Otwarte wagi Muse Spark o 816 mld parametrów są już publicznie dostępne

Meta udostępniła wagi dla Muse Spark Open 15 października 2026 r., natywnie multimodalnego modelu open-weight o łącznej liczbie 816B parametrów, 42B aktywnych parametrów i oknie kontekstowym 1M tokenów. Badania Meta AI opisują go jako najwydajniejszy amerykański model open-weight do tej pory, stworzony do kodowania i pracy agentsowej, takiej jak zadania długoterminowe, złożona inżynieria oprogramowania i wieloetapowe rozumowanie.

Architektura i dane treningowe

Jak podaje karta modelu opublikowana przez Meta Superintelligence Labs, Muse Spark Open to Transformer typu Mixture-of-Experts, połączony z enkoderem percepcyjnym Perception Encoder. Model językowy ma 62 warstwy, wymiar ukryty 8192 oraz 256 ekspertów, z których ośmiu jest aktywowanych dla każdego tokenu za pomocą routingu top-k. Blok uwagi wykorzystuje uwagę bramkowaną z QK-norm, 128 głowami zapytań i 16 głowami klucz-wartość w konfiguracji z grupowaniem zapytań; wymiar głowy wynosi 64. Słownik obejmuje 202 048 tokenów, a osadzenia wejściowe i wyjściowe nie są współdzielone. Enkoder percepcyjny Perception Encoder ma 1,8 mld parametrów rozmieszczonych w 50 warstwach, wymiar ukryty 1536, 16 głów, rozmiar fragmentu 14 × 14 i wymiar wyjściowy 4096. Wykorzystuje uwagę rzadką o współczynniku cztery, w której pełną uwagę stosuje się w co czwartej warstwie oraz w warstwie końcowej.

Model przyjmuje tekst, obrazy, wideo i dźwięk, a generuje tekst. Zgodnie z kartą modelu dane treningowe obejmują tekst, obrazy, dźwięk i wideo pochodzące ze źródeł publicznych, zasobów zebranych z internetu, od podmiotów zewnętrznych, z własnych produktów i usług Meta oraz z materiałów wygenerowanych syntetycznie. Obejmują ponad 100 języków, a ich przygotowanie uwzględniało czyszczenie, przetwarzanie, usuwanie duplikatów i filtrowanie. Parametr reasoning_effort określa, ile model analizuje przed udzieleniem odpowiedzi. Dostępne ustawienia to low, medium, high i xhigh, przy czym domyślnie używane jest xhigh; każda inna wartość powoduje błąd. W przypadku większości wdrożeń Meta zaleca ustawienia temperature 1.0 i top_p 1.0 oraz wyłączenie top_k. Do złożonego rozwiązywania problemów, programowania i zadań agentowych zaleca wysoki lub bardzo wysoki poziom reasoning_effort (high albo xhigh).

Dostępność i optymalizacja pod kątem układów Apple

Muse Spark Open jest dostępny za pośrednictwem platform API Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter i Together AI, a wagi można pobrać z Amazon SageMaker AI, Google Cloud Model Garden, Hugging Face i Microsoft Foundry Models. Model działa na silnikach wnioskowania, takich jak SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, Apple MLX, llama.cpp i Unsloth, zoptymalizowanych pod kątem układów AMD, Apple, Intel i NVIDIA. Programiści mogą dodatkowo dostroić model za pomocą TorchTitan z PyTorch. Wagi są dostępne w wersjach BF16 i NVFP4; lokalne uruchomienie wymaga karty GPU z co najmniej 700 GB pamięci VRAM w przypadku NVFP4 lub 2 TB w przypadku BF16.

Meta twierdzi, że Muse Spark Open jest pierwszym modelem tej klasy działającym na komputerze stacjonarnym. Do jego uruchomienia wykorzystano dwa komputery Mac Studio z układami Apple M5 Ultra i najnowszym środowiskiem MLX, które pobiera wagi bezpośrednio z Hugging Face. Architektura pamięci zunifikowanej Apple pozwala zintegrowanemu procesorowi graficznemu w układzie M5 Ultra korzystać z maksymalnie 512 GB pamięci w każdym komputerze Mac Studio. Według Meta przepustowość pamięci układu, wynosząca 1,2 TB/s, umożliwia dwóm komputerom przechowywanie całego modelu i działanie jako jeden system z terabajtem zunifikowanej pamięci.

Meta poinformowała, że przetestowała przepływy pracy agentów działające w całości na urządzeniu, z Muse Code opartym na Muse Spark Open. W jednym teście konfiguracja wdrożyła rzeczywiste zmiany w aplikacji na iOS Ice Cubes, kliencie Mastodona o otwartym kodzie źródłowym. Zmiany obejmowały poprawki błędów, nowe funkcje i kompletną kompilację. W innym teście model obsługiwał DaVinci Resolve od początku do końca, analizując materiał klatka po klatce, aby wybrać najciekawsze ujęcia i przekształcić je w pionowe kadry. Wersja z otwartymi wagami zawiera też niestandardowe, automatycznie dostrajane jądra GPU Helion w SGLang. Według Meta zapewniają one przyspieszenie na poziomie jądra od 1,03 do 3,95 raza na procesorach GPU NVIDIA i AMD oraz przyspieszenie całego procesu o 3% na AMD MI350.

Wyniki testów porównawczych i bezpieczeństwa według Meta

W karcie modelu porównano Muse Spark Open, uruchomiony z poziomem reasoning_effort xhigh, z modelami Inkling, Nemotron 3 Ultra, Beam, Mistral Large 4, Qwen3.8-2.4T-A95B, GLM 5.3 i Kimi K3. Według Meta model uzyskał 39 punktów w Artificial Analysis Intelligence Index; w tej samej tabeli GLM 5.3 uzyskał 45 punktów, Kimi K3 — 44, a Qwen3.8-2.4T-A95B — 40. W testach oceniających działanie agentów Meta podaje wyniki 61,8 w JobBench i 89,2 w MCP-Atlas — najwyższe spośród modeli wymienionych w tabeli karty w tych testach. W testach wiedzy i wnioskowania Meta podaje wyniki 26,1 w HLE-Diamond bez użycia narzędzi, 25 w AA Omniscience i 89,0 w GPQA Diamond. W tabeli dla tego ostatniego testu Qwen3.8-2.4T-A95B i Kimi K3 uzyskały po 93,5.

W testach programistycznych Meta podaje wynik 76,4 w Terminal-Bench 2.1; w karcie modelu Kimi K3 uzyskał w tym teście 85,0, a GLM 5.3 — 83,9. Muse Spark Open uzyskał też 60 w DeepSWE 1.1 i 58 w SWE-Atlas-QnA; w tych testach Kimi K3 uzyskał odpowiednio 68 i 66. W multimodalnych testach z użyciem narzędzi Meta podaje wyniki 50,0 w ZeroBench, 73,6 w SimpleVQA, 80,2 w BabyVision (w tabeli Kimi K3 uzyskał 85,7) oraz 61,5 w VideoMMEv2 (w tabeli wynik Kimi K3 wynosi 65,4).

Meta poinformowała, że wersja z otwartymi wagami przeszła dodatkowe dostrajanie w fazie potreningowej pod kątem bezpieczeństwa i została oceniona pod kątem bezpieczeństwa treści, ryzyka związanego z działaniem agentowym, prywatności oraz gotowości, zgodnie z ramami Meta Superintelligence Scaling Framework, spełniając wymagane przez nie progi dopuszczenia do publikacji. Z karty modelu wynika, że Muse Spark Open odmówił odpowiedzi na 99,2% prób obejścia zabezpieczeń w wewnętrznym teście cyberbezpieczeństwa Meta, a także na 94,8% takich prób łącznie w podzbiorze cyberbezpieczeństwa PolyGuard, RedCode i CyberBench 2024; w tej samej konfiguracji karta podaje wyniki Kimi K3 na poziomie 75,5% i 70,2%.

Meta podaje, że odsetek odmów w przypadku szkodliwych próśb przekraczał 98% w teście SecureBio BioTIER i 99% w wewnętrznym teście chemicznym obejmującym pojedynczą turę, a w wewnętrznych testach agentowych obejmujących wiele tur model odmawiał realizacji ponad 97% szkodliwych próśb dotyczących biologii i 98% szkodliwych próśb dotyczących chemii. Karta podaje wskaźnik uczciwości wynoszący 98,1% w teście MASK, odsetek niepożądanych zachowań równy 0% w teście Agentic Misalignment oraz wynik 0,5 w teście StrongREJECT v2, w którym niższe wyniki są lepsze. Meta zastrzega, że wyniki opisują udostępniony punkt kontrolny w testowanych warunkach, a późniejsze modyfikacje mogą obniżyć poziom bezpieczeństwa. Zaleca też wdrażanie modelu w ramach szerszego systemu AI, z zabezpieczeniami dostosowanymi do danego zastosowania.

Warunki licencji i deklarowane ograniczenia

Wagi udostępniono na licencji Muse Model License z 15 października 2026 r., która zezwala na bezpłatne używanie, kopiowanie, modyfikowanie, w tym dostrajanie, tworzenie utworów zależnych, destylację i rozpowszechnianie, z zastrzeżeniem określonych warunków. Licencjobiorcy muszą wyraźnie umieścić tekst „Stworzone z użyciem Muse Spark Open” w interfejsie użytkownika każdego produktu lub usługi korzystających z oprogramowania lub jego utworów zależnych albo w dołączonej dokumentacji, na stronie internetowej lub w menu ustawień.

Licencjobiorcy oferujący modele sztucznej inteligencji w formie usługi, których łączny przychód brutto wraz z przychodami podmiotów powiązanych przekracza 20 mln USD w dowolnym kolejnym 12-miesięcznym okresie, muszą powiadomić Meta i zawrzeć odrębną pisemną umowę, zanim włączą oprogramowanie do tej działalności. Postanowienie to nie dotyczy użytku wewnętrznego, badań ani innej działalności komercyjnej, która nie polega na świadczeniu usługi opartej na modelu. Nie obejmuje również wykorzystywania oprogramowania jako komponentu zasilającego własny produkt licencjobiorcy. Licencja stanowi, że Meta nie nabywa żadnych praw własności do wyników wygenerowanych przez oprogramowanie.

Dołączona polityka użytkowania stanowi, że model nie jest przeznaczony dla osób poniżej 18. roku życia, i zabrania jego wykorzystywania między innymi do nielegalnych działań, tworzenia złośliwego oprogramowania, opracowywania broni, obsługi infrastruktury krytycznej oraz celowego wprowadzania w błąd, na przykład w ramach oszustw, dezinformacji i podszywania się pod inne osoby. Wśród ograniczeń wskazanych przez Meta znajdują się możliwość generowania nieprecyzyjnych, stronniczych lub budzących zastrzeżenia odpowiedzi; błędy w wieloetapowym rozumowaniu w nowych sytuacjach; gorsze działanie w językach spoza grupy języków objętych szerokim wsparciem; niewielkie różnice w jakości przy wnioskowaniu z kwantyzacją; oraz zawodność w analizie bardzo krótkich lub nagranych w niskiej rozdzielczości filmów. Meta poinformowała, że pełny raport z ewaluacji zostanie wkrótce udostępniony.