Meta abre os pesos do Muse Spark Open: codificação agêntica e 1 milhão de tokens já na Modal

Pesos abertos para codificação agêntica são uma categoria em que os desenvolvedores primeiro perguntam não «quão inteligente é o modelo», mas «onde rodá-lo e quanto isso custa». A Modal respondeu rapidamente à segunda pergunta: assim que a Meta publicou os pesos do Muse Spark Open, a plataforma colocou o modelo em seus Auto Endpoints.

Que modelo é esse e para que serve

O Muse Spark Open foi criado para cenários agênticos. Não se trata de «responda a uma pergunta sobre código», mas de «pegue a tarefa e leve-a até o fim». Segundo a descrição, o modelo sabe escrever e depurar código, montar planos de várias etapas, chamar ferramentas em sequência e se recuperar de falhas em longas cadeias de ações.

O último ponto é o mais pé no chão. Quem já rodou um agente em um repositório real sabe: ele raramente quebra no primeiro passo. Costuma acontecer no vigésimo, quando um comando no terminal falhou e o agente segue como se estivesse tudo bem. A capacidade de perceber o erro e reverter às vezes vale mais do que um código bonito de primeira.

Há ainda dois parâmetros. O primeiro é a compreensão nativa de dados multimodais: a captura de tela de um erro ou o layout de uma interface podem ser entregues diretamente ao modelo, sem descrição intermediária. O segundo é o contexto de 1 milhão de tokens. Para um agente, isso significa que cabe na janela uma parte considerável do repositório, o histórico dos passos anteriores e os logs, sem a necessidade de montar logo de início um esquema complexo de compressão de memória. Mas «cabe» não significa «usa bem», e isso precisa ser verificado separadamente.

Como ler os benchmarks

A Meta apresenta dois resultados:

• 76,4 pontos no Terminal-Bench 2.1 com o agente Terminus 2;
• 60 pontos no DeepSWE 1.1 com o harness preferido pela própria Meta.

Ambas as medições foram feitas no nível de raciocínio xhigh, isto é, com o maior esforço de «reflexão». É uma ressalva importante: esse modo costuma consumir mais tokens e tempo do que o padrão. O Terminal-Bench trata do trabalho do agente no terminal, o DeepSWE, de engenharia de software. Ambos os testes são próximos do que os agentes realmente precisam fazer.

Ainda assim, os números foram obtidos pela própria Meta nas configurações que ela escolheu. As condições completas de avaliação estão no model card publicado. O harness (a camada de orquestração) muitas vezes altera o resultado mais do que a diferença entre modelos vizinhos. Por isso, comparar esses números com os de terceiros sem ajustar pelo harness e pelo modo de raciocínio é incorreto.

Como testar e o que verificar

Na Modal, o modelo funciona como Shared Endpoint: um endpoint compartilhado com cobrança por tokens, sem aluguel de GPUs dedicadas. Para uma equipe, é uma forma prática de fazer um piloto curto. Basta plugar o modelo no seu ciclo agêntico e ver o que acontece em tarefas reais.

O que vale medir:

• a proporção de tarefas concluídas no seu repositório em comparação com o modelo atual;
• o comportamento após a falha de uma ferramenta: o modelo percebeu o erro e se corrigiu;
• o custo da tarefa inteira, e não de um token: um agente com alto nível de raciocínio pode gastar muitos;
• a qualidade em contexto longo, e não apenas em prompts curtos.

Se os resultados forem satisfatórios e o volume de requisições crescer, pode-se pensar em um deploy próprio. É nisso que consiste o sentido dos pesos abertos: controle sobre os dados, uma versão fixa do modelo sem surpresas do provedor e a possibilidade teórica de fine-tuning.

O que ainda não sabemos

Do anúncio não se vê o tamanho do modelo, os requisitos de hardware, o preço por milhão de tokens nem os termos de licença. Tudo isso deve ser conferido no model card e na página da Modal antes de incluir o modelo em um produto. Além disso, trata-se de uma comunicação de um provedor de inferência, e não de um teste independente. Enquanto não houver medições de terceiros em diferentes tarefas, os números da Meta devem ser vistos como uma alegação, e não como prova.

A postura sensata por ora é simples: o Muse Spark Open é um bom candidato à avaliação para quem constrói agentes de código e quer pesos abertos. Teste-o no seu próprio repositório, calcule o preço da tarefa inteira — e só depois decida se vale a pena trocar.