Muse Spark Open: kun je Meta's open-weight-model, en Muse Code, lokaal draaien?
Meta bracht Muse Spark Open uit op 15 oktober: 816B parameters, een eigen licentie en hardware-eisen waar de meeste developers niet aan kunnen voldoen. Wat de licentie toestaat, wat je nodig hebt om het te draaien, en wat Meta wel en niet heeft gezegd over Muse Code erop.
Wat Meta uitbracht
Op 15 oktober 2026 publiceerde Meta de weights van Muse Spark Open, een groot open-weight-model uit de Muse Spark-familie. De belangrijkste specificaties:
- Omvang: 816 miljard parameters in totaal, 42 miljard actief per token (een mixture-of-experts-ontwerp).
- Context: 1 miljoen tokens.
- Input: tekst, afbeeldingen, video en audio. Output: tekst.
Dat is een ander soort release dan Muse Glimmer, het open model van 30B dat Meta op 10 augustus uitbracht. Glimmer is bedoeld voor één consumenten-GPU. Spark Open hoort thuis in een datacenter of op een serieus workstation-cluster.
De licentie in gewone taal
Spark Open valt onder de Muse Model License, een eigen licentie van Meta. Het is geen door de OSI goedgekeurde open-sourcelicentie, dus ‘open-weight’ is de juiste term. Concreet:
- Je mag het model draaien, aanpassen, fine-tunen, distilleren en herdistribueren, zolang je je aan de licentievoorwaarden en Meta’s gebruiksbeleid houdt.
- Je moet ‘Built with Muse Spark Open’ tonen in producten die het gebruiken.
- Ben je een grote modelhost — een bedrijf met meer dan $20 miljoen bruto-omzet in 12 maanden uit het aanbieden van het model als model-serving-business — dan moet je Meta inlichten en een aparte overeenkomst tekenen.
- Je output is van jou. Meta claimt geen eigendom van wat het model genereert.
Voor de meeste teams is de omzetclausule niet van toepassing. Hostingproviders en resellers doen er goed aan hem volledig te lezen. Glimmer valt daarentegen onder Apache 2.0, zonder vermeldingsplicht en zonder omzetgrens.
Welke hardware heb je echt nodig?
Veel. Meta houdt het op ruwweg 700 GB acceleratorgeheugen bij NVFP4-precisie en zo’n 2 TB in BF16. Door de 42B actieve parameters is elke token relatief goedkoop om te berekenen, maar alle 816B parameters moeten nog steeds in het geheugen staan.
Meta’s eigen demo gebruikte twee M5 Ultra Mac Studios — elk met tot 512 GB geheugen — die het model met MLX draaiden. Dat is de toegankelijkste opstelling die Meta heeft laten zien, en ook die vraagt twee topmachines. Spark Open is geen laptopmodel, en één high-end gaming-GPU trekt het niet.
Waar je het vindt
- Weights: Hugging Face (gated,
meta-models/Muse-Spark-Open-816B-A42B), Amazon SageMaker AI, Google Cloud Model Garden en Microsoft Foundry. - Inference-engines: SGLang, vLLM, TensorRT-LLM, Transformers, MLX, llama.cpp en Unsloth. Voor fine-tuning verwijst Meta naar TorchTitan.
- Gehoste API’s: Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter en Together AI. Together rekent $1,25 input, $0,15 cached input en $4,25 output per 1M tokens. Groq beperkt de context tot 131K tokens in plaats van de volle 1M.
De prijs van Together is gelijk aan Meta’s eigen tarief voor de gehoste muse-spark-1.3. Wil je alleen toegang per token, dan maken open weights het niet goedkoper. Ze lonen pas als je zelf wilt hosten, wilt fine-tunen of je data op eigen hardware moet houden.
Hoe scoort het?
Meta’s lanceringstabel, met de gebruikelijke kanttekening dat dit de eigen cijfers van de leverancier zijn:
| Benchmark | Muse Spark Open | Opmerking uit Meta’s tabel |
|---|---|---|
| Terminal-Bench 2.1 | 76,4 | Kimi K3 leidt met 85,0 |
| MCP-Atlas | 89,2 | Leidt in de vergelijking |
| JobBench | 61,8 | Leidt in de vergelijking |
| Artificial Analysis Intelligence Index | 39 | Onder GLM-5.3 (45) en MiMo-V2.6-Pro (46) |
Spark Open lijkt het sterkst in toolgebruik en agentachtige taken, en zwakker op algemene intelligentiematen dan de beste concurrerende open modellen. Ter vergelijking: VentureBeat zette de gehoste Spark 1.3 op 61 in dezelfde index, zoals we in ons stuk over Spark 1.3 noemden. Het open model is geen gratis kopie van het vlaggenschip.
Kun je Muse Code er lokaal op draaien?
Deels — volgens Meta, maar nog niet met instructies van Meta. Meta zegt dat Muse Code op Spark Open draait voor agentic workflows op het apparaat zelf, op Apple-hardware. In de demo’s paste de agent de Mastodon-app Ice Cubes aan en bediende hij DaVinci Resolve.
Wat Meta niet heeft gepubliceerd, is een stapsgewijze setup: er is geen gedocumenteerde configuratie voor een lokale provider die uitlegt hoe je Muse Code op een zelfgehoste Spark Open-endpoint richt. CLI 1.4.2 voegde de flags --provider en --model toe aan muse serve, maar Meta documenteert die niet als route naar een lokale Spark Open-server. Dus:
- Volledig offline Muse Code heeft Meta laten zien, maar niet gedocumenteerd. Reken op experimenteren, en bouw nog geen uitrol voor je team daaromheen.
- Hardware is de echte grens. De gedocumenteerde demo had twee Mac Studios met veel geheugen nodig.
- Abonnementsmodellen krijg je er niet bij. Lokaal draaien geeft je geen Muse Wonder of Wonder Full; die zijn alleen gehost beschikbaar.
Verandert dat, dan zie je het terug in de docs en in onze changelog.
Spark Open vs. Muse Glimmer vs. gehoste Spark 1.3
| Muse Spark Open | Muse Glimmer | Muse Spark 1.3 (gehost) | |
|---|---|---|---|
| Uitgebracht | 15 oktober 2026 | 10 augustus 2026 | 2 september 2026 |
| Omvang | 816B totaal, 42B actief | 30B | — |
| Licentie | Muse Model License (eigen licentie) | Apache 2.0 | Proprietary, alleen via API en Meta-producten |
| Hardware | ~700 GB (NVFP4) tot ~2 TB (BF16) | Eén consumenten-GPU, ~20 GB gekwantiseerd | Geen — Meta host het |
| Context | 1M tokens | — | 1M tokens |
| Prijs | Je eigen hardware, of $1,25 / $4,25 per 1M bij Together AI | Je eigen hardware | $1,25 / $4,25 per 1M (standard) |
| Muse Code | Draait volgens Meta op Apple-hardware; geen gedocumenteerde setup | Niet gedocumenteerd voor Muse Code | Het standaardmodel |
Voor wie is het?
- Bedrijven en labs die hun data op eigen infrastructuur moeten houden, of een groot agentic model willen fine-tunen of distilleren.
- Inference-providers — wat de lange lijst hosts op de lanceringsdag verklaart, en ook de omzetclausule die op hen is gericht.
- Eigenaren van zeer grote Apple- of GPU-opstellingen die met een lokale agent willen experimenteren voordat er officiële documentatie is.
Voor alle anderen zijn de praktische keuzes niet veranderd: gehoste Spark 1.3 via Muse Code of de Meta Model API als je de agent wilt, en Glimmer als je iets wilt dat op één GPU draait. Op onze vergelijkingspagina zie je hoe ze zich allemaal verhouden tot concurrerende agents.