Meta Superintelligence Labs выложила в открытый доступ Muse Spark Open — открытую версию своей модели Muse Spark. Это Mixture-of-Experts на 816 млрд параметров, из которых на каждый токен активируется 42 млрд. Модель принимает текст, изображения, видео и аудио, возвращает текст и держит контекстное окно в 1 млн токенов. В Meta называют её самой способной открытой моделью из США на сегодня. Но для разработчиков главная новость — не размер, а требования к железу: сборка в NVFP4 запускается на двух Apple M5 Ultra Mac Studio.
Что внутри: 62 слоя, 256 экспертов и отдельный энкодер для картинок
Архитектура описана в карточке модели: 62 слоя, скрытая размерность 8192. В каждом слое MoE — 256 экспертов, маршрутизация top-k активирует 8 из них на токен. Внимание — grouped-query: 128 голов запросов и 16 голов ключей/значений. За визуальный вход отвечает отдельный Perception Encoder на 1,8 млрд параметров. Словарь — 202 048 токенов, обучающие данные покрывают более 100 языков.
Глубину рассуждений задаёт параметр reasoning_effort со значениями low, medium, high и xhigh; по умолчанию стоит xhigh. Веса выложены на Hugging Face в форматах BF16 и NVFP4. Открытая версия прошла дополнительное обучение по безопасности — по заявлению команды Meta, это делает её устойчивее без системных ограничителей. Опубликованная ранее открытая MoE-модель Meta на 816B параметров — та же линейка, о которой идёт речь.
Бенчмарки: сильна в инструментах, отстаёт в коде
Сравнение Meta проводит с Kimi K3, GLM 5.3, Qwen3.8-2.4T-A95B и другими моделями при максимальном уровне рассуждений. Лучшие результаты — там, где нужно вызывать инструменты и надёжно работать со знаниями:
- MCP-Atlas — 89,2 против 84,5 у Qwen3.8 и 84,2 у GLM 5.3;
- JobBench — 61,8, немного впереди GLM 5.3 с 61,4;
- HLE-Diamond без инструментов — 26,1 против 22,2 у Kimi K3;
- AA Omniscience — 25, лучший результат в таблице Meta;
- ZeroBench с инструментами — 50,0 против 41,0 у Kimi K3.
Слабое место — программирование. На Terminal-Bench 2.1 с харнессом Terminus 2 модель набирает 76,4, тогда как Kimi K3 доходит до 85,0, GLM 5.3 — до 83,9, Qwen3.8 — до 82,0. Индекс интеллекта Artificial Analysis у неё 39 — позади GLM 5.3 (45), Kimi K3 (44) и Qwen3.8 (40). То есть титул «самая способная среди американских открытых» держится, но китайские открытые модели в целом по-прежнему впереди. Часть оценок соперников заявлена самими вендорами, методика оценки перечисляет источники по каждому числу. Если задача — именно кодинг-агенты, стоит смотреть и на открытую MoE-модель на 501B параметров для кода и агентов.
Сколько железа нужно
По руководству для разработчиков, веса в BF16 занимают около 1,6 ТБ. Квантизация NVFP4 сжимает только экспертов и укладывается примерно в 530 ГБ. Карточка модели рекомендует не меньше 700 ГБ видеопамяти для NVFP4 и 2 ТБ для BF16.
- Дата-центр: NVFP4 на 4 GPU Blackwell Ultra или на 8 H200.
- Настольный вариант: два M5 Ultra Mac Studio по 512 ГБ, соединённых по Thunderbolt 5 с RDMA; тензорный параллелизм MLX делит каждый слой между обеими машинами.
- Рабочая станция: динамические GGUF от Unsloth вплоть до 2 бит помещаются примерно в 300 ГБ суммарной памяти.
Где запускать и на каких условиях
Движки первого дня — SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, MLX, llama.cpp и Unsloth. Хостинговые API уже доступны у Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter и Together AI. В OpenRouter цены — $1,25 за 1 млн входных токенов и $4,25 за 1 млн выходных. Декодирование ускоряют две черновые модели: DFlash V2 для SGLang и DSpark для vLLM; Meta сообщает о 3,7-кратном росте пропускной способности одиночного запроса с DFlash V2 на AMD MI355X. Дообучение поддерживают TorchTitan, Hugging Face TRL и NVIDIA NeMo AutoModel.
Лицензия Muse Model License разрешает использование, дообучение, дистилляцию и распространение. Важны два условия: продукты обязаны показывать надпись «Built with Muse Spark Open», а провайдеры model-as-a-service с выручкой выше $20 млн за 12 месяцев должны заключить с Meta отдельное соглашение. Внутреннее использование, исследования и работа модели внутри собственного продукта под ограничение по выручке не попадают.
Как Muse Spark Open выглядит рядом с конкурентами
| Параметр | Muse Spark Open | Kimi K3 | GLM 5.3 | Qwen3.8-2.4T-A95B |
|---|---|---|---|---|
| Всего параметров | 816B | 2,8T | 753B | 2,4T |
| Активных параметров | 42B | 104B | ~40B | 95B |
| Контекст | 1M | 1 048 576 | 1 048 576 | 262 144, до 1 010 000 |
| Ввод | Текст, изображение, видео, аудио | Текст, изображение, видео | Текст | Текст |
| Лицензия | Muse Model License | Kimi K3 License | glm-5.3 license | qwen3.8-max license |
| Веса | BF16, NVFP4 | MXFP4 (QAT) | BF16, FP8 | BF16 |
| AA Intelligence Index (по данным Meta) | 39 | 44 | 45 | 40 |
| Terminal-Bench 2.1, Terminus 2 (по данным Meta) | 76,4 | 85,0 | 83,9 | 82,0 |
| MCP-Atlas (по данным Meta) | 89,2 | 82,3 | 84,2 | 84,5 |
| Toolathlon Verified (вендор) | 72,8 | 76,5 | 73,0 | 72,5 |
| HLE с инструментами (вендор) | 61,0 | 56,0 | 62,5 | 56,2 |
| DeepSWE 1.1 (вендор, свой харнесс) | 60 | 67,5 | 66,9 | 56,6 |
| Настольная конфигурация | 2x M5 Ultra Mac Studio | Не раскрыта | Не раскрыта | Не раскрыта |
Для администратора, который выбирает открытую модель под внутренние задачи, картина такая: если основная нагрузка — агентные сценарии с вызовом инструментов и работа со знаниями, Muse Spark Open даёт лучшие цифры в своей таблице. Если это генерация кода и терминальные задачи, разумнее смотреть на Kimi K3, GLM 5.3 или Qwen3.8. Практический порог входа тоже разный: 300 ГБ памяти под 2-битный GGUF — это уже не серверная стойка, а хорошо укомплектованная рабочая станция, тогда как 2 ТБ под BF16 без вариантов требуют дата-центра.
Частые вопросы
Кого касается эта новость?
Команд, которые разворачивают открытые модели у себя: для агентных сценариев с вызовом инструментов и работы со знаниями Muse Spark Open даёт лучшие результаты в сравнительной таблице Meta. Тех, кто генерирует код, модель скорее разочарует.
Сколько памяти нужно минимум?
Карточка модели рекомендует не меньше 700 ГБ видеопамяти для NVFP4 и 2 ТБ для BF16. Квантизованные GGUF от Unsloth вплоть до 2 бит помещаются примерно в 300 ГБ суммарной памяти.
Можно ли запустить её на обычном ПК?
Настольная конфигурация из материалов Meta — два M5 Ultra Mac Studio по 512 ГБ, связанные по Thunderbolt 5 с RDMA. Одиночной потребительской видеокарты в списке поддерживаемых вариантов нет.
Какие есть форматы весов?
На Hugging Face выложены BF16 и NVFP4. BF16 занимает около 1,6 ТБ, NVFP4 сжимает только экспертов и укладывается примерно в 530 ГБ.
Как выбрать глубину рассуждений?
Параметр reasoning_effort принимает значения low, medium, high и xhigh. По умолчанию включён xhigh — это максимальная глубина и, соответственно, наибольший расход вычислений.
Можно ли использовать модель в коммерческом продукте?
Да, лицензия Muse Model License разрешает использование, дообучение, дистилляцию и распространение. Но продукт обязан показывать надпись «Built with Muse Spark Open».
Кому нужен отдельный договор с Meta?
Провайдерам model-as-a-service с выручкой выше $20 млн за 12 месяцев. Внутреннее использование, исследования и работа модели внутри собственного продукта под это условие не попадают.
Где уже доступны API?
У Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter и Together AI. В OpenRouter цена — $1,25 за 1 млн входных токенов и $4,25 за 1 млн выходных.
Чем дообучать?
Поддерживаются TorchTitan, Hugging Face TRL и NVIDIA NeMo AutoModel. Декодирование ускоряют черновые модели DFlash V2 для SGLang и DSpark для vLLM.
Источник: marktechpost.com