Muse Spark Open: Najlepszy amerykański model o otwartych wagach to twierdzenie z warunkami i zastrzeżeniami

Twierdzenie pojawiło się na X wieczorem 15 października 2026 r. i jest to rodzaj twierdzenia, które jest prawdziwe w jednym zdaniu, a w następnym staje się przedmiotem negocjacji. Meta opublikowała wagi dla Muse Spark Open — checkpoint o 816 miliardach parametrów, z których 42 miliardy są aktywne, który trzymała od czasu, gdy repozytorium pojawiło się na Hugging Face miesiąc wcześniej — a w ciągu kilku godzin przypięto do niego określenie „najlepszy amerykański model o otwartych wagach”. Liczba, która najbardziej bezpośrednio to potwierdza, nie pochodzi od Meta. To 39: wynik, jaki własne hostowane zestawienie Artificial Analysis przyznaje Muse Spark Open w ustawieniu rozumowania xhigh, dziewiąte miejsce wśród 118 modeli o otwartych wagach większych niż 150 miliardów parametrów na tej liście, wobec mediany dla klasy wynoszącej 19. To rzeczywisty pomiar strony trzeciej dotyczący rzeczywistego modelu do pobrania. Osobno, Muse Spark 1.3 — bieżący checkpoint zamkniętej linii Muse Spark, powszechnie dostępny od 2 września 2026 r. — uzyskuje 48 w tym samym indeksie. Obie liczby należą do Meta. Tylko jedna z nich dotyczy czegoś, co można pobrać, a tylko jedna z nich jest mierzona przez kogoś innego niż Meta.

Daty, ponieważ framing się na nich opiera.

Nic tutaj nie jest premierą, a to zamieszanie łatwo wyjaśnić. Meta Superintelligence Labs przedstawiło rodzinę Muse Spark 8 kwietnia 2026 r. Muse Spark 1.1 pojawił się 16 lipca, Muse Spark 1.2 — 5 sierpnia, a Muse Spark 1.3 — 2 września; ten ostatni otrzymał swój poziom rozumowania „max” 4 września, po dodatkowych testach bezpieczeństwa. Ta linia jest zastrzeżona i udostępniana jako usługa. Muse Spark Open to odrębny artefakt: ograniczone repozytorium Hugging Face, meta-models/Muse-Spark-Open-816B-A42B, którego znacznik czasu utworzenia to 2026-09-15, plus kompilacja NVFP4 utworzona kilka sekund wcześniej. Wagi leżały tam przez cztery tygodnie za formularzem z kontrolą dostępu. 15 października 2026 r. Meta opublikowała tekst licencji, wpis na blogu badawczym, przewodnik budowania dla deweloperów oraz kartę wyników benchmarków i repozytorium przestało być artefaktem, o którym nikt nic nie ogłosił.

Zatem właściwa interpretacja to ani „ciche wypuszczenie”, ani „premiera”. Model istniał po cichu przez miesiąc; formalności nadrobiły zaległości 15 października. To, co się zmieniło dla każdego, kto decyduje, co uruchomić, jest wąskie i konkretne: jest teraz licencja, którą można przeczytać, podana specyfikacja sprzętowa, wsparcie od pierwszego dnia w frameworkach, których ludzie faktycznie używają, oraz jeden niezależny pomiar. Nie zmieniło się natomiast: zamknięta linia, cena zamkniętej linii ani nic w modelach API, które wywołuje większość czytelników tej strony.

„Otwórz” to część z warunkami

Licencja to miejsce, w którym nagłówkowe twierdzenie zyskuje swoje zastrzeżenia drobnym drukiem, i warto ją przeczytać, zanim się je powtórzy. Muse Spark Open jest udostępniany na licencji Muse Model License. Meta opisuje ją jako pozwalającą wielu deweloperom na darmowe korzystanie z modelu, a dwie klauzule określają, gdzie kończy się „darmowe”.

• Model jako usługa — jeśli Ty lub Twoje podmioty stowarzyszone udostępniacie stronom trzecim model jako produkt lub usługę przez API, a łączny przychód brutto przekroczy dwadzieścia milionów dolarów amerykańskich w dowolnym następującym po sobie okresie dwunastu miesięcy, musicie powiadomić Meta i podpisać odrębną pisemną umowę, zanim rozpoczniecie taką działalność. Wbudowanie modelu we własny produkt jest wyłączone; odsprzedawanie dostępu do niego już nie.

• Atrybucja — licencja wymaga, aby „Built with Muse Spark Open” było wyświetlane w widocznym miejscu w interfejsie każdego produktu, który korzysta z modelu lub jego pochodnej, albo w towarzyszącej dokumentacji, witrynie lub menu ustawień.

• Co możesz wyraźnie robić — dostrajać, destylować, scalać, publikować, sublicencjonować i sprzedawać utwory pochodne, przy czym Meta nie rości sobie prawa własności do wyników.

• Jak go uzyskać — dostęp do repozytorium jest ograniczony. Formularz zgłoszeniowy wymaga podania pełnego imienia i nazwiska, daty urodzenia oraz organizacji wraz z identyfikatorami korporacyjnymi, a po przesłaniu nie można go edytować.

To właśnie to połączenie sprawia, że sformułowanie „najlepszy amerykański model open-weight” jest twierdzeniem dotyczącym kategorii, a nie twierdzeniem absolutnym. Na tym samym panelu Artificial Analysis najsilniejszą pozycją wśród amerykańskich modeli open-weight na licencjach permisywnych jest NVIDIA Nemotron 3.5 Super VL z wynikiem 26,49, a za nią plasuje się Inkling Small z 25,66. Muse Spark Open uzyskuje wyższy wynik niż oba te modele i nie należy do tej samej kategorii pod względem adopcji: niestandardowa licencja komercyjna za formularzem zgłoszeniowym to coś innego niż checkpoint, który możesz sklonować i wdrożyć na licencji OpenMDW-1.1 jeszcze dziś po południu. Własny wpis na blogu Meta używa sformułowania „amerykański model open-weight o największych możliwościach jak dotąd”, które można obronić na podstawie indeksu i jest węższe, niż sugeruje „najlepszy”, gdy w zdaniu uwzględni się licencję.

Co rozstrzyga checkpoint bez pomocy Meta

Ta część jest weryfikowalna na podstawie samego repozytorium, zanim uwierzy się w jakikolwiek benchmark.

• Skala — około 816 miliardów parametrów całkowitych, z około 42 miliardami aktywnych na token, rzadka mieszanina ekspertów w 62 warstwach i wymiarze ukrytym 8192, z 256 ekspertami na warstwę MoE i 8 wybieranymi na token. Mechanizm grouped-query attention ze 128 głowicami zapytań i 16 głowicami klucz-wartość, każda o wymiarze 64.

• Kontekst — 1 048 576 tokenów, okno, które Meta zapisuje jako 1M, współdzielone przez tokeny tekstu, obrazu, wideo i audio w ramach jednego budżetu.

• Modalności — tekst, obrazy, wideo i audio na wejściu; tekst na wyjściu. Odczytuje multimodalne dane wejściowe i pisze tekst, co nie jest tym samym co generowanie któregokolwiek z nich.

• Checkpointy — wersja BF16 o rozmiarze około 1,5 TB w formacie safetensors oraz 4-bitowa wersja NVFP4, która według Meta działa na pojedynczym węźle B200. Od tego czasu strony trzecie dodały własne kwantyzacje, od kompilacji GGUF po konwersje MLX 3-bitowe i 4-bitowe datowane na dzień premiery.

• Kontrola rozumowania — ustawienie wysiłku rozumowania z poziomami niskim, średnim, wysokim i xhigh. Narzędzia Meta wskazują, że wyłączenie rozumowania nie jest opcją.

• Środowiska uruchomieniowe — Transformers, llama.cpp, SGLang, vLLM, TensorRT-LLM, Apple MLX i Unsloth od pierwszego dnia, z niestandardowymi, automatycznie dostrajalnymi jądrami Helion dla SGLang, które według Meta zapewniają przyspieszenie na poziomie jądra od 1,03x do 3,95x na układach NVIDIA i AMD.

• Demo na desktopie — dwa komputery Mac Studio z układami M5 Ultra pod MLX, co działa, ponieważ każdy z nich udostępnia do 512 GB pamięci zunifikowanej przy 1,2 TB/s. Dema Meta wprowadzały rzeczywiste zmiany do otwartoźródłowego klienta iOS i uruchamiały DaVinci Resolve od początku do końca.

Nic z tego nie jest twierdzeniem marketingowym; to plik konfiguracyjny, lista plików i opublikowany przepis. To także miejsce, w którym ujawnia się praktyczny koszt „otwartości” — arytmetyka pamięci nie dba o to, jaką licencję zaakceptowałeś. Przy pełnym kontekście 1 mln tokenów w BF16 sam KV cache zajmuje około 266 GB, więc okno, które reklamuje model, i okno, na które stać twoją infrastrukturę, to dwa różne budżety.

Ta jedna liczba, której Meta nie napisała

Wpis Artificial Analysis jest obecnie jedynym dostępnym publicznie pomiarem Muse Spark Open dokonanym przez stronę trzecią i mówi więcej niż sam indeks.

• Inteligencja — wskaźnik Artificial Analysis Intelligence Index o wartości 39 w ustawieniu xhigh, 9. miejsce wśród 118 modeli open-weight powyżej 150 mld parametrów, powyżej mediany dla klasy wynoszącej 19.

• Szybkość — 103,4 tokena wyjściowego na sekundę, 18. miejsce na 76 w tej kohorcie.

• Koszt — 0,84 USD za ukończone zadanie Intelligence Index, na hostowanej ścieżce wycenionej na 1,25 USD za milion tokenów wejściowych i 4,25 USD za milion tokenów wyjściowych.

• Wydajność — zestawienie wskazuje, że model jest dość zwięzły, generując około 110 milionów tokenów w trakcie przebiegu indeksowania wobec mediany wynoszącej 130 milionów.

Porównaj je z własną kartą wyników Meta, a luka nie tkwi w specyfikacji, lecz w pokryciu. Karta Meta podaje Terminal-Bench 2.1 na poziomie 76,4 z agentem Terminus 2, MCP-Atlas na poziomie 89,2, GDPval-AA v2 na poziomie 1401, SciCode na poziomie 58,5, JobBench na poziomie 61,8, HLE-Diamond na poziomie 26,1 bez narzędzi oraz DeepSWE 1.1 na poziomie 60 na tym, co karta nazywa najlepszym dostępnym harnessem. Każdy z tych wierszy powstał w ramach własnego harnessu agentowego modelu, a nie wspólnego, co czyni z nich twierdzenie o możliwościach, a nie ranking jak za jak. Nie odtworzyliśmy żadnego z nich. Zgodność między tymi dwoma opisami dotyczy karty specyfikacji — 816B łącznie, 42B aktywnych, kontekst 1M, ta sama licencja, te same modalności wejściowe. Rozbieżność polega na tym, że jedna strona ma osiem benchmarków, a druga jeden indeks, jedną wartość szybkości i jedną cenę. Publicznie nie ma jeszcze nigdzie pomiaru audio ani pomiaru wideo, mimo że wiersz modalności jest najbardziej wyróżniającą cechą tego modelu.

Jest jeszcze ocena, której Meta nie opublikowała.

Wpis o premierze mówi, że Muse Spark Open został oceniony w ramach Meta Superintelligence Scaling Framework i „spełnił progi, których nasze ramy wymagają do wydania”, a szczegółowe wyniki znajdują się w karcie modelu; karta modelu wskazuje na pełny raport z oceny opisany jako dostępny wkrótce. Twierdzenie o bezpieczeństwie, które przeszło wewnętrzne ramy, to inny obiekt niż raport o bezpieczeństwie, który czytelnik może zbadać, i na moment pisania istnieje tylko to pierwsze.

Czego to nie zmienia dla nikogo, kto ma deadline

Muse Spark Open to nie coś, na co wskazuje się kluczem API. To plik do pobrania, licencja, formularz zgłoszeniowy z ograniczeniem dostępu i decyzja sprzętowa, a jeśli zadanie wymaga odpowiedzi w tym tygodniu, powierzchnia do pokonania przed pierwszym tokenem jest duża. Praktyczne pytanie brzmi: do którego modelu Muse możesz dotrzeć już teraz, a odpowiedź kryje się w linii zamkniętej: Muse Spark 1.2 i Muse Spark 1.1 to dwa checkpointy, które obsługuje OrcaRouter, oba udostępniane w cenie katalogowej Meta wynoszącej 1,25 USD za milion tokenów wejściowych i 4,25 USD za milion tokenów wyjściowych z marżą 0%, ponieważ cena katalogowa dostawcy jest przekazywana dalej, a nie powiększana o marżę. Akceptują tekst, obraz, wideo, dźwięk i pliki PDF w tym samym oknie 1 048 576 tokenów, więc multimodalne zachowanie, za które chwali się otwarty checkpoint, jest dostępne w udostępnianej linii już dziś, bez kolejki do pobrania.

Muse Spark Open nie ma w naszym katalogu i nie będziemy sugerować, że jest inaczej — model, którego cała propozycja sprowadza się do tego, że możesz uruchomić go samodzielnie, to model, który uruchamiasz samodzielnie. Miejsce, w którym konfiguracja z routingiem nadal pomaga, jest wokół niego: jedno API obejmujące ponad 200 modeli sprawia, że nieprzetestowany checkpoint nie musi być zakładem produkcyjnym, automatyczne przełączanie awaryjne może przenieść żądanie do drugiego dostawcy, gdy pierwszy zacznie działać gorzej, a DSL routingu przenosi ruch między modelami za pomocą konfiguracji, a nie zmiany w kodzie. W przypadku modelu wydanego dzień temu, z jednym niezależnym benchmarkiem i nieopublikowanym raportem z oceny, to najtańszy sposób, aby przekonać się, jak zachowuje się on na Twoim ruchu, podczas gdy infrastruktura kogoś innego pochłania zmienność.

Co poruszyłoby ten element?

Trzy rzeczy są otwarte, a nie nieznane, i każda z nich zmieniłaby odczyt. Pierwszą jest raport z ewaluacji Meta, który stanowi różnicę między deklaracją bezpieczeństwa a udokumentowanym bezpieczeństwem. Drugą jest drugi niezależny pomiar — jeden analityk z jednym indeksem to pojedynczy punkt danych, a nie konsensus, i nic jeszcze nie poddało Muse Spark Open ocenie audio ani wideo, mimo że to właśnie one są jego reklamowanymi wyróżnikami. Trzecią jest to, jak licencja działa w praktyce: próg dwudziestu milionów dolarów i klauzula atrybucji to warunki, które zdecydują, czy najsilniejszy pod względem wyniku amerykański model o otwartych wagach stanie się najczęściej używanym, czy pozostanie tym, który zespoły pobierają do testów, a potem serwują z innego miejsca. Dopóki przynajmniej jedna z tych kwestii się nie rozstrzygnie, uczciwa wersja nagłówka jest taka, że Meta dostarczyła model o największych możliwościach wśród amerykańskich modeli o otwartych wagach według jedynego dostępnego niezależnego miernika, na licencji, która sprawia, że słowo „open” pozostaje konkretne, a nie absolutne.

To, czego liczby nie mogą ci powiedzieć, to czy cokolwiek z tego poszło nie tak w terenie: udokumentowane incydenty AI i awarie agentów dotyczące modeli tej klasy są gromadzone w OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, wagę, stopień pewności i flagę sporu.