Meta lança Muse Spark Open, o modelo aberto mais forte dos EUA, mas a licença tem pegadinhas para quem programa

Na semana de 12 a 17 de outubro de 2026, a Meta divulgou os pesos do Muse Spark Open, segundo análise do pesquisador Nathan Lambert publicada no boletim Interconnects em 17 de outubro. O modelo é, segundo ele, "o modelo americano aberto mais forte, e com boa margem". A notícia importa menos pelo hype e mais pelo que muda na prateleira de opções de quem precisa escolher um modelo para rodar localmente, montar um agente ou treinar em cima de dados sintéticos.

Até a semana passada, segundo o mesmo texto, existiam mais de 20 modelos de peso aberto feitos por empresas chinesas superando os melhores modelos ocidentais abertos. O Muse Spark Open, somado ao Beam (primeiro modelo da startup Reflection), reduziu essa distância pela metade, na avaliação de Lambert. Isso não torna os modelos americanos líderes, mas os tira da irrelevância para quem precisa de desempenho de ponta.

O que tem debaixo do capô

Segundo o model card publicado pela Meta no Hugging Face, citado por Lambert, o Muse Spark Open é um modelo de 816 bilhões de parâmetros totais, com 42 bilhões ativos por inferência. Essa é a arquitetura conhecida como mixture of experts (MoE): o modelo tem um conjunto gigante de "especialistas" internos, mas só uma fração deles é acionada a cada token gerado. Na prática, isso significa que o custo computacional por chamada se aproxima do de um modelo denso de 42B, mesmo exigindo armazenamento e memória para os 816B de pesos.

Outros pontos do model card:

• Janela de contexto de 1 milhão de tokens, o suficiente para alimentar repositórios de código inteiros ou documentos longos numa única chamada.
• Construído para codificação e trabalho agêntico (tarefas em múltiplos passos, com uso de ferramentas).
• Nativamente multimodal.
• Passou por pós-treinamento de segurança adicional, especificamente pensado para uso como modelo autônomo, sem guardrails de sistema por cima.

Lambert aponta que esse modelo provavelmente é derivado do Muse Spark 1.2, não do mais recente Muse Spark 1.3, com um ajuste de segurança que custaria cerca de 1 ponto no Artificial Analysis Intelligence Index. A pista veio de uma fala anterior de Alexandr Wang, quando a Meta lançou o Muse Glimmer (modelo agêntico de 30B), afirmando que o Spark 1.2 seria a base da versão aberta.

Onde ele fica no ranking, com data e métrica

No Artificial Analysis Intelligence Index, medido na semana de lançamento (outubro de 2026), o Muse Spark Open aparece acima do GLM 5.2, perto do DeepSeek V4.1 Flash, e atrás do GLM 5.3 (lançado pela Zhipu AI em 18 de agosto de 2026) e do Kimi K3 (lançado em 16 de julho de 2026). Na mesma semana, a Mistral anunciou o Mistral Large 4 com pontuação 38 no índice, mas sem liberar os pesos até a publicação da análise.

Isso significa que o Muse Spark Open não é o melhor modelo aberto do mundo. É o melhor americano, o que já é uma mudança relevante para quem, por política interna ou exigência de cliente, prefere ou precisa de origem ocidental.

A licença é o ponto que todo dev deveria ler antes de clicar em "baixar"

Aqui está o detalhe que separa este lançamento de um open source de verdade. A licença customizada da Meta para o Muse Spark Open traz quatro cláusulas que Lambert descreve como "praticamente todo comportamento restritivo de licença que já vimos e criticamos nos últimos anos":

1. Atribuição obrigatória: produtos construídos com o modelo precisam exibir "Built with Muse" visivelmente. A Meta já fez isso com o Llama, e a Kimi tentou o mesmo, mas quase ninguém cumpre na prática.
2. Gatilho de receita: empresas que faturam mais de US$ 20 milhões por mês, considerando o negócio inteiro, precisam negociar uma licença separada com a Meta.
3. Política de uso aceitável: usar o modelo implica concordar com restrições de uso que, na visão de comunidades de código aberto tradicionais, tiram o modelo da categoria "open source".
4. Extensão a saídas e derivados: as mesmas restrições valem para o que o modelo gera e para modelos treinados a partir dele, criando ambiguidade jurídica sobre usar as saídas do Muse Spark Open como dado sintético para treinar outro modelo.

A licença permite uso para pesquisa interna e aplicações internas sem essas amarras comerciais. Lambert resume a situação como um "equilíbrio estranho": a licença é complexa, nunca foi testada em tribunal, e a aposta de muita gente é simplesmente ignorá-la, com a Meta perseguindo só violações flagrantes. Isso não é garantia nenhuma para quem decide arquitetura dentro de uma empresa com departamento jurídico atento.

O que isso muda para quem decide arquitetura no Brasil

Para times de TI e desenvolvedores que avaliam onde rodar modelos próprios, o Muse Spark Open entra como opção real de origem ocidental para tarefas de código e agentes, com janela de contexto grande o suficiente para processar bases de código completas. Mas antes de adotar, valem três checagens:

• Faturamento da empresa: se o produto final, somado a outras receitas da companhia, passar de US$ 20 milhões por mês, é preciso negociar licença separada com a Meta, não só hospedar o modelo e seguir em frente.
• Uso para gerar dados sintéticos: se a ideia é usar o Muse Spark Open para destilar outro modelo menor ou gerar datasets de treino, a cláusula de derivados cria uma zona cinzenta jurídica que merece parecer legal antes, não depois.
• Infraestrutura real: mesmo com 42B de parâmetros ativos por inferência, hospedar um modelo de 816B de parâmetros totais exige memória para o total, não só para a fração ativa. Isso pesa na escolha entre self-hosting e provedores de inferência que já estão escalando para atender a essa demanda, segundo o próprio Lambert.

Quem busca algo fechado e mais refinado, sem lidar com licença de peso aberto, tem a opção dos modelos de API da própria Meta lançados dias antes, o Muse Wonder e o Muse Wonder Full. Segundo a análise, em benchmarks tradicionais eles ficam atrás apenas do Opus 5.5 da Anthropic, e próximos do GPT-6-Astra da OpenAI e do Gemini-4-Argon do Google. A Meta é hoje a única empresa americana com modelos de fronteira tanto abertos quanto fechados ao mesmo tempo, estratégia parecida com a do Qwen, da Alibaba, mas com a Qwen mais inclinada para o lado aberto.

O panorama da corrida, por ordem de força

A classificação que Lambert traça para outubro de 2026, considerando desempenho de ponta entre os principais laboratórios, fica assim: Anthropic à frente, seguida por OpenAI, depois Meta empatada com o Gemini do Google, depois xAI empatada com os modelos abertos chineses, e por último os modelos abertos americanos. O Xiaomi V2.6 Pro é citado como o modelo de peso aberto mais forte do mundo hoje, à frente de qualquer opção ocidental.

Para quem decide arquitetura de IA no Brasil, a lição prática não é trocar de modelo esta semana. É que a distância entre abrir mão de um modelo fechado e confiar num aberto ocidental ficou menor, mas a análise de licença virou etapa obrigatória do processo de escolha, tão importante quanto o benchmark.

Fonte: Interconnects (Nathan Lambert)