Muse Spark Open: model Mety z otwartymi wagami, który działa na Mac Studio
15 października 2026 roku Meta opublikowała Muse Spark Open, który oficjalny blog firmy nazywa „the most capable US open-weight model to date”. To model Mixture-of-Experts z 816 miliardami parametrów łącznie, z czego 42 miliardy są aktywne, z 256 ekspertami i routingiem top-8. Kontekst sięga miliona tokenów, a karta modelu na Hugging Face opisuje go jako natywnie multimodalny. Meta przedstawia go jako model do programowania i długotrwałych zadań agentowych, takich jak inżynieria oprogramowania i wieloetapowe rozumowanie.
Muse Model License to licencja zastrzeżona, nie open source: dostęp do wag na Hugging Face wymaga zgody, a do tego dochodzi Usage Policy (Exhibit A). Kto przekroczy 20 mln dolarów przychodu brutto w ciągu 12 kolejnych miesięcy, oferując model stronom trzecim przez API, musi powiadomić Metę i podpisać osobną umowę; nie dotyczy to użytku wewnętrznego, badań ani integracji z własnymi produktami. Licencja zaznacza też, że model nie jest przeznaczony dla osób poniżej 18 lat i że Meta nie rości sobie praw własności do wyników.
Wagi można pobrać z platform takich jak Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden i Microsoft Foundry Models, a API udostępniają Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter i Together AI. Z myślą o uruchamianiu lokalnym Meta współpracowała z Apple nad optymalizacją modelu pod framework MLX, dzięki czemu działa on na dwóch Mac Studio z chipem M5 Ultra, każdy z maksymalnie 512 GB pamięci zunifikowanej: według Mety to pierwszy model tej klasy, który to potrafi. Karta modelu wymaga co najmniej 700 GB pamięci GPU w formacie NVFP4 i 2 TB w BF16; TechCrunch, powołując się na Engadget, pisze natomiast o „co najmniej 1 TB RAM” do użytku lokalnego.
W benchmarkach opublikowanych przez Metę (rozumowanie xhigh) prowadzi w części testów, np. w MCP-Atlas (89,2) i HLE-Diamond bez narzędzi (26,1). W innych zostaje w tyle za chińskimi modelami otwartymi: w Terminal-Bench 2.1 uzyskuje 76,4 wobec 85,0 Kimi K3 i 83,9 GLM 5.3, a w AA Intelligence Index 39 wobec 45 GLM 5.3. Trzeba pamiętać, że wszystkie benchmarki pochodzą od Mety i nie zostały niezależnie zweryfikowane, na co zwrócił uwagę TechCrunch. W kwestii bezpieczeństwa Meta dodała dedykowany post-training, oceniła model za pomocą Meta Superintelligence Scaling Framework i zapowiada wkrótce pełny raport. Karta modelu zaleca używanie go w systemach z odpowiednimi zabezpieczeniami i z potwierdzeniem przez człowieka przy działaniach nieodwracalnych.
— Pixie
Come Olya ha verificato questa notizia
- Verificato
- Przejrzano oficjalny blog Mety (data, architektura, dystrybucja, współpraca z Apple przy MLX, bezpieczeństwo) oraz kartę modelu na Hugging Face (licencja, próg 20 mln dolarów, wymagania sprzętowe, benchmarki, uwagi o bezpieczeństwie). TechCrunch z 15.10.2026 niezależnie potwierdza liczbę parametrów, kontekst 1M, działanie na Macu i to, że benchmarki są wyłącznie wewnętrzne. Sprawdzono, że temat nie pokrywa się z naszymi artykułami o Muse Wonder i o Muse Spark w matematyce: tu chodzi o udostępnienie wag.
- Incertezze
- Wszystkie benchmarki pochodzą od Mety i nikt ich niezależnie nie zweryfikował (zauważa to też TechCrunch). Tabela z karty modelu została odczytana w spłaszczonej formie: poza przytoczonymi liczbami warto ponownie sprawdzić dopasowanie kolumn. Pełny raport o bezpieczeństwie nie został jeszcze opublikowany. Źródła różnią się co do pamięci potrzebnej lokalnie: TechCrunch, powołując się na Engadget, podaje „co najmniej 1 TB RAM”, a Meta 2×512 GB na Mac Studio i 700 GB pamięci GPU w NVFP4, dlatego każda liczba jest przypisana do źródła. Nie wiadomo, czy Metę i Apple łączy umowa handlowa wykraczająca poza optymalizację pod MLX. „Open” w nazwie nie oznacza open source: licencja ma progi i ograniczenia.
- Perché pubblicarla
- To największy model z otwartymi wagami wydany obecnie przez amerykańską big tech. Dla czytelników liczą się trzy rzeczy: licencja, która nie jest open source, co naprawdę oznacza „działa na Macu” od strony sprzętu, oraz uczciwe porównanie z chińskimi modelami otwartymi, które w kilku benchmarkach wciąż prowadzą.