el panorama sempre più competitivo dell’intelligenza artificiale generativa, Meta ha annunciato il lancio di Muse Spark, il primo modello sviluppato dal suo ambizioso team di “superintelligenza” assemblato nell’arco dell’ultimo anno a costi straordinari. Il rilascio arriva in un momento cruciale per le grandi aziende tecnologiche statunitensi, chiamate a dimostrare che i miliardi investiti in AI si tradurranno in ritorni concreti. Per Meta, la posta in gioco è particolarmente alta dopo le performance deludenti dei modelli Llama 4 e il dispendioso riassestamento strategico che ne è seguito.
Il contesto finanziario è emblematico della scala dell’operazione: Meta ha ingaggiato Alex Wang, CEO di Scale AI, attraverso un accordo da 14,3 miliardi di dollari, e ha offerto ad alcuni ingegneri pacchetti retributivi nell’ordine delle centinaia di milioni. L’obiettivo dichiarato è riportare l’azienda ai vertici mondiali dell’AI, un terreno su cui si era trovata in svantaggio rispetto a concorrenti come OpenAI, Google DeepMind e Anthropic. Il termine “superintelligenza” — riferito a sistemi AI capaci di superare le capacità cognitive umane — rimane per ora aspirazionale, ma il progetto interno denominato Avocado rappresenta il primo passo operativo in questa direzione.
Dal punto di vista architetturale, Meta non ha divulgato il numero di parametri di Muse Spark, una metrica fondamentale per posizionare un modello nel panorama competitivo e valutarne la potenza computazionale. Questa scelta rappresenta anche una svolta rispetto alla strategia open-source che aveva caratterizzato le precedenti release della famiglia Llama: invece di un rilascio pubblico completo, il modello è stato condiviso in “private preview” con partner selezionati e non identificati. Muse Spark è attualmente accessibile tramite l’app e il sito web di Meta AI, con un’espansione prevista nelle prossime settimane verso WhatsApp, Instagram, Facebook e la linea di smart glasses dell’azienda.
Sul piano delle performance, le valutazioni indipendenti offrono un quadro sfumato. Secondo i benchmark condotti dalla società di analisi Artificial Analysis, Muse Spark ha raggiunto il quarto posto in una classifica aggregata di test AI, mostrando competitività nelle aree del language understanding e della comprensione visiva, ma accusando un ritardo rispetto ai modelli leader nei task di coding e abstract reasoning. Questi ultimi due domini rimangono tra i più sfidanti per i LLM attuali, richiedendo capacità di ragionamento simbolico che i sistemi transformer faticano a generalizzare con consistenza.
Una delle funzionalità più interessanti dal punto di vista applicativo è il Contemplating Mode, una modalità che esegue simultaneamente più agenti AI per potenziare le capacità di ragionamento esteso. La struttura multi-agente richiama i meccanismi di extended thinking già implementati da concorrenti come Gemini Deep Think di Google e la modalità GPT Pro di OpenAI, pur adottando un’architettura propria. L’esempio proposto da Meta — un agente che elabora un itinerario di viaggio mentre un secondo ricerca attività adatte ai bambini — illustra la potenziale sinergia tra planning automatizzato e recupero contestuale delle informazioni.
Sul fronte della monetizzazione, Muse Spark introduce funzionalità di shopping embedded all’interno del chatbot Meta AI, orientando gli utenti verso prodotti acquistabili direttamente dall’interfaccia conversazionale. La strategia commerciale di Meta si basa sull’integrazione dell’AI nei flussi quotidiani dei suoi oltre 3,5 miliardi di utenti attivi sulle piattaforme social, una base di utenza che nessun competitor nel settore AI può avvicinare. Tra le capacità pratiche già disponibili figura la stima calorica di un pasto a partire da una fotografia, o la sovrapposizione di immagini di oggetti su ambienti reali per valutarne l’inserimento estetico — applicazioni che puntano a rendere l’AI utile nelle decisioni quotidiane piuttosto che nei soli task professionali.
Mark Zuckerberg aveva già predisposto il mercato a un avvio cauto, dichiarando agli investitori che i primi modelli del team sarebbero stati “buoni, ma soprattutto avrebbero mostrato la rapida traiettoria di crescita”. La vera scommessa non è tanto il singolo modello quanto la velocità con cui Meta riesce a iterare: in un settore dove i cicli di sviluppo si misurano in mesi, la capacità di aggiornamento continuo pesa quanto la qualità del rilascio iniziale. La domanda che rimane aperta è se la combinazione di scala, distribuzione e investimento sarà sufficiente a portare Meta in posizione di leadership entro la fine del ciclo Avocado, o se i gap di reasoning e coding rispetto ai modelli di punta resteranno un ostacolo strutturale nel segmento enterprise e developer.
Meta lancia il primo modello AI superintelligenza
