Meta hat Muse Spark Open veröffentlicht, ein Open-Weights-Modell mit 816B (42B aktiv), das 39 auf dem Artificial Analysis Intelligence Index erreicht und damit das #1 US-Open-Weights-Modell ist
Muse Spark Open (xhigh) liegt 22 Punkte über Muse Glimmer (high, 17), Metas dichtem 30B-Open-Weights-Modell vom August. Es liegt auch vor NVIDIAs Nemotron 3.5 Super VL (26), dem am zweithöchsten bewerteten US-Open-Weights-Modell, das heute erschienen ist
@AIatMeta hat uns vor der öffentlichen Freigabe Zugriff für Benchmarking gewährt. Glückwunsch an @AIatMeta, @finkd und @alexandr_wang zum Release!
Wichtigste Erkenntnisse:
➤ Open Weights auf dem Niveau von Metas August-Flaggschiff. Muse Spark Open liegt innerhalb eines Punktes von Muse Spark 1.2 (xhigh, 40). Es ist stärker bei AutomationBench-AA und hat eine niedrigere Halluzinationsrate, aber schwächer bei GDPval-AA v2.1, CritPt und AA-Omniscience-Genauigkeit. Innerhalb von Metas aktuellem Lineup liegt es 13 Punkte hinter Muse Wonder (max, 52) und 17 Punkte hinter Muse Wonder Full (max, 56)
➤ Token-effizient, bei moderaten Kosten pro Aufgabe. Muse Spark Open verwendet 40k Ausgabe-Tokens pro Intelligence-Index-Aufgabe, die wenigsten unter den neun am höchsten bewerteten Open-Weights-Modellen: z. B. 16% weniger als Muse Spark 1.2 (xhigh, 48k) und 43% weniger als GLM-5.3 (max, 71k), sein chinesischer Größe nach nächster Wettbewerber. Together AI, Fireworks und Baseten bieten es zum Launch für $1.25/$4.25 pro 1M Eingabe-/Ausgabe-Tokens an ($0.15 gecachte Eingabe). Zu diesem Preis kostet es $0.84 pro Intelligence-Index-Aufgabe. Das ist weniger als Muse Spark 1.2 ($0.97) zu denselben Preisen pro Token und weniger als die Hälfte von GLM-5.3 (max, $2.01), aber etwa dreimal so viel wie DeepSeek V4.1 Flash (max, $0.27)
➤ Eine relative Schwäche bei agentischen Aufgaben im Vergleich zu den chinesischen Open-Weights-Führern. Unter den neun am höchsten bewerteten Open-Weights-Modellen rangiert Muse Spark Open bei den vier agentischen Bewertungen im Index auf dem letzten Platz, aber auf dem vierten Platz bei den anderen sechs kombiniert, und es führt alle Open-Weights-Modelle bei AA-Omniscience (25) an. GLM-5.3 (max), das chinesische Modell ähnlicher Größe, verdankt seinen gesamten 6-Punkte-Vorsprung den agentischen Bewertungen
➤ Selbst hostbar auf einem einzelnen Knoten oder zwei Mac Studios. Die BF16-Gewichte sind ~1.6TB groß. Metas NVFP4-Checkpoint quantisiert nur die 256 Experten und reduziert die Gewichte auf ~530GB. Meta sagt, dies laufe auf vier Blackwell Ultra GPUs oder acht H200s, oder auf zwei 512GB M5 Ultra Mac Studios mit MLX. Die Architektur verwendet 62 Layer mit grouped-query attention (16 KV heads), 8 von 256 aktiven Experten pro Token und einen 1.8B-Parameter Perception Encoder für Vision
Weitere Modelldetails:
➤ Parameter: 816B insgesamt, 42B aktiv (MoE)
➤ Kontextfenster: 1M Tokens
➤ Lizenz: Muse Model License, eine eigene Lizenz, die die Namensnennung "Built with Muse Spark Open" und eine separate Vereinbarung mit Meta für Model-as-a-Service-Unternehmen mit über $20M Jahresumsatz verlangt
➤ Eingabemodalitäten: Text, Bild, Video und Audio. Ausgabe: Text
➤ Verfügbarkeit: Gewichte auf Hugging Face (BF16 und NVFP4), mit API-Zugang über Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter und Together AI
