Muse Spark Open, 816B open-weight da Meta roda no M5 Ultra

Introdução

Muse Spark Open é o movimento mais ambicioso da Meta no campo dos modelos open-weight, com 816 bilhões de parâmetros totais, 42 bilhões ativos por token e janela de contexto de 1.048.576 tokens. O anúncio oficial confirma disponibilidade imediata, suporte multimodal e uma integração profunda com o ecossistema Apple para rodar localmente em dois Mac Studios com M5 Ultra. (research.meta.ai)

O impacto vai além do número de parâmetros. Muse Spark Open chega com pesos abertos, suporte a runtimes amplos, rota de inferência em múltiplos provedores e uma infraestrutura pensada para agentes de longo horizonte, como automação de código e fluxos de trabalho com ferramentas. Essa combinação reposiciona o que empresas e times técnicos podem fazer com open weights em 2026. (dev.meta.ai)

Buscar execução local eficiente em hardware acessível é uma tendência visível, e aqui a Meta crava uma mensagem clara, execução totalmente on‑device em dois Mac Studios com M5 Ultra usando MLX, com 512 GB de memória unificada por máquina, ou quatro máquinas com 256 GB cada, conectadas por Thunderbolt 5 e RDMA. (dev.meta.ai)

O que há de novo no Muse Spark Open

Muse Spark Open é uma versão open‑weight do Muse Spark, treinada para trabalho agentic de longo prazo, incluindo desenvolvimento de software e atendimento com agentes. São 816 bilhões de parâmetros no total, 42 bilhões ativos por token graças à arquitetura sparse mixture‑of‑experts, nativamente multimodal para entrada de texto, imagem, áudio e vídeo, com saída em texto, e contexto de 1.048.576 tokens. (dev.meta.ai)

No anúncio de 15 de outubro de 2026, a Meta descreve o modelo como o mais capaz em open weights lançado nos Estados Unidos, com foco em longos fluxos de raciocínio, engenharia de software e uso intensivo de ferramentas. A publicação detalha ainda casos práticos, como execução de pipelines de edição de vídeo e contribuições reais em apps iOS via Muse Code. (research.meta.ai)

A distribuição inclui checkpoints em BF16, referência com cerca de 1,65 TB, e em NVFP4, uma forma de quantização em 4 bits com camadas críticas em BF16, por volta de 537 GB. Para execução em GPUs NVIDIA Blackwell, o checkpoint NVFP4 cabe em um único nó com 4 GPUs, enquanto a opção BF16 mira 8 GPUs. (dev.meta.ai)

Execução local no Apple M5 Ultra, o que realmente significa

A grande manchete é a execução local. O guia de hardware da Meta confirma suportes oficiais para NVIDIA, AMD, Intel e Apple. No caso da Apple, a configuração validada é, dois Mac Studios com M5 Ultra e 512 GB de memória unificada cada, ou quatro unidades com 256 GB cada, usando MLX, com o modelo NVFP4 particionado entre as máquinas via RDMA sobre Thunderbolt 5. (dev.meta.ai)

O post de pesquisa aprofunda a arquitetura de memória do M5 Ultra e explica por que o throughput de memória unificada de 1,2 TB por segundo ajuda a alimentar as fatias de parâmetros necessárias a cada token, fazendo os dois Mac Studios se comportarem como um único “desktop supercomputer” com 1 TB de memória unificada combinada. (research.meta.ai)

Essa abordagem tem implicações práticas interessantes, privacidade por padrão quando o uso é totalmente local, redução de latência para laços agentic que fazem muitas chamadas a ferramentas, e uma rota de POC e avaliação robusta sem depender, inicialmente, de clusters de GPU. A cobertura da Axios destaca o contexto maior, colaboração Apple e Meta para viabilizar a execução local do modelo como prova de conceito do que PCs de alto desempenho podem fazer com IA. (axios.com)

Ecossistema de execução, runtimes e parceiros

Muse Spark Open chega com suporte de primeira classe em SGLang, vLLM, TensorRT‑LLM, Transformers, MLX, llama.cpp e Unsloth. No lançamento, a Meta lista provedores de API como Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter e Together AI, além de catálogos em Amazon SageMaker AI, Google Cloud Model Garden e Microsoft Foundry. (research.meta.ai)

O post técnico “Build with Muse Spark Open” traz comandos prontos para SGLang, vLLM e TensorRT‑LLM, além do cookbook para MLX no Mac Studio. Há ainda suporte a métodos de speculative decoding como DFlash V2 e DSpark, que elevam o throughput mantendo qualidade. Esses detalhes são úteis para times que precisam ir da ideia ao deploy em dias, não semanas. (dev.meta.ai)

No lado de hardware, o guia oficial mostra variações, de um nó Blackwell 4x GPU para NVFP4, a arranjos com AMD MI355X ou MI350X e até execução otimizada em Intel Xeon 6 com INT4, além do setup Apple. Isso ajuda a escolher rota de custo e disponibilidade, especialmente em times que não têm Blackwell imediatamente à mão. (dev.meta.ai)

Licença, segurança e onde acessar os pesos

Os pesos são liberados sob a Muse Model License, com termos comerciais limitados, além de uma AUP. A Meta afirma que o modelo passou por pós‑treinamento adicional de segurança para a variante open‑weight e que a avaliação seguiu o framework interno de escalonamento de segurança. Os pesos podem ser baixados diretamente de coleções na Hugging Face, e o material de suporte inclui model card e metodologia de avaliação. (research.meta.ai)

Para quem precisa iniciar sem infraestrutura própria, as opções hospedadas citadas pela Meta já estão ativas, com catálogo e endpoints. Esse arranjo facilita pilotos e benchmarks antes de escalar para self‑hosting. (research.meta.ai)

Custos por token e opções de API

Para consumo via gateway, o OpenRouter lista Muse Spark Open a 1,25 dólares por milhão de tokens de entrada e 4,25 dólares por milhão de tokens de saída, com suporte por múltiplos provedores, e exibe também histórico de preços e variantes de rota. É um balizador prático para comparar com modelos proprietários e outras opções open‑weight no mesmo contexto de 1 milhão de tokens. (openrouter.ai)

Esses preços se alinham ao patamar histórico que a própria família Muse Spark vinha praticando nos lançamentos recentes em OpenRouter, o que reduz a fricção para migração de agentes e pipelines que já estavam nessa faixa. Comparadores independentes confirmam a mesma tabela, útil para controle de custos em ambientes com alto volume. (openrouter.ai)

Casos práticos, do desktop ao cluster

• Agentes de código com repositórios grandes. Com 1.048.576 tokens de contexto, a leitura de bases extensas e documentação densa se torna viável em uma única sessão, combinando com tool use. A Meta reporta tarefas reais, como alterações em app iOS e fluxos de edição em DaVinci Resolve, que ajudam a visualizar uso de mundo real. (research.meta.ai)
• Atendimento e RPA cognitivo. Longos contextos e capacidade multimodal favorecem orquestração de jornadas com múltiplos sistemas, análise de anexos e extração de dados visuais e textuais em um loop contínuo. A rota de execução local pode ser decisiva para setores com requisitos de confidencialidade mais rígidos. (dev.meta.ai)
• Pesquisa e análise multimodal. A entrada nativa de imagem, áudio e vídeo permite investigações que cruzam logs, capturas de tela, transcrições de reuniões e clipes de demonstração, mantendo o raciocínio em janela única. (dev.meta.ai)

Pontos fortes e compromissos técnicos

• Janela de 1M tokens. Menos fragmentação de contexto reduz engenharia de prompts e retrabalho entre janelas parciais. Em cenários de agentes com memórias prolongadas, a estabilidade de contexto melhora o planejamento de longo prazo. (dev.meta.ai)
• Arquitetura MoE com 42B ativos. O custo por token acompanha os parâmetros realmente ativados, embora a carga de memória para servir o modelo continue alta por exigir o carregamento do total de 816B. Em Blackwell 4x GPU, o NVFP4 já cabe em um único nó. (dev.meta.ai)
• Execução local em dois Mac Studios. Traz privacidade, controle e uma experiência de laboratório de alto nível, sem depender de GPU server. O requisito de 1 TB de memória unificada total e rede Thunderbolt 5 com RDMA é específico, porém é um caminho de entrada pragmático para quem já está no ecossistema Apple. (dev.meta.ai)
• Ecossistema amplo de runtimes. Reduz lock‑in, facilita benchmarking justo e acelera migração entre clouds e on‑prem. A disponibilidade de guias com comandos prontos diminui o time‑to‑first‑token. (dev.meta.ai)

Compromissos existem. Mesmo com 42B ativos, hospedar open weights desse porte exige engenharia de serving madura, desde KV cache até paralelismo especialista, além de observabilidade e orquestração para manter latências sob controle em lotes maiores. Para muitos times, a rota por API gerenciada em OpenRouter ou provedores parceiros faz sentido para fase inicial e picos. (dev.meta.ai)

Como decidir o caminho de adoção

• Precisa de dados on‑prem ou residência local, use a rota Apple com MLX ou um cluster AMD ou NVIDIA, seguindo as receitas oficiais. Isso maximiza privacidade e controle, ao custo de maior complexidade inicial. (dev.meta.ai)
• Quer começar rápido, use endpoints de Baseten, Fireworks, Together, Modal ou via OpenRouter. Faça testes de custo real por tarefa, não apenas preço por milhão de tokens. Avalie speculative decoding ativado em vLLM ou SGLang e monitore aceitação de drafts por passo. (dev.meta.ai)
• Planeja agentes complexos, priorize runtimes com bom suporte a tool use, como SGLang e vLLM, e configure perfis de speculative decoding. Os ganhos de throughput descritos pela Meta e parceiros são relevantes sob carga concorrente. (dev.meta.ai)

Reflexões e insights

Vejo Muse Spark Open consolidando duas correntes. Primeiro, open weights como vetor real de adoção empresarial, onde auditoria, ajuste fino e privacidade contam tanto quanto benchmarks. Segundo, a reaproximação entre camadas de hardware e IA, a ponto de dois desktops Apple virarem vitrine de execução local para um modelo de classe frontier, uma narrativa ressaltada também na cobertura jornalística. (axios.com)

Na prática, o que muda para times técnicos é a liberdade de escolha. Dá para começar por API a preços previsíveis, migrar para self‑hosting quando fizer sentido, e experimentar execução local onde compliance e latência pedem. O ecossistema ao redor, com guias oficiais, modelos de rascunho para speculative decoding e suporte cruzado de frameworks, reduz atrito e encurta o caminho do protótipo ao produto. (dev.meta.ai)

Conclusão

Muse Spark Open combina escala, flexibilidade e acessibilidade operacional em um pacote que conversa com as prioridades de 2026, agentes, automação de código, multimodalidade profunda e, sobretudo, controle sobre dados e custos. A execução local em dois Mac Studios com M5 Ultra vira um símbolo do que se pode fazer sem um data center inteiro ao alcance, e as rotas de cloud e APIs completam o quadro para quem quer velocidade. (research.meta.ai)

O equilíbrio entre preço por token, latência e confiabilidade continuará decidindo vencedores em produção. Com pesos abertos, janela de 1M e um ecossistema maduro de runtimes e provedores, Muse Spark Open se posiciona como opção séria para arquiteturas agentic e workloads corporativos que exigem rastreabilidade e liberdade de implantação. (dev.meta.ai)