Váhy Muse Spark Open s 816 miliardami parametrů jsou nyní veřejně dostupné

Meta zveřejnila váhy modelu Muse Spark Open 15. října 2026. Jde o nativně multimodální model s otevřenými vahami, který má celkem 816 miliard parametrů, z toho 42 miliard aktivních, a kontextové okno o velikosti 1 milionu tokenů. Výzkum Meta AI jej označuje za dosud nejvýkonnější americký model s otevřenými vahami, určený pro programování a práci s agenty, například pro úlohy s dlouhým horizontem, komplexní softwarové inženýrství a vícekrokové uvažování.

Architektura a trénovací data

Podle karty modelu zveřejněné společností Meta Superintelligence Labs je Muse Spark Open transformátor s architekturou směsi expertů, spojený s kodérem vnímání. Jazykový model má 62 vrstev, skrytou dimenzi 8192 a 256 expertů, z nichž se pomocí směrování top-k aktivuje osm na každý token. Jeho blok pozornosti využívá hradlovanou pozornost s normalizací QK (QK-norm), 128 dotazovacími hlavami a 16 hlavami klíč-hodnota v konfiguraci se skupinovým dotazováním; dimenze hlavy je 64. Slovník má 202 048 položek a vstupní a výstupní vnoření nejsou sdílená. Kodér vnímání má 1,8 miliardy parametrů v 50 vrstvách, skrytou dimenzi 1536, 16 hlav, velikost obrazového výřezu 14 × 14, výstupní dimenzi 4096 a řídkou pozornost s faktorem čtyři, při níž plnou pozornost využívá každá čtvrtá vrstva a také poslední vrstva.

Model přijímá textové, obrazové, video a zvukové vstupy a vytváří textový výstup. Podle karty modelu zahrnují trénovací data text, obrázky, zvuk a video pocházející z veřejných zdrojů, internetových procházení, od třetích stran, z vlastních produktů a služeb společnosti Meta a ze synteticky generovaných materiálů. Pokrývají více než 100 jazyků a jejich příprava zahrnovala čištění, zpracování, deduplikaci a filtrování. Parametr reasoning_effort určuje, jak dlouho model před odpovědí uvažuje; nabízí nastavení low, medium, high a xhigh, přičemž výchozí je xhigh. Jakákoli jiná hodnota vyvolá chybu. Meta pro většinu nasazení doporučuje teplotu 1.0, top_p 1.0 a vypnutý top_k; při složitém řešení problémů, programování a úlohách s agenty doporučuje nastavit míru uvažování na high nebo xhigh.

Dostupnost a optimalizace pro Apple Silicon

Muse Spark Open je dostupný prostřednictvím platforem API Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter a Together AI. Váhy lze stáhnout z Amazon SageMaker AI, Google Cloud Model Garden, Hugging Face a Microsoft Foundry Models. Model běží na inferenčních enginech, mezi něž patří SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, Apple MLX, llama.cpp a Unsloth. Nabízí optimalizace pro čipy AMD, Apple, Intel a NVIDIA a vývojáři jej mohou dále dolaďovat pomocí TorchTitan od PyTorch. Váhy jsou dostupné ve verzích BF16 a NVFP4; k lokálnímu spuštění je potřeba GPU s alespoň 700 GB VRAM pro NVFP4 nebo 2 TB pro BF16.

Meta uvádí, že Muse Spark Open je prvním modelem své třídy, který lze spustit na stolním počítači. Využívá k tomu dvě zařízení Apple M5 Ultra Mac Studio s nejnovějším frameworkem MLX, který stahuje váhy přímo z Hugging Face. Architektura sjednocené paměti společnosti Apple umožňuje integrovanému GPU čipu M5 Ultra využívat až 512 GB v každém zařízení Mac Studio. Podle společnosti Meta propustnost paměti čipu 1,2 TB/s umožňuje oběma počítačům uchovávat celý model a fungovat jako jeden systém s terabajtem sjednocené paměti.

Meta uvedla, že testovala pracovní postupy s agenty, které běžely zcela přímo v zařízení a využívaly Muse Code poháněný modelem Muse Spark Open. V jednom testu tato sestava dodala skutečné změny pro iOS do Ice Cubes, open-source klienta Mastodonu, včetně oprav chyb, nových funkcí a kompletního sestavení. V dalším testu ovládala DaVinci Resolve od začátku do konce, prohlížela záběry snímek po snímku, vybírala nejpůsobivější okamžiky a převáděla je na vertikální výřezy. Verze s otevřenými vahami se dodává také s vlastními automaticky laditelnými jádry Helion GPU v SGLang. Podle společnosti Meta přinášejí na GPU NVIDIA a AMD zrychlení na úrovni jader v rozsahu 1,03 až 3,95násobku a na AMD MI350 celkové zrychlení o 3 %.

Benchmarky a výsledky v oblasti bezpečnosti podle společnosti Meta

Karta modelu srovnává Muse Spark Open spuštěný s mírou uvažování xhigh s modely Inkling, Nemotron 3 Ultra, Beam, Mistral Large 4, Qwen3.8-2.4T-A95B, GLM 5.3 a Kimi K3. Meta uvádí skóre 39 v žebříčku Artificial Analysis Intelligence Index; stejná tabulka uvádí skóre 45 pro GLM 5.3, 44 pro Kimi K3 a 40 pro Qwen3.8-2.4T-A95B. V hodnoceních schopností agentů Meta uvádí skóre 61,8 v JobBench a 89,2 v MCP-Atlas, což jsou nejvyšší výsledky v těchto testech mezi modely uvedenými v tabulce karty. V oblasti znalostí a uvažování Meta uvádí skóre 26,1 v HLE-Diamond bez nástrojů, 25 v AA Omniscience a 89,0 v GPQA Diamond; v této oblasti tabulka uvádí pro Qwen3.8-2.4T-A95B i Kimi K3 shodné skóre 93,5.

V programátorských benchmarcích Meta uvádí skóre 76,4 v Terminal-Bench 2.1, kde karta uvádí 85,0 pro Kimi K3 a 83,9 pro GLM 5.3, dále skóre 60 v DeepSWE 1.1 a 58 v SWE-Atlas-QnA. V těchto testech karta uvádí pro Kimi K3 skóre 68 a 66. V multimodálních testech s asistencí nástrojů Meta uvádí skóre 50,0 v ZeroBench, 73,6 v SimpleVQA, 80,2 v BabyVision oproti hodnotě 85,7 pro Kimi K3 uvedené v tabulce a 61,5 ve VideoMMEv2 oproti hodnotě 65,4 uvedené pro Kimi K3.

Meta uvedla, že verze s otevřenými váhami prošla dodatečným následným bezpečnostním tréninkem a byla hodnocena z hlediska bezpečnosti obsahu, rizik spojených s autonomními agenty, ochrany soukromí a připravenosti v souladu s rámcem Meta Superintelligence Scaling Framework. Splnila přitom prahové hodnoty, které tento rámec stanovuje pro vydání modelu. Podle karty modelu Muse Spark Open odmítl 99,2 % pokusů o prolomení ochranných opatření v interním kybernetickém benchmarku společnosti Meta a 94,8 % pokusů v souhrnu za kybernetickou podmnožinu PolyGuard, RedCode a CyberBench 2024; ve stejném nastavení karta uvádí u Kimi K3 hodnoty 75,5 % a 70,2 %.

Meta uvádí, že model odmítl více než 98 % škodlivých požadavků v benchmarku BioTIER od SecureBio a více než 99 % v interním benchmarku chemie s jedním kolem interakce. V interních vícekolových benchmarcích pro autonomní agenty navíc odmítl více než 97 % škodlivých požadavků týkajících se biologie a 98 % škodlivých požadavků týkajících se chemie. Karta uvádí 98,1% míru pravdivosti v benchmarku MASK, 0% míru nežádoucího chování v benchmarku Agentic Misalignment a skóre 0,5 v benchmarku StrongREJECT v2, v němž jsou nižší skóre lepší. Meta upozorňuje, že výsledky popisují vydaný kontrolní bod za testovaných podmínek a že následné úpravy mohou bezpečnost zhoršit. Doporučuje proto nasazovat model jako součást širšího systému umělé inteligence s ochrannými mechanismy odpovídajícími konkrétnímu způsobu použití.

Licenční podmínky a uvedená omezení

Váhy jsou vydány pod licencí Muse Model License ze dne 15. října 2026. Licence za určitých podmínek umožňuje bezplatné používání, kopírování, úpravy včetně dolaďování, vytváření odvozených děl, destilaci a distribuci. Nabyvatelé licence musí viditelně uvést „Vytvořeno s Muse Spark Open“ v uživatelském rozhraní každého produktu nebo služby, která používá tento software či jeho odvozeniny, případně v průvodní dokumentaci, na webových stránkách nebo v nabídce nastavení.

Nabyvatelé licence, kteří nabízejí modely umělé inteligence jako službu a jejichž souhrnné hrubé příjmy včetně příjmů přidružených společností přesáhnou 20 milionů USD v kterémkoli po sobě jdoucím období 12 měsíců, musí před zahrnutím softwaru do této činnosti informovat společnost Meta a uzavřít samostatnou písemnou dohodu. Toto ustanovení se nevztahuje na interní použití, výzkum ani jiné komerční činnosti, které nepředstavují službu založenou na modelu, ani na použití softwaru jako součásti pohánějící vlastní produkt nabyvatele licence. Licence stanoví, že Meta nezískává žádná vlastnická práva k výstupům vytvořeným tímto softwarem.

Přiložené zásady používání uvádějí, že model není určen osobám mladším 18 let, a zakazují mimo jiné nezákonné činnosti, tvorbu malwaru, vývoj zbraní, provoz kritické infrastruktury a úmyslné klamání, například podvody, šíření dezinformací a vydávání se za jiné osoby. Mezi omezení, která Meta uvádí, patří možnost nepřesných, zaujatých nebo závadných odpovědí; chyby ve vícekrokovém uvažování v nových situacích; nižší výkon v jazycích mimo skupinu jazyků, které jsou dobře podporovány; drobné rozdíly v kvalitě při kvantizované inferenci; a nespolehlivé zpracování velmi krátkých videí nebo videí s nízkým rozlišením. Meta uvedla, že úplná hodnoticí zpráva bude k dispozici brzy.