Meta ha annunciato Muse Spark, il primo modello di intelligenza artificiale sviluppato dai Meta Superintelligence Labs, la divisione creata da Mark Zuckerberg per rilanciare la corsa dell’azienda nell’intelligenza artificiale avanzata. Si tratta di un cambio di rotta radicale rispetto alla filosofia open source che aveva caratterizzato la famiglia Llama, Muse Spark è infatti un modello proprietario e chiuso, disponibile solo attraverso i servizi Meta AI sul web, nell’app dedicata e progressivamente integrato in WhatsApp, Instagram, Facebook, Messenger e negli occhiali intelligenti Ray-Ban Meta.

Il lancio rappresenta la prima uscita pubblica del lavoro svolto negli ultimi nove mesi da una squadra di ricercatori assemblata con investimenti miliardari. Tra i nomi di spicco c’è Alexandr Wang, fondatore di Scale AI, reclutato insieme a diversi talenti sottratti a OpenAI, Anthropic e Google. L’obiettivo dichiarato è ambizioso, costruire una “superintelligenza personale”, un assistente capace di comprendere il contesto individuale di ciascun utente, integrando informazioni visive, testo e dati provenienti dalle piattaforme social dell’ecosistema Meta.

Offerta

4 x Xiaomi Smart Tag

Smart Tracker, compatibile con Apple Find My e Google Android Find Hub

49.99€ invece di 59.99€
-17%
Amazon 🛒

Cos’è Muse Spark

Muse Spark si distingue per essere nativamente multimodale, ovvero progettato fin dall’origine per elaborare simultaneamente testo, immagini e altri tipi di input sensoriali. Questa caratteristica gli consente di analizzare foto scattate dall’utente e rispondere con informazioni contestuali. Ad esempio, fotografando uno scaffale di snack in un aeroporto, il modello può identificare quali prodotti contengono più proteine senza che l’utente debba leggere le etichette. Oppure può confrontare un prodotto con alternative sul mercato semplicemente inquadrandolo con la fotocamera.

Un altro ambito su cui Meta ha investito specificamente è la salute. L’azienda ha collaborato con oltre mille medici per curare dati di addestramento che permettano a Muse Spark di fornire risposte più accurate e complete su temi medici. Il modello è in grado di generare visualizzazioni interattive per spiegare, ad esempio, il contenuto nutrizionale di vari alimenti o quali muscoli vengono attivati durante un esercizio fisico. Questa funzionalità, pur promettente, solleva inevitabili interrogativi sulla privacy, dato che per utilizzare Muse Spark è necessario autenticarsi con un account Meta esistente come Facebook o Instagram, e l’azienda ha una lunga storia di utilizzo dei dati degli utenti per addestrare i propri modelli.

Dal punto di vista tecnico, Meta ha ricostruito l’intero stack di sviluppo dell’intelligenza artificiale partendo da zero, ottimizzando architettura del modello, algoritmi di addestramento e gestione dei dati. Il risultato è un’efficienza computazionale notevolmente superiore rispetto ai modelli precedenti della famiglia Llama, con prestazioni paragonabili raggiunte utilizzando un ordine di grandezza in meno di risorse di calcolo. Questo vantaggio si traduce in costi operativi ridotti e tempi di risposta più rapidi, fattori cruciali quando si serve un’utenza che si conta in miliardi di persone.

Una delle novità più interessanti è la modalità Contemplating, che sarà rilasciata gradualmente nelle prossime settimane. Questa funzione attiva un sistema di multi-agente, più istanze del modello lavorano in parallelo sullo stesso problema, collaborando per arrivare a soluzioni più accurate su questioni complesse. È la risposta di Meta a funzionalità analoghe presenti nei modelli concorrenti come Gemini Deep Think di Google e GPT Pro di OpenAI. Nei benchmark più difficili, Contemplating mode raggiunge il 58 percento in Humanity’s Last Exam e il 38 percento in FrontierScience Research, risultati competitivi anche se non ancora ai livelli dei modelli top di gamma della concorrenza.

Meta ha inoltre implementato un meccanismo chiamato “thought compression”, il modello viene addestrato con penalità sul tempo di ragionamento che lo spingono a comprimere i propri processi cognitivi. Inizialmente Muse Spark migliora le performance pensando più a lungo, ma quando la penalità diventa significativa, impara a risolvere problemi utilizzando meno token di ragionamento, mantenendo comunque un’accuratezza elevata. È un approccio che ottimizza l’uso delle risorse computazionali senza sacrificare la qualità delle risposte.

Un occhio alla sicurezza

Sul fronte della sicurezza, Meta ha seguito il proprio Advanced AI Scaling Framework aggiornato, conducendo valutazioni estensive prima del rilascio. Il modello dimostra comportamenti di rifiuto robusti in ambiti ad alto rischio come armi biologiche e chimiche, grazie a filtraggio dei dati in fase di pretraining, addestramento post-training orientato alla sicurezza e guardrail a livello di sistema. Tuttavia, una valutazione condotta da Apollo Research ha rilevato che Muse Spark mostra il più alto tasso di consapevolezza valutativa mai osservato nei modelli testati, il modello riconosce frequentemente gli scenari come “trappole di allineamento” e ragiona sul fatto che dovrebbe comportarsi onestamente perché sta venendo valutato. Questa consapevolezza potrebbe teoricamente portare a comportamenti diversi durante i test rispetto all’uso reale, anche se Meta sostiene che le indagini interne non abbiano evidenziato rischi sufficienti a bloccare il rilascio.

A differenza dei precedenti modelli Llama, rilasciati con licenza open source, Muse Spark rimane proprietario. Meta ha dichiarato che spera di rendere aperti i modelli futuri della famiglia Muse, ma per ora la scelta è quella di mantenere il controllo completo sulla tecnologia. Non è chiaro se il modello sarà offerto gratuitamente come Meta AI o se seguirà la strada dei concorrenti con livelli premium a pagamento. Al momento è disponibile in anteprima API privata per partner selezionati.

Con Muse Spark, Meta entra ufficialmente nella competizione per la leadership nell’intelligenza artificiale avanzata, puntando su personalizzazione profonda e integrazione nativa con miliardi di utenti già attivi sulle sue piattaforme. Il modello attuale è solo il primo passo, modelli più grandi sono già in sviluppo e l’azienda promette miglioramenti continui lungo una traiettoria di scaling prevedibile ed efficiente.

I nostri contenuti da non perdere: