Meta e Apple, dois rivais que por anos se evitaram ou atacaram publicamente, estão agora lado a lado em uma parceria que muda o desenho de poder da inteligência artificial. O anúncio veio na última quinta-feira (15), quando a Meta liberou o código aberto do Muse Spark Open, um modelo de linguagem com 816 bilhões de parâmetros capaz de rodar localmente em dois Mac Studios com chips M5 Ultra — um hardware que, ironia das ironias, a própria Apple fabrica e ainda não está à venda.
O modelo é o mais capaz já criado por um laboratório dos Estados Unidos em formato open-weight. Com 816 bilhões de parâmetros no total, mas apenas 42 bilhões ativados por token (arquitetura mixture-of-experts), ele processa texto, imagem, áudio e vídeo com uma janela de contexto de um milhão de tokens. Em outras palavras, consegue "ler" um livro inteiro e, ao mesmo tempo, analisar imagens e áudios anexados, sem perder o fio da meada.
A escolha da arquitetura de especialistas misturados não é acidental. Enquanto modelos densos como os de OpenAI e Google ativam todos os seus parâmetros a cada chamada — o que significa custos de inferência escalando junto —, o Muse Spark Open ativa apenas cerca de 5% dos seus parâmetros por token. O resultado é um modelo que, em termos de custo operacional por chamada, compete com redes neurais de fração do tamanho, mas que mantém a capacidade de raciocínio de um sistema de fronteira.
O detalhe de hardware, no entanto, é o gargalo. Dois Mac Studios com M5 Ultra e 512 GB de memória unificada cada oferecem um terabyte unificado — o mínimo necessário para rodar a versão 4-bit NVFP4 (cerca de 530 GB na prática). A Apple MLX framework, desenvolvida internamente para facilitar a execução de modelos de IA em silicones Apple, divide cada camada entre as duas máquinas, com comunicação via Thunderbolt 5 e RDMA. Quatro Macs de 256 GB também funcionam, mas o custo total de hardware ultrapassa $40.000 — um valor que exclui a maioria dos desenvolvedores independentes e limita o uso a laboratórios de pesquisa ou empresas com orçamento de workstation.
Isso não significa que o modelo seja inútil fora do cenário de dois Mac Studios. A Meta já liberou a versão hospedada via API, disponível em provedores como Together AI, Groq e OpenRouter. Para a vasta maioria dos desenvolvedores, essa será a via real de uso — a mesma estratégia que o GitHub Copilot adotou quando os IDEs locais não conseguiram escalar.
A aliança improvável entre Meta e Apple
O acordo é simbólico tanto quanto técnico. Em 2021, a Apple introduziu mudanças de privacidade no iOS que restringiram o rastreamento de usuários — um golpe direto no modelo de negócio da Meta, que depende de anúncios segmentados. A relação chegou ao ponto de Mark Zuckerberg ter dito, na época, que a Apple "estava traindo" os desenvolvedores. Alexandr Wang, CEO da Meta AI, resumiu o estado atual com uma frase: "Estou feliz que mamãe e papai estão brincando de novo".
Por trás da ironia está um motivo financeiro claro. A corrida por modelos de fronteira fechados está empurrando custos de inferência a níveis insustentáveis. A OpenAI, que já reportou receita anualizada de $20 bilhões, enfrenta pressão dos investidores para atingir a meta de $50 bilhões. A Meta, cujas ações caíram 10% no ano, precisa mostrar que seus investimentos em inteligência artificial trazem retorno. O modelo open-weight permite que a Meta distribua o custo de inferência para os usuários — ou, no caso do Muse Spark Open, para os provedores de API que alugam hardware sob demanda.
A parceria com a Apple é outra peça do tabuleiro. O MLX framework foi criado para manter o ecossistema de desenvolvedores Apple preso ao hardware Apple. Ao otimizar o modelo de maior parceiro concorrente para o MLX, a Meta ganha compatibilidade nativa com o hardware mais poderoso de IA pessoal que existe hoje; a Apple, por sua vez, reforça o argumento de que o Mac é a plataforma de IA pessoal por excelência.
O contexto chinês e a geopolítica dos modelos abertos
A Meta posiciona o Muse Spark Open como uma resposta direta aos avanços chineses em modelos open-weight. Startups como Moonshot AI (Kimi K3, com 2,8 trilhões de parâmetros), Alibaba (Qwen3.8-Max, 2,4 trilhões) e DeepSeek (V4-Flash) já oferecem sistemas que competem em qualidade com os líderes americanos, mas com licenças permissivas que permitem modificações comerciais sem restrições.
Zuckerberg, em declarações recentes, argumentou que os laboratórios estrangeiros detêm vantagens reais: restrições mais leves sobre dados de treinamento, menos barreiras à distilação (técnica que treina modelos menores com a saída de modelos maiores) e menos escrutínio regulatório sobre segurança. "Foreign labs currently hold several advantages here since American labs have to comply with many additional restrictions on training data", disse ele.
Isso reflete um movimento mais amplo. Enquanto a OpenAI e a Anthropic mantém seus modelos mais avançados como black-boxes — acessíveis apenas via API, com preços escalando por token —, as empresas chinesas adotaram o open-weight como estratégia de mercado. O resultado é um ecossistema onde modelos chineses dominam segmentos de código aberto (GitHub Copilot já aceita extensões de modelos locais) e a competição por mercado de APIs fechadas se torna cada vez mais um jogo de custos.
O que esperar a seguir
O Muse Spark Open é um marco, mas não o fim da linha. A Meta já confirmou que os benchmarks não foram validados independentemente — o que significa que a alegação de "mais capaz dos EUA" ainda carece de verificação externa. O Muse Model License tem restrições comerciais limitadas; os desenvolvedores precisam ler os termos antes de empacotar o modelo em produtos.
A questão central que fica é: quanto tempo leva até que um modelo open-weight de 816 bilhões de parâmetros rode em um único dispositivo de consumo? A resposta provavelmente não vem da Meta nem da Apple, mas de um chip especializado — talvez da Groq, talvez de outra startup de inferência — que encontre a forma de compactar um terabyte de memória unificada em um formato que caiba em um datacenter de custo acessível.
Enquanto isso, a parceria Meta-Apple nos Mac Studios serve como prova de conceito e um lembrete de que, na inteligência artificial, a arquitetura do hardware é tão importante quanto a arquitetura do modelo. E, por enquanto, quem controla a memória controla o futuro.
Fontes: The Verge, CNBC, Technology.org
✓ Fontes independentes cruzadas e verificadas antes da publicação
