Muse Spark Open: si può far girare in locale il modello open-weight di Meta, e Muse Code?
Il 15 ottobre Meta ha rilasciato Muse Spark Open: 816 miliardi di parametri, una licenza su misura e requisiti hardware fuori portata per la maggior parte degli sviluppatori. Ecco cosa consente la licenza, cosa serve per farlo girare e cosa Meta ha detto, e non ha detto, sull'uso di Muse Code in locale.
Cosa ha rilasciato Meta
Il 15 ottobre 2026 Meta ha pubblicato i pesi di Muse Spark Open, un grande modello open-weight della famiglia Muse Spark. Le specifiche principali:
- Dimensioni: 816 miliardi di parametri totali, 42 miliardi attivi per token (architettura mixture-of-experts).
- Contesto: 1 milione di token.
- Input: testo, immagini, video e audio. Output: testo.
È un rilascio di natura diversa rispetto a Muse Glimmer, il modello aperto da 30B che Meta ha pubblicato il 10 agosto. Glimmer è pensato per girare su una singola GPU consumer. Spark Open è pensato per un data center o per un cluster di workstation di tutto rispetto.
La licenza, in parole semplici
Spark Open è distribuito con la Muse Model License, una licenza su misura scritta da Meta. Non è una licenza open source approvata dall’OSI, quindi il termine corretto è “open-weight”. In pratica:
- Puoi eseguire, modificare, fare fine-tuning, distillare e ridistribuire il modello, a patto di rispettare le condizioni della licenza e la policy d’uso di Meta.
- Devi mostrare la dicitura “Built with Muse Spark Open” nei prodotti che lo usano.
- Se sei un grande fornitore di hosting di modelli — un’azienda con oltre 20 milioni di dollari di ricavi lordi in 12 mesi dall’offerta del modello come servizio di model serving — devi avvisare Meta e firmare un accordo separato.
- I tuoi output sono tuoi. Meta non rivendica la proprietà di ciò che il modello genera.
Per la maggior parte dei team la clausola sui ricavi non si applica. Provider di hosting e rivenditori dovrebbero leggerla per intero. Glimmer, invece, è Apache 2.0, senza obbligo di attribuzione e senza soglie di ricavi.
Che hardware serve davvero?
Tanto. Le indicazioni di Meta parlano di circa 700 GB di memoria acceleratore in precisione NVFP4 e di circa 2 TB in BF16. I 42B di parametri attivi rendono il calcolo di ogni token relativamente economico, ma tutti gli 816B di parametri devono comunque stare in memoria.
La demo di Meta usava due Mac Studio M5 Ultra — fino a 512 GB di memoria ciascuno — con il modello in esecuzione su MLX. È la configurazione più accessibile che Meta abbia mostrato, e richiede comunque due macchine di fascia altissima. Spark Open non è un modello da laptop, e una singola GPU da gaming di fascia alta non basta.
Dove trovarlo
- Pesi: Hugging Face (ad accesso controllato,
meta-models/Muse-Spark-Open-816B-A42B), Amazon SageMaker AI, Google Cloud Model Garden e Microsoft Foundry. - Motori di inferenza: SGLang, vLLM, TensorRT-LLM, Transformers, MLX, llama.cpp e Unsloth. Per il fine-tuning Meta indica TorchTitan.
- API ospitate: Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter e Together AI. Together lo propone a 1,25 $ in input, 0,15 $ per l’input in cache e 4,25 $ in output per 1M di token. Groq limita il contesto a 131K token invece del milione completo.
Il prezzo di Together è identico alla tariffa di Meta per muse-spark-1.3 ospitato. Se ti basta l’accesso a token, i pesi aperti non lo rendono più economico. Diventano convenienti quando hai bisogno di self-hosting, di fine-tuning o di tenere i dati sul tuo hardware.
Come se la cava nei benchmark?
Ecco la tabella di lancio di Meta, con la solita avvertenza: sono numeri del produttore.
| Benchmark | Muse Spark Open | Nota dalla tabella di Meta |
|---|---|---|
| Terminal-Bench 2.1 | 76.4 | In testa Kimi K3 con 85.0 |
| MCP-Atlas | 89.2 | Primo nel confronto |
| JobBench | 61.8 | Primo nel confronto |
| Artificial Analysis Intelligence Index | 39 | Sotto GLM-5.3 (45) e MiMo-V2.6-Pro (46) |
Spark Open sembra dare il meglio nell’uso degli strumenti e nei task da agent, ed è più debole dei migliori modelli aperti rivali sulle misure di intelligenza complessiva. Per confronto, VentureBeat ha attribuito allo Spark 1.3 ospitato 61 punti sullo stesso indice, come riportato nel nostro articolo su Spark 1.3. Il modello aperto non è una copia gratuita del modello di punta.
Si può far girare Muse Code in locale su questo modello?
In parte: sulla parola di Meta, ma non ancora con istruzioni di Meta. Meta dice che Muse Code gira su Spark Open per flussi di lavoro agentici on-device su hardware Apple. Nelle demo l’agent modificava l’app Mastodon Ice Cubes e manovrava DaVinci Resolve.
Quello che Meta non ha pubblicato è una procedura passo passo: non esiste una configurazione documentata di un provider locale che spieghi come puntare Muse Code su un endpoint Spark Open in self-hosting. La CLI 1.4.2 ha aggiunto i flag --provider e --model a muse serve, ma Meta non li documenta come un modo per collegarsi a un server Spark Open locale. Quindi:
- Muse Code completamente offline è qualcosa che Meta ha mostrato, non documentato. Mettiti in conto di dover sperimentare, e per ora non pianificarci sopra un rollout per tutto il team.
- Il vero limite è l’hardware. La demo documentata richiedeva due Mac Studio con tantissima memoria.
- I modelli dell’abbonamento non sono inclusi. Girare in locale non ti dà Muse Wonder né Wonder Full, che sono solo ospitati.
Se le cose cambiano, lo vedrai nella documentazione e nel nostro changelog.
Spark Open vs. Muse Glimmer vs. Spark 1.3 ospitato
| Muse Spark Open | Muse Glimmer | Muse Spark 1.3 (ospitato) | |
|---|---|---|---|
| Rilascio | 15 ottobre 2026 | 10 agosto 2026 | 2 settembre 2026 |
| Dimensioni | 816B totali, 42B attivi | 30B | — |
| Licenza | Muse Model License (su misura) | Apache 2.0 | Proprietaria, solo API e prodotti Meta |
| Hardware | ~700 GB (NVFP4) fino a ~2 TB (BF16) | Una GPU consumer, ~20 GB quantizzato | Nessuno: lo ospita Meta |
| Contesto | 1M di token | — | 1M di token |
| Prezzo | Il tuo hardware, oppure 1,25 $ / 4,25 $ per 1M su Together AI | Il tuo hardware | 1,25 $ / 4,25 $ per 1M (standard) |
| Muse Code | Secondo Meta gira su hardware Apple; nessuna configurazione documentata | Non documentato per Muse Code | Il modello predefinito |
Per chi è?
- Aziende e laboratori che devono tenere i dati sulla propria infrastruttura, o che vogliono fare fine-tuning o distillare un grande modello agentico.
- Provider di inferenza, il che spiega la lunga lista di host già al giorno del lancio, e la clausola sui ricavi pensata proprio per loro.
- Chi ha configurazioni Apple o GPU molto grandi e vuole sperimentare un agent locale prima che arrivi la documentazione ufficiale.
Per tutti gli altri le scelte pratiche non sono cambiate: Spark 1.3 ospitato tramite Muse Code o la Meta Model API se vuoi l’agent, e Glimmer se vuoi qualcosa che giri su una sola GPU. La nostra pagina di confronto mostra come si posizionano tutti rispetto agli agent rivali.