Bobot Terbuka Muse Spark Open dengan 816 Miliar Parameter Kini Tersedia untuk Publik

Meta merilis bobot Muse Spark Open pada 15 Oktober 2026. Model multimodal berbobot terbuka ini mendukung multimodalitas sejak awal, memiliki total 816 miliar parameter, 42 miliar parameter aktif, dan jendela konteks 1 juta token. Riset AI Meta menyebutnya sebagai model berbobot terbuka paling mumpuni di AS hingga saat ini, yang dirancang untuk pemrograman dan pekerjaan berbasis agen, seperti tugas jangka panjang, rekayasa perangkat lunak yang kompleks, dan penalaran bertahap.

Arsitektur dan Data Pelatihan

Menurut kartu model yang diterbitkan Meta Superintelligence Labs, Muse Spark Open adalah Transformer Mixture-of-Experts yang dipadukan dengan enkoder persepsi. Model bahasanya memiliki 62 lapisan, dimensi tersembunyi 8192, dan 256 pakar, dengan delapan pakar diaktifkan untuk setiap token melalui perutean top-k. Blok perhatiannya menggunakan perhatian berpagar dengan QK-norm, 128 head kueri dan 16 head kunci-nilai dalam konfigurasi kueri berkelompok, serta dimensi head 64. Ukuran kosakatanya 202.048, dengan embedding masukan dan keluaran yang tidak terikat. Perception Encoder memiliki 1,8 miliar parameter dalam 50 lapisan, dengan dimensi tersembunyi 1536, 16 head, ukuran patch 14×14, dimensi keluaran 4096, dan perhatian renggang dengan faktor empat. Dalam skema ini, setiap lapisan keempat serta lapisan terakhir menggunakan perhatian penuh.

Model ini menerima masukan berupa teks, gambar, video, dan audio, serta menghasilkan keluaran berupa teks. Menurut kartu model, data pelatihannya mencakup teks, gambar, audio, dan video dari sumber publik, hasil penelusuran internet, pihak ketiga, produk dan layanan Meta sendiri, serta materi yang dihasilkan secara sintetis. Data tersebut mencakup lebih dari 100 bahasa dan dikurasi melalui pembersihan, pemrosesan, deduplikasi, serta penyaringan. Parameter reasoning_effort mengatur seberapa banyak model berpikir sebelum menjawab, dengan pilihan low, medium, high, dan xhigh; xhigh menjadi setelan bawaan, sedangkan nilai lainnya akan menghasilkan galat. Untuk sebagian besar penerapan, Meta merekomendasikan temperature 1.0, top_p 1.0, dan top_k dinonaktifkan, serta reasoning effort high atau xhigh untuk pemecahan masalah yang kompleks, pemrograman, dan tugas berbasis agen.

Ketersediaan dan Optimasi untuk Apple Silicon

Muse Spark Open tersedia melalui platform API Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter, dan Together AI. Bobotnya dapat diunduh melalui Amazon SageMaker AI, Google Cloud Model Garden, Hugging Face, dan Microsoft Foundry Models. Model ini dapat dijalankan pada mesin inferensi, termasuk SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, Apple MLX, llama.cpp, dan Unsloth, dengan optimasi untuk cip AMD, Apple, Intel, dan NVIDIA. Pengembang juga dapat menyempurnakan model lebih lanjut menggunakan TorchTitan dari PyTorch. Bobot tersedia dalam versi BF16 dan NVFP4; untuk menjalankannya secara lokal, diperlukan GPU dengan VRAM minimal 700 GB untuk NVFP4 atau 2 TB untuk BF16.

Meta menyatakan bahwa Muse Spark Open adalah model pertama di kelasnya yang dapat dijalankan di komputer desktop, menggunakan dua Apple M5 Ultra Mac Studio dengan kerangka kerja MLX terbaru, yang mengambil bobot langsung dari Hugging Face. Arsitektur memori terpadu Apple memungkinkan GPU terintegrasi pada M5 Ultra menggunakan hingga 512 GB per Mac Studio. Meta menyatakan bahwa bandwidth memori cip sebesar 1,2 TB/s memungkinkan dua mesin menampung seluruh model dan berfungsi sebagai satu sistem dengan memori terpadu sebesar satu terabita.

Meta menyatakan telah menguji alur kerja berbasis agen yang dijalankan sepenuhnya di perangkat dengan Muse Code yang ditenagai Muse Spark Open. Dalam salah satu pengujian, konfigurasi tersebut menerapkan perubahan iOS nyata pada Ice Cubes, klien Mastodon sumber terbuka, yang mencakup perbaikan bug, fitur baru, dan build lengkap. Dalam pengujian lainnya, konfigurasi itu mengoperasikan DaVinci Resolve dari awal hingga akhir, memeriksa rekaman video bingkai demi bingkai untuk memilih momen terbaik dan menyusunnya ulang menjadi potongan vertikal. Versi berbobot terbuka ini juga dilengkapi kernel GPU Helion khusus yang dapat disetel otomatis di SGLang. Menurut Meta, kernel tersebut menghasilkan peningkatan kecepatan tingkat kernel sebesar 1,03 hingga 3,95 kali pada GPU NVIDIA dan AMD, serta peningkatan kecepatan menyeluruh sebesar 3% pada AMD MI350.

Tolok Ukur dan Hasil Keselamatan yang Dilaporkan Meta

Kartu model membandingkan Muse Spark Open, yang dijalankan dengan reasoning effort xhigh, dengan Inkling, Nemotron 3 Ultra, Beam, Mistral Large 4, Qwen3.8-2.4T-A95B, GLM 5.3, dan Kimi K3. Meta melaporkan skor 39 pada Artificial Analysis Intelligence Index; tabel yang sama mencantumkan skor GLM 5.3 sebesar 45, Kimi K3 sebesar 44, dan Qwen3.8-2.4T-A95B sebesar 40. Dalam evaluasi berbasis agen, Meta melaporkan skor 61,8 pada JobBench dan 89,2 pada MCP-Atlas, yang merupakan skor tertinggi di antara model-model yang tercantum dalam tabel kartu tersebut untuk kedua pengujian itu. Untuk pengetahuan dan penalaran, Meta melaporkan skor 26,1 pada HLE-Diamond tanpa alat, 25 pada AA Omniscience, dan 89,0 pada GPQA Diamond. Pada pengujian terakhir, tabel mencantumkan skor masing-masing 93,5 untuk Qwen3.8-2.4T-A95B dan Kimi K3.

Pada tolok ukur pemrograman, Meta melaporkan skor 76,4 pada Terminal-Bench 2.1; kartu model mencantumkan skor Kimi K3 sebesar 85,0 dan GLM 5.3 sebesar 83,9. Meta juga melaporkan skor 60 pada DeepSWE 1.1 dan 58 pada SWE-Atlas-QnA. Untuk kedua pengujian ini, kartu model mencantumkan skor Kimi K3 masing-masing 68 dan 66. Pada pengujian multimodal berbantuan alat, Meta melaporkan skor 50,0 pada ZeroBench, 73,6 pada SimpleVQA, dan 80,2 pada BabyVision, dibandingkan dengan skor Kimi K3 sebesar 85,7 dalam tabel. Meta juga melaporkan skor 61,5 pada VideoMMEv2, dibandingkan dengan skor Kimi K3 sebesar 65,4 yang tercantum dalam tabel.

Meta mengatakan bahwa versi dengan bobot terbuka ini menjalani pelatihan pasca tambahan untuk keselamatan dan dievaluasi dalam aspek keamanan konten, risiko agen, privasi, dan kesiapan sesuai dengan Meta Superintelligence Scaling Framework. Model ini memenuhi ambang batas yang disyaratkan kerangka tersebut untuk dirilis. Kartu model melaporkan bahwa Muse Spark Open menolak 99,2% upaya jailbreak dalam tolok ukur siber internal Meta dan 94,8% secara agregat di seluruh subset siber PolyGuard, RedCode, dan CyberBench 2024; dalam pengujian yang sama, kartu tersebut mencantumkan skor Kimi K3 sebesar 75,5% dan 70,2%.

Meta melaporkan tingkat penolakan lebih dari 98% terhadap permintaan berbahaya dalam tolok ukur BioTIER milik SecureBio dan lebih dari 99% dalam tolok ukur kimia internal satu giliran, serta tingkat penolakan lebih dari 97% terhadap permintaan biologi berbahaya dan 98% terhadap permintaan kimia berbahaya dalam tolok ukur agen internal multi-giliran. Kartu tersebut melaporkan tingkat kejujuran 98,1% dalam tolok ukur MASK, tingkat perilaku menyimpang 0% dalam tolok ukur Agentic Misalignment, dan skor 0,5 dalam StrongREJECT v2; skor yang lebih rendah menunjukkan hasil yang lebih baik. Meta mengingatkan bahwa hasil tersebut menggambarkan checkpoint yang dirilis dalam kondisi pengujian, dan bahwa modifikasi selanjutnya dapat mengurangi tingkat keselamatannya. Meta juga menyarankan agar model diterapkan sebagai bagian dari sistem AI yang lebih luas, dengan perlindungan yang sesuai untuk kasus penggunaannya.

Ketentuan Lisensi dan Batasan yang Dinyatakan

Bobot model dirilis berdasarkan Muse Model License, tertanggal 15 Oktober 2026, yang mengizinkan penggunaan, penyalinan, modifikasi termasuk penyetelan halus, pembuatan karya turunan, distilasi, dan distribusi secara gratis, dengan tunduk pada sejumlah ketentuan. Penerima lisensi harus menampilkan secara mencolok “Built with Muse Spark Open” di antarmuka pengguna setiap produk atau layanan yang menggunakan perangkat lunak tersebut atau turunannya, atau dalam dokumentasi pendamping, situs web, maupun menu pengaturan.

Penerima lisensi yang menawarkan model kecerdasan buatan sebagai layanan dan memiliki pendapatan kotor agregat bersama afiliasinya lebih dari $20 juta dalam periode 12 bulan berturut-turut mana pun harus memberi tahu Meta dan membuat perjanjian tertulis terpisah sebelum menyertakan perangkat lunak tersebut dalam bisnis itu. Ketentuan ini tidak berlaku untuk penggunaan internal, penelitian, atau kegiatan komersial lain yang bukan merupakan layanan model, maupun untuk penggunaan perangkat lunak sebagai komponen yang mendukung produk milik penerima lisensi sendiri. Lisensi tersebut menyatakan bahwa Meta tidak memiliki hak atas keluaran yang dihasilkan oleh perangkat lunak itu.

Kebijakan penggunaan yang disertakan menyatakan bahwa model ini tidak ditujukan bagi individu berusia di bawah 18 tahun dan melarang penggunaan, termasuk untuk kegiatan ilegal, pembuatan perangkat lunak berbahaya, pengembangan senjata, pengoperasian infrastruktur penting, serta penipuan yang disengaja seperti fraud, disinformasi, dan penyamaran identitas. Batasan yang dinyatakan Meta mencakup kemungkinan munculnya respons yang tidak akurat, bias, atau tidak pantas; kesalahan dalam penalaran bertahap untuk situasi baru; penurunan kinerja pada bahasa di luar kelompok bahasa yang didukung dengan baik; sedikit perbedaan kualitas saat inferensi terkuantisasi; serta kemampuan yang tidak andal dalam menafsirkan video yang sangat singkat atau beresolusi rendah. Meta mengatakan laporan evaluasi lengkap akan tersedia dalam waktu dekat.