Muse Spark Open: Bobot Andalan Meta Sudah Dirilis — Angka di Baliknya Belum

Muse Spark Open itu nyata, dapat diunduh, dan merupakan kumpulan bobot terbuka terbesar yang pernah diterbitkan oleh laboratorium AS. Repositori di baliknya — Muse-Spark-Open-816B-A42B — pertama kali muncul di Hugging Face pada 15 September 2026 dan tergeletak begitu saja di sana, terbatasi aksesnya dan tanpa pengumuman, selama sebulan. Pada 15 Oktober 2026 Meta menerbitkan bobotnya, tulisan peluncuran, kartu skor tolok ukur, dan lisensi, dan semuanya menjadi resmi dalam satu sore. Jadi kerangka yang jujur bukanlah "peluncuran senyap" maupun "peluncuran": artefak itu sudah ada secara tenang selama empat pekan, lalu berkas-berkasnya menyusul. Yang belum menyusul adalah pengukurannya. Sehari setelah rilis, angka-angka dari vendor sudah diterbitkan dan belum direproduksi, angka-angka independen masih sebagian, dan evaluasi keselamatan yang menurut Meta mendukung rilis tersebut belum keluar. Inilah yang sebenarnya didukung oleh catatan publik saat ini.

Sebulan hening, lalu semuanya datang sekaligus.

Tanggal-tanggal itu penting, karena mengubah cara Anda membaca rilis ini. Repositori Hugging Face — checkpoint BF16 dan build NVFP4 kedua — memiliki stempel waktu pembuatan 2026-09-15. Modifikasi terakhir adalah 2026-10-15, dan teks lisensi di dalam formulir terbatas bertanggal 15 Oktober 2026, dengan kebijakan penggunaan bertanggal hari yang sama. Postingan peluncuran Meta memiliki stempel waktu publikasi 2026-10-15. Jadi urutannya adalah: repositori pada September, pengumuman pada Oktober.

Itu adalah cerita yang berbeda dari yang biasanya digambarkan oleh frasa "dirilis secara senyap". Meta memang mengumumkan ini, di tiga tempat sekaligus — blog risetnya, panduan build untuk pengembang di situs pengembangnya, dan pos yang ditulis bersama di blog Hugging Face yang ditulis oleh staf Hugging Face. Yang tidak ada adalah siklus pemberitaan pers. Sekitar seminggu liputan peluncuran tidak terwujud; di luar halaman milik vendor sendiri dan satu atau dua pos agregator, sangat sedikit yang ditulis tentang model sebesar ini. Bagian yang senyap adalah sambutannya, bukan peluncurannya.

Apa yang dikonfirmasi oleh repositori itu sendiri

Semua yang di bawah ini dapat diverifikasi dari metadata checkpoint, konfigurasi, kartu model, dan posting peluncuran Meta tanpa perlu memercayai klaim siapa pun soal benchmark. Inilah bagian dari catatan yang sudah final.

• Skala — sekitar 816 miliar total parameter, dengan kira-kira 42 miliar yang aktif per token.

• Arsitektur — campuran pakar (mixture of experts) yang sparse: 62 lapisan, dimensi tersembunyi 8.192, 256 pakar per lapisan MoE dengan 8 pakar dipilih per token, dan pakar-pakar tersebut menyimpan sekitar 97% dari total parameter. Grouped-query attention dengan 128 kepala query dan 16 kepala key-value, masing-masing berdimensi 64.

• Konteks — 1,048,576 token, jendela yang oleh Meta disingkat menjadi 1M, mencakup token teks, gambar, video, dan audio dalam anggaran yang sama.

• Masukan dan keluaran — teks, gambar, video, dan audio sebagai masukan; teks sebagai keluaran. Ini adalah pembaca multimodal, bukan generator.

• Checkpoint — dua format. BF16, sekitar 1,5TB safetensors, dan NVFP4, build 4-bit yang ditujukan untuk NVIDIA Blackwell yang menurut Meta dapat berjalan pada satu node B200.

• Aritmetika memori — grouped-query attention menjaga cache tetap kecil untuk model sebesar ini, tetapi setiap token tetap menambahkan 126.976 nilai. Dalam BF16, itu sekitar 250KB per token, atau kira-kira 266GB untuk konteks penuh 1 juta token.

• Penalaran — pengaturan upaya penalaran dengan level low, medium, high, dan xhigh. Perkakas milik Meta sendiri mencatat bahwa menonaktifkan penalaran tidak dapat dilakukan.

• Runtimes — dukungan hari pertama di Transformers, llama.cpp, SGLang, vLLM, TensorRT-LLM, Apple MLX dan Unsloth, dengan Meta mengirimkan kernel Helion yang dapat disetel otomatis khusus untuk SGLang yang menurutnya memberikan percepatan tingkat kernel 1,03–3,95× di seluruh silikon NVIDIA dan AMD.

• Desktop — demo utama. Meta menjalankannya di dua mesin Mac Studio dengan chip M5 Ultra di bawah MLX, yang dapat bekerja karena masing-masing menyediakan memori terpadu hingga 512GB dengan bandwidth 1,2 TB/s, sehingga dua mesin dapat menampung checkpoint BF16 lengkap. Demo Meta mengirimkan perubahan nyata ke klien iOS sumber terbuka dan mengoperasikan DaVinci Resolve dari awal hingga akhir.

Lisensi adalah bagian yang paling sering dilewatkan orang.

Muse Spark Open dirilis di bawah Muse Model License, yang menurut Meta memungkinkan banyak pengembang menggunakan model tersebut secara gratis. Dua klausul di dalamnya mengubah arti "gratis" dalam praktik, dan tidak satu pun ada di judul utama.

Yang pertama adalah Bagian 3, ketentuan model-sebagai-layanan. Jika Anda atau afiliasi Anda memberikan akses kepada pihak ketiga ke model tersebut sebagai produk atau layanan melalui API, dan total pendapatan bruto Anda melebihi dua puluh juta dolar AS dalam periode dua belas bulan berturut-turut mana pun, Anda harus memberi tahu Meta dan menandatangani perjanjian tertulis terpisah sebelum menjalankan bisnis tersebut. Mengintegrasikannya ke dalam produk Anda sendiri dikecualikan; menjual kembali model tersebut tidak.

Yang kedua adalah atribusi. Lisensi mewajibkan para penerima lisensi untuk menampilkan "Built with Muse Spark Open" secara menonjol di antarmuka produk apa pun yang menggunakan model atau turunannya, atau dalam dokumentasi, situs, atau menu pengaturan yang menyertainya.

Dua hal yang diberikan lisensi secara jelas, dan keduanya layak disebutkan karena itulah inti sebenarnya dari bobot terbuka: Anda boleh melakukan fine-tuning, distilasi, penggabungan, penerbitan, pemberian sublisensi, dan penjualan turunan, dan Meta tidak mengklaim kepemilikan atas outputnya. Meta juga membatasi unduhan itu sendiri — repositori dikontrol aksesnya, dan formulir permintaan meminta nama hukum lengkap, tanggal lahir, dan organisasi dengan pengenal korporat, serta tidak dapat diedit setelah dikirim. Siapa pun yang mengharapkan unduhan sekali klik harus bersiap menghadapi antrean.

Apa yang Meta klaim tetapi belum dipublikasikan

Meta merilis kartu skor benchmark bersama rilis tersebut, dan pola di seluruh kartu itu lebih berguna daripada baris mana pun secara individual. Angka-angka di bawah ini dilaporkan oleh vendor, setiap model pada kartu tersebut diukur di dalam harness agennya sendiri, bukan pada harness bersama, dan kami belum mereproduksi satu pun dari angka-angka itu. Itu adalah klaim tentang kemampuan, bukan peringkat yang diaudit.

• Terminal-Bench 2.1, agen Terminus 2 — 76.4

• MCP-Atlas — 89.2

• GDPval-AA v2 — 1401

• SciCode — 58,5

• JobBench — 61.8

• HLE-Diamond, tanpa alat — 26.1

• DeepSWE 1.1 — 60, dilaporkan sendiri pada harness terbaik yang tersedia

Baris-baris terkuat adalah evaluasi agentik dan penggunaan alat; yang terlemah adalah penalaran closed-book. Itu konsisten dengan apa yang Meta katakan tentang tujuan model ini — coding berhorizon panjang, membaca basis kode, men-debug, memanggil alat selama proses panjang — dan tidak konsisten dengan menafsirkannya sebagai peningkatan penalaran umum dibanding apa pun.

Kemudian ada evaluasi yang belum dipublikasikan Meta. Posting peluncurannya menyatakan bahwa model tersebut dinilai di bawah Meta Superintelligence Scaling Framework, bahwa model itu "memenuhi ambang batas yang disyaratkan kerangka kerja kami untuk perilisan", dan bahwa hasil rincinya berada di kartu model. Kartu model menunjuk ke laporan evaluasi lengkap yang digambarkan akan segera tersedia. Hingga saat penulisan ini, laporan itu belum terbit. Klaim keamanan yang telah melewati kerangka kerja internal adalah hal yang berbeda dari laporan keamanan yang dapat diperiksa pembaca, dan hanya yang pertama yang ada saat ini.

Angka tunggal yang independen, dan celah di sekitarnya

Artificial Analysis memiliki daftar untuk Muse Spark Open, dan itu adalah satu-satunya pengukuran pihak ketiga dalam catatan publik saat ini. Daftar itu menempatkan model tersebut pada 39 di Artificial Analysis Intelligence Index, kesembilan dari 118 entri di kelasnya, yaitu model open-weight dengan lebih dari 150 miliar parameter, di atas median kelas 19. Daftar itu juga mengukur kecepatan output pada 103,4 token per detik dan menetapkan harga rute hosted pada $1,25 per juta token input dan $4,25 per juta output, atau $0,84 per tugas Intelligence Index. Daftar tersebut lebih bernilai daripada indeksnya: artinya kolom throughput dan biaya yang kosong saat rilis kini sudah terisi.

Baca kedua kumpulan angka itu bersama-sama dan celahnya bukan pada spesifikasi, melainkan pada seberapa banyak spesifikasi itu telah diuji. Daftar analis tersebut secara independen mencatat total 816B dan 42B parameter aktif, jendela konteks 1M-token, Hugging Face sebagai sumber bobot, dan Muse Model License — arsitektur yang sama, lisensi yang sama, dan modalitas yang sama yang diklaim Meta, yang digambarkan menerima masukan teks, gambar, ucapan, dan video serta keluaran teks. Di mana kedua catatan itu berbeda adalah pada cakupan. Meta melaporkan delapan tolok ukur, semuanya di bawah harness-nya sendiri. Catatan independennya adalah satu indeks, satu angka kecepatan, dan satu harga. Tidak ada pengukuran audio dan tidak ada pengukuran video di mana pun secara publik, tidak ada perbandingan throughput terhadap lini Muse Spark tertutup, dan tidak ada analis kedua untuk memeriksa yang pertama. Kesesuaian pada lembar spesifikasi tidak sama dengan kesesuaian pada angka-angkanya, dan hanya angka-angka di sini yang telah diuji.

Apa biaya sebenarnya menjalankannya sendiri

Pertanyaan biaya yang relevan untuk bobot terbuka adalah perangkat keras, dan di sini rincian yang dipublikasikan luar biasa konkret.

• BF16, pusat data — resep Transformers milik Meta sendiri menjalankan checkpoint BF16 di empat node yang masing-masing berisi delapan GPU H200 dengan paralelisme tensor 32. Artinya, 32 akselerator untuk satu model.

• NVFP4, pusat data — build terkuantisasi ini didokumentasikan pada satu node B200, dan konfigurasi referensi SGLang milik Meta untuknya berjalan di empat GPU GB300.

• Desktop, terkuantisasi — Hugging Face dan tim llama.cpp menguji kuantisasi 2-bit pada M3 Ultra 512GB: 304GB memori terpakai, berjalan pada 18 token per detik dengan sisa ruang untuk cache KV. Itu lambat, dan itu adalah model yang berbeda dari checkpoint BF16 yang dievaluasi Meta.

• Jendela yang dijanjikan kepada Anda dan jendela yang mampu Anda bayar adalah dua anggaran yang berbeda — pada konteks penuh 1M token dalam BF16, cache KV saja mencapai sekitar 266GB. Angka memori yang semua orang kutip adalah harga untuk memuat model, bukan harga untuk menggunakan panjang konteks yang diiklankan model.

Bagaimana dampaknya bagi seseorang yang hanya membutuhkan model hari ini

Muse Spark Open bukanlah model yang Anda arahkan dengan kunci API. Ini adalah unduhan, lisensi, formulir permintaan berakses terbatas, dan keputusan perangkat keras, dan jika beban kerja Anda membutuhkan jawaban minggu ini, itu berarti banyak hal yang harus dilalui sebelum token pertama. Versi praktis dari pertanyaannya adalah model Muse mana yang dapat Anda jangkau sekarang: Muse Spark 1.2 dan Muse Spark 1.1 adalah dua anggota lini Muse Spark tertutup yang dirutekan OrcaRouter, keduanya pada harga daftar Meta dengan markup 0%, karena harga daftar penyedia diteruskan apa adanya, bukan ditandai naik. Muse Spark Open tidak ada di katalog kami dan kami tidak akan menyiratkan sebaliknya — model yang seluruh proposisinya adalah bahwa Anda dapat mengunduhnya adalah model yang Anda jalankan sendiri.

Pemisahan itu juga menjadi argumen untuk menyimpan keduanya di satu tempat. Satu API untuk lebih dari 200 model berarti model yang belum terbukti tidak harus menjadi taruhan produksi: failover otomatis dapat membawa permintaan ke penyedia kedua ketika penyedia pertama mengalami penurunan kinerja, dan DSL perutean memindahkan lalu lintas antar model melalui konfigurasi, bukan melalui perubahan kode. Untuk model yang baru dirilis sehari lalu tanpa rangkaian tolok ukur independen, itu adalah cara termurah untuk mengetahui apa yang dilakukannya pada lalu lintas Anda.

Apa yang perlu diperhatikan, dan apa yang akan mengubah tulisan ini

Ada tiga hal yang belum terselesaikan, bukan tidak diketahui, dan masing-masingnya akan mengubah gambaran.

Yang pertama adalah laporan evaluasi yang menurut Meta akan segera terbit. Sampai laporan itu dirilis, klaim keamanan model hanya bersandar pada pernyataan ambang batas, bukan pada dokumen.

Yang kedua adalah apakah benchmarking independen meluas melampaui satu indeks. Skor analis tunggal tanpa reproduksi, tanpa perbandingan throughput terhadap lini Muse yang dihosting, dan tanpa pengukuran audio atau video hanyalah titik awal, bukan vonis.

Yang ketiga adalah apakah ekosistem fine-tuning benar-benar terwujud. Meta merilis TorchTitan tepat untuk hal ini, dan bobot terbuka membuktikan nilainya lewat turunannya — merge, kuantisasi, penyesuaian domain — bukan lewat jumlah unduhan. Empat minggu dari sekarang, jejak turunan adalah ukuran yang jujur apakah rilis ini penting.

Untuk saat ini, ringkasan yang akurat masih sempit: Meta telah menerbitkan model berbobot terbuka terbesar dari AS hingga saat ini, mendokumentasikannya secara menyeluruh, tidak memasang harga sama sekali untuknya, melisensikannya dengan klausul pendapatan, dan menyerahkan pengukurannya kepada siapa pun yang akan melakukannya berikutnya.

Tolok ukur menjadi usang dan harga bergerak; catatan kegagalan tidak: insiden AI dan kegagalan agen yang terdokumentasi di balik model di kelas ini dikumpulkan dalam Arsip Insiden AI OrcaRouter, yang di dalamnya setiap entri memuat sumbernya sendiri, tingkat keparahan, peringkat keyakinan, dan penanda sengketa.