Meta Superintelligence Labsが発表した Muse Spark Open同社のMuse Sparkモデルのオープンウェイト版です。Muse Spark Openは、トークンごとに42Bのパラメータを活性化する816BパラメータのMixture-of-Expertsモデルです。テキスト、画像、動画、音声を入力として受け取り、テキストを返し、1Mトークンのコンテキストウィンドウを備えています。Metaチーム 〜と主張している これまでで最も高性能な米国発のオープンウェイトモデルとなるとされています。開発者にとっての本当のニュースはデプロイメントです。NVFP4ビルドはApple M5 Ultra搭載のMac Studio 2台で動作します。
要約
- サイズ: 合計816B / アクティブパラメータ42B(256エキスパート、トークンごとに8個がアクティブ)。1Mトークンのコンテキスト。
- 動作環境: MLXによる2台のMac Studio(M5 Ultra、各512 GB)。NVFP4搭載のBlackwell Ultra GPU 4基またはH200 8基。Unslothの2-bit GGUFによる約300 GB構成。
- パフォーマンス: エージェント的なツール利用に強く、コーディングでは大規模オープンモデルの中では中位の成績です。
- 最良: Metaの比較表で最高スコアを誇るMCP-Atlas 89.2。
- 最悪： Terminal-Bench 2.1では76.4で、Kimi K3(85.0)、GLM 5.3(83.9)、Qwen3.8(82.0)に及ばなかった。
Muse Spark Openとは何ですか?
Muse Spark Openは、コーディングと長期的なエージェント作業のために構築された、Meta製のネイティブマルチモーダルMoEモデルです。重みは同梱されています。 BF16 および NVFP4 Hugging Face上で公開。オープン版には追加の安全性ポストトレーニングが施された。Metaチームは、これによりシステムレベルのガードレールなしでもより頑健になると述べている。
このアーキテクチャはどのように機能するのですか?
The モデルカード 62層、隠れ次元8192の構成である。各MoE層は256個のエキスパートを持ち、top-kルーティングによりトークンごとに8個が活性化される。アテンションはグループ化クエリ方式で、クエリヘッド128個、KVヘッド16個である。視覚入力には別個の1.8BパラメータのPerception Encoderが処理を担う。語彙数は202,048トークンで、学習データは100以上の言語をカバーしている。
推論の深さは次のように設定します: reasoning_effort「: low、medium、high または xhigh。デフォルトは xhigh です。」
Muse Spark Openはベンチマークでどのような性能を示しますか？
Metaは、最大の推論努力でKimi K3、GLM 5.3、Qwen3.8-2.4T-A95Bなどと比較している。 ツール利用と知識の信頼性において最も強い結果を示しています:
- MCP-Atlas: 89.2で、Qwen3.8（84.5）とGLM 5.3（84.2）を上回った。
- JobBench: 61.8、GLM 5.3（61.4）を僅差で上回った。
- HLE-Diamond、ツールなし: 26.1、Kimi K3の22.2に対して。
- AA Omniscience: 25、Metaの表における最高スコア。
- ツールを使用したZeroBench: 50.0、Kimi K3 の 41.0 に対して。
コーディングは弱点だ。Terminus 2ハーネスを使用したTerminal-Bench 2.1では、スコアは76.4である。Kimi K3は85.0に達し、GLM 5.3は83.9、Qwen3.8は82.0を記録している。Artificial Analysis Intelligence Indexは39だ。これはGLM 5.3（45）、Kimi K3（44）、Qwen3.8（40）の後ろに位置する。したがって「米国で最も高性能」という主張は成り立つが、中国のオープンモデルが全体では依然としてリードしている。
一部のライバル校のスコアは自己申告によるものであるが、 評価方法論 各ソースを一覧表示します。
Muse Spark Openにはどのようなハードウェアが必要ですか?
Metaの 開発者ガイドBF16の重みは約1.6 TBです。NVFP4はエキスパートのみを量子化し、約530 GBになります。モデルカードでは、NVFP4には少なくとも700 GBのVRAM、BF16には2 TBを推奨しています。
- データセンター: NVFP4はBlackwell Ultra GPU 4基またはH200 8基で実行。
- デスクトップ: 512 GB搭載のM5 Ultra Mac Studio 2台を、Thunderbolt 5経由のRDMAで接続しました。 MLX テンソル並列は、すべてのレイヤーを両方のマシンに分割して配置します。
- ワークステーション: Unsloth Dynamic GGUFs 2 ビットでは合计约 300 GB のメモリに収まります。
開発者はどこで実行できますか?
初日対応エンジンには、SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、MLX、llama.cpp、Unsloth が含まれます。ホステッド API は、Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter、Together AI で利用可能です。 OpenRouter 入力1Mトークンあたり1.25ドル、出力1Mトークンあたり4.25ドルの価格を提示しています。
2つのドラフトモデルがデコードを高速化します:SGLang向けのDFlash V2と、vLLM向けのDSparkです。Metaは、AMD MI355X上でDFlash V2を使用した場合に3.7倍の単一リクエストスループットを達成したと報告しています。ファインチューニングは、TorchTitan、Hugging Face TRL、NVIDIA NeMo AutoModelに対応しています。
Muse Model Licenseでは何が許可されていますか？
この Muse Model License は、利用、ファインチューニング、蒸留、再配布を許可しています。最も重要な2つの条件は以下のとおりです：
- 製品には「Built with Muse Spark Open」と表示しなければなりません。
- 12か月間の収益が$20Mを超えるModel-as-a-Serviceプロバイダーは、Metaとの別途の契約を結ぶ必要があります。
内部利用、研究、および自社製品機能の動作への利用は、この収益条項の対象外です。
Muse Spark Open vs Kimi K3 vs GLM 5.3 vs Qwen3.8
| 機能 | Muse Spark Open | Kimi K3 | GLM 5.3 | Qwen3.8-2.4T-A95B |
|---|---|---|---|---|
| 総パラメータ数 | 816B | 2.8T | 753B | 2.4T |
| アクティブパラメータ数 | 42B | 104B | 約40B | 95B |
| コンテキスト | 1M | 1,048,576 | 1,048,576 | ネイティブで262,144、最大1,010,000 |
| 入力 | テキスト、画像、動画、音声 | テキスト、画像、動画 | テキスト | テキスト |
| ライセンス | Muse Model License | Kimi K3 License | glm-5.3 ライセンス | qwen3.8-max ライセンス |
| 公開された重み | BF16、NVFP4 | MXFP4（QAT） | BF16、FP8 | BF16 |
| AA Intelligence Index（Meta 経由) | 39 | 44 | 45 | 40 |
| Terminal-Bench 2.1、Terminus 2（Meta 経由) | 76.4 | 85.0 | 83.9 | 82.0 |
| MCP-Atlas（Meta 経由) | 89.2 | 82.3 | 84.2 | 84.5 |
| Toolathlon Verified（ベンダー） | 72.8 | 76.5 | 73.0 | 72.5 |
| ツール使用の HLE（ベンダー） | 61.0 | 56.0 | 62.5 | 56.2 |
| DeepSWE 1.1（ベンダー、独自ハーネス） | 60 | 67.5 | 66.9 | 56.6 |
| デスクトップ構成 | M5 Ultra Mac Studio 2台 | 非公開 | 非公開 | 非公開 |
主なポイント
- 総パラメータ 816B、アクティブ 42B、コンテキスト 1M、テキスト/画像/動画/音声入力に対応。
- MCP-Atlas（89.2）と JobBench（61.8）で Meta のオープンモデルの中で首位。
- Terminal-Bench 2.1（76.4）では Kimi K3、GLM 5.3、Qwen3.8 に及ばない。
- NVFP4 ビルドは MLX 経由で M5 Ultra Mac Studio 2台で動作。
- ほとんどの利用は無料。収益が$20Mを超えるMaaSプロバイダーは契約が必要です。
以下をチェックしてみてください: モデル重み, 研究ブログ, 開発者ガイド および 評価方法論。本プロジェクトの研究者に全ての功績が帰属します。また、ぜひ私たちをフォローしてください: Twitter そして、私たちの 150k以上のML SubReddit および登録する 当社のニュースレター。ちょっと待って! Telegramを使ってるの? Telegramでもご参加いただけるようになりました。
この投稿 Meta、「Muse Spark Open」をリリース: 1Mコンテキスト対応の816BオープンウェイトMoE 最初に掲載されたのは MarkTechPost.