Muse Spark Open: Model Open-Weight AS Terbaik Adalah Klaim dengan Syarat dan Ketentuan

Klaim itu muncul di X pada malam 15 Oktober 2026, dan ini adalah jenis klaim yang benar dalam satu kalimat dan bisa diperdebatkan di kalimat berikutnya. Meta menerbitkan bobot untuk Muse Spark Open — checkpoint 816 miliar parameter, 42 miliar aktif yang telah disimpan Meta sejak repositori itu muncul di Hugging Face sebulan sebelumnya — dan dalam beberapa jam frasa yang dilekatkan padanya adalah "model bobot terbuka AS terbaik." Angka yang paling langsung mendukungnya bukan milik Meta. Angka itu adalah 39: skor yang diberikan daftar yang dihosting Artificial Analysis sendiri untuk Muse Spark Open pada pengaturan penalaran xhigh-nya, kesembilan di antara 118 model bobot terbuka yang lebih besar dari 150 miliar parameter di papan peringkat itu, dibandingkan median kelas sebesar 19. Itu adalah pengukuran pihak ketiga yang nyata atas model nyata yang dapat diunduh. Secara terpisah, Muse Spark 1.3 — checkpoint saat ini dari lini Muse Spark tertutup, yang tersedia secara umum sejak 2 September 2026 — mendapat skor 48 pada indeks yang sama. Kedua angka itu milik Meta. Hanya satu di antaranya milik sesuatu yang dapat Anda unduh, dan hanya satu di antaranya diukur oleh pihak selain Meta.

Tanggal-tanggalnya, karena pembingkaiannya bergantung padanya.

Tidak ada peluncuran di sini, dan kebingungannya mudah dijelaskan. Meta Superintelligence Labs memperkenalkan keluarga Muse Spark pada 8 April 2026. Muse Spark 1.1 hadir pada 16 Juli, Muse Spark 1.2 pada 5 Agustus, dan Muse Spark 1.3 pada 2 September — yang terakhir mendapatkan tingkat penalaran "max"-nya pada 4 September setelah pengujian keamanan tambahan. Lini tersebut bersifat proprietary dan disediakan sebagai layanan. Muse Spark Open adalah artefak terpisah: repositori Hugging Face yang dibatasi akses, meta-models/Muse-Spark-Open-816B-A42B, yang stempel waktu pembuatannya 2026-09-15, ditambah build NVFP4 yang dibuat beberapa detik sebelumnya. Bobot-bobot tersebut berada di sana selama empat minggu di dalam formulir dengan kontrol akses. Pada 15 Oktober 2026, Meta menerbitkan teks lisensi, posting blog penelitian, panduan build untuk pengembang, dan kartu skor benchmark, dan repositori itu berhenti menjadi artefak yang tidak diumumkan siapa pun.

Jadi pembacaan yang benar bukanlah "perilisan senyap" maupun "peluncuran". Model itu sudah ada secara diam-diam selama sebulan; dokumennya baru menyusul pada 15 Oktober. Yang berubah bagi siapa pun yang memutuskan apa yang akan dijalankan bersifat sempit dan spesifik: kini ada lisensi yang dapat Anda baca, resep perangkat keras yang dinyatakan, dukungan sejak hari pertama di kerangka kerja yang benar-benar digunakan orang, dan satu pengukuran independen. Yang tidak berubah adalah lini tertutup, harga lini tertutup, atau apa pun tentang model API yang paling banyak dipanggil oleh pembaca situs ini.

"Open" adalah bagian yang berisi ketentuan.

Lisensi adalah tempat klaim utama mendapatkan detail kecilnya, dan layak dibaca sebelum mengulanginya. Muse Spark Open dirilis di bawah Muse Model License. Meta mendeskripsikannya sebagai memungkinkan banyak pengembang menggunakan model ini secara gratis, dan dua klausul menentukan di mana "gratis" berhenti.

• Model-sebagai-layanan — jika Anda atau afiliasi Anda memberikan pihak ketiga akses ke model sebagai produk atau layanan melalui API, dan total pendapatan bruto 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. Membangun model ke dalam produk Anda sendiri dikecualikan; menjual kembali akses ke model tersebut tidak dikecualikan.

• Atribusi — lisensi mewajibkan "Built with Muse Spark Open" ditampilkan secara mencolok di antarmuka produk mana pun yang menggunakan model atau turunannya, atau dalam dokumentasi, situs, atau menu pengaturan yang menyertainya.

• Apa yang secara jelas boleh Anda lakukan — menyetel halus, menyuling, menggabungkan, menerbitkan, memberikan sublisensi, dan menjual turunan, dengan Meta tidak mengklaim kepemilikan atas keluaran.

• Bagaimana Anda mendapatkannya — repositori ini dibatasi. Formulir permintaan meminta nama lengkap sesuai dokumen resmi, tanggal lahir, dan organisasi beserta pengenal korporat, dan tidak dapat diedit setelah dikirim.

Kombinasi itulah yang membuat frasa "model open-weight AS terbaik" menjadi klaim kategorial, bukan klaim absolut. Pada panel Artificial Analysis yang sama, entri open-weight AS berlisensi permisif terkuat adalah NVIDIA Nemotron 3.5 Super VL dengan skor 26,49, disusul Inkling Small di angka 25,66. Muse Spark Open mencetak skor lebih tinggi daripada keduanya dan tidak berada dalam kategori adopsi yang sama: lisensi komersial khusus di balik formulir permintaan adalah hal yang berbeda dari checkpoint yang bisa Anda klon dan terapkan di bawah OpenMDW-1.1 sore ini juga. Postingan blog Meta sendiri menggunakan frasa "model open-weight AS paling mumpuni hingga saat ini," yang bisa dipertahankan berdasarkan indeks tersebut dan lebih sempit daripada yang tersirat oleh "terbaik" begitu lisensinya masuk ke dalam kalimat.

Apa yang diselesaikan checkpoint tanpa bantuan Meta

Bagian ini dapat diverifikasi dari repositori itu sendiri, sebelum tolok ukur apa pun dipercaya.

• Skala — sekitar 816 miliar parameter total dengan sekitar 42 miliar yang aktif per token, campuran pakar sparse pada 62 lapisan dan dimensi tersembunyi 8.192, dengan 256 pakar per lapisan MoE dan 8 yang dipilih per token. Grouped-query attention dengan 128 kepala kueri dan 16 kepala key-value, masing-masing berdimensi 64.

• Konteks — 1.048.576 token, jendela yang ditulis Meta sebagai 1M, digunakan bersama oleh token teks, gambar, video, dan audio dalam satu anggaran.

• Modalitas — teks, gambar, video, dan audio masuk; teks keluar. Ia membaca masukan multimodal dan menulis teks, yang tidak sama dengan menghasilkan salah satu darinya.

• Checkpoint — build BF16 dari sekitar 1,5TB safetensors, dan build NVFP4 4-bit yang menurut Meta dapat berjalan pada satu node B200. Pihak ketiga sejak itu menambahkan kuantisasi mereka sendiri, dari build GGUF hingga konversi MLX 3-bit dan 4-bit yang bertanggal hari rilis.

• Kontrol penalaran — pengaturan upaya penalaran dengan tingkat rendah, sedang, tinggi, dan xhigh. Perkakas Meta mencatat bahwa menonaktifkan penalaran bukanlah pilihan.

• Runtime — Transformers, llama.cpp, SGLang, vLLM, TensorRT-LLM, Apple MLX, dan Unsloth sejak hari pertama, dengan kernel Helion khusus yang dapat disetel otomatis untuk SGLang yang menurut Meta memberikan percepatan tingkat kernel sebesar 1,03x hingga 3,95x di seluruh silikon NVIDIA dan AMD.

• Demo desktop — dua mesin Mac Studio dengan chip M5 Ultra di bawah MLX, yang berfungsi karena masing-masing menyediakan hingga 512GB memori terpadu pada 1,2 TB/s. Demo Meta mendorong perubahan nyata ke dalam klien iOS sumber terbuka dan menjalankan DaVinci Resolve dari awal hingga akhir.

Tidak ada satu pun dari itu yang merupakan klaim pemasaran; itu adalah file konfigurasi, daftar file, dan resep yang diterbitkan. Di situlah juga biaya praktis dari "terbuka" bermuara — perhitungan memori tidak peduli lisensi mana yang Anda terima. Pada konteks 1 juta token penuh dalam BF16, cache KV saja mencapai sekitar 266GB, jadi jendela yang diiklankan model dan jendela yang mampu Anda tanggung di perangkat keras Anda adalah dua anggaran yang berbeda.

Satu angka yang tidak ditulis Meta

Daftar Artificial Analysis adalah satu-satunya pengukuran pihak ketiga atas Muse Spark Open dalam catatan publik saat ini, dan daftar itu mengungkapkan lebih banyak daripada indeks saja.

• Kecerdasan — Artificial Analysis Intelligence Index sebesar 39 pada pengaturan xhigh, peringkat 9 dari 118 model open-weight di atas 150B parameter, di atas median kelas sebesar 19.

• Kecepatan — 103,4 token keluaran per detik, peringkat 18 dari 76 di kohort tersebut.

• Biaya — $0,84 per tugas Intelligence Index yang diselesaikan, pada rute hosted dengan harga $1,25 per juta token masukan dan $4,25 per juta token keluaran.

• Efisiensi — daftar ini menandai model sebagai cukup ringkas, menghasilkan sekitar 110 juta token sepanjang proses indeks, dibandingkan median 130 juta.

Bandingkan semua itu dengan kartu skor Meta sendiri, dan kesenjangannya bukan terletak pada spesifikasi, melainkan pada cakupan. Kartu Meta melaporkan Terminal-Bench 2.1 pada 76,4 dengan agen Terminus 2, MCP-Atlas pada 89,2, GDPval-AA v2 pada 1401, SciCode pada 58,5, JobBench pada 61,8, HLE-Diamond pada 26,1 tanpa alat, dan DeepSWE 1.1 pada 60 dengan apa yang disebut kartu itu sebagai harness terbaik yang tersedia. Setiap baris tersebut dihasilkan di dalam harness agen milik model itu sendiri, bukan harness bersama, yang menjadikannya klaim kemampuan ketimbang peringkat yang sebanding, dan kami belum mereproduksi satu pun darinya. Kesepakatan antara kedua laporan ada pada lembar spesifikasi — total 816B, aktif 42B, konteks 1M, lisensi yang sama, modalitas masukan yang sama. Perbedaannya adalah satu pihak memiliki delapan benchmark dan pihak lain memiliki satu indeks, satu angka kecepatan, dan satu harga. Belum ada pengukuran audio dan pengukuran video di mana pun di ruang publik, meskipun baris modalitas adalah hal yang paling khas dari model ini.

Lalu ada evaluasi yang belum dipublikasikan oleh Meta.

Postingan peluncuran menyatakan Muse Spark Open dinilai di bawah Meta Superintelligence Scaling Framework dan "memenuhi ambang batas yang disyaratkan kerangka kami untuk peluncuran," dengan hasil terperinci di kartu model; kartu model tersebut menunjuk ke laporan evaluasi lengkap yang disebutkan akan segera tersedia. Klaim keamanan yang lolos kerangka internal adalah objek yang berbeda dari laporan keamanan yang dapat diperiksa pembaca, dan hanya yang pertama yang ada pada saat penulisan ini.

Apa yang tidak diubah oleh ini bagi siapa pun yang memiliki tenggat waktu

Muse Spark Open bukan sesuatu yang bisa langsung Anda akses hanya dengan kunci API. Ini adalah unduhan, lisensi, formulir permintaan berakses terbatas, dan keputusan perangkat keras, dan jika beban kerja membutuhkan jawaban minggu ini, cakupan yang harus disiapkan sebelum token pertama itu besar. Pertanyaan praktisnya adalah model Muse mana yang bisa Anda akses sekarang, dan jawabannya ada di jalur tertutup: Muse Spark 1.2 dan Muse Spark 1.1 adalah dua checkpoint yang dirutekan OrcaRouter, keduanya dilayani pada harga daftar Meta sebesar $1,25 per juta token input dan $4,25 per juta token output dengan markup 0%, karena harga daftar penyedia diteruskan apa adanya, bukan ditambah markup. Keduanya menerima input teks, gambar, video, audio, dan PDF dalam jendela 1.048.576 token yang sama, sehingga perilaku multimodal yang dipuji dari checkpoint terbuka itu tersedia di jalur layanan hari ini tanpa antrean unduhan.

Muse Spark Open tidak ada di katalog kami dan kami tidak akan menyarankan sebaliknya — model yang seluruh proposisinya adalah bahwa Anda dapat menjalankannya sendiri adalah model yang Anda jalankan sendiri. Di mana pengaturan dengan routing tetap membantu adalah di sekitarnya: satu API untuk 200+ model berarti checkpoint yang belum terbukti tidak harus menjadi taruhan produksi, failover otomatis dapat membawa permintaan ke penyedia kedua ketika penyedia pertama menurun, dan DSL routing memindahkan lalu lintas antar model melalui konfigurasi, bukan melalui perubahan kode. Untuk model yang dirilis sehari yang lalu dengan satu tolok ukur independen dan laporan evaluasi yang belum dipublikasikan, itulah cara termurah untuk mengetahui apa yang dilakukannya pada lalu lintas Anda sementara infrastruktur orang lain menyerap variasi tersebut.

Apa yang akan menggerakkan bidak ini?

Ada tiga hal yang masih terbuka alih-alih tidak diketahui, dan masing-masing akan mengubah cara membacanya. Yang pertama adalah laporan evaluasi Meta, yang menjadi pembeda antara klaim keamanan dan rekam jejak keamanan. Yang kedua adalah pengukuran independen kedua — satu analis dengan satu indeks hanyalah satu titik data, bukan konsensus, dan belum ada yang menjalankan Muse Spark Open melalui evaluasi audio atau video meskipun itu adalah pembeda yang diiklankan. Yang ketiga adalah bagaimana lisensinya berperilaku dalam praktik: ambang batas dua puluh juta dolar dan klausul atribusi adalah ketentuan yang akan menentukan apakah model open-weight AS dengan skor terkuat menjadi yang paling banyak digunakan, atau tetap menjadi model yang diunduh tim untuk diuji lalu disajikan dari tempat lain. Sampai setidaknya salah satu dari hal itu terselesaikan, versi jujur dari judul utamanya adalah bahwa Meta merilis model open-weight AS paling cakap menurut satu-satunya ukuran independen yang tersedia, di bawah lisensi yang menjaga kata "open" tetap spesifik alih-alih absolut.

Yang tidak dapat diberitahukan oleh angka-angka kepada Anda adalah apakah ada di antaranya yang bermasalah di lapangan: insiden AI dan kegagalan agen yang terdokumentasi seputar model di kelas ini dikumpulkan di OrcaRouter AI Incident Archive, tempat setiap entri memuat sumbernya sendiri, tingkat keparahan, tingkat keyakinan, dan penanda sengketa.