Meta e Apple fanno pace: Muse Spark Open gira (quasi) sulla scrivania

Ci sono notizie che contano per i numeri e notizie che contano per le firme in calce. Il rilascio di Muse Spark Open, annunciato da Meta il 15 ottobre, appartiene alla seconda categoria — anche se i numeri, va detto, non sono male per niente.

Partiamo dai fatti. Meta ha pubblicato quello che definisce il modello open-weight statunitense più capace mai rilasciato: 816 miliardi di parametri totali, una finestra di contesto da un milione di token, multimodalità nativa. È pensato per compiti lunghi e complessi — ingegneria del software seria, ragionamento a più passaggi, flussi di lavoro agentici. Nulla di sorprendente nelle ambizioni: è il territorio dove tutti stanno spingendo.

La parte interessante è dove gira. Meta dichiara che Muse Spark Open è il primo modello della sua classe a poter funzionare su una scrivania, sfruttando due Mac Studio con chip M5 Ultra e l'ultima versione del framework MLX di Apple. Engadget segnala un requisito di almeno un terabyte di RAM per l'esecuzione locale, quindi non parliamo esattamente del portatile dello sviluppatore medio. Ma parliamo comunque di hardware acquistabile, non di un rack in un datacenter.

L'alleanza che nessuno si aspettava

Meta e Apple non si amano. Hanno litigato su privacy, App Store, tracciamento pubblicitario, visori. Eppure qui le due aziende si sono fatte i complimenti in pubblico.

Mark Zuckerberg ha scritto su X che il modello "gira benissimo" sui nuovi Mac Studio grazie al lavoro fatto con Apple, citando John Ternus. Il nuovo CEO di Apple ha risposto facendo i complimenti al team e sottolineando come il Mac Studio continui a spostare in avanti i limiti dell'AI on-device. Alexandr Wang, chief AI officer di Meta, ha liquidato la cosa con una battuta ad Axios sul fatto che "mamma e papà" tornano ad andare d'accordo. Sempre ad Axios risulta che la collaborazione andasse avanti da mesi.

Apple, dal canto suo, ha pubblicato un approfondimento tecnico su MLX — il suo framework per array e machine learning su Apple Silicon — che copre Muse Spark Open insieme ad altri due modelli aperti.

Questa è la notizia vera. Due aziende che hanno interessi strutturalmente divergenti hanno trovato un terreno comune, e il terreno comune è il silicio.

Perché a ciascuna conviene

Per Apple il vantaggio è trasparente. Cupertino ha passato due anni a inseguire sul fronte dell'AI generativa, con un'Apple Intelligence che ha deluso più di quanto abbia convinto. Ma ha una carta che nessun altro ha: la memoria unificata di Apple Silicon. Un Mac Studio con configurazioni di RAM assurde può caricare modelli che su una GPU discreta richiederebbero cluster interi. Se il racconto diventa "il miglior hardware per far girare modelli enormi in locale è un Mac", Apple vince una battaglia di posizionamento senza dover vincere quella sui modelli.

Per Meta il calcolo è diverso. L'azienda ha costruito la propria identità nell'AI sull'apertura dei pesi, e ha bisogno che quell'apertura sia usabile. Un modello aperto che richiede infrastruttura cloud da decine di migliaia di euro al mese resta aperto solo sulla carta. Legarsi a una piattaforma hardware consumer-professionale rende l'argomento concreto: puoi scaricare i pesi, puoi eseguirli, puoi controllarli.

C'è anche una dimensione geopolitica che Meta sottolinea con cura ogni volta: "il modello open-weight statunitense più capace". La precisazione non è casuale. Nell'ultimo anno i laboratori cinesi hanno dominato la classifica dei modelli aperti, e Meta sta rivendicando terreno in una gara che è anche industriale e politica.

Cosa cambia per chi lavora davvero

Meta ha mostrato Muse Spark Open accoppiato a Muse Code, il suo terminale AI per programmare, impegnato in lavori agentici reali: correzioni di bug, nuove funzionalità e build completa di un client Mastodon. In un altro scenario il modello avrebbe pilotato DaVinci Resolve, rivedendo e tagliando filmati.

Sono demo, e come tutte le demo vanno prese con le pinze finché qualcuno non le replica. Ma indicano la direzione: l'agente non è più un chatbot a cui chiedi consigli, è un processo che apre software professionale e ci lavora dentro.

Per studi e agenzie che trattano materiale sensibile — contratti, codice proprietario, girato non ancora pubblicato — l'esecuzione locale non è un vezzo da smanettoni. È la differenza tra poter usare l'AI su certi progetti e non poterla usare affatto. Un terabyte di RAM costa, certo, ma è una spesa in conto capitale con un costo marginale per richiesta vicino allo zero. Chi oggi brucia migliaia di euro al mese in token API dovrebbe rifare i conti.

La mia previsione: la soglia scenderà. Quantizzazione, distillazione e varianti più piccole arriveranno nei prossimi mesi, come è successo con ogni rilascio open degli ultimi tre anni. Il modello da 816 miliardi di parametri è il manifesto; il vero impatto commerciale lo avranno i suoi discendenti compressi, quelli che gireranno su un Mac da cinquemila euro invece che su due da ventimila.

E se questa collaborazione regge, Apple potrebbe ritrovarsi in una posizione curiosa: non il protagonista dell'AI generativa, ma il posto dove l'AI generativa degli altri gira meglio. Non è il ruolo che Cupertino avrebbe scelto. È comunque un ruolo redditizio.