NotizieAzioniAzione Meta (META) in calo con il debutto del modello AI Muse Spark Open

Azione Meta (META) in calo con il debutto del modello AI Muse Spark Open

Autore: Blockonomi·

Punti chiave

  • •L'azione Meta Platforms ha chiuso il 15 ottobre a 736,72 dollari, con un calo dello 0,11%, per poi scendere ulteriormente a 73502 dollari negli scambi after-hours, in concomitanza con la presentazione di Muse Spark Open.
  • •Muse Spark Open è un modello open-weight con 816 miliardi di parametri totali, di cui 42 miliardi attivi durante l'elaborazione, e supporta finestre di contesto fino a un milione di token.
  • •Il modello è progettato per girare localmente su due Apple Mac Studio con chip M5 Ultra utilizzando il framework MLX, una configurazione che richiede circa un terabyte di memoria.
  • •Meta ha testato il sistema con il suo assistente da terminale Muse Code, aggiornando un client Mastodon, e con DaVinci Resolve, dove ha esaminato i filmati e ritagliato sezioni video selezionate.
  • •Gli sviluppatori possono accedere al modello tramite Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter e Together AI, con pesi scaricabili da Hugging Face, Amazon SageMaker AI, Google Cloud e Microsoft Foundry.
Azione Meta (META) in calo con il debutto del modello AI Muse Spark Open

Le azioni di Meta Platforms sono scese giovedì 15 ottobre, in concomitanza con la presentazione di Muse Spark Open, un nuovo modello di intelligenza artificiale open-weight progettato per lo sviluppo software e le attività automatizzate. L'azione Meta (META) ha chiuso la seduta regolare a 736,72 dollari, con un calo dello 0,11%, per poi scendere di un ulteriore 0,23% a 735,02 dollari negli scambi after-hours. Mentre il lancio ampliava l'accesso degli sviluppatori a strumenti AI avanzati, il titolo ha registrato perdite in entrambe le sedute.

Meta rilascia Muse Spark Open per la programmazione

Meta ha introdotto Muse Spark Open come modello open-weight progettato per lo sviluppo software e il ragionamento multi-step. Il sistema conta 816 miliardi di parametri, di cui 42 miliardi attivi durante l'elaborazione. Questa ripartizione è importante per il deployment: l'intero set di parametri di un modello deve essere mantenuto in memoria, mentre il numero di parametri attivi determina la potenza di calcolo impiegata in ogni fase di elaborazione. Il modello supporta inoltre finestre di contesto fino a un milione di token, consentendo attività di programmazione lunghe e complesse.

Il modello elabora molteplici formati di informazioni e gestisce attività di programmazione che richiedono diversi cicli decisionali. Secondo Meta, il sistema supporta progetti di lunga durata e lavori di ingegneria del software particolarmente complessi. Le valutazioni aziendali hanno inoltre confrontato le sue prestazioni con altri modelli open-weight disponibili per gli sviluppatori; poiché questi risultati provengono dai test interni di Meta, i riscontri pratici segnalati dagli sviluppatori attraverso i canali di distribuzione riportati di seguito potrebbero offrire punti di riferimento indipendenti.

I rilasci open-weight consentono agli sviluppatori di scaricare i parametri del modello e personalizzare i sistemi per operazioni specifiche. Le aziende possono quindi controllare il deployment e gestire le informazioni all'interno dei propri ambienti preferiti. Meta aveva rilasciato nell'agosto un modello più piccolo, Muse Glimmer, prima di presentare questo sistema dimensioni maggiori.

Il deployment su Mac Studio comporta requisiti hardware rilevanti

Meta ha progettato Muse Spark Open per girare localmente su due Apple Mac Studio dotati di chip M5 Ultra. La configurazione si basa sul framework MLX di Apple per gestire le operazioni di machine learning. Tuttavia, questa configurazione richiede risorse hardware notevoli, tra cui circa un terabyte di memoria.

L'azienda ha testato il modello insieme a Muse Code, il suo assistente da terminale per il lavoro di sviluppo. Un esercizio ha riguardato l'aggiornamento di un client Mastodon tramite correzioni software e nuove funzionalità. Queste dimostrazioni hanno illustrato come il sistema gestisca attività connesse senza richiedere ripetute istruzioni manuali.

Meta ha inoltre testato il modello con DaVinci Resolve, un'applicazione professionale di montaggio video. Durante la dimostrazione, il sistema ha esaminato i filmati e ritagliato le sezioni selezionate del video. L'esercizio ha mostrato il potenziale del modello per attività desktop al di fuori delle consuete attività di programmazione.

Meta amplia l'accesso tramite API e servizi cloud

Meta ha reso il modello accessibile tramite Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter e Together AI. Gli sviluppatori possono scaricare i pesi da Hugging Face, Amazon SageMaker AI, Google Cloud e Microsoft Foundry. Questi servizi offrono alternative all'installazione di una costosa configurazione hardware locale.

I motori di inferenza compatibili includono vLLM, SGLang, TensorRT-LLM, llama.cpp e Hugging Face Transformers. Il nuovo modello supporta inoltre hardware AMD, Apple, Intel e Nvidia per un deployment più ampio. Gli sviluppatori possono personalizzare il sistema utilizzando PyTorch per applicazioni specializzate.

La distribuzione open-weight può ridurre la dipendenza da provider proprietari e aumentare la flessibilità di deployment. Ciononostante, l'esecuzione di modelli di grandi dimensioni richiede comunque competenze tecniche e risorse di calcolo significative. L'adozione da parte degli sviluppatori attraverso queste vie di accesso potrebbe indicare l'ampio utilizzo pratico del modello. Il rilascio di Meta amplia la sua offerta AI, mentre l'andamento azionario di giovedì è rimasto leggermente negativo.

Questo articolo è apparso originariamente su Blockonomi.