In breve
Muse Spark Open offre ai team statunitensi ed europei un’opzione open-weight solida, sviluppata negli Stati Uniti, per agenti di coding che possono girare nella propria infrastruttura. Il modello mixture-of-experts da 816 miliardi di parametri ne attiva 42 miliardi per token, gestisce fino a un milione di token di contesto ed è disponibile come pesi o tramite API ospitate, per esempio Together AI a 1,25 dollari per milione di token in input. Per i team che pianificano un’integrazione di IA generativa in cui codice e dati non possono uscire dal proprio ambiente, merita un posto nel benchmark, dopo aver letto la licenza.
Che cosa ha rilasciato Meta?
Il 15 ottobre Meta ha pubblicato i pesi di Muse Spark Open, che definisce il modello open-weight statunitense più capace finora. Secondo il blog per sviluppatori di Meta, è la versione a pesi aperti di Muse Spark 1.3 ed è pensato per il «long-horizon agentic work»: leggere codebase, pianificare modifiche, richiamare strumenti e riprendersi quando un passaggio fallisce. Meta afferma di aver aggiunto un post-training di sicurezza supplementare perché il modello regga anche senza le protezioni di sistema dei suoi prodotti ospitati.
Il rilascio ha una strategia precisa. Bloomberg lo ha descritto come un Meta che pubblica un modello aperto mantenendo chiusa la sua tecnologia migliore: tre giorni prima Meta aveva lanciato la famiglia proprietaria Muse Wonder, la cui versione più potente non è disponibile nemmeno tramite API. CNBC ha messo in luce l’altra metà della storia, una partnership con Apple per consentire agli sviluppatori di eseguire il modello in locale su Mac di fascia alta.
Quanto è aperta la Muse Model License?
Abbastanza per la maggior parte dei team di prodotto, ma con condizioni. Muse Spark Open è distribuito con la Muse Model License anziché con Apache 2.0, usata da Meta ad agosto per il suo modello più piccolo, Muse Glimmer. Secondo VentureBeat, uso interno, ricerca e gran parte dei prodotti sono coperti, mentre le aziende che offrono il modello a terzi e superano i 20 milioni di dollari di ricavi lordi complessivi devono stipulare un accordo scritto con Meta. È obbligatoria un’attribuzione come «Built with Muse Spark Open», e Meta non rivendica la proprietà degli output generati.
Anche l’accesso è controllato. VentureBeat segnala che il download su Hugging Face richiede nome e cognome completi, data di nascita e nome dell’organizzazione. Nulla di tutto questo blocca un pilota, ma ufficio acquisti e ufficio legale vorranno dare il via libera prima che il modello tratti dati dei clienti.
Che cosa serve per eseguire Muse Spark Open?
Soprattutto memoria. Meta e Apple descrivono una configurazione desktop con due Mac Studio M5 Ultra da 512 GB di memoria unificata ciascuno, oppure quattro macchine da 256 GB, tramite il framework MLX di Apple; VentureBeat stima l’opzione a quattro macchine in circa 43.000 dollari. In data center, Hugging Face indica un singolo nodo B200 per il checkpoint NVFP4 a 4 bit e quattro nodi da otto GPU H200 per la precisione BF16 completa. Il modello gira anche su SGLang, vLLM, TensorRT-LLM e llama.cpp con hardware NVIDIA, AMD, Intel e Apple.
La maggior parte dei team partirà dalla versione ospitata. Meta elenca Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter e Together AI per l’accesso via API, e Amazon SageMaker AI, Google Cloud Model Garden e Microsoft Foundry per distribuire i pesi nel proprio account cloud. VentureBeat riporta per Together AI prezzi di 1,25 dollari per milione di token in input e 4,25 dollari per milione di token in output.
Come si confronta Muse Spark Open con gli altri modelli aperti?
Competitivo, non dominante. Nell’Artificial Analysis Intelligence Index citato da VentureBeat, Muse Spark Open ottiene 39, dietro ai modelli aperti cinesi MiMo-V2.6-Pro con 46, GLM-5.3 con 45 e Kimi K3 con 44. Il suo punto di forza è l’uso degli strumenti: 89,2 su MCP-Atlas contro 84,2 di GLM-5.3. Resta indietro sulle attività da terminale e a livello di repository, con 76,4 su Terminal-Bench 2.1 contro 85,0 di Kimi K3 e 60 su DeepSWE 1.1 contro 68.
Per molti acquirenti statunitensi ed europei, però, la qualità non è l’unico criterio. Un modello sviluppato negli Stati Uniti e con provenienza documentata può superare più facilmente le valutazioni del rischio fornitori rispetto a un modello cinese equivalente, anche quando entrambi girano sui propri server.
Che cosa significa per i team software negli Stati Uniti e in Europa
Il cambiamento principale riguarda i team che non potevano usare agenti di coding di prima fascia perché codice sorgente, dati sanitari o dati di pagamento non possono finire in un’API di terze parti. Un’installazione self-hosted di Muse Spark Open nella propria regione cloud mantiene prompt, repository e output all’interno del proprio perimetro, semplificando le questioni sul trasferimento dei dati ai sensi del GDPR e le regole di settore come HIPAA e PCI DSS. Non le elimina, però: logging, controllo degli accessi e conservazione vanno comunque progettati.
Il fine-tuning è la seconda opportunità. Meta supporta fine-tuning supervisionato, LoRA e reinforcement learning tramite strumenti come TorchTitan, NVIDIA NeMo, Hugging Face TRL, Fireworks e Together. Diventa così realistico adattare il modello a un framework interno, alle convenzioni di una codebase o a un’API di dominio, cosa che i modelli frontier chiusi raramente consentono a queste dimensioni.
Il prezzo da pagare è la gestione operativa. Eseguire un modello da 816 miliardi di parametri significa farsi carico di capacità di inferenza, aggiornamenti, valutazione e patch di sicurezza. Per un team senza solide competenze MLOps, un endpoint ospitato con deployment privato o clausola di zero retention può offrire gran parte dei vantaggi con una frazione dello sforzo. E il divario tra questo rilascio aperto e il Muse Wonder chiuso di Meta ricorda di mettere uno strato indipendente dal fornitore davanti a qualsiasi modello.
Che cosa significa per il mercato italiano
In Italia l’arrivo di un modello open-weight di questa classe incrocia un quadro normativo che si è appena consolidato. Accanto all’AI Act europeo, la legge italiana sull’intelligenza artificiale (L. 132/2025) ha introdotto principi nazionali su trasparenza e supervisione umana, mentre il Garante per la protezione dei dati personali resta tra le autorità più attive in Europa sui modelli di IA. Un modello eseguito sui propri server non esonera da questi obblighi, ma rende molto più semplice documentare dove finiscono codice e dati.
Per la pubblica amministrazione e i suoi fornitori conta anche la qualificazione dei servizi cloud gestita dall’Agenzia per la Cybersicurezza Nazionale (ACN): un modello open-weight può essere installato su infrastrutture qualificate, cosa impossibile con un’API ospitata fuori dall’UE. Per le tante PMI e software house italiane, infine, l’argomento decisivo è spesso il costo: partire da un’API ospitata e passare al self-hosting solo quando i volumi lo giustificano è la strada più prudente.
Come valutare Muse Spark Open in questo trimestre
- Partire dalla versione ospitata. Confrontarlo tramite API ospitata con il vostro attuale modello di coding su ticket reali prima di acquistare hardware.
- Testarlo dove dichiara di essere forte. Misurare chiamate a strumenti in più passaggi e workflow MCP, e verificare i punti deboli su lunghi task da terminale e di repository.
- Leggere presto la licenza. Verificare se il vostro prodotto equivale a fornire il modello a terzi e se si applica la soglia dei 20 milioni di dollari.
- Calcolare onestamente il self-hosting. Confrontare costi di GPU o Mac Studio, energia e tempo di ingegneria con i prezzi per token delle versioni ospitate, ai vostri volumi reali.
- Pianificare l’adattamento. Se supera il test, avviare un pilota di fine-tuning LoRA sulle convenzioni della vostra codebase prima del rollout completo.
Domande frequenti
Che cos’è Meta Muse Spark Open?
Muse Spark Open è un modello di IA open-weight rilasciato da Meta il 15 ottobre 2026. È un modello mixture-of-experts con circa 816 miliardi di parametri totali e 42 miliardi attivi per token, una finestra di contesto fino a un milione di token e input di testo, immagini, audio e video. Condivide la base con Muse Spark 1.3 ed è ottimizzato per il coding e il lavoro degli agenti.
Muse Spark Open è gratuito per uso commerciale?
In gran parte sì, ma non è Apache 2.0. È distribuito con la Muse Model License proprietaria di Meta. Secondo VentureBeat, uso interno e gran parte dei prodotti sono coperti, mentre le attività model-as-a-service oltre i 20 milioni di dollari di ricavi lordi complessivi richiedono un accordo scritto separato con Meta, ed è obbligatoria un’attribuzione come «Built with Muse Spark Open». Fate verificare la licenza dall’ufficio legale prima dell’uso in produzione.
Di quale hardware ha bisogno Muse Spark Open?
Di molta memoria. Meta e Apple descrivono una configurazione desktop con due Mac Studio M5 Ultra da 512 GB di memoria unificata ciascuno, oppure quattro unità da 256 GB, tramite MLX. In data center, Hugging Face indica un singolo nodo B200 per la versione NVFP4 e quattro nodi da otto GPU H200 per la precisione BF16 completa. La maggior parte dei team partirà invece da un’API ospitata.
Come si confronta Muse Spark Open con i modelli open-weight cinesi?
È in testa su alcuni benchmark per agenti e indietro su altri. VentureBeat riporta un punteggio di 39 nell’Artificial Analysis Intelligence Index, sotto MiMo-V2.6-Pro con 46, GLM-5.3 con 45 e Kimi K3 con 44. Ottiene 89,2 su MCP-Atlas per l’uso degli strumenti contro 84,2 di GLM-5.3, ma 76,4 su Terminal-Bench 2.1 contro 85,0 di Kimi K3.
Fonti
Meta — Build with Muse Spark Open (15 ottobre 2026)
Hugging Face — Welcome Muse Spark Open: open-weight frontier multimodal mixture-of-experts model from Meta (15 ottobre 2026)
TechCrunch — Meta launches an open-weight AI model that runs on Macs (15 ottobre 2026)
Bloomberg — Meta Releases Open AI Model While Keeping Its Best Tech Closed (15 ottobre 2026)
CNBC — Apple and Meta team up to make Muse AI model run on Mac computers (15 ottobre 2026)
VentureBeat — Meta unveils Muse Spark Open, the new top U.S. open weights model (ottobre 2026)