Muse Spark Open da Meta: licença, hardware e como testar

O Muse Spark Open é o modelo de pesos abertos da Meta, com 816 bilhões de parâmetros, janela de contexto de 1 milhão de tokens e licença própria que libera uso, ajuste e redistribuição com condições. Dá para baixar os arquivos, mas a maioria das pessoas vai testá-lo por API, porque rodar localmente pede centenas de gigabytes de memória.

A Meta anunciou o modelo em 15 de outubro de 2026, segundo a reportagem da TechCrunch, e a cobertura do lançamento já está no Portal. Este guia é o complemento prático: o que a licença diz, quanto hardware ele pede, onde baixar, como testar sem gastar com máquina e quando ele não faz sentido para você.

O que é o Muse Spark Open

Segundo o blog de pesquisa da Meta, o Muse Spark Open é um modelo do tipo mistura de especialistas: são 816 bilhões de parâmetros no total, mas apenas 42 bilhões ficam ativos para cada token gerado. Na prática, isso ajuda na velocidade, porque só uma parte da rede trabalha a cada palavra. Ele é multimodal, aceita texto, imagem, vídeo e áudio na entrada e responde em texto.

A Meta o descreve como voltado a tarefas longas, engenharia de software complexa e raciocínio em várias etapas. O cartão do modelo no Hugging Face informa que ele foi treinado com dados de mais de 100 idiomas, mas avisa que o desempenho pode cair fora dos idiomas mais fortes. Ou seja: antes de assumir que o português vai funcionar bem, teste com textos seus.

Se você ainda está se situando na diferença entre modelo aberto e fechado, o guia sobre IA de código aberto e o que muda para quem usa explica o conceito sem jargão. E o termo janela de contexto, que aparece várias vezes aqui, está detalhado em tokens e janela de contexto.

O que a licença Muse Model permite

Os pesos saem sob a Muse Model License, que a Meta chama de licença com termos comerciais limitados. O texto completo fica atrás de um login no Hugging Face, mas o cartão do modelo resume os pontos principais. Eis o que consta, verificado em 19/10/2026:

• Permite usar, modificar, ajustar, destilar e redistribuir o modelo, sujeito a condições.
• Trabalhos derivados precisam exibir de forma visível o aviso "Built with Muse Spark Open".
• Empresas que oferecem o modelo como serviço por API e têm receita bruta anual acima de US$ 20 milhões precisam avisar a Meta e assinar um acordo separado.
• Há uma política de uso anexa que proíbe atividades ilegais, armas e enganação.
• O software vem "como está", sem garantias, e a Meta não assume responsabilidade.

Para uma pessoa física, um freelancer ou uma pequena empresa, esses limites dificilmente travam o uso. Para quem pretende revender o modelo como produto, vale ler a licença inteira e, se o negócio for relevante, consultar um advogado. Este texto resume o que a Meta publicou e não substitui a leitura do documento.

Quanto hardware ele pede

Aqui está o ponto que separa curiosidade de uso real. O cartão do modelo cita cerca de 700 GB de memória de vídeo para a versão compactada em NVFP4 e cerca de 2 TB para a versão em BF16. A Meta também diz que ele roda em dois Mac Studio com chip M5 Ultra, cada um com até 512 GB de memória unificada, usando a biblioteca MLX LM, voltada a processadores da Apple.

Nenhum desses cenários cabe em um notebook comum de 16 ou 32 GB. Mesmo para uma empresa pequena, comprar essa estrutura só para testar um modelo raramente se paga. A comparação com opções para o celular, como as descritas em IA no celular sem internet, mostra a distância entre os dois extremos: modelos minúsculos que cabem no bolso e modelos gigantes que pedem uma sala de servidores.

Tabela rápida de caminhos para usar

Onde baixar e onde testar por API

Pelo blog da Meta, os pesos estão no Hugging Face e também em catálogos de três nuvens: Amazon SageMaker AI, Google Cloud Model Garden e Microsoft Foundry Models. Para uso hospedado por API, a empresa cita Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter e Together AI. Preços e disponibilidade no Brasil variam por provedor e mudam com frequência, então consulte a página de cada um no dia em que for testar.

A vantagem de existir vários provedores para os mesmos pesos é a concorrência: você pode comparar custo por milhão de tokens e trocar de fornecedor sem reescrever o projeto. Quem já mexe com automações e agentes encontra no guia do protocolo MCP uma forma de ligar um modelo a ferramentas do dia a dia.

Como testar em 20 minutos, sem comprar máquina

1. Escolha um provedor da lista oficial que aceite seu cartão e tenha crédito de teste ou cobrança por uso.
2. Crie uma chave de API e defina um limite de gasto baixo, por exemplo R$ 20, para não ter surpresa na fatura.
3. Separe três tarefas reais suas: um resumo de documento longo, uma revisão de código ou planilha e uma resposta a cliente em português.
4. Rode as mesmas tarefas no Muse Spark Open e no assistente que você já usa, e compare qualidade, tempo e custo.
5. Anote onde errou. Uma comparação com a sua própria régua vale mais do que qualquer gráfico de lançamento.

Um prompt útil para a comparação:

Você vai receber um relatório de 20 páginas sobre o meu negócio.
Entregue: 1) resumo em 8 linhas; 2) três riscos que o texto menciona; 3) duas perguntas que um sócio deveria fazer.
Cite o trecho do relatório que sustenta cada ponto. Se algo não estiver no texto, diga que não está.

Esse tipo de pedido ajuda a medir também a taxa de invenção, tema do guia sobre alucinação de IA. Se o modelo citar trechos que não existem, descarte-o para aquela tarefa.

Exemplo brasileiro: escritório de contabilidade com 12 clientes

Imagine um escritório pequeno que resume contratos e extratos para os clientes. Hoje paga um plano de assistente pronto e cola documentos manualmente. Uma pessoa de tecnologia do escritório monta um teste de uma semana via API com 30 documentos reais já anonimizados, compara com o plano atual e mede três coisas: acertos nos resumos, tempo por documento e custo total do teste.

Se o modelo aberto empatar em qualidade e o custo por API ficar menor, o escritório considera migrar apenas essa rotina. Se perder em português ou inventar valores, mantém o que já usa. Em nenhum dos dois cenários o escritório precisou comprar hardware, e é essa lógica de teste curto e barato que vale para você também. Antes de enviar dados de clientes a qualquer provedor, passe pelo checklist de LGPD para pequenos negócios.

Erros comuns ao avaliar um modelo aberto

• Confiar nos gráficos do lançamento. Os números divulgados são da própria Meta, e a TechCrunch deixa claro que não foram verificados de forma independente.
• Esquecer o idioma. O modelo é multilíngue, mas o próprio cartão avisa que nem todos os idiomas foram avaliados.
• Enviar dados sensíveis para um provedor sem ler a política de retenção.
• Ignorar a licença antes de colocar o modelo em um produto que será vendido.
• Comparar só preço por token e esquecer o tempo da sua equipe para configurar tudo.

Quando não vale a pena

Se você usa IA para escrever e-mails, resumir textos ou estudar, um assistente pronto resolve melhor e mais barato. O comparativo entre ChatGPT, Claude e Gemini ajuda a escolher entre eles, e o texto sobre IA grátis ou paga mostra quando o plano gratuito basta. Modelo aberto compensa quando você precisa de controle sobre onde os dados ficam, quer ajustar o modelo para uma tarefa específica ou monta um produto próprio.

Em dúvida sobre segurança de qualquer ferramenta nova, use o checklist para escolher ferramenta de IA com segurança antes de colocar um único dado de cliente nela.

O que acompanhar nas próximas semanas

Três pontos merecem atenção: testes independentes que confirmem ou desmintam as comparações da Meta, preços por API nos diferentes provedores e eventuais versões menores que caibam em máquinas comuns. O blog da Meta não menciona variantes menores até hoje. Enquanto isso, a Meta segue lançando modelos em ritmo acelerado, como mostra a notícia sobre o Muse Wonder, e outros laboratórios apostam em abertura, caso da Xiaomi com o MiMo V2.6.

Meu conselho prático: não corra atrás de cada lançamento. Escolha uma tarefa que consome seu tempo, rode o teste de 20 minutos e decida com base no resultado. Para entender o que já existe dentro dos aplicativos da Meta, vale ler também o guia do Meta AI no WhatsApp, e para ver o panorama completo de ferramentas, volte à categoria Ferramentas do Portal.