Τα βάρη του Muse Spark Open της Meta, μοντέλου με 816 δισ. παραμέτρους, είναι πλέον δημόσια

Η Meta κυκλοφόρησε τα βάρη του Muse Spark Open στις 15 Οκτωβρίου 2026. Πρόκειται για ένα εγγενώς πολυτροπικό μοντέλο ανοιχτών βαρών, με συνολικά 816 δισ. παραμέτρους, 42 δισ. ενεργές παραμέτρους και παράθυρο συμφραζομένων 1 εκατ. token. Η ερευνητική ομάδα AI της Meta το περιγράφει ως το ικανότερο μοντέλο ανοιχτών βαρών στις ΗΠΑ μέχρι σήμερα, σχεδιασμένο για προγραμματισμό και εργασίες αυτόνομης δράσης, όπως εργασίες με μακρύ χρονικό ορίζοντα, σύνθετη μηχανική λογισμικού και συλλογιστική πολλών βημάτων.

Αρχιτεκτονική και δεδομένα εκπαίδευσης

Σύμφωνα με την κάρτα μοντέλου που δημοσίευσε η Meta Superintelligence Labs, το Muse Spark Open είναι ένας μετασχηματιστής τύπου μείγματος ειδικών (Mixture-of-Experts), σε συνδυασμό με έναν κωδικοποιητή αντίληψης (Perception Encoder). Το γλωσσικό μοντέλο έχει 62 επίπεδα, κρυφή διάσταση 8192 και 256 ειδικούς, από τους οποίους ενεργοποιούνται οκτώ για κάθε token μέσω δρομολόγησης top-k. Το μπλοκ προσοχής χρησιμοποιεί προσοχή με πύλες και κανονικοποίηση QK (QK-norm), 128 κεφαλές ερωτήματος και 16 κεφαλές κλειδιού-τιμής σε διάταξη ομαδοποιημένων ερωτημάτων, ενώ η διάσταση κάθε κεφαλής είναι 64. Το μέγεθος του λεξιλογίου είναι 202.048, με ασύνδετες ενσωματώσεις εισόδου και εξόδου. Ο κωδικοποιητής αντίληψης έχει 1,8 δισ. παραμέτρους σε 50 επίπεδα, κρυφή διάσταση 1536, 16 κεφαλές, μέγεθος τμήματος 14×14, διάσταση εξόδου 4096 και αραιή προσοχή με συντελεστή τέσσερα, όπου πλήρη προσοχή εφαρμόζουν κάθε τέταρτο επίπεδο και το τελικό επίπεδο.

Το μοντέλο δέχεται εισόδους κειμένου, εικόνας, βίντεο και ήχου και παράγει έξοδο κειμένου. Σύμφωνα με την κάρτα μοντέλου, τα δεδομένα εκπαίδευσης περιλαμβάνουν κείμενο, εικόνες, ήχο και βίντεο από δημόσιες πηγές, ανιχνεύσεις στο διαδίκτυο, τρίτους, τα προϊόντα και τις υπηρεσίες της ίδιας της Meta, καθώς και υλικό που δημιουργήθηκε συνθετικά. Καλύπτουν περισσότερες από 100 γλώσσες και η επιμέλειά τους περιλάμβανε καθαρισμό, επεξεργασία, αποδιπλοποίηση και φιλτράρισμα. Μια παράμετρος reasoning_effort ελέγχει πόσο συλλογίζεται το μοντέλο πριν απαντήσει, με τις επιλογές low, medium, high και xhigh, από τις οποίες η xhigh είναι η προεπιλεγμένη· οποιαδήποτε άλλη τιμή προκαλεί σφάλμα. Για τις περισσότερες εγκαταστάσεις, η Meta συνιστά temperature 1.0, top_p 1.0 και απενεργοποιημένο top_k, καθώς και επίπεδο συλλογιστικής high ή xhigh για σύνθετη επίλυση προβλημάτων, προγραμματισμό και εργασίες με πράκτορες.

Διαθεσιμότητα και βελτιστοποίηση για Apple Silicon

Το Muse Spark Open διατίθεται μέσω των πλατφορμών API Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter και Together AI, ενώ τα βάρη μπορούν να ληφθούν από τα Amazon SageMaker AI, Google Cloud Model Garden, Hugging Face και Microsoft Foundry Models. Λειτουργεί με μηχανές εξαγωγής συμπερασμάτων όπως οι SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, Apple MLX, llama.cpp και Unsloth, με βελτιστοποιήσεις για τα τσιπ των AMD, Apple, Intel και NVIDIA. Οι προγραμματιστές μπορούν επίσης να προσαρμόσουν περαιτέρω το μοντέλο χρησιμοποιώντας το TorchTitan της PyTorch. Τα βάρη διατίθενται σε εκδόσεις BF16 και NVFP4· για την τοπική εκτέλεση απαιτείται GPU με τουλάχιστον 700 GB μνήμης VRAM για NVFP4 ή 2 TB για BF16.

Η Meta αναφέρει ότι το Muse Spark Open είναι το πρώτο μοντέλο της κατηγορίας του που εκτελείται σε επιτραπέζιο υπολογιστή, χρησιμοποιώντας δύο Mac Studio με Apple M5 Ultra και το πιο πρόσφατο πλαίσιο MLX, το οποίο αντλεί απευθείας τα βάρη από το Hugging Face. Η αρχιτεκτονική ενοποιημένης μνήμης της Apple επιτρέπει στην ενσωματωμένη GPU του M5 Ultra να χρησιμοποιεί έως και 512 GB σε κάθε Mac Studio. Σύμφωνα με τη Meta, το εύρος ζώνης μνήμης του τσιπ, που ανέρχεται σε 1,2 TB/s, επιτρέπει σε δύο μηχανήματα να φιλοξενούν ολόκληρο το μοντέλο και να λειτουργούν ως ένα ενιαίο σύστημα με ένα terabyte ενοποιημένης μνήμης.

Η Meta ανέφερε ότι δοκίμασε ροές εργασίας με πράκτορες που εκτελούνταν εξ ολοκλήρου στη συσκευή, με το Muse Code που βασίζεται στο Muse Spark Open. Σε μία δοκιμή, η διαμόρφωση υλοποίησε και διέθεσε πραγματικές αλλαγές για iOS στο Ice Cubes, έναν πελάτη Mastodon ανοικτού κώδικα, που περιλάμβαναν διορθώσεις σφαλμάτων, νέες λειτουργίες και μια πλήρη έκδοση. Σε άλλη δοκιμή, χειρίστηκε το DaVinci Resolve από την αρχή έως το τέλος, εξετάζοντας το υλικό καρέ καρέ για να επιλέξει τις πιο ξεχωριστές στιγμές και να τις αναδιαμορφώσει σε κατακόρυφα αποσπάσματα. Η έκδοση ανοικτών βαρών συνοδεύεται επίσης από προσαρμοσμένους πυρήνες GPU Helion, με αυτόματη δυνατότητα ρύθμισης, στο SGLang. Σύμφωνα με τη Meta, προσφέρουν επιτάχυνση σε επίπεδο πυρήνα από 1,03 έως 3,95 φορές στις GPU των NVIDIA και AMD, καθώς και επιτάχυνση 3% από άκρο σε άκρο στην AMD MI350.

Συγκριτικές επιδόσεις και αποτελέσματα ασφάλειας σύμφωνα με τη Meta

Η κάρτα μοντέλου συγκρίνει το Muse Spark Open, με ρυθμισμένο το επίπεδο συλλογιστικής σε xhigh, με τα Inkling, Nemotron 3 Ultra, Beam, Mistral Large 4, Qwen3.8-2.4T-A95B, GLM 5.3 και Kimi K3. Η Meta αναφέρει βαθμολογία 39 στον δείκτη Artificial Analysis Intelligence Index· στον ίδιο πίνακα, το GLM 5.3 έχει βαθμολογία 45, το Kimi K3 44 και το Qwen3.8-2.4T-A95B 40. Στις αξιολογήσεις εργασιών με πράκτορες, η Meta αναφέρει βαθμολογία 61,8 στο JobBench και 89,2 στο MCP-Atlas, τις υψηλότερες επιδόσεις στις συγκεκριμένες δοκιμές μεταξύ των μοντέλων που περιλαμβάνονται στον πίνακα της κάρτας. Στις δοκιμές γνώσεων και συλλογιστικής, η Meta αναφέρει 26,1 στο HLE-Diamond χωρίς εργαλεία, 25 στο AA Omniscience και 89,0 στο GPQA Diamond, όπου ο πίνακας δίνει στο Qwen3.8-2.4T-A95B και στο Kimi K3 βαθμολογία 93,5 και στα δύο.

Στις δοκιμές προγραμματισμού, η Meta αναφέρει βαθμολογία 76,4 στο Terminal-Bench 2.1, όπου η κάρτα δίνει στο Kimi K3 βαθμολογία 85,0 και στο GLM 5.3 βαθμολογία 83,9, καθώς και βαθμολογίες 60 στο DeepSWE 1.1 και 58 στο SWE-Atlas-QnA. Στις δύο τελευταίες δοκιμές, η κάρτα δίνει στο Kimi K3 βαθμολογίες 68 και 66, αντίστοιχα. Στις πολυτροπικές δοκιμές με χρήση εργαλείων, η Meta αναφέρει 50,0 στο ZeroBench, 73,6 στο SimpleVQA, 80,2 στο BabyVision, έναντι 85,7 του Kimi K3 στον πίνακα, και 61,5 στο VideoMMEv2, έναντι 65,4 του Kimi K3 στον πίνακα.

Η Meta δήλωσε ότι η έκδοση ανοιχτών βαρών υποβλήθηκε σε πρόσθετη μεταεκπαίδευση με έμφαση στην ασφάλεια και αξιολογήθηκε ως προς την ασφάλεια περιεχομένου, τους κινδύνους από τη δράση αυτόνομων πρακτόρων, την ιδιωτικότητα και την ετοιμότητα, σύμφωνα με το Meta Superintelligence Scaling Framework, και ότι πληρούσε τα όρια που απαιτεί το πλαίσιο για τη διάθεσή της. Η κάρτα μοντέλου αναφέρει ότι το Muse Spark Open αρνήθηκε να εκτελέσει το 99,2% των επιθέσεων jailbreak στο εσωτερικό κυβερνοασφαλιστικό benchmark της Meta και το 94,8% συνολικά στα υποσύνολα κυβερνοασφάλειας του PolyGuard, στο RedCode και στο CyberBench 2024· στις ίδιες συνθήκες, η κάρτα αναφέρει ποσοστά 75,5% και 70,2% για το Kimi K3.

Η Meta αναφέρει ποσοστά άρνησης άνω του 98% για επιβλαβή αιτήματα στο benchmark BioTIER της SecureBio και άνω του 99% σε εσωτερικό benchmark χημείας μίας σειράς αλληλεπίδρασης, καθώς και άνω του 97% για επιβλαβή αιτήματα σχετικά με τη βιολογία και 98% για επιβλαβή αιτήματα σχετικά με τη χημεία σε εσωτερικά πολυσειριακά agentic benchmarks. Η κάρτα αναφέρει ποσοστό ειλικρίνειας 98,1% στο benchmark MASK, ποσοστό κακής συμπεριφοράς 0% στο benchmark Agentic Misalignment και βαθμολογία 0,5 στο StrongREJECT v2, όπου οι χαμηλότερες βαθμολογίες είναι καλύτερες. Η Meta επισημαίνει ότι τα αποτελέσματα αφορούν το checkpoint που κυκλοφόρησε, υπό τις συνθήκες δοκιμής, και ότι οι μεταγενέστερες τροποποιήσεις ενδέχεται να μειώσουν την ασφάλεια· συνιστά επίσης την ανάπτυξη του μοντέλου στο πλαίσιο ενός ευρύτερου συστήματος ΤΝ, με δικλίδες ασφαλείας κατάλληλες για τη συγκεκριμένη χρήση.

Όροι άδειας χρήσης και δηλωμένοι περιορισμοί

Τα βάρη διατίθενται με την άδεια Muse Model License, με ημερομηνία 15 Οκτωβρίου 2026, η οποία επιτρέπει τη δωρεάν χρήση, αντιγραφή, τροποποίηση —συμπεριλαμβανομένης της προσαρμογής (fine-tuning)—, δημιουργία παράγωγων έργων, απόσταξη και διανομή, υπό την προϋπόθεση τήρησης ορισμένων όρων. Οι κάτοχοι άδειας πρέπει να εμφανίζουν ευδιάκριτα τη φράση «Δημιουργήθηκε με το Muse Spark Open» στο περιβάλλον χρήστη κάθε προϊόντος ή υπηρεσίας που χρησιμοποιεί το λογισμικό ή παράγωγά του ή σε συνοδευτικά έγγραφα, σε ιστότοπο ή σε μενού ρυθμίσεων.

Οι κάτοχοι άδειας που προσφέρουν μοντέλα τεχνητής νοημοσύνης ως υπηρεσία και των οποίων τα συνολικά ακαθάριστα έσοδα, μαζί με εκείνα των συνδεδεμένων εταιρειών τους, υπερβαίνουν τα 20 εκατομμύρια δολάρια σε οποιαδήποτε συνεχή περίοδο 12 μηνών, οφείλουν να ενημερώσουν τη Meta και να συνάψουν ξεχωριστή γραπτή συμφωνία πριν συμπεριλάβουν το λογισμικό σε αυτήν την επιχειρηματική δραστηριότητα. Η διάταξη δεν ισχύει για εσωτερική χρήση, έρευνα ή άλλη εμπορική δραστηριότητα που δεν συνιστά υπηρεσία μοντέλου, ούτε για τη χρήση του λογισμικού ως στοιχείου που τροφοδοτεί το ίδιο το προϊόν του κατόχου της άδειας. Η άδεια προβλέπει ότι η Meta δεν αποκτά δικαιώματα κυριότητας επί των αποτελεσμάτων που παράγονται από το λογισμικό.

Η συνοδευτική πολιτική χρήσης αναφέρει ότι το μοντέλο δεν προορίζεται για άτομα κάτω των 18 ετών και απαγορεύει χρήσεις όπως παράνομες δραστηριότητες, δημιουργία κακόβουλου λογισμικού, ανάπτυξη όπλων, λειτουργία κρίσιμων υποδομών και σκόπιμη εξαπάτηση, όπως απάτη, παραπληροφόρηση και πλαστοπροσωπία. Στους περιορισμούς που επισημαίνει η Meta περιλαμβάνονται πιθανές ανακριβείς, μεροληπτικές ή απαράδεκτες απαντήσεις· σφάλματα σε συλλογισμούς πολλών βημάτων σε πρωτόγνωρα σενάρια· μειωμένη απόδοση σε γλώσσες που δεν ανήκουν στο σύνολο των γλωσσών με ισχυρή υποστήριξη· μικρές διαφορές στην ποιότητα κατά την κβαντισμένη συναγωγή· και αναξιόπιστη ανάλυση πολύ σύντομων βίντεο ή βίντεο χαμηλής ανάλυσης. Η Meta δήλωσε ότι η πλήρης έκθεση αξιολόγησης θα είναι σύντομα διαθέσιμη.