Meta offentliggör öppna vikter för Muse Spark Open med 816 miljarder parametrar

Meta släppte vikterna för Muse Spark Open den 15 oktober 2026. Modellen har inbyggd multimodalitet, öppna vikter, totalt 816 miljarder parametrar, varav 42 miljarder aktiva, och ett kontextfönster på 1 miljon token. Metas AI-forskning beskriver den som den mest kapabla amerikanska modellen med öppna vikter hittills. Den är byggd för kodning och agentbaserat arbete, till exempel uppgifter med lång tidshorisont, komplex mjukvaruutveckling och resonemang i flera steg.

Arkitektur och träningsdata

Enligt modellkortet som publicerats av Meta Superintelligence Labs är Muse Spark Open en transformer med en blandning av experter, kombinerad med en perceptionskodare. Språkmodellen har 62 lager, en dold dimension på 8192 och 256 experter, varav åtta aktiveras för varje token genom top-k-routing. Uppmärksamhetsblocket använder grindstyrd uppmärksamhet med QK-norm, 128 frågehuvuden och 16 nyckel-värde-huvuden i en konfiguration med grupperade frågor, samt en huvuddimension på 64. Ordförrådet omfattar 202 048 enheter, och in- och utdataembäddningarna är inte delade. Perceptionskodaren har 1,8 miljarder parametrar fördelade över 50 lager, en dold dimension på 1536, 16 huvuden, en patchstorlek på 14×14, en utdatadimension på 4096 och gles uppmärksamhet med faktorn fyra. Det innebär att vart fjärde lager, samt det sista lagret, använder fullständig uppmärksamhet.

Modellen tar emot text, bilder, video och ljud som indata och genererar text som utdata. Enligt modellkortet omfattar träningsdata text, bilder, ljud och video från offentliga källor, insamlingar från internet, tredje part, Metas egna produkter och tjänster samt syntetiskt genererat material. Materialet täcker fler än 100 språk och har bearbetats genom bland annat rensning, behandling, deduplicering och filtrering. Parametern reasoning_effort styr hur mycket modellen resonerar innan den svarar. Den har inställningarna low, medium, high och xhigh, där xhigh är standardinställningen; alla andra värden ger ett felmeddelande. För de flesta driftsättningar rekommenderar Meta temperature 1.0, top_p 1.0 och att top_k inaktiveras. För komplex problemlösning, kodning och agentbaserade uppgifter rekommenderas reasoning_effort på high eller xhigh.

Tillgänglighet och optimering för Apple Silicon

Muse Spark Open finns tillgänglig via API-plattformarna Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter och Together AI. Vikterna kan laddas ned från Amazon SageMaker AI, Google Cloud Model Garden, Hugging Face och Microsoft Foundry Models. Modellen kan köras med inferensmotorer som SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, Apple MLX, llama.cpp och Unsloth, och är optimerad för kretsar från AMD, Apple, Intel och NVIDIA. Utvecklare kan också finjustera modellen med PyTorchs TorchTitan. Vikterna finns i versionerna BF16 och NVFP4. För lokal körning krävs en GPU med minst 700 GB VRAM för NVFP4 eller 2 TB för BF16.

Meta uppger att Muse Spark Open är den första modellen i sin klass som kan köras på en stationär dator. Det görs med två Mac Studio-datorer med Apple M5 Ultra och det senaste MLX-ramverket, som hämtar vikterna direkt från Hugging Face. Apples enhetliga minnesarkitektur gör att den integrerade GPU:n i M5 Ultra kan använda upp till 512 GB per Mac Studio, vilket innebär att två datorer kan rymma hela modellen. Meta uppger också att kretsens minnesbandbredd på 1,2 TB/s är tillräckligt hög för att läsa in den lilla del av modellen som behövs för varje token. Därmed kan de två datorerna fungera som ett enda system med en terabyte enhetligt minne.

Meta uppger att företaget testade agentbaserade arbetsflöden som kördes helt på enheten med Muse Code, som drivs av Muse Spark Open. I ett test genomförde konfigurationen verkliga iOS-ändringar i Ice Cubes, en Mastodon-klient med öppen källkod. Arbetet omfattade buggfixar, nya funktioner och en fullständig byggprocess. I ett annat test styrde den DaVinci Resolve från början till slut: den granskade videomaterial bildruta för bildruta för att välja ut höjdpunkter och beskära dem till stående format. Versionen med öppna vikter levereras också med anpassade Helion-GPU-kärnor som kan autotuneras i SGLang. Enligt Meta ger de 1,03 till 3,95 gånger högre hastighet på kärnnivå på NVIDIA- och AMD-GPU:er samt en hastighetsökning på 3 % från början till slut på AMD MI350.

Riktmärken och säkerhetsresultat enligt Meta

Modellkortet jämför Muse Spark Open, kört med reasoning_effort-inställningen xhigh, med Inkling, Nemotron 3 Ultra, Beam, Mistral Large 4, Qwen3.8-2.4T-A95B, GLM 5.3 och Kimi K3. Meta rapporterar poängen 39 på Artificial Analysis Intelligence Index. I samma tabell anges GLM 5.3 med 45, Kimi K3 med 44 och Qwen3.8-2.4T-A95B med 40. I agentbaserade utvärderingar rapporterar Meta 61,8 på JobBench och 89,2 på MCP-Atlas, de högsta poängen i dessa tester bland modellerna i tabellen i modellkortet. Inom kunskap och resonemang rapporterar Meta 26,1 på HLE-Diamond utan verktyg, 25 på AA Omniscience och 89,0 på GPQA Diamond. I tabellen anges Qwen3.8-2.4T-A95B och Kimi K3 båda med 93,5 på det sistnämnda testet.

På kodningsriktmärken rapporterar Meta 76,4 på Terminal-Bench 2.1. I modellkortet anges Kimi K3 med 85,0 och GLM 5.3 med 83,9 på samma test. Meta rapporterar också 60 på DeepSWE 1.1 och 58 på SWE-Atlas-QnA, tester där Kimi K3 anges med 68 respektive 66 i modellkortet. På multimodala tester med verktygsstöd rapporterar Meta 50,0 på ZeroBench, 73,6 på SimpleVQA, 80,2 på BabyVision jämfört med Kimi K3:s 85,7 i tabellen, samt 61,5 på VideoMMEv2 jämfört med Kimi K3:s angivna 65,4.

Meta uppgav att versionen med öppna vikter genomgick ytterligare säkerhetsinriktad efterträning och utvärderades med avseende på innehållssäkerhet, agentrisker, integritet och beredskap i enlighet med företagets Meta Superintelligence Scaling Framework. Modellen uppfyllde de tröskelvärden som ramverket kräver för publicering. Enligt modellkortet avvisade Muse Spark Open 99,2 % av jailbreakförsöken i Metas interna cyberbenchmark och 94,8 % sammantaget i cybersäkerhetsdelmängden av PolyGuard, RedCode och CyberBench 2024. I samma upplägg anges Kimi K3 ha fått 75,5 % respektive 70,2 %.

Meta rapporterar avvisningsgrader på över 98 % av de skadliga förfrågningarna i SecureBios BioTIER-benchmark och över 99 % i en intern benchmark för kemi med en enda tur, samt över 97 % av de skadliga förfrågningarna om biologi och 98 % av de skadliga förfrågningarna om kemi i interna agentiska benchmarktester med flera turer. Modellkortet redovisar en ärlighetsgrad på 98,1 % i MASK-benchmarken, en felbeteendegrad på 0 % i benchmarken Agentic Misalignment och 0,5 i StrongREJECT v2, där lägre resultat är bättre. Meta framhåller att resultaten beskriver den släppta modellcheckpointen under de testade förhållandena och att efterföljande ändringar kan försämra säkerheten. Företaget rekommenderar att modellen används inom ett bredare AI-system med skyddsåtgärder anpassade till användningsområdet.

Licensvillkor och angivna begränsningar

Vikterna släpps under Muse Model License, daterad den 15 oktober 2026. Licensen tillåter kostnadsfri användning, kopiering, ändring, inklusive finjustering, skapande av bearbetade verk, destillering och distribution, med vissa villkor. Licenstagarna måste tydligt visa ”Built with Muse Spark Open” i användargränssnittet för varje produkt eller tjänst som använder programvaran eller bearbetningar av den, eller i tillhörande dokumentation, på en webbplats eller i en inställningsmeny.

Licenstagare som tillhandahåller modeller för artificiell intelligens som en tjänst och vars sammanlagda bruttointäkter tillsammans med närstående bolag överstiger 20 miljoner dollar under en sammanhängande 12-månadersperiod måste meddela Meta och ingå ett separat skriftligt avtal innan de inkluderar programvaran i den verksamheten. Bestämmelsen gäller inte intern användning, forskning eller annan kommersiell verksamhet som inte utgör en modelltjänst, och inte heller användning av programvaran som en komponent i licenstagarens egen produkt. Enligt licensen gör Meta inte anspråk på äganderätt till resultat som genereras av programvaran.

Den bifogade användningspolicyn anger att modellen inte är avsedd för personer under 18 år och förbjuder bland annat olaglig verksamhet, skapande av skadlig kod, utveckling av vapen, drift av kritisk infrastruktur och avsiktligt vilseledande, till exempel bedrägeri, desinformation och att utge sig för att vara någon annan. Bland de begränsningar Meta uppger finns att svar kan vara felaktiga, partiska eller stötande, att modellen kan göra fel i flerstegsresonemang i nya situationer, att prestandan kan försämras för språk utanför gruppen som stöds väl, att kvaliteten kan skilja sig något vid kvantiserad inferens och att tolkningen av mycket korta eller lågupplösta videor kan vara opålitlig. Meta uppgav att en fullständig utvärderingsrapport kommer att finnas tillgänglig snart.