# Meta lança Muse Spark Open e Goodfire propõe que redes neurais já são limpas

> Meta lançou o Muse Spark Open, um modelo aberto de 816B de parâmetros que lidera entre os modelos abertos dos EUA, mas fica atrás de concorrentes chineses. Em paralelo, Goodfire publicou um ensaio argumentando que redes neurais já são limpas, desafiando a noção de polissemanticidade e impactando a interpretabilidade.

Publicado em 2026-10-16 · https://invision.dreamvision.com.br/blog/meta-lanca-muse-spark-open-e-goodfire-propoe-que-redes-neurais-ja-sao-limpas

## Pontos-chave
- Meta lançou Muse Spark Open, modelo aberto de 816B parâmetros com contexto de 1M tokens e suporte multimodal.
- O modelo lidera entre os abertos dos EUA, mas fica atrás de GLM-5.3 e Kimi K3 em avaliações agênticas.
- Goodfire publicou ensaio argumentando que redes neurais já são limpas, desafiando a noção de polissemanticidade.
- A licença do Muse Spark Open exige atribuição e acordo para serviços gerenciados com receita acima de US$ 20M.

## O que é o Muse Spark Open e por que ele importa agora?
A Meta anunciou o Muse Spark Open, um modelo de linguagem com 816 bilhões de parâmetros totais e 42 bilhões ativos, baseado em arquitetura Mixture of Experts (MoE). Ele aceita texto, imagem, vídeo e áudio, e tem janela de contexto de 1 milhão de tokens.

O modelo é voltado para codificação, agentes de longo horizonte e raciocínio multi-etapas. É o primeiro modelo base treinado sob a nova organização MSL, segundo Jack Rae, e chega com licença customizada que exige atribuição 'Built with Muse Spark Open' e acordo separado para empresas de Model-as-a-Service com receita anual acima de US$ 20 milhões.


## Desempenho e comparações: como o Muse Spark Open se sai?
De acordo com a Artificial Analysis, o Muse Spark Open obteve pontuação 39 no Intelligence Index, ficando em primeiro entre os modelos abertos dos EUA, mas atrás do GLM-5.3 (45) e do Kimi K3 (44).

O modelo usa 40 mil tokens de saída por tarefa do índice, o menor entre os nove modelos abertos de maior pontuação, e lidera em AA-Omniscience (25). Porém, fica em último nas quatro avaliações agênticas do índice, e a liderança do GLM-5.3 vem justamente desse segmento.

- Pontuação 39 no Intelligence Index da Artificial Analysis.
- Melhor modelo aberto dos EUA, mas atrás de GLM-5.3 e Kimi K3.
- Líder em AA-Omniscience, com 25 pontos.
- Último colocado em avaliações agênticas entre os nove melhores.

## Arquitetura e eficiência: o que há por dentro?
O Muse Spark Open tem 62 camadas decodificadoras, todas MoE, com 256 especialistas por camada e 8 ativos por token. Um pooler latente projeta o estado oculto de 8.192 para 4.096 para computação dos especialistas e depois volta.

A atenção é híbrida: 46 camadas usam janela deslizante de 2.048 tokens e 16 camadas atendem ao contexto completo. Imagem e vídeo passam por um Perception Encoder, e áudio usa um encoder separado de 118 milhões de parâmetros.

- MoE com 256 especialistas por camada, 8 ativos por token.
- Atenção híbrida com janela deslizante e atenção global.
- Pesos BF16 ocupam cerca de 1,6 TB; versão quantizada NVFP4 fica em ~530 GB.

## Disponibilidade e custos: como acessar o Muse Spark Open?
O modelo está disponível em provedores como Together, Fireworks e Baseten, com preço de lançamento de US$ 1,25 por milhão de tokens de entrada e US$ 4,25 por milhão de saída (US$ 0,15 para entrada em cache). A Together oferece endpoint gratuito até 18 de outubro.

Para implantações locais, a versão NVFP4 pode rodar em 4× Blackwell Ultra, 8× H200 ou dois Mac Studios M5 Ultra de 512 GB via MLX. O suporte a llama.cpp e vLLM veio no dia zero, e a Unsloth publicou quantizações, incluindo uma de 176 GB.

- Preço: US$ 1,25/1M entrada e US$ 4,25/1M saída.
- Endpoint gratuito na Together até 18 de outubro.
- Opções de hardware: 4× Blackwell Ultra, 8× H200 ou 2× Mac Studio M5 Ultra.

## Goodfire e a tese das redes neurais 'já limpas'
Nick Cammarata, da Goodfire, publicou um ensaio argumentando que redes neurais já são limpas, contestando a ideia de polissemanticidade generalizada. Ele afirma que muitos casos conhecidos de polissemanticidade e superposição – nós de pesos que resistem à interpretação humana – podem ser resolvidos com análise agêntica mais aprofundada.

Cammarata lembra que seu esforço de interpretabilidade automatizada na OpenAI em 2023 encontrou apenas cerca de 2% de neurônios legíveis, mas agora defende que muitos exemplos famosos de polissemanticidade foram mal interpretados. A tese gerou apoio e críticas: Neel Nanda diz que seus pontos principais não mudam, enquanto Leo Gao argumenta que explicações devem ser julgadas por simulação de neurônios.

- Ensaio de Nick Cammarata (Goodfire) sugere que redes neurais são mais interpretáveis do que se pensava.
- Contesta a noção de polissemanticidade como obstáculo intrínseco.
- Recebeu endosso de alguns pesquisadores, mas críticas de Neel Nanda e Leo Gao.

## O que isso muda para quem usa IA?
Para desenvolvedores, o Muse Spark Open representa mais uma opção de modelo aberto com forte desempenho em compreensão geral, mas com limitações em tarefas agênticas. A licença customizada pode ser um entrave para empresas que oferecem serviços gerenciados com receita acima de US$ 20 milhões.

Já o debate sobre interpretabilidade levantado por Goodfire pode influenciar práticas de alinhamento e segurança. A Invision oferece acesso a diversos modelos por meio de uma única chave, sem a necessidade de gerenciar múltiplos provedores, o que simplifica a experimentação e a integração.


## Perguntas frequentes
### O que é o Muse Spark Open da Meta?
É um modelo de linguagem aberto com 816 bilhões de parâmetros totais (42 bilhões ativos), baseado em Mixture of Experts, com contexto de 1 milhão de tokens e suporte a texto, imagem, vídeo e áudio.

### Qual a licença do Muse Spark Open?
A licença customizada Muse Model License exige atribuição 'Built with Muse Spark Open' e um acordo separado para empresas de Model-as-a-Service com receita anual acima de US$ 20 milhões.

### O que é polissemanticidade?
É o fenômeno em que um único neurônio responde a múltiplos conceitos não relacionados, dificultando a interpretação dos modelos. O ensaio de Goodfire questiona se isso é tão prevalente quanto se pensava.

### Como o Muse Spark Open se compara a outros modelos abertos?
Ele lidera entre os modelos abertos dos EUA no Intelligence Index da Artificial Analysis, com pontuação 39, mas fica atrás do GLM-5.3 (45) e do Kimi K3 (44).

Fonte original: [[AINews] Agents disprove Polysemanticity; greatly improve Interpretability & Alignment](https://www.latent.space/p/ainews-agents-disprove-polysemanticity) (Latent Space).
