Muse Spark Open: флагманские веса Meta вышли — а числа, стоящие за ними, нет

Muse Spark Open — это реально, его можно скачать, и это самый большой набор открытых весов, опубликованный американской лабораторией. Репозиторий за ним — Muse-Spark-Open-816B-A42B — впервые появился на Hugging Face 15 сентября 2026 года и провисел там месяц с ограниченным доступом и без объявления. 15 октября 2026 года Meta опубликовала веса, пост о запуске, таблицу результатов бенчмарков и лицензию, и всё это стало официальным за один день. Так что честная формулировка — ни «скрытый выпуск», ни «запуск»: артефакт тихо существовал четыре недели, а затем документация догнала его. А вот что не догнало — так это измерение. Через день после выпуска цифры вендора опубликованы и не воспроизведены, независимые цифры частичны, а оценка безопасности, которая, по словам Meta, подкрепляет выпуск, ещё не вышла. Вот что публичные данные на самом деле подтверждают сегодня.

Месяц тишины, а потом всё сразу

Даты важны, потому что от них зависит, как вы воспринимаете этот релиз. Репозитории Hugging Face — контрольная точка BF16 и вторая сборка NVFP4 — имеют метки времени создания 2026-09-15. Последнее изменение датировано 2026-10-15, а текст лицензии внутри формы с ограниченным доступом датирован 15 октября 2026 года, при этом политика использования имеет ту же дату. В посте Meta о запуске указана дата публикации 2026-10-15. Итак, последовательность такая: репозиторий в сентябре, анонс в октябре.

Это совсем другая история, чем та, которую обычно описывает фраза «выпустили тихо». Meta всё же объявила об этом — сразу в трёх местах: в своём исследовательском блоге, в руководстве по сборке для разработчиков на своём сайте для разработчиков и в совместной публикации в блоге Hugging Face, написанной сотрудниками Hugging Face. Чего не было — так это цикла публикаций в прессе. Примерно неделя публикаций о запуске так и не появилась; за пределами собственных страниц производителя и одной-двух публикаций агрегаторов о модели такого размера написано очень мало. Тихая часть — это то, как это восприняли, а не сам выпуск.

Что репозиторий подтверждает сам по себе

Всё нижеизложенное можно проверить по метаданным контрольной точки, конфигурации, карточке модели и анонсу запуска от Meta, не полагаясь на чьи-либо слова о бенчмарке. Это та часть картины, которая уже установлена.

• Масштаб — примерно 816 миллиардов общих параметров, из которых около 42 миллиардов активны на каждый токен.

• Архитектура — разреженная смесь экспертов: 62 слоя, скрытая размерность 8 192, 256 экспертов на слой MoE, из которых 8 выбираются на токен, и на экспертов приходится около 97% всех параметров. Групповое внимание запросов (grouped-query attention): 128 голов запросов и 16 голов ключ-значение по 64 измерения каждая.

• Контекст — 1 048 576 токенов, окно, которое Meta сокращает до 1M и которое охватывает токены текста, изображений, видео и аудио в рамках одного и того же бюджета.

• Входные и выходные данные — текст, изображения, видео и аудио на входе; текст на выходе. Это мультимодальное средство чтения, а не генератор.

• Чекпоинты — два формата. BF16, примерно 1,5 ТБ safetensors, и NVFP4 — 4-битная сборка, ориентированная на NVIDIA Blackwell, которая, по словам Meta, работает на одном узле B200.

• Арифметика памяти — grouped-query attention (внимание с группировкой запросов) позволяет удерживать кэш небольшим для модели такого размера, но каждый токен всё равно добавляет 126 976 значений. В формате BF16 это около 250 КБ на токен, или примерно 266 ГБ для полного контекста в 1 млн токенов.

• Рассуждение — настройка усилия рассуждения с уровнями low, medium, high и xhigh. Собственный инструментарий Meta отмечает, что отключить рассуждение невозможно.

• Среды выполнения — поддержка с первого дня в Transformers, llama.cpp, SGLang, vLLM, TensorRT-LLM, Apple MLX и Unsloth, при этом Meta поставляет собственные автонастраиваемые ядра Helion для SGLang, которые, по её словам, обеспечивают ускорение на уровне ядер в 1,03–3,95× на чипах NVIDIA и AMD.

• Десктоп — главная демонстрация. Meta запускала её на двух машинах Mac Studio с чипами M5 Ultra в среде MLX, и это работает, потому что каждая из них предоставляет до 512 ГБ унифицированной памяти с пропускной способностью 1,2 ТБ/с, так что две машины вмещают полный чекпойнт BF16. В демонстрациях Meta в реальном времени вносились изменения в iOS-клиент с открытым исходным кодом и осуществлялось сквозное управление DaVinci Resolve.

Лицензия — это та часть, которую большинство людей пропустит.

Muse Spark Open распространяется по лицензии Muse Model License, которая, как описывает Meta, позволяет многим разработчикам использовать модель бесплатно. Два пункта в ней меняют то, что «бесплатно» означает на практике, и ни один из них не указан в заголовке.

Первый — раздел 3, положение о «модели как услуге». Если вы или ваши аффилированные лица предоставляете третьим лицам доступ к модели как к продукту или услуге через API, и ваш совокупный валовой доход превышает двадцать миллионов долларов США в течение любого последовательного двенадцатимесячного периода, вы должны уведомить Meta и заключить отдельное письменное соглашение, прежде чем вести этот бизнес. Встраивание её в ваш собственный продукт под это не подпадает; перепродажа модели — нет.

Второй пункт — указание авторства. Лицензия требует, чтобы лицензиаты на видном месте отображали «Built with Muse Spark Open» в интерфейсе любого продукта, использующего модель или производную от неё, либо в сопроводительной документации, на сайте или в меню настроек.

Две вещи, которые лицензия явно предоставляет, и их стоит упомянуть, потому что в них заключается сам смысл открытых весов: вы можете дообучать, дистиллировать, объединять, публиковать, сублицензировать и продавать производные, и Meta не претендует на право собственности на результаты. Meta также ограничивает доступ к самой загрузке — доступ к репозиторию контролируется, а форма запроса запрашивает ваше полное юридическое имя, дату рождения и организацию с корпоративными идентификаторами, и не может быть отредактирована после отправки. Тем, кто ожидает загрузку в один клик, следует рассчитывать на очередь.

Что Meta заявила, но ещё не опубликовала

Meta выпустила вместе с релизом сводную таблицу оценок бенчмарков, и закономерность по ней в целом полезнее любой отдельной строки. Приведённые ниже цифры заявлены поставщиком, каждая модель в таблице измерялась в собственном агентном стенде, а не в общем, и мы не воспроизводили ни одну из них. Это заявление о возможностях, а не прошедший аудит рейтинг.

• Terminal-Bench 2.1, агент Terminus 2 — 76.4

• MCP-Atlas — 89,2

• GDPval-AA v2 — 1401

• SciCode — 58,5

• JobBench — 61.8

• HLE-Diamond, без инструментов — 26.1

• DeepSWE 1.1 — 60, по собственным данным, на лучшем доступном стенде

Сильнейшие позиции — это оценки агентных возможностей и использования инструментов; слабейшая — рассуждения в режиме «закрытой книги». Это согласуется с тем, для чего, по словам Meta, предназначена модель — длительная работа с кодом, чтение кодовой базы, отладка, вызов инструментов в ходе долгих запусков, — и не согласуется с трактовкой её как общего улучшения рассуждений по сравнению с чем угодно.

Есть также оценка, которую Meta не опубликовала. В посте о запуске говорится, что модель оценивалась в рамках Meta Superintelligence Scaling Framework, что она «достигла пороговых значений, которые наш фреймворк требует для выпуска», и что подробные результаты содержатся в карточке модели. Карточка модели ссылается на полный отчёт об оценке, который, как указано, скоро станет доступен. На момент написания он ещё не вышел. Утверждение о безопасности, прошедшее внутренний фреймворк, — это не то же самое, что отчёт о безопасности, который читатель может изучить, и сегодня существует только первое.

Единственное независимое число и промежуток вокруг него

У Artificial Analysis есть листинг для Muse Spark Open, и это единственное стороннее измерение в открытом доступе на данный момент. Оно ставит модель на 39-е место в Artificial Analysis Intelligence Index, девятое из 118 записей в её классе моделей с открытыми весами размером более 150 миллиардов параметров, выше медианы класса, равной 19. Оно также измеряет скорость вывода на уровне 103,4 токена в секунду и оценивает хостинговый маршрут в $1,25 за миллион входных токенов и $4,25 за миллион выходных, в $0,84 за задачу Intelligence Index. Этот листинг ценнее самого индекса: он означает, что столбцы пропускной способности и стоимости, которые были пустыми при выпуске, теперь заполнены.

Прочитайте оба набора чисел вместе, и разрыв не в спецификации — он в том, насколько она была задействована. В листинге аналитика независимо зафиксированы 816B общих и 42B активных параметров, контекстное окно на 1M токенов, Hugging Face в качестве источника весов и лицензия Muse Model License — та же архитектура, та же лицензия и те же модальности, которые заявляет Meta, описанные как принимающие текст, изображение, речь и видео на входе и текст на выходе. Там, где эти два описания расходятся, — это охват. Meta сообщает о восьми бенчмарках, все в рамках собственного харнесса. Независимая запись — это один индекс, одна цифра скорости и одна цена. Нигде в открытом доступе нет ни аудиоизмерений, ни видеоизмерений, нет сравнения пропускной способности с закрытой линейкой Muse Spark и нет второго аналитика, который проверил бы первого. Согласие по спецификации — не то же самое, что согласие по числам, и только числа здесь были проверены.

Сколько на самом деле стоит запустить это самостоятельно

Актуальный вопрос о затратах для открытых весов — это аппаратное обеспечение, и здесь опубликованные детали необычно конкретны.

• BF16, дата-центр — собственный рецепт Meta для Transformers запускает чекпоинт BF16 на четырёх узлах по восемь GPU H200 с тензорным параллелизмом 32. Это 32 ускорителя для одной модели.

• NVFP4, дата-центр — квантованная сборка задокументирована на одном узле B200, а эталонная конфигурация SGLang от Meta для неё выполняется на четырёх GPU GB300.

• Настольный вариант, квантованный — Hugging Face и команда llama.cpp протестировали 2-битную квантизацию на 512GB M3 Ultra: потреблено 304GB памяти, работа на скорости 18 токенов в секунду с запасом для KV-кэша. Это медленно, и это другая модель по сравнению с BF16-чекпоинтом, который оценивала Meta.

• Окно, которое вам обещают, и окно, которое вы можете себе позволить, — это два разных бюджета. При полном контексте в 1 млн токенов в BF16 один только KV-кэш занимает примерно 266 ГБ. Цифра памяти, которую все приводят, — это цена загрузки модели, а не цена использования той длины контекста, которую заявляет модель.

Что это значит для того, кому просто нужна модель сегодня

Muse Spark Open — это не модель, к которой вы обращаетесь с API-ключом. Это загрузка, лицензия, форма запроса с ограниченным доступом и решение по железу, и если вашему рабочему процессу нужен ответ уже на этой неделе, то до первого токена предстоит преодолеть немало. Практическая формулировка вопроса — какую модель Muse вы можете получить прямо сейчас: Muse Spark 1.2 и Muse Spark 1.1 — это две модели из закрытой линейки Muse Spark, которые маршрутизирует OrcaRouter, обе по каталожной цене Meta с наценкой 0%, потому что цена провайдера передаётся как есть, без наценки. Muse Spark Open отсутствует в нашем каталоге, и мы не собираемся намекать на обратное — модель, всё предложение которой сводится к тому, что её можно скачать, — это модель, которую вы запускаете сами.

Это разделение — также аргумент в пользу того, чтобы держать оба в одном месте. Один API для более чем 200 моделей означает, что непроверенная модель не обязательно должна быть ставкой в продакшене: автоматическое переключение при сбое может перенаправить запрос ко второму провайдеру, когда первый деградирует, а DSL маршрутизации переключает трафик между моделями через конфигурацию, а не через изменение кода. Для модели, выпущенной день назад и не имеющей независимого набора бенчмарков, это самый дешёвый способ выяснить, как она поведёт себя на вашем трафике.

За чем следить и что изменило бы этот материал

Три вещи остаются нерешёнными, а не неизвестными, и каждая из них изменила бы картину.

Первое — это отчёт об оценке, который, по словам Meta, скоро появится. Пока он не вышел, заявления о безопасности модели опираются на пороговое утверждение, а не на документ.

Второй вопрос — расширится ли независимый бенчмаркинг за пределы одного индекса. Единственная оценка аналитика без воспроизведения, без сравнения пропускной способности с размещённой линейкой Muse и без измерения аудио или видео — это отправная точка, а не вердикт.

Третий вопрос — сформируется ли экосистема тонкой настройки. Meta выпустила TorchTitan именно для этого, и открытые веса оправдывают себя в производных — слияниях, квантованиях, доменных дообучениях — а не в количестве загрузок. Через четыре недели след из производных станет честным мерилом того, имел ли этот релиз значение.

Пока точное резюме узко: Meta опубликовала крупнейшую на сегодняшний день американскую модель с открытыми весами, подробно её задокументировала, никакой цены за неё не назначила, лицензировала с пунктом о выручке и оставила измерения тем, кто займётся ими следующим.

Бенчмарки устаревают, а цены меняются; записи о сбоях — нет: документированные инциденты с ИИ и сбои агентов, связанные с моделями этого класса, собраны в OrcaRouter AI Incident Archive, где каждая запись содержит собственные источники, степень серьёзности, оценку достоверности и флаг спорности.