I pesi aperti di Muse Spark, il modello da 816 miliardi di parametri di Meta, sono ora pubblici

Meta ha reso pubblici i pesi di Muse Spark Open il 15 ottobre 2026: un modello multimodale nativo a pesi aperti, con 816 miliardi di parametri totali, 42 miliardi di parametri attivi e una finestra di contesto di 1 milione di token. Il gruppo di ricerca sull’IA di Meta lo descrive come il modello statunitense a pesi aperti più capace finora, progettato per la programmazione e per attività agentiche, come compiti a lungo orizzonte, ingegneria del software complessa e ragionamento in più passaggi.

Architettura e dati di addestramento

Secondo la scheda del modello pubblicata da Meta Superintelligence Labs, Muse Spark Open è un Transformer a miscela di esperti abbinato a un Perception Encoder. Il modello linguistico ha 62 strati, una dimensione nascosta di 8192 e 256 esperti, di cui otto vengono attivati per token tramite routing top-k. Il blocco di attenzione usa un’attenzione con gating e QK-norm, 128 teste di query e 16 teste key-value in una configurazione grouped-query, con una dimensione delle teste pari a 64. Il vocabolario comprende 202.048 elementi, con embedding di input e output non condivisi. Il Perception Encoder conta 1,8 miliardi di parametri distribuiti su 50 strati, con una dimensione nascosta di 1536, 16 teste, patch di dimensioni 14×14 e una dimensione di output di 4096. Usa inoltre un’attenzione sparsa con fattore quattro, in cui ogni quarto strato e lo strato finale applicano un’attenzione completa.

Il modello accetta input testuali, immagini, video e audio e produce output testuali. Secondo la scheda del modello, i dati di addestramento comprendono testi, immagini, audio e video provenienti da fonti pubbliche, scansioni del web, terze parti, prodotti e servizi di Meta e materiali generati sinteticamente. Coprono più di 100 lingue e sono stati curati mediante pulizia, elaborazione, deduplicazione e filtraggio. Un parametro reasoning_effort controlla quanto il modello ragiona prima di rispondere, con le impostazioni low, medium, high e xhigh; quest’ultima è quella predefinita. Qualsiasi altro valore restituisce un errore. Per la maggior parte delle implementazioni, Meta consiglia temperature 1.0, top_p 1.0 e top_k disabilitato; per la risoluzione di problemi complessi, la programmazione e le attività basate su agenti, raccomanda un livello di ragionamento high o xhigh.

Disponibilità e ottimizzazione per Apple Silicon

Muse Spark Open è disponibile tramite le piattaforme API Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter e Together AI; i pesi si possono scaricare da Amazon SageMaker AI, Google Cloud Model Garden, Hugging Face e Microsoft Foundry Models. Il modello funziona con motori di inferenza tra cui SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, Apple MLX, llama.cpp e Unsloth, ed è ottimizzato per i chip AMD, Apple, Intel e NVIDIA. Gli sviluppatori possono inoltre perfezionare il modello con TorchTitan di PyTorch. I pesi sono distribuiti nelle versioni BF16 e NVFP4; per eseguirlo localmente serve una GPU con almeno 700 GB di VRAM per NVFP4 o 2 TB per BF16.

Meta afferma che Muse Spark Open è il primo modello della sua categoria a poter funzionare su un computer desktop, usando due Mac Studio con Apple M5 Ultra e l’ultima versione del framework MLX, che carica i pesi direttamente da Hugging Face. L’architettura a memoria unificata di Apple consente alla GPU integrata dell’M5 Ultra di usare fino a 512 GB per ciascun Mac Studio; secondo Meta, la larghezza di banda della memoria del chip, pari a 1,2 TB/s, permette a due macchine di contenere l’intero modello e di funzionare come un unico sistema con un terabyte di memoria unificata.

Meta ha dichiarato di aver testato flussi di lavoro basati su agenti eseguiti interamente sul dispositivo con Muse Code, basato su Muse Spark Open. In una prova, la configurazione ha distribuito modifiche reali per iOS in Ice Cubes, un client open source per Mastodon, comprendenti correzioni di bug, nuove funzionalità e una versione completa; in un’altra, ha gestito DaVinci Resolve dall’inizio alla fine, esaminando le riprese fotogramma per fotogramma per selezionare i momenti migliori e ricomporli in ritagli verticali. La versione a pesi aperti include anche kernel GPU Helion personalizzati e regolabili automaticamente in SGLang. Secondo Meta, questi kernel offrono accelerazioni a livello di kernel da 1,03 a 3,95 volte sulle GPU NVIDIA e AMD e un’accelerazione complessiva del 3% su AMD MI350.

Benchmark e risultati sulla sicurezza riportati da Meta

La scheda del modello confronta Muse Spark Open, eseguito con un livello di ragionamento xhigh, con Inkling, Nemotron 3 Ultra, Beam, Mistral Large 4, Qwen3.8-2.4T-A95B, GLM 5.3 e Kimi K3. Meta riporta un punteggio di 39 nell’Artificial Analysis Intelligence Index; la stessa tabella indica 45 per GLM 5.3, 44 per Kimi K3 e 40 per Qwen3.8-2.4T-A95B. Nelle valutazioni delle capacità di agire in autonomia, Meta riporta 61,8 in JobBench e 89,2 in MCP-Atlas: i punteggi più alti in queste prove tra i modelli elencati nella tabella della scheda. Per la conoscenza e il ragionamento, Meta riporta 26,1 in HLE-Diamond senza strumenti, 25 in AA Omniscience e 89,0 in GPQA Diamond, dove la tabella indica 93,5 sia per Qwen3.8-2.4T-A95B sia per Kimi K3.

Nei benchmark di programmazione, Meta riporta 76,4 in Terminal-Bench 2.1, dove la scheda indica 85,0 per Kimi K3 e 83,9 per GLM 5.3, oltre a 60 in DeepSWE 1.1 e 58 in SWE-Atlas-QnA; in queste prove, la scheda indica rispettivamente 68 e 66 per Kimi K3. Nei test multimodali assistiti da strumenti, Meta riporta 50,0 in ZeroBench, 73,6 in SimpleVQA, 80,2 in BabyVision, a fronte dell’85,7 indicato nella tabella per Kimi K3, e 61,5 in VideoMMEv2, contro il 65,4 riportato per Kimi K3.

Meta ha dichiarato che la versione a pesi aperti ha ricevuto un’ulteriore fase di addestramento orientata alla sicurezza ed è stata valutata in termini di sicurezza dei contenuti, rischi legati agli agenti, privacy e preparazione, in linea con il Meta Superintelligence Scaling Framework, rispettando le soglie che il framework richiede per la pubblicazione. La scheda del modello riferisce che Muse Spark Open ha rifiutato il 99,2% dei tentativi di jailbreak nel benchmark interno di Meta sulla sicurezza informatica e il 94,8% considerando complessivamente la sottosezione dedicata alla sicurezza informatica di PolyGuard, RedCode e CyberBench 2024; nella stessa configurazione, la scheda indica per Kimi K3 rispettivamente il 75,5% e il 70,2%.

Meta riferisce tassi di rifiuto superiori al 98% delle richieste dannose nel benchmark BioTIER di SecureBio e superiori al 99% in un benchmark interno di chimica a singolo turno, oltre al rifiuto di più del 97% delle richieste dannose in ambito biologico e del 98% di quelle in ambito chimico nei benchmark interni multi-turno con agenti. La scheda riporta un tasso di onestà del 98,1% nel benchmark MASK, un tasso di comportamenti scorretti dello 0% nel benchmark Agentic Misalignment e un punteggio di 0,5 in StrongREJECT v2, dove i punteggi più bassi sono migliori. Meta avverte che i risultati descrivono il checkpoint rilasciato nelle condizioni di test e che modifiche successive potrebbero comprometterne la sicurezza; raccomanda inoltre di utilizzare il modello all’interno di un sistema di IA più ampio, dotato di misure di protezione adeguate al caso d’uso.

Condizioni di licenza e limitazioni dichiarate

I pesi sono rilasciati con la licenza Muse Model License, datata 15 ottobre 2026, che consente l’uso gratuito, la copia, la modifica, compreso l’affinamento, la creazione di opere derivate, la distillazione e la distribuzione, nel rispetto di determinate condizioni. I licenziatari devono mostrare in modo ben visibile la dicitura “Built with Muse Spark Open” nell’interfaccia utente di ogni prodotto o servizio che utilizza il software o le sue opere derivate oppure nella documentazione, sul sito web o nel menu delle impostazioni che li accompagnano.

I licenziatari che offrono modelli di intelligenza artificiale come servizio e i cui ricavi lordi complessivi, insieme a quelli delle affiliate, superano i 20 milioni di dollari in un qualsiasi periodo consecutivo di 12 mesi devono informare Meta e stipulare un accordo scritto separato prima di includere il software in tale attività. La disposizione non si applica all’uso interno, alla ricerca o ad altre attività commerciali che non consistono nell’offerta di un modello come servizio, né all’uso del software come componente che alimenta un prodotto proprio del licenziatario. La licenza stabilisce che Meta non acquisisce alcun diritto di proprietà sui risultati generati dal software.

La policy d’uso allegata specifica che il modello non è destinato a persone di età inferiore a 18 anni e vieta usi quali attività illegali, creazione di malware, sviluppo di armi, gestione di infrastrutture critiche e inganno intenzionale, per esempio frode, disinformazione e impersonificazione. Tra i limiti dichiarati da Meta figurano risposte potenzialmente inesatte, distorte o discutibili; errori nel ragionamento in più passaggi in scenari inediti; prestazioni inferiori nelle lingue al di fuori del gruppo di quelle supportate con solidità; lievi differenze qualitative nell’inferenza quantizzata; e l’analisi inaffidabile di video molto brevi o a bassa risoluzione. Meta ha dichiarato che una relazione completa sulla valutazione sarà disponibile a breve.