Muse Spark Open è il modello di Meta a pesi aperti rilasciato il 15 ottobre 2026: 816 miliardi di parametri totali, 42 miliardi attivi per token, un contesto da 1 milione di token e i pesi scaricabili da Hugging Face. La risposta breve alla domanda che tutti fanno è questa: sì, puoi farlo girare in locale, ma solo con almeno 700 GB di memoria per la versione compressa a 4 bit.
Per quasi tutti, quindi, Muse Spark Open si usa via API o nel proprio cloud, non sulla scrivania. E non è open source in senso stretto: arriva con la Muse Model License, che ha tre condizioni da leggere prima di metterlo in un progetto per un cliente.
Io lavoro con questi modelli ogni giorno per i siti, le automazioni e le web app dei miei clienti. In questo articolo metto in ordine cosa ha rilasciato davvero Meta, quanto hardware serve, cosa dice la licenza, dove il modello è forte e dove no, e quale strada sceglierei io per tre profili diversi.
Cos'è Muse Spark Open in breve
Muse Spark Open è la versione a pesi aperti di Muse Spark, la famiglia di modelli dei Meta Superintelligence Labs. Condivide il modello di base con Muse Spark 1.3, la versione chiusa che si usa via API, ma ha in più una fase di addestramento dedicata alla sicurezza, pensata per reggere anche senza i filtri di una piattaforma attorno.
Le specifiche principali dichiarate da Meta:
- 816 miliardi di parametri totali, 42 miliardi attivi: è un mixture of experts con 256 esperti, di cui 8 lavorano per ogni token.
- Contesto da 1 milione di token, lo stesso della versione chiusa.
- Multimodale in ingresso: legge testo, immagini, video e audio. In uscita produce solo testo.
- Quattro livelli di ragionamento (low, medium, high, xhigh), con xhigh predefinito e consigliato insieme a high per coding e lavoro da agente.
- Oltre 100 lingue nell'addestramento, italiano e rumeno compresi.
- Pensato per il coding e i flussi agentici: pianificare i passi, chiamare strumenti, verificare il risultato.
Il contesto conta. In primavera Meta aveva lanciato Muse Spark senza pesi, rompendo con la strategia dei vecchi Llama. A settembre, all'uscita della 1.3, aveva promesso i pesi della generazione precedente. Muse Spark Open mantiene quella promessa.
Muse Spark Open è open source? No, è open weight
La distinzione non è pignoleria. Open weight vuol dire che puoi scaricare i pesi, cioè i file che contengono quello che il modello ha imparato, e farli girare dove vuoi. Open source, nel senso classico, vorrebbe dire anche nessuna condizione d'uso oltre a quelle di una licenza tipo Apache 2.0 o MIT. Qui non è così.
La Muse Model License permette di usare, modificare, rimettere a punto, distillare e ridistribuire il modello. In cambio impone tre condizioni:
- Attribuzione obbligatoria: nel prodotto, nella documentazione o nelle impostazioni deve comparire la dicitura "Built with Muse Spark Open". Vale anche per i derivati.
- Soglia per chi lo rivende come servizio: se offri l'accesso al modello a terzi via API e superi 20 milioni di dollari di ricavi in 12 mesi, devi avvisare Meta e firmare un accordo separato. Uso interno e funzioni dentro il tuo prodotto non rientrano in questa soglia.
- Usage policy: vieta tra l'altro malware, frodi, disinformazione e l'esercizio non autorizzato di professioni regolate come finanza, diritto e medicina. Il modello non è destinato a minori di 18 anni.
Sugli output Meta dichiara di non rivendicare alcuna proprietà, e nella licenza non ci sono limiti geografici né soglie di utenti mensili come nei vecchi Llama.
Cosa cambia se lo usi nei progetti per i clienti
Questa è la parte che nessuno ti spiega e che a me interessa di più, perché io costruisco software per altri. Se metto Muse Spark Open dentro il chatbot di un cliente o in una sua automazione, la dicitura "Built with Muse Spark Open" deve comparire da qualche parte nel suo prodotto. Va detto al cliente prima, non dopo, e va messo nel contratto.
La soglia dei 20 milioni, invece, per una PMI italiana o per un freelance è irrilevante. Il punto che va guardato con attenzione è la usage policy: se il cliente è uno studio legale, un commercialista o un poliambulatorio, un assistente che dà pareri al posto del professionista è proprio il caso che la licenza esclude. Lo stesso ragionamento vale per gli obblighi dell'AI Act, di cui ho parlato a proposito dei controlli UE sulle aziende.
Si può far girare Muse Spark Open in locale? I requisiti hardware
Sì, ma il numero da tenere a mente è uno: 700 GB. Il modello va tenuto tutto in memoria anche se per ogni token ne lavora solo una parte, quindi i 42 miliardi attivi aiutano la velocità, non lo spazio.
| Versione | Memoria indicativa | Dove ha senso |
|---|---|---|
| Piena precisione (BF16) | circa 1,6 TB | Cluster GPU in datacenter |
| NVFP4 (4 bit, ufficiale) | almeno 700 GB | Server multi GPU o due Mac Studio M5 Ultra |
| Quantizzazioni della comunità (MLX, GGUF) | meno, a seconda dei bit | Sperimentazione, con perdita di qualità |
La configurazione desktop indicata da Meta è di due Mac Studio con chip M5 Ultra collegati tra loro, usando il framework MLX di Apple che divide il modello sulle due macchine. Meta e Apple hanno lavorato insieme su questa ottimizzazione, e Meta dice di aver usato così Muse Code, il suo agente da terminale, per modificare un'app iOS open source e per lavorare su un progetto video in DaVinci Resolve, tutto in locale.
Lo dico chiaramente: io non ho questa macchina, e non la ha quasi nessuno dei miei clienti. Il mio portatile da lavoro ha 8 GB di RAM e il server dedicato su cui girano i progetti dei clienti non ha GPU: per un modello di questa classe non ci provo nemmeno. Se vuoi capire quanta memoria serve davvero per i modelli che invece puoi far girare, ho preparato una tabella RAM e modelli e una guida su quale PC comprare per l'AI locale.
Le versioni compresse della comunità sono comparse su Hugging Face nel giro di poche ore, in formato MLX per Mac e GGUF per llama.cpp. Ricorda però la regola che ripeto sempre: più comprimi, più il modello perde precisione, e sui compiti di codice lungo la differenza si sente. Ne parlo nell'articolo sul miglior LLM in locale.
Le tre strade per usare Muse Spark Open
1. Via API da un provider
È la strada più rapida. Muse Spark Open è disponibile dal primo giorno su Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter e Together AI. Il prezzo lo decide ciascun fornitore, non Meta, quindi conviene confrontarli sui tuoi volumi reali. Se usi un harness di coding che accetta questi provider, come OpenCode, puoi provarlo in pochi minuti; trovi un confronto tra harness in Claude Code vs OpenCode.
2. Nel tuo cloud
I pesi sono disponibili su Amazon SageMaker AI, Google Cloud Model Garden e Microsoft Foundry Models. Qui sta il vantaggio vero per un'azienda europea: puoi eseguire il modello in una tua istanza, in una regione UE, con i dati che non passano da un'API di terzi. Per un cliente che tratta dati sensibili è un argomento serio, molto più del benchmark.
3. In locale
Solo con l'hardware descritto sopra. Supporta SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, MLX, llama.cpp e Unsloth, e per il fine-tuning Meta indica TorchTitan, con supporto a LoRA e apprendimento per rinforzo. Se invece cerchi un modello Meta che giri su una sola scheda video, la strada è Muse Glimmer, il modello da 30 miliardi uscito ad agosto con licenza Apache 2.0.
Benchmark di Muse Spark Open: dove è forte e dove no
Meta lo presenta come il modello a pesi aperti americano più capace finora. La parola che conta è "americano": nella tabella pubblicata dalla stessa Meta, i migliori modelli aperti cinesi restano davanti sull'indice generale. Ecco una selezione dei numeri dichiarati:
| Benchmark | Muse Spark Open | Qwen3.8 | GLM 5.3 | Kimi K3 |
|---|---|---|---|---|
| Indice Artificial Analysis | 39 | 40 | 45 | 44 |
| MCP-Atlas (uso di strumenti) | 89,2 | 84,5 | 84,2 | 82,3 |
| Terminal-Bench 2.1 | 76,4 | 82,0 | 83,9 | 85,0 |
| DeepSWE 1.1 | 60 | 57 | 67 | 68 |
Questi numeri sono di Meta e al momento non ci sono verifiche indipendenti: l'indice di Artificial Analysis non lo elenca ancora nella sua classifica. Li leggo così.
- Forte nell'uso di strumenti: 89,2 su MCP-Atlas è il dato migliore della tabella. Per agenti che chiamano API, server MCP e workflow di automazione è il punto che conta di più.
- Più debole nel coding da terminale: su Terminal-Bench 2.1 resta quasi nove punti sotto Kimi K3, e su DeepSWE sotto GLM 5.3 e Kimi K3.
- Sotto la sua versione chiusa: Meta dichiarava per Muse Spark 1.3 punteggi più alti sugli stessi test di coding, anche se le condizioni di prova possono differire.
Se ti serve il modello aperto più forte in assoluto per scrivere codice, oggi le alternative cinesi restano avanti; ne ho parlato nella guida ai modelli AI cinesi e open source. Muse Spark Open diventa interessante quando conta altro: la provenienza del modello per le policy aziendali, l'uso di strumenti, la sicurezza dichiarata.
Sicurezza: il dato più vistoso e il suo limite
Sul test di resistenza ai jailbreak StrongREJECT v2, dove un punteggio più basso è meglio, Meta dichiara 0,5 contro valori tra 62 e 67 per Qwen3.8, GLM 5.3 e Kimi K3. È una distanza enorme, e per chi deve mettere un agente davanti ai clienti è un argomento.
Il limite è scritto nella stessa scheda del modello: un modello a pesi aperti può essere rimesso a punto da chiunque, e il fine-tuning può peggiorare quelle protezioni. La raccomandazione di Meta, che condivido, è di aggiungere guardrail propri e tenere una persona nel punto in cui un'azione non si può annullare. È lo stesso principio che applico a tutte le automazioni AI che costruisco.
Muse Spark Open, Muse Spark 1.3 e Muse Wonder: quale scegliere
Meta ora ha tre modelli di punta, e confonderli è facile:
| Modello | Pesi | Come si usa | Quando ha senso |
|---|---|---|---|
| Muse Spark Open | Scaricabili, Muse Model License | API di terzi, cloud proprio, locale | Controllo sui dati, fine-tuning, agenti con strumenti |
| Muse Spark 1.3 | Chiusi | Meta Model API, 1,25/4,25 $ per milione di token | Coding quotidiano a costo basso |
| Muse Wonder | Chiusi | API, 4/20 $ per milione di token | Compiti dove serve il massimo di Meta |
Se vendi online e ti interessa la parte agente che compra al posto dell'utente, quella è un'altra cosa ancora: ne parlo in Meta Muse in Italia per chi vende online.
La mia valutazione per tre profili
Freelance e piccoli team di sviluppo
Per il lavoro quotidiano sul codice non cambierei harness o modello per Muse Spark Open: sul coding da terminale non è il più forte. Lo proverei via API su un task di agente con molti strumenti, dove i numeri dichiarati lo mettono davanti. Il mio consiglio pratico: leggi la licenza prima di usarlo in un lavoro per un cliente.
PMI che integrano l'AI nei processi
Qui Muse Spark Open ha un argomento vero: puoi eseguirlo nel tuo cloud, in Europa, senza mandare documenti e conversazioni a un'API esterna. Per chatbot interni, classificazione di documenti o assistenti che usano i dati aziendali è una strada da valutare, a patto di accettare l'attribuzione e di restare lontano dalle consulenze regolate. Il modello va scelto sul caso d'uso e sui volumi, non sulla classifica.
Chi fa AI in locale
Se non hai almeno 700 GB di memoria, questo non è il tuo modello. Meglio un modello piccolo e ben quantizzato, oppure aspettare che si capisca quanto reggono le quantizzazioni più spinte della comunità. Se pensi di comprare hardware apposta, prima fai i conti con la guida su RTX Spark e AI in locale.
Leggi anche
- Muse Spark 1.3: prezzi, API e cosa vale per chi programma
- AI cinese e open source: i modelli che consiglio nel 2026
- Quanta RAM serve per un LLM in locale? Tabella 2026
- Nvidia compra Hugging Face: cosa cambia se usi Ollama
- Il miglior LLM in locale non è il primo in classifica
Conclusione: Muse Spark Open è un modello da cloud, non da scrivania
Muse Spark Open è una notizia importante perché riporta Meta tra i modelli a pesi aperti di livello alto, con una licenza leggibile e un supporto molto ampio dal primo giorno. Per usarlo in locale servono almeno 700 GB di memoria, sul coding da terminale i modelli aperti cinesi restano davanti, e la licenza chiede l'attribuzione in ogni prodotto. Il suo punto di forza vero è un altro: un modello forte nell'uso di strumenti che puoi eseguire nel tuo cloud europeo, con i dati sotto controllo.
Se stai valutando un modello aperto per un'automazione o un assistente in azienda e vuoi capire se Muse Spark Open è la scelta giusta per i tuoi dati e i tuoi volumi, scrivimi: guardo il tuo caso, non la classifica.
