Meta lança IA de peso aberto que roda em Macs; veja como funciona

Modelo foi desenvolvido para programação e agentes de IA; para executá-lo localmente, porém, são necessários dois computadores Mac Studio de alto desempenho

A Meta apresentou, nesta quinta-feira (15), o Muse Spark Open, um modelo de inteligência artificial (IA) com pesos abertos desenvolvido para lidar com atividades avançadas de programação, raciocínio e execução de tarefas por agentes inteligentes. Um dos diferenciais do lançamento é a otimização para rodar diretamente em computadores da Apple, resultado de uma parceria entre duas companhias que tradicionalmente disputam o mercado tecnológico.

Segundo informações divulgadas pela Meta, o modelo possui 816 bilhões de parâmetros e uma janela de contexto que pode alcançar um milhão de tokens. Seus pesos podem ser baixados, possibilitando que desenvolvedores executem e personalizem a tecnologia em suas próprias infraestruturas, respeitando os termos da licença.

A iniciativa também reforça o investimento na execução local de modelos avançados de inteligência artificial, oferecendo uma alternativa que diminui a necessidade de depender exclusivamente de serviços de IA baseados na nuvem.

Como funciona o Muse Spark Open?
O Muse Spark Open foi projetado para executar atividades que envolvem múltiplas etapas de raciocínio, desenvolvimento de softwares complexos e operações realizadas por agentes de inteligência artificial. Ao contrário dos assistentes que se limitam a fornecer respostas, esses agentes conseguem seguir uma sequência de ações para alcançar determinados objetivos.

A tecnologia também é multimodal, permitindo receber dados em formatos como texto, imagens, áudio e vídeo, apesar de produzir respostas exclusivamente textuais. Conforme a documentação técnica publicada pela Meta, o modelo utiliza uma arquitetura conhecida como mixture of experts, ou mistura de especialistas.

Mesmo reunindo 816 bilhões de parâmetros em sua estrutura total, aproximadamente 42 bilhões são ativados durante o processamento de cada token. Essa abordagem direciona o processamento para partes específicas da rede neural, embora ainda seja necessário disponibilizar memória suficiente para manter o modelo completo carregado.

Segundo a Meta, o modelo foi desenvolvido para realizar atividades extensas de programação, desenvolvimento de sistemas e resolução de problemas que exigem diversas etapas de raciocínio. A tecnologia também permite que desenvolvedores façam ajustes e adaptações conforme suas necessidades.

Por que são necessários dois Macs potentes?

• A empresa trabalhou com a Apple para otimizar a execução do modelo por meio do MLX, estrutura de aprendizado de máquina desenvolvida para os chips da companhia;
  
• A configuração destacada pelas empresas utiliza dois computadores Mac Studio equipados com chips M5 Ultra, cada um com até 512 GB de memória unificada. Juntos, os equipamentos podem oferecer até 1 TB de memória para manter o modelo disponível durante a execução;
  
• A arquitetura dos chips da Apple permite que a GPU integrada acesse a memória unificada. Segundo a Meta, a largura de banda de memória do M5 Ultra chega a 1,2 TB/s, característica importante para alimentar o processamento de modelos dessa dimensão;
  
• Na prática, isso significa que executar o Muse Spark Open localmente exige equipamentos de alto desempenho e não é opção viável para qualquer Mac. A configuração apresentada é voltada principalmente a desenvolvedores e equipes com recursos para montar infraestrutura robusta;
  
• A empresa demonstrou o modelo em tarefas que incluem alterações em aplicativo de peso aberto para Mastodon, com correções de erros, novos recursos e compilação do projeto. Também mostrou o sistema trabalhando com o DaVinci Resolve, software de edição de vídeo, para analisar imagens e selecionar trechos que poderiam ser recortados em formato vertical.

Modelo pode ser usado fora dos computadores da Apple
Mesmo com a colaboração envolvendo a Apple, o Muse Spark Open não funciona exclusivamente em computadores Mac. A Meta liberou os arquivos de pesos para download e anunciou a possibilidade de acesso por meio de serviços de API, como Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter e Together AI.

A tecnologia também oferece suporte a diferentes plataformas de execução, incluindo SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, MLX e llama.cpp. Além disso, existem configurações destinadas a diferentes categorias de hardware, com suporte a aceleradores desenvolvidos por empresas como AMD, Intel e Nvidia.

De acordo com a documentação técnica, o modelo está disponível em diferentes formatos de precisão. A versão BF16 ocupa aproximadamente 1,65 TB em pesos, enquanto a variante compactada NVFP4 utiliza cerca de 537 GB. Mesmo a opção de menor tamanho demanda uma infraestrutura com bastante memória para funcionar, além do espaço necessário para armazenar os próprios pesos.

O que significa ter pesos abertos?
Os modelos com pesos abertos permitem que desenvolvedores e outros usuários baixem os parâmetros já treinados, executem a tecnologia e façam modificações, desde que respeitem os termos da licença. Essa característica proporciona maior liberdade em comparação com sistemas proprietários, que dependem dos serviços administrados pela empresa responsável.

Esse formato também pode viabilizar a realização de atividades diretamente na infraestrutura de uma organização, proporcionando mais autonomia na gestão de informações e operações. Entretanto, executar modelos de grande porte localmente requer equipamentos adequados, conhecimentos especializados e recursos destinados à manutenção.

A liberação dos pesos do Muse Spark Open, contudo, não significa que a tecnologia seja totalmente de código aberto ou esteja livre de limitações. A Meta adota a licença Muse Model License, que estabelece regras específicas, inclusive para aplicações comerciais.

Com a novidade, a empresa reforça sua estratégia de oferecer modelos que possam ser executados e personalizados por desenvolvedores. Ao mesmo tempo, a colaboração com a Apple evidencia o potencial de computadores pessoais de alto desempenho para executar atividades de inteligência artificial que, anteriormente, eram frequentemente relacionadas a grandes estruturas de servidores.

Fonte: Olhar Digittal