, e cada uma delas mudaria a interpretação. A primeira é o relatório de avaliação da Meta, que é a diferença entre uma alegação de segurança e um histórico de segurança. A segunda é uma segunda medição independente — um analista com um único índice é um dado isolado, não um consenso, e nada ainda submeteu o Muse Spark Open a uma avaliação de áudio ou de vídeo, apesar de esses serem os seus diferenciais anunciados. A terceira é como a licença se comporta na prática: o limiar de vinte milhões de dólares e a cláusula de atribuição são os termos que determinarão se o modelo de pesos abertos mais forte dos EUA por pontuação se tornará o mais usado, ou continuará sendo aquele que as equipes baixam para testar e depois servem a partir de outro lugar. Até que pelo menos uma dessas questões seja resolvida, a versão honesta da manchete é que a Meta lançou o modelo de pesos abertos mais capaz dos EUA pela única medida independente disponível, sob uma licença que mantém a palavra “open” específica, e não absoluta.

O que os números não podem dizer é se algo deu errado em campo: os incidentes de IA documentados e as falhas de agentes envolvendo modelos dessa classe estão reunidos em o OrcaRouter AI Incident Archive, onde cada entrada traz suas próprias fontes, gravidade, grau de confiança e sinalização de contestação.