Meta lança Muse Spark Open: 816B de parâmetros e liderança entre os modelos open-weight dos EUA

A semana aproximou os modelos abertos americanos da fronteira. A Meta publicou os pesos do Muse Spark Open, com 816B de parâmetros no total, 42B ativos por token e contexto de 1M de tokens. Segundo Nathan Lambert, da Interconnects, é o modelo open-weight americano mais forte, com ampla vantagem. Junto com o Beam, primeiro modelo da Reflection, ele reduziu à metade a distância para os laboratórios chineses. Sem esses dois lançamentos, 20+ modelos abertos chineses seriam mais fortes que o melhor modelo ocidental.

Onde o Muse Spark Open se encaixa na hierarquia

Pelo Artificial Analysis Intelligence Index, o modelo está acima do GLM 5.2 e perto do DeepSeek V4.1 Flash. Ele não alcança o GLM 5.3 (18 de agosto) nem o Kimi K3 (16 de julho). Para o mercado, isso basta: os agentes de LLM abertos viraram ferramenta de trabalho mais ou menos a partir do nível do GLM 5.2, e a demanda cresce. Os provedores de inferência escalam rápido, uma economia de pós-treinamento aberto começa a se formar, e as empresas querem ter a sua própria "inteligência".

O modelo é nativamente multimodal e foi feito para programação e cenários com agentes. Esta versão recebeu um safety-tuning adicional para se manter robusta mesmo sem restrições no nível do sistema. Parte dos observadores concluiu que os pesos foram "quebrados" no alinhamento, porque saíram depois do Muse Spark 1.3. Lambert considera mais provável que seja uma versão com safety do Muse Spark 1.2, com perda de cerca de um ponto no índice. Isso é coerente com o que Alexandr Wang afirmou no lançamento do Muse Glimmer, modelo agêntico de 30B: a Meta estava preparando uma versão aberta da 1.2.

A licença como principal freio

O principal risco para a adoção é a licença personalizada, que reúne quase todas as restrições criticadas em outros modelos abertos:

• os produtos precisam exibir "Built with Muse", como antes acontecia com o Llama (quase ninguém faz isso);
• empresas com receita acima de $20M por mês, considerando todo o negócio, devem fechar um acordo separado com a Meta;
• a política de uso aceitável é obrigatória, por isso, do ponto de vista do open source, o modelo não é aberto;
• os termos se estendem às saídas do modelo e a derivados, de modo que os dados sintéticos continuam em uma zona cinzenta jurídica;
• pesquisas e aplicações internas são permitidas.

Na prática, muita gente vai ignorar a licença, e a Meta provavelmente só perseguirá violações grosseiras. Mas, como observa Lambert, para um laboratório que tenta reconquistar o público, uma licença complexa e fora do padrão continua sendo um risco estratégico desnecessário. Com a mesma relação entre qualidade e tamanho, os modelos abertos ocidentais somam bem mais downloads que os chineses, e aí a Meta tem uma chance.

A fronteira fechada e o equilíbrio de forças

Poucos dias antes, a Meta apresentou os modelos fechados Muse Wonder e Muse Wonder Full. Nos benchmarks clássicos, eles perdem apenas para o Opus 5.5, da Anthropic, e ficam próximos do GPT-6-Astra e do Gemini-4-Argon. A Meta continua sendo a única empresa americana com modelos nas duas fronteiras. Lambert atribui o sucesso à estrutura horizontal: Wang tem mais de 200 subordinados diretos, e os lançamentos saem com regularidade.

O ranking dele: Anthropic > OpenAI > Meta ≈ Gemini > xAI ≈ open-weight chineses > open-weight americanos. Ele aponta o Xiaomi V2.6 Pro como o melhor modelo aberto em geral. O grupo de concorrentes americanos encolheu para cinco: Anthropic, OpenAI, Meta, Gemini e xAI. A Microsoft pode entrar nessa lista se começar a lançar modelos. Para os jogadores de terceiro escalão (Mistral, Nemotron, Reflection, Arcee), fica cada vez mais difícil influenciar a fronteira, porque um modelo carro-chefe custa bilhões.

Fatos principais

• Muse Spark Open: 816B no total / 42B ativos, contexto de 1M, multimodalidade, programação e agentes, safety-tuning.
• Muse Wonder e Muse Wonder Full: modelos fechados da Meta. As diferenças entre eles não foram divulgadas; possivelmente são pré-treinos distintos.
• Muse Glimmer: modelo agêntico de 30B.
• Beam: primeiro modelo da Reflection.
• Mistral Large 4: 38 pontos no índice, pesos não publicados.
• GLM 5.3 (18 de agosto), Kimi K3 (16 de julho), DeepSeek V4.1 Flash, GLM 5.2: referências chinesas.
• Xiaomi V2.6 Pro: o melhor modelo open-weight em geral.
• Opus 5.5, GPT-6-Astra, Gemini-4-Argon: concorrentes fechados do Muse Wonder.

O que as equipes que escolhem um modelo devem considerar

A arquitetura MoE com 42B de parâmetros ativos significa que o custo de computação por token fica próximo ao de um modelo de 40B. Mas todos os 816B precisam ser armazenados. Pela nossa estimativa, em FP8 isso dá cerca de 816 GB só para os pesos, ou seja, um nó com oito H200 com folga para o KV-cache em contextos longos. Em 4 bits, serão necessários cerca de 410 GB. Hospedar por conta própria só se justifica com carga alta; caso contrário, sai mais barato usar o modelo por meio de um provedor de inferência.

O jurídico deve verificar com antecedência o limite de $20M por mês e a cláusula sobre derivados, sobretudo se a empresa destila o modelo ou gera dados sintéticos. Quem precisa de open source puro fica mais bem servido com alternativas de licença padrão. Para quem quer uma stack americana com qualidade aceitável, o Muse Spark Open agora é uma opção real, e não um meio-termo.