Muse Spark Open: Meta publica pesos oberts, però amb lletra petita

Un model que tothom pot descarregar

Meta va publicar dijous, 15 d'octubre, els pesos de Muse Spark Open a Hugging Face, la plataforma on es publiquen i es descarreguen els models oberts; també es pot fer servir per API a través de proveïdors externs. L'empresa el presenta com «el model de pesos oberts estatunidenc més capaç fins ara».

Comparteix el model base amb Muse Spark 1.3, però incorpora un entrenament de seguretat addicional perquè resisteixi millor els usos indeguts quan funciona sol, sense les salvaguardes d'un sistema al voltant. Tot i així, Meta recomana desplegar-lo amb proteccions pròpies per a cada ús.

Enorme per fora, més lleuger per dins

Muse Spark Open suma 816.000 milions de paràmetres, però a cada pas només en treballen 42.000 milions: reparteix la feina entre 256 experts i n'activa 8 cada vegada. Entén text, imatges, vídeo i àudio, respon amb text i admet un context d'un milió de tokens, prou, segons Meta, per abastar un projecte de programari sencer.

Executar-lo a casa demana molta màquina: com a mínim 700 GB de memòria gràfica en la versió comprimida NVFP4 i 2 TB en la BF16. Meta afegeix que està optimitzat per funcionar en dos Mac Studio amb M5 Ultra, i es pot servir amb SGLang, vLLM o Llama.cpp, entre d'altres.

L'equip de PyTorch, la biblioteca d'aprenentatge automàtic que va crear Meta, l'acompanya amb Helion, que n'accelera els càlculs en xips de fabricants diferents, i TorchTitan, que permet reentrenar-lo.

Millor agent que programador

Meta es compara amb models oberts de mida i arquitectura que considera semblants, i la taula no sempre li és favorable. El seu millor resultat arriba com a agent, quan encadena passos i eines pel seu compte: a JobBench i MCP-Atlas supera Kimi K3, GLM 5.3 i Qwen3.8. No és la norma en aquesta categoria: en les altres tres proves d'agents de la fitxa (GDPVal-AA v2, OSWorld Verified i Toolathlon Verified) queda per darrere de Kimi K3, i a GDPVal-AA v2, dels tres. També queda primer a HLE-Diamond sense eines, una prova de raonament.

En programació, la tasca per a la qual diu que l'ha construït, el resultat s'inverteix: queda per darrere dels tres a SWE-Atlas-QnA i Terminal-Bench 2.1, i a DeepSWE 1.1 només supera Qwen3.8. Artificial Analysis és una empresa de San Francisco que es defineix com a independent, mesura models d'IA i publica índexs comparables; entre els seus inversors hi ha Nat Friedman, Andrew Ng i Adam D'Angelo. En l'índex general d'Artificial Analysis, segons les xifres que recull la fitxa de Meta, Muse Spark Open és l'últim dels quatre. En l'àmbit multimodal, dels tres rivals de la taula, Meta només dona dades de Kimi K3, i empaten: tres proves per a cadascun.

De franc, però amb dues condicions

La Muse Model License comença gairebé calcada de la llicència MIT, una de les més permissives del programari: permet fer servir, copiar, modificar, reentrenar, destil·lar, redistribuir i vendre el model sense pagar res. Després arriben les condicions.

La primera és l'atribució: qualsevol producte o servei que utilitzi el model o un derivat ha de mostrar de manera destacada «Built with Muse Spark Open» a la interfície, la documentació, el web o el menú de configuració. I compta com a derivat qualsevol model entrenat o destil·lat amb Muse Spark Open o amb les seves respostes.

La segona és la que pesa. Si una empresa ofereix models d'IA a tercers com a servei, per API o per una via similar, i els seus ingressos bruts, sumats als de les filials, superen els 20 milions de dòlars en 12 mesos seguits, ha d'avisar Meta i signar un acord a part abans de fer servir el model en aquest negoci. En queden fora l'ús intern, la recerca i els productes propis que no venen el model com a servei.

La política d'ús hi afegeix una llarga llista de prohibicions, del terrorisme a les aplicacions militars o l'exercici de professions sense habilitació, i el model no està pensat per a menors de 18 anys. Meta no reclama la propietat del que generi.

La seguretat, mesurada a casa

Meta assegura que, en el seu banc de proves intern de ciberseguretat i sense salvaguardes externes, el model va rebutjar el 99,2 % dels intents d'esquivar-ne els límits.

La mateixa fitxa matisa aquesta xifra: val per al model tal com es publica, i les modificacions posteriors en podrien degradar la seguretat. La política d'ús prohibeix treure aquestes proteccions, i la llicència fa que qui creï un derivat sigui l'únic responsable de la seguretat.