In breve
Meta rilascia Muse Spark Open, modello open-weight da 816 miliardi di parametri per il coding agentico: la memoria diventa il vincolo.
Cosa è successo
Il 15 ottobre 2026 Meta ha lanciato Muse Spark Open, un modello open-weight multimodale con architettura mixture-of-experts. Hugging Face lo definisce il modello open-weight statunitense più capace finora. TechCrunch precisa che le valutazioni a sostegno, secondo cui supera altri modelli aperti diffusi, sono state pubblicate da Meta.[1, 2]
Il modello ha 816 miliardi di parametri totali e 62 livelli. Ogni blocco ha 256 esperti e un router ne attiva 8 per ogni token: il calcolo coinvolge circa 42 miliardi di parametri, ma tutti gli esperti restano in memoria.[1]
Muse Spark Open: parametri totali e attivi per token
Il modello ha 816 miliardi di parametri, ma ne usa circa 42 miliardi per ogni token elaborato.
- Parametri (miliardi)
- 18 esperti su 256 per ogni token
Metodologia
Valori dal post tecnico: 816 miliardi di parametri totali, circa 42 miliardi attivi per token (nome del checkpoint 816B-A42B).
I valori mancanti sono indicati come «n.d.» e non vengono stimati né interpolati.
Dati del grafico (tabella)
| Tipo di parametri | Parametri (miliardi) |
|---|---|
| Totali (in memoria) | 816 |
| Attivi per token | 42 |
Meta lo ha addestrato per il lavoro agentico sul codice: leggere una base di codice, scrivere e correggere software, chiamare strumenti. Accetta immagini, audio e video. TechCrunch indica un contesto da 1 milione di token e cita dimostrazioni con Muse Code su un client Mastodon e su DaVinci Resolve.[1, 2]
Il checkpoint BF16 pesa circa 1,5 TB e gira su 4 nodi da 8 GPU H200. La versione NVFP4, a 4 bit e pensata per le GPU NVIDIA Blackwell, gira su un singolo nodo B200. Su Mac, TechCrunch cita Engadget: servono almeno 1 TB di RAM, con risultati migliori su un Mac Studio con chip M5 Ultra.[1, 2]
Divergenza fra le fonti Il primato e la superiorità sugli altri modelli aperti poggiano su valutazioni di Meta, senza verifiche indipendenti negli estratti. La finestra da 1 milione di token compare solo in TechCrunch, non nell'estratto del post tecnico.[1, 2]
Perché conta
Interpretazione: il modello è veloce come uno da 42 miliardi di parametri, ma pesa come uno da 816. Il vincolo si sposta dal calcolo alla RAM, e «locale» significa workstation di fascia molto alta, non un portatile qualunque.[1, 2]
C'è anche una questione di controllo. Un agente con i pesi sulla macchina dell'utente sfugge al filtro di un fornitore API: un vantaggio in costi e flessibilità, come nota TechCrunch, ma la responsabilità di contenerlo passa a chi lo usa. Sifted il 16 ottobre 2026 ha pubblicato un articolo sulla sicurezza dei modelli open-weight, di cui abbiamo solo il titolo.[2, 3]
Il segnale futuro
Scenario, non certezza: se modelli di questa scala girano su una sola macchina, parte del lavoro agentico sul codice potrebbe passare dalle API a desktop o server aziendali. La competizione si sposterebbe dalla qualità del modello a memoria, strumenti e orchestrazione.[1, 2]
Più i pesi aperti si avvicinano alla frontiera, più il dibattito passa dalla trasparenza alla responsabilità d'uso. Gli estratti non dicono come Meta intenda gestire il punto: resta una domanda aperta.
Cosa osservare adesso
Valutazioni indipendenti
Verificare se laboratori terzi confermano le prestazioni dichiarate da Meta sul coding agentico e sui compiti lunghi.[1, 2]
Costi e adozione reale
Osservare chi userà la versione NVFP4 su nodo B200 o un Mac Studio M5 Ultra con almeno 1 TB di RAM, e quali offerte API emergeranno.[1, 2]
Sicurezza dei pesi aperti
Seguire il confronto su rischi e responsabilità dei modelli open-weight agentici, a partire dagli articoli come quello di Sifted.[3]
Metodologia
Fatti tratti dal post tecnico su Hugging Face e da TechCrunch. Di Sifted era disponibile solo il titolo, non usato per dati o affermazioni. Le prestazioni sono dichiarazioni di Meta, non verificate. Il modello è distinto da Muse Wonder, trattato il 13 ottobre 2026.[1, 3, 2]
Fonti
- Hugging Face Blog · Fonte primaria · ufficiale Welcome Muse Spark Open: open-weight frontier multimodal mixture-of-experts model from Meta Pubblicata il 15 ottobre 2026 · consultata il 16 ottobre 2026
- TechCrunch · Fonte giornalistica Meta launches an open-weight AI model that runs on Macs Pubblicata il 15 ottobre 2026 · consultata il 16 ottobre 2026
- Sifted · Fonte giornalistica Are open-weight AI models safe? Pubblicata il 16 ottobre 2026 · consultata il 16 ottobre 2026