Muse Spark Open: czy model Mety z otwartymi wagami, a z nim Muse Code, uruchomisz lokalnie?
Meta wydała Muse Spark Open 15 października: 816B parametrów, własna licencja i wymagania sprzętowe, którym większość deweloperów nie sprosta. Oto co pozwala licencja, czego potrzeba do uruchomienia i co Meta powiedziała, a czego nie, o pracy Muse Code na tym modelu.
Co wydała Meta
15 października 2026 r. Meta opublikowała wagi Muse Spark Open, dużego modelu z otwartymi wagami z rodziny Muse Spark. Najważniejsze parametry:
- Rozmiar: 816 miliardów parametrów łącznie, 42 miliardy aktywnych na token (architektura mixture-of-experts).
- Kontekst: 1 milion tokenów.
- Wejście: tekst, obrazy, wideo i dźwięk. Wyjście: tekst.
To zupełnie inna premiera niż Muse Glimmer, otwarty model 30B, który Meta wydała 10 sierpnia. Glimmer ma działać na pojedynczym konsumenckim GPU. Spark Open ma działać w centrum danych albo na poważnym klastrze stacji roboczych.
Licencja po ludzku
Spark Open jest udostępniony na Muse Model License — własnej licencji napisanej przez Metę. Nie jest to licencja open source zatwierdzona przez OSI, więc trafnym określeniem jest „open-weight”, czyli otwarte wagi. W praktyce:
- Możesz uruchamiać, modyfikować, dostrajać, destylować i redystrybuować model, pod warunkiem że przestrzegasz warunków licencji i zasad użytkowania Mety.
- Musisz umieszczać oznaczenie „Built with Muse Spark Open” w produktach, które z niego korzystają.
- Jeśli jesteś dużym dostawcą hostingu modeli — firmą, która w ciągu 12 miesięcy osiąga ponad 20 mln USD przychodu brutto z udostępniania modelu jako usługi — musisz powiadomić Metę i podpisać osobną umowę.
- Wyniki należą do ciebie. Meta nie rości sobie praw do tego, co model wygeneruje.
Większości zespołów klauzula przychodowa nie dotyczy. Dostawcy hostingu i odsprzedawcy powinni przeczytać ją w całości. Glimmer jest dla porównania na Apache 2.0 — bez obowiązkowego oznaczenia i bez progu przychodowego.
Jakiego sprzętu naprawdę potrzebuje?
Dużo. Według Mety to około 700 GB pamięci akceleratorów w precyzji NVFP4 i około 2 TB w BF16. Dzięki 42B aktywnych parametrów obliczenie każdego tokena jest stosunkowo tanie, ale wszystkie 816B parametrów i tak musi siedzieć w pamięci.
W demonstracji Mety model działał na dwóch Mac Studio z M5 Ultra — każdy z maksymalnie 512 GB pamięci — przez MLX. To najbardziej dostępna konfiguracja, jaką Meta pokazała, a i tak wymaga dwóch topowych maszyn. Spark Open nie jest modelem na laptopa i nie uruchomisz go na jednej, nawet najmocniejszej karcie do gier.
Skąd go wziąć
- Wagi: Hugging Face (z ograniczonym dostępem,
meta-models/Muse-Spark-Open-816B-A42B), Amazon SageMaker AI, Google Cloud Model Garden i Microsoft Foundry. - Silniki inferencji: SGLang, vLLM, TensorRT-LLM, Transformers, MLX, llama.cpp i Unsloth. Do dostrajania Meta wskazuje TorchTitan.
- Hostowane API: Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter i Together AI. Together podaje cenę 1,25 USD za wejście, 0,15 USD za wejście z cache i 4,25 USD za wyjście za 1M tokenów. Groq ogranicza kontekst do 131K tokenów zamiast pełnego 1M.
Cena Together jest taka sama jak własna stawka Mety za hostowany muse-spark-1.3. Jeśli chcesz tylko płacić za tokeny, otwarte wagi nie wyjdą taniej. Opłacają się wtedy, gdy musisz hostować model sam, dostrajać go albo trzymać dane na własnym sprzęcie.
Jak wypada w testach?
Tabela premierowa Mety — z typowym zastrzeżeniem, że to liczby samego producenta:
| Benchmark | Muse Spark Open | Uwaga z tabeli Mety |
|---|---|---|
| Terminal-Bench 2.1 | 76.4 | Prowadzi Kimi K3 z wynikiem 85.0 |
| MCP-Atlas | 89.2 | Najlepszy w zestawieniu |
| JobBench | 61.8 | Najlepszy w zestawieniu |
| Artificial Analysis Intelligence Index | 39 | Poniżej GLM-5.3 (45) i MiMo-V2.6-Pro (46) |
Spark Open wygląda najmocniej przy korzystaniu z narzędzi i zadaniach agentowych, a słabiej niż najlepsze konkurencyjne otwarte modele w ogólnych miarach inteligencji. Dla porównania: VentureBeat dał hostowanemu Spark 1.3 wynik 61 w tym samym indeksie, o czym piszemy w omówieniu Spark 1.3. Otwarty model nie jest darmową kopią flagowca.
Czy uruchomisz na nim Muse Code lokalnie?
Częściowo — na słowo Mety, ale jeszcze bez jej instrukcji. Meta twierdzi, że Muse Code działa na Spark Open w agentowych przepływach pracy na urządzeniu, na sprzęcie Apple. Na pokazach agent edytował aplikację Ice Cubes (klienta Mastodona) i obsługiwał DaVinci Resolve.
Czego Meta nie opublikowała, to instrukcji krok po kroku: nie ma udokumentowanej konfiguracji lokalnego dostawcy, która mówiłaby, jak skierować Muse Code na samodzielnie hostowany endpoint Spark Open. CLI 1.4.2 dodał do muse serve flagi --provider i --model, ale Meta nie opisuje ich jako drogi do lokalnego serwera Spark Open. A zatem:
- W pełni offline’owy Muse Code to coś, co Meta pokazała, a nie udokumentowała. Nastaw się na eksperymenty i na razie nie planuj wokół tego wdrożenia w zespole.
- Prawdziwym ograniczeniem jest sprzęt. Udokumentowane demo wymagało dwóch Mac Studio z dużą ilością pamięci.
- Modele z subskrypcji nie przychodzą w pakiecie. Lokalne uruchomienie nie da ci Muse Wonder ani Wonder Full; te są dostępne wyłącznie jako hostowane.
Jeśli to się zmieni, zobaczysz to w dokumentacji i w naszym changelogu.
Spark Open vs. Muse Glimmer vs. hostowany Spark 1.3
| Muse Spark Open | Muse Glimmer | Muse Spark 1.3 (hostowany) | |
|---|---|---|---|
| Premiera | 15 października 2026 r. | 10 sierpnia 2026 r. | 2 września 2026 r. |
| Rozmiar | 816B łącznie, 42B aktywnych | 30B | — |
| Licencja | Muse Model License (własna) | Apache 2.0 | Własnościowa, tylko API i produkty Mety |
| Sprzęt | ~700 GB (NVFP4) do ~2 TB (BF16) | Jedno konsumenckie GPU, ~20 GB po kwantyzacji | Żaden — hostuje Meta |
| Kontekst | 1M tokenów | — | 1M tokenów |
| Cena | Twój sprzęt albo 1,25 / 4,25 USD za 1M w Together AI | Twój sprzęt | 1,25 / 4,25 USD za 1M (standard) |
| Muse Code | Według Mety działa na sprzęcie Apple; brak udokumentowanej konfiguracji | Nieudokumentowany dla Muse Code | Model domyślny |
Dla kogo to jest?
- Dla firm i laboratoriów, które muszą trzymać dane na własnej infrastrukturze albo chcą dostroić lub zdestylować duży model agentowy.
- Dla dostawców inferencji — co tłumaczy długą listę hostów od pierwszego dnia, a także klauzulę przychodową wymierzoną właśnie w nich.
- Dla właścicieli bardzo dużych zestawów Apple albo GPU, którzy chcą eksperymentować z lokalnym agentem, zanim pojawi się oficjalna dokumentacja.
Dla wszystkich pozostałych praktyczne opcje się nie zmieniły: hostowany Spark 1.3 przez Muse Code albo Meta Model API, jeśli chcesz agenta, i Glimmer, jeśli chcesz czegoś, co ruszy na jednym GPU. Na naszej stronie porównania zobaczysz, jak to wszystko wypada na tle konkurencyjnych agentów.