Muse Spark Open: Het beste Amerikaanse open-weightmodel is een claim met kleine lettertjes

De bewering verscheen op de avond van 15 oktober 2026 op X, en het is het soort bewering dat in de ene zin waar is en in de volgende betwistbaar. Meta publiceerde de gewichten voor Muse Spark Open — het checkpoint met 816 miljard parameters en 42 miljard actieve parameters dat het in bezit had sinds de repository een maand eerder op Hugging Face verscheen — en binnen enkele uren was de frase die eraan werd gehangen "beste Amerikaanse open-weightmodel." Het getal dat dit het meest direct ondersteunt, is niet van Meta. Het is 39: de score die de eigen gehoste vermelding van Artificial Analysis aan Muse Spark Open geeft bij de xhigh-redeneerinstelling, negende onder de 118 open-weightmodellen groter dan 150 miljard parameters op die ranglijst, tegen een klassemediaan van 19. Dat is een echte meting door een derde partij van een echt downloadbaar model. Afzonderlijk daarvan, Muse Spark 1.3 — het huidige checkpoint van de gesloten Muse Spark-lijn, algemeen beschikbaar sinds 2 september 2026 — scoort 48 op dezelfde index. Beide getallen zijn van Meta. Slechts één ervan hoort bij iets dat je kunt downloaden, en slechts één ervan wordt gemeten door iemand anders dan Meta.

De data, omdat de framing daarvan afhangt.

Niets hiervan is een lancering, en de verwarring is gemakkelijk te verklaren. Meta Superintelligence Labs introduceerde de Muse Spark-familie op 8 april 2026. Muse Spark 1.1 verscheen op 16 juli, Muse Spark 1.2 op 5 augustus en Muse Spark 1.3 op 2 september — waarbij de laatste op 4 september het "max"-redeneerniveau kreeg na aanvullende veiligheidstests. Die reeks is propriëtair en wordt als dienst aangeboden. Muse Spark Open is een apart artefact: een afgeschermde Hugging Face-repository, meta-models/Muse-Spark-Open-816B-A42B, met als creatietimestamp 2026-09-15, plus een NVFP4-build die enkele seconden eerder werd gemaakt. De gewichten bleven daar vier weken lang zitten in een toegangsbeveiligd formulier. Op 15 oktober 2026 publiceerde Meta de licentietekst, een onderzoeksblogpost, een buildgids voor ontwikkelaars en een benchmark-scorekaart, en was de repository niet langer een artefact dat niemand had aangekondigd.

Dus de juiste lezing is noch een "stealth drop", noch een "launch". Het model bestond een maand in stilte; de papierwinkel raakte op 15 oktober bijgewerkt. Wat er is veranderd voor iedereen die moet beslissen wat te draaien, is beperkt en specifiek: er is nu een licentie die je kunt lezen, een opgegeven hardwareconfiguratie, ondersteuning vanaf dag één in de frameworks die mensen daadwerkelijk gebruiken, en één onafhankelijke meting. Wat niet is veranderd, is de gesloten productlijn, de prijs van de gesloten productlijn, of iets aan de API-modellen die de meeste lezers van deze site aanroepen.

"Open" is het gedeelte met de voorwaarden

De licentie is waar de kopclaim zijn kleine lettertjes krijgt, en het is de moeite waard om die te lezen voordat je hem herhaalt. Muse Spark Open wordt uitgebracht onder de Muse Model License. Meta beschrijft dit als dat veel ontwikkelaars het model gratis mogen gebruiken, en twee clausules bepalen waar "gratis" ophoudt.

• Model-as-a-service — als u of uw gelieerde ondernemingen derden via een API toegang geven tot het model als een product of dienst, en de gecumuleerde bruto-omzet in een willekeurige periode van twaalf opeenvolgende maanden meer dan twintig miljoen Amerikaanse dollar bedraagt, moet u Meta op de hoogte stellen en een afzonderlijke schriftelijke overeenkomst ondertekenen voordat u dat bedrijf exploiteert. Het inbouwen van het model in uw eigen product is uitgezonderd; het doorverkopen van toegang ertoe is dat niet.

• Naamsvermelding — de licentie vereist dat "Built with Muse Spark Open" prominent wordt weergegeven in de interface van elk product dat het model of een afgeleide daarvan gebruikt, of in de bijbehorende documentatie, site of het instellingenmenu.

• Wat u zonder meer mag doen — fine-tunen, destilleren, samenvoegen, publiceren, sublicentiëren en afgeleide werken verkopen, waarbij Meta geen eigendom van de resultaten opeist.

• Hoe u het verkrijgt — de repository is afgeschermd. Het aanvraagformulier vraagt om volledige wettelijke naam, geboortedatum en organisatie met bedrijfsidentificatienummers, en kan na indiening niet meer worden bewerkt.

Die combinatie is wat de formulering "het beste Amerikaanse open-weightmodel" tot een claim over een categorie maakt in plaats van een absolute claim. Op hetzelfde Artificial Analysis-paneel is de sterkste Amerikaanse open-weightinzending met een permissieve licentie NVIDIA Nemotron 3.5 Super VL met 26,49, met Inkling Small op 25,66 daarachter. Muse Spark Open scoort hoger dan beide en valt niet in dezelfde adoptiecategorie: een op maat gemaakte commerciële licentie achter een aanvraagformulier is iets anders dan een checkpoint die je vanmiddag onder OpenMDW-1.1 kunt klonen en uitrollen. De eigen blogpost van Meta gebruikt de formulering "het meest capabele Amerikaanse open-weightmodel tot nu toe", wat verdedigbaar is op de index en beperkter dan "best" suggereert zodra de licentie in de zin staat.

Wat het checkpoint zonder Meta's hulp beslecht

Dit deel is verifieerbaar vanuit de repository zelf, voordat er ook maar enige benchmark wordt geloofd.

• Schaal — ongeveer 816 miljard totale parameters met ongeveer 42 miljard actieve per token, een sparse mixture of experts over 62 lagen en een verborgen dimensie van 8.192, met 256 experts per MoE-laag en 8 geselecteerd per token. Grouped-query attention met 128 query-heads en 16 key-value-heads van elk 64 dimensies.

• Context — 1.048.576 tokens, het venster dat Meta als 1M aanduidt, gedeeld over tekst-, beeld-, video- en audiotokens binnen één budget.

• Modaliteiten — tekst, afbeeldingen, video en audio in; tekst uit. Het leest multimodale input en schrijft tekst, wat niet hetzelfde is als het genereren van een van deze.

• Checkpoints — een BF16-build van ongeveer 1,5 TB aan safetensors, en een NVFP4 4-bit-build waarvan Meta zegt dat die op één B200-node draait. Derden hebben sindsdien hun eigen quantisaties toegevoegd, van GGUF-builds tot MLX 3-bit- en 4-bit-conversies die op de dag van release zijn gedateerd.

• Redeneerbeheer — een instelling voor redeneerinspanning met de niveaus laag, gemiddeld, hoog en xhigh. Meta's tooling merkt op dat redeneren uitschakelen geen optie is.

• Runtimes — Transformers, llama.cpp, SGLang, vLLM, TensorRT-LLM, Apple MLX en Unsloth vanaf dag één, met op maat gemaakte, automatisch afstelbare Helion-kernels voor SGLang waarvan Meta zegt dat ze snelheidswinsten op kernel-niveau van 1,03x tot 3,95x opleveren op NVIDIA- en AMD-chips.

• De desktop-demo — twee Mac Studio-machines met M5 Ultra-chips onder MLX, wat werkt omdat elk tot 512 GB aan unified memory bij 1,2 TB/s beschikbaar stelt. De demo's van Meta voerden echte wijzigingen door in een open-source iOS-client en draaiden DaVinci Resolve van begin tot eind.

Niets daarvan is een marketingclaim; het is een configuratiebestand, een bestandslijst en een gepubliceerd recept. Het is ook waar de praktische kosten van "open" neerslaan — de geheugenrekensom maakt het niet uit welke licentie je hebt geaccepteerd. Bij een volledige context van 1M tokens in BF16 loopt alleen de KV-cache al op tot ongeveer 266GB, dus het venster dat het model adverteert en het venster dat je je op je hardware kunt veroorloven, zijn twee verschillende budgetten.

Het ene getal dat Meta niet schreef

De vermelding van Artificial Analysis is op dit moment de enige meting door een derde partij van Muse Spark Open in openbare bronnen, en die zegt meer dan de index alleen.

• Intelligentie — een Artificial Analysis Intelligence Index van 39 bij de xhigh-instelling, rang 9 van 118 open-weight modellen met meer dan 150B parameters, boven een klassemediaan van 19.

• Snelheid — 103,4 outputtokens per seconde, rang 18 van 76 in dat cohort.

• Kosten — $0,84 per voltooide Intelligence Index-taak, op een gehoste route met een prijs van $1,25 per miljoen inputtokens en $4,25 per miljoen outputtokens.

• Efficiëntie — de vermelding bestempelt het model als vrij beknopt, met ongeveer 110 miljoen gegenereerde tokens tijdens de index-run, tegenover een mediaan van 130 miljoen.

Leg die naast Meta's eigen scorekaart en de kloof zit niet in de specificatie, maar in de dekking. Meta's scorekaart rapporteert Terminal-Bench 2.1 op 76,4 met de Terminus 2-agent, MCP-Atlas op 89,2, GDPval-AA v2 op 1401, SciCode op 58,5, JobBench op 61,8, HLE-Diamond op 26,1 zonder tools, en DeepSWE 1.1 op 60 op wat de scorekaart de best beschikbare harness noemt. Elk van die rijen is geproduceerd binnen de eigen agent-harness van het model in plaats van een gedeelde, wat ze tot een capaciteitsclaim maakt in plaats van een rangschikking op gelijke voet, en we hebben er geen enkele gereproduceerd. De overeenstemming tussen de twee verslagen betreft het specificatieblad — 816B totaal, 42B actief, 1M context, dezelfde licentie, dezelfde invoermodaliteiten. Het verschil is dat de ene kant acht benchmarks heeft en de andere één index, één snelheidscijfer en één prijs. Er is nog nergens in het openbaar een audiometing en evenmin een videometing, ondanks dat de modaliteitsrij het meest onderscheidende kenmerk van het model is.

Dan is er nog de evaluatie die Meta niet heeft gepubliceerd.

In de lanceringspost staat dat Muse Spark Open is beoordeeld onder het Meta Superintelligence Scaling Framework en "voldeed aan de drempels die ons framework voor vrijgave vereist", met gedetailleerde resultaten in de modelkaart; de modelkaart verwijst naar een volledig evaluatierapport dat naar verluidt binnenkort beschikbaar is. Een veiligheidsclaim die een intern framework heeft doorstaan, is een ander soort object dan een veiligheidsrapport dat een lezer kan inspecteren, en op het moment van schrijven bestaat alleen de eerste.

Wat dit niet verandert voor iedereen met een deadline

Muse Spark Open is niet iets waar je een API-sleutel op richt. Het is een download, een licentie, een afgeschermd aanvraagformulier en een hardwarebeslissing, en als de workload deze week een antwoord nodig heeft, is het oppervlak vóór het eerste token groot. De praktische vraag is welk Muse-model je nu kunt bereiken, en het antwoord zit in de gesloten lijn: Muse Spark 1.2 en Muse Spark 1.1 zijn de twee checkpoints die OrcaRouter routeert, beide aangeboden tegen Meta's lijstprijs van $1,25 per miljoen inputtokens en $4,25 per miljoen outputtokens met 0% markup, omdat de lijstprijs van de provider wordt doorgegeven in plaats van er een opslag op te zetten. Ze accepteren tekst-, beeld-, video-, audio- en pdf-invoer binnen hetzelfde venster van 1.048.576 tokens, dus het multimodale gedrag waarvoor het open checkpoint wordt geprezen, is vandaag beschikbaar op de aangeboden lijn zonder downloadwachtrij.

Muse Spark Open staat niet in onze catalogus en we zijn niet van plan het tegendeel te suggereren — een model waarvan het hele voorstel is dat je het zelf kunt draaien, is een model dat je zelf draait. Waar een gerouteerde opzet nog wel helpt, is eromheen: één API voor 200+ modellen betekent dat een onbewezen checkpoint geen productieweddenschap hoeft te zijn, automatische failover een verzoek naar een tweede provider kan doorsluizen wanneer de eerste hapert, en de routing-DSL verkeer tussen modellen verplaatst via configuratie in plaats van via een codewijziging. Voor een model dat gisteren is uitgebracht met één onafhankelijke benchmark en een niet-gepubliceerd evaluatierapport is dat de goedkoopste manier om erachter te komen wat het doet met jouw verkeer, terwijl de infrastructuur van iemand anders de variantie absorbeert.

Wat zou dit stuk verplaatsen?

Drie dingen zijn open in plaats van onbekend, en elk zou de lezing veranderen. Het eerste is het evaluatierapport van Meta, dat het verschil is tussen een veiligheidsclaim en een veiligheidsrecord. Het tweede is een tweede onafhankelijke meting — één analist met één index is een datapunt, geen consensus, en niets heeft Muse Spark Open nog door een audio- of video-evaluatie laten gaan, ook al zijn dat de aangeprezen onderscheidende kenmerken ervan. Het derde is hoe de licentie zich in de praktijk gedraagt: de drempel van twintig miljoen dollar en de attributieclausule zijn de voorwaarden die bepalen of het sterkste Amerikaanse open-weightmodel qua score het meest gebruikte model wordt, of het model blijft dat teams downloaden om te testen en daarna ergens anders te serveren. Totdat ten minste één daarvan is opgelost, is de eerlijke versie van de kop dat Meta het meest capabele Amerikaanse open-weightmodel heeft uitgebracht volgens de enige beschikbare onafhankelijke maatstaf, onder een licentie die het woord "open" specifiek houdt in plaats van absoluut.

Wat de cijfers je niet kunnen vertellen, is of er in de praktijk iets mis is gegaan: de gedocumenteerde AI-incidenten en agent-fouten rond modellen in deze klasse zijn verzameld in het OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernstniveau, betrouwbaarheidsgraad en betwistingsmarkering heeft.