Il 15 ottobre 2026 Meta ha pubblicato i pesi di Muse Spark Open, un modello da 816 miliardi di parametri pensato per programmare e far lavorare agenti. Lo stesso giorno Apple ha pubblicato sul suo sito di ricerca il lavoro tecnico che lo accompagna: come far girare il modello in locale su più Mac Studio con chip M5 Ultra. Il Financial Times l'ha raccontata come una collaborazione tra due rivali storici, e il titolo è corretto. Ma nei dettagli la notizia è meno "Apple Intelligence" e più "workstation da ventimila dollari".
Il testo del FT, in questo ambiente, non è leggibile: la ricostruzione che segue parte dal suo titolo e dai fatti confermati da Meta e da Apple, da CNBC, MacRumors, 9to5Mac, Quartz, SiliconANGLE e dalle pagine ufficiali.
Cosa è stato pubblicato
Muse Spark era nato ad aprile come modello chiuso, il primo uscito dal laboratorio di superintelligenza guidato da Alexandr Wang. Questa è la versione con i pesi aperti, costruita sulla base di Muse Spark 1.2 di agosto con un addestramento di sicurezza aggiuntivo, perché funzioni senza le protezioni che Meta applica sul proprio servizio. Secondo la scheda del modello:
- è un'architettura mixture of experts: 816 miliardi di parametri in totale, ma solo 42 miliardi attivi per ogni token, scelti tra 256 esperti;
- la finestra di contesto arriva a un milione di token;
- accetta testo, immagini, video e audio in ingresso e produce solo testo;
- i pesi escono in BF16 e in NVFP4, un formato a 4 bit.
Il punto che decide tutto è questo: i parametri attivi sono 42 miliardi, ma tutti gli 816 devono stare in memoria. In BF16 servono oltre 1,6 TB. In NVFP4, calcola Apple, circa 493 GB solo per i pesi, prima del contesto. Nessun computer da scrivania ha tanta memoria in una sola macchina. Da qui l'idea di unirne più di una.
Il lavoro di Apple
La parte di Apple è software. Il framework open source MLX, pensato per il suo silicio, è stato esteso per dividere il modello su più Mac Studio. La tecnica sfrutta una novità di macOS 26.2: un driver RDMA (accesso diretto alla memoria di un'altra macchina) sopra Thunderbolt 5, con latenza molto bassa, esposto da MLX come backend dedicato. Le macchine si collegano con due cavi per coppia, a mesh nel caso di quattro.
Apple descrive due strategie. La prima, pipeline, divide il modello per strati ed è facile da realizzare, ma non accelera la generazione. La seconda, tensor, divide ogni strato e richiede moltissimi scambi minuscoli tra le macchine a ogni token: funziona solo se la latenza è bassa. I risultati di Apple per Muse Spark Open, con 8.192 token di contesto, 128 token generati e una sola richiesta alla volta:
| Configurazione | Token al secondo in generazione |
|---|---|
| 2 Mac Studio M5 Ultra, pipeline | 15,7 |
| 2 Mac Studio M5 Ultra, tensor | 25,0 |
| 4 Mac Studio M5 Ultra, tensor | 36,7 |
Per confronto, Apple misura anche due modelli più piccoli. Un modello denso da 27 miliardi di parametri, Qwen 3.8, arriva a 50,9 token al secondo su quattro macchine e a 19,7 su una sola. Apple dichiara inoltre che l'M5 Ultra, rispetto all'M3 Ultra, è fino a 4,6 volte più veloce nel tempo al primo token e circa 1,6 volte più veloce in generazione, in linea con il rapporto tra le bande di memoria: 1,2 TB/s contro 819 GB/s. La memoria, non il calcolo, è il collo di bottiglia della generazione.
Due Mac da 512 GB o quattro da 256 GB
Le fonti non coincidono sulla configurazione, e la differenza conta.
- Meta parla di due Mac Studio M5 Ultra da 512 GB: insieme fanno circa un terabyte di memoria unificata e contengono l'intero modello. Meta ha mostrato Muse Code, il suo agente per il codice, girare così in locale per correggere bug nel client Mastodon open source Ice Cubes e per guidare DaVinci Resolve nel ritaglio verticale di un filmato.
- Apple ha misurato due e quattro macchine. CNBC riferisce che si potranno collegare da due a quattro Mac, e le versioni citate sono due da 512 GB oppure quattro da 256 GB.
Il problema è che la macchina da 512 GB, per ora, non si può comprare. Apple l'aveva tolta dal listino della generazione precedente a marzo per la carenza di chip di memoria e ha detto che torna "a fine ottobre" con l'M5 Ultra. Il prezzo non è stato annunciato: MacRumors si aspetta "ben oltre i 10.000 dollari" a macchina. La configurazione da 256 GB parte invece da 10.799 dollari, e quattro macchine fanno 43.196 dollari, la cifra riportata da TipRanks. Due da 512 GB costeranno quindi più di 20.000 dollari, senza schermi, rete e dischi aggiuntivi. Apple indica anche un picco di assorbimento attorno ai 300 W per macchina, misurato con i modelli più piccoli: quattro Mac Studio sotto carico sfiorano quindi 1,2 kW, un calcolo mio da quel dato.
Che cosa dicono davvero i benchmark
La tabella di Meta è l'unica fonte per ora, e quindi va letta come dichiarazione del produttore. Muse Spark Open guida su alcune prove di agenti e uso di strumenti, e perde sulle altre.
| Prova | Muse Spark Open | Kimi K3 | GLM 5.3 |
|---|---|---|---|
| MCP-Atlas (uso di strumenti) | 89,2 | 82,3 | 84,2 |
| JobBench (agenti) | 61,8 | 54,3 | 61,4 |
| Terminal-Bench 2.1 (programmazione) | 76,4 | 85,0 | 83,9 |
| OSWorld Verified (uso del computer) | 80,4 | 84,8 | – |
| GPQA Diamond (scienze) | 89,0 | 93,5 | 91,7 |
| Artificial Analysis Intelligence Index | 39 | 44 | 45 |
Meta lo definisce "il modello open-weight americano più capace", e il confronto è soprattutto con i modelli cinesi: sul punto più importante per chi sceglie un modello per scrivere codice, il Terminal-Bench, resta dietro. La tabella non dice se i punteggi siano stati ottenuti in BF16 o a 4 bit. Chi lo fa girare su un Mac usa la versione NVFP4: Apple avverte che i suoi risultati sono per i 4 bit, non per il BF16 nativo, e la scheda del modello ammette che le versioni quantizzate possono differire leggermente. Nessuno ha ancora pubblicato quanto la quantizzazione costi in qualità.
C'è poi un limite di metodo. Le misure di Apple sono per un utente solo, con 8.192 token di contesto. Un agente di programmazione lavora con contesti lunghi e molte chiamate in sequenza: è proprio lì che il tempo al primo token pesa di più, e Apple per i contesti lunghi dichiara solo che con due macchine la modalità tensor può risultare più lenta della pipeline.
Una licenza aperta, non open source
I pesi sono scaricabili da Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden e Microsoft Foundry, e il modello è già servito via API da Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter e Together AI. La Muse Model License consente uso, modifica, distillazione e ridistribuzione, ma con condizioni: i prodotti derivati devono mostrare la dicitura "Built with Muse Spark Open", e chi vende l'accesso al modello via API e supera i 20 milioni di dollari di ricavi lordi in dodici mesi deve firmare un accordo separato con Meta. Restano vietati gli usi militari e sulle infrastrutture critiche. È la stessa linea di frontiera discussa nella lettera sugli open-weight: pesi pubblici, controllo commerciale ancora in mano a chi li produce.
È anche una scelta di posizionamento. I modelli più forti di Meta, i Muse Wonder presentati tre giorni prima, restano chiusi e disponibili solo via API e Muse Code. Spark Open è il modello che Meta può regalare senza mettere in discussione il proprio vantaggio.
Perché lo fanno, e perché adesso
Per Apple il vantaggio è dimostrare che un desktop può fare ciò che di solito richiede un server con GPU dedicate, e dare a MLX un banco di prova pubblico. Il clima è disteso: secondo MacRumors Zuckerberg ha ringraziato il CEO di Apple, John Ternus, che ha risposto che Mac Studio "continua a spingere i confini dell'IA su dispositivo". Per Meta il vantaggio è arrivare a chi vuole usare un modello senza spedire il proprio codice a un fornitore. Secondo Quartz, Meta avrebbe comprato centinaia di Mac per il proprio team di superintelligenza.
Resta il passato. Nel 2021 Apple introdusse le restrizioni al tracciamento tra le app, che Meta stimò in 10 miliardi di dollari di ricavi persi nel 2022, e per anni i due vertici si sono rimproverati pubblicamente dati, privacy e controllo dei prodotti. Wang ha detto ad Axios che le due aziende lavorano insieme da mesi e ha attribuito un "ruolo molto importante" a Daniel Gross, ex dirigente Apple oggi nell'organizzazione AI di Meta, nell'averle avvicinate. Alla fine della tregua ha dedicato una battuta, riportata da 9to5Mac, che racconta più il linguaggio di quel laboratorio che la sostanza dell'accordo.
Cosa non c'è
Nessuna delle due aziende ha confermato un'integrazione con Siri o con Apple Intelligence, e secondo Quartz hanno evitato di presentarla come l'inizio di un rapporto più profondo. Apple ha già ChatGPT dentro Siri e un accordo con Google per Gemini: questo è un rapporto con gli sviluppatori, non con il pubblico dell'iPhone.
Restano aperte tre cose da controllare nelle prossime settimane.
- La qualità a 4 bit. Finché qualcuno di indipendente non confronta NVFP4 e BF16 sulle stesse prove, il confronto con Kimi e GLM resta teorico.
- Il prezzo del Mac da 512 GB e la sua disponibilità reale a fine ottobre, con la carenza di memoria che ha già tolto l'opzione una volta.
- Il rapporto tra costo e risultato. Per uno studio che analizza codice riservato, 20.000 dollari una tantum possono battere un abbonamento a un'API. Per un team di dieci sviluppatori, 37 token al secondo condivisi no. La domanda è per chi funziona, e il titolo del FT non la fa.
Fonti principali: Apple Machine Learning Research, scheda del modello su Hugging Face, MacRumors, 9to5Mac, SiliconANGLE, TipRanks, Yahoo Tech (da Quartz) e il titolo del Financial Times.