Muse Spark Open: Metas flaggskeppsvikter är ute – siffrorna bakom dem är det inte

Muse Spark Open är verklig, den går att ladda ner, och den är den största uppsättningen öppna vikter som ett amerikanskt labb har publicerat. Repositoriet bakom den – Muse-Spark-Open-816B-A42B – dök först upp på Hugging Face den 15 september 2026 och låg där, åtkomstbegränsad och oannonserad, i en månad. Den 15 oktober 2026 publicerade Meta vikterna, ett lanseringsinlägg, ett benchmark-resultatkort och en licens, och det hela blev officiellt på en enda eftermiddag. Så den ärliga inramningen är varken "smygsläpp" eller "lansering": artefakten fanns tyst i fyra veckor, och sedan hann pappersarbetet ikapp. Det som inte har hunnit ikapp är mätningen. En dag efter släppet är leverantörens siffror publicerade och oreproducerade, de oberoende siffrorna är ofullständiga, och säkerhetsutvärderingen som Meta säger stöder släppet är inte ute ännu. Detta är vad det offentliga underlaget faktiskt stöder i dag.

En månad av tystnad, sedan allt på en gång

Datumen spelar roll, eftersom de förändrar hur du läser släppet. Hugging Face-repositorierna – BF16-checkpointen och en andra NVFP4-build – har skapelsetidsstämplar från 2026-09-15. Den senaste ändringen är 2026-10-15, och licenstexten i det gatede formuläret är daterad 15 oktober 2026, med användningspolicyn daterad samma dag. Metas lanseringsinlägg har en publiceringstidsstämpel från 2026-10-15. Så sekvensen är: repo i september, tillkännagivande i oktober.

Det är en annan historia än den som frasen "lanserad i tysthet" vanligtvis beskriver. Meta tillkännagav detta på tre ställen samtidigt – sin forskningsblogg, en byggguide för utvecklare på sin utvecklarwebbplats och ett samförfattat inlägg på Hugging Face-bloggen skrivet av personal på Hugging Face. Det som saknades var presscykeln. Ungefär en veckas lanseringsbevakning har uteblivit; utanför leverantörens egna sidor och ett eller två aggregatorinlägg finns det väldigt lite skrivet om en modell av den här storleken. Det tysta ligger i mottagandet, inte i lanseringen.

Vad repositoriet bekräftar på egen hand

Allt nedan går att verifiera utifrån checkpoint-metadata, konfigurationen, modellkortet och Metas lanseringsinlägg utan att behöva ta någon på orden när det gäller ett benchmark. Det här är den del av underlaget som är fastställd.

• Skala – cirka 816 miljarder parametrar totalt, med ungefär 42 miljarder aktiva per token.

• Arkitektur — en gles blandning av experter: 62 lager, dold dimension 8 192, 256 experter per MoE-lager med 8 valda per token, och experter som står för cirka 97 % av de totala parametrarna. Grupperad query-attention med 128 query-huvuden och 16 key-value-huvuden med 64 dimensioner vardera.

• Kontext — 1 048 576 tokens, fönstret som Meta förkortar till 1M, som täcker text-, bild-, video- och ljudtokens inom samma budget.

• Indata och utdata – text, bilder, video och ljud in; text ut. Detta är en multimodal läsare, inte en generator.

• Checkpointar – två format. BF16, ungefär 1,5 TB safetensors, och NVFP4, en 4-bitarsversion riktad mot NVIDIA Blackwell som Meta säger körs på en enda B200-nod.

Minnesberäkning — grouped-query attention håller cachen liten för en modell av den här storleken, men varje token lägger fortfarande till 126 976 värden. I BF16 är det ungefär 250 kB per token, eller cirka 266 GB för en fullständig kontext på 1 miljon tokens.

• Resonemang – en inställning för resonemangsansträngning med nivåerna låg, medel, hög och xhigh. Metas egna verktyg noterar att det inte går att stänga av resonemang.

• Runtimes — stöd från dag ett i Transformers, llama.cpp, SGLang, vLLM, TensorRT-LLM, Apple MLX och Unsloth, där Meta levererar anpassade automatiskt avstämbara Helion-kärnor för SGLang som enligt företaget ger 1,03–3,95× hastighetsökningar på kärnnivå över NVIDIA- och AMD-hårdvara.

• Stationär dator — huvuddemonstrationen. Meta körde den på två Mac Studio-maskiner med M5 Ultra-chips under MLX, vilket fungerar eftersom var och en exponerar upp till 512 GB enhetligt minne vid 1,2 TB/s i bandbredd, så två maskiner rymmer en fullständig BF16-checkpoint. Metas demonstrationer gick ut på att leverera verkliga ändringar till en iOS-klient med öppen källkod och att köra DaVinci Resolve från början till slut.

Licensen är den del som de flesta hoppar över

Muse Spark Open ges ut under Muse Model License, som Meta beskriver som att den tillåter många utvecklare att använda modellen gratis. Två klausuler i den förändrar vad "gratis" betyder i praktiken, och ingen av dem nämns i rubriken.

Det första är avsnitt 3, villkoret om modell-som-tjänst. Om du eller dina närstående bolag ger tredje parter tillgång till modellen som en produkt eller tjänst via ett API, och om de sammanlagda bruttointäkterna för dig och dina närstående bolag överstiger tjugo miljoner amerikanska dollar under vilken sammanhängande tolvmånadersperiod som helst, måste du underrätta Meta och ingå ett separat skriftligt avtal innan du bedriver den verksamheten. Att bygga in det i din egen produkt är undantaget; att sälja vidare modellen är det inte.

Den andra är attribution. Licensen kräver att licenstagare på ett framträdande sätt visar "Built with Muse Spark Open" i gränssnittet på alla produkter som använder modellen eller ett derivat, eller i den medföljande dokumentationen, på webbplatsen eller i inställningsmenyn.

Två saker som licensen beviljar utan omsvep, och de är värda att nämna eftersom de är själva poängen med öppna vikter: du får finjustera, destillera, sammanfoga, publicera, vidarelicensiera och sälja derivat, och Meta gör inte anspråk på äganderätt till resultaten. Meta begränsar också själva nedladdningen — förvaret är åtkomstkontrollerat, och begäranformuläret frågar efter ditt fullständiga juridiska namn, födelsedatum och organisation med företagsidentifierare, och kan inte redigeras efter inskickning. Den som förväntar sig en nedladdning med ett klick bör räkna med en kö.

Vad Meta har hävdat men ännu inte publicerat

Meta släppte ett benchmark-resultatkort tillsammans med releasen, och mönstret i det är mer användbart än någon enskild rad. Siffrorna nedan är rapporterade av leverantören, varje modell på kortet mättes i sin egen agent-harness snarare än i en gemensam, och vi har inte reproducerat någon av dem. De är ett påstående om förmåga, inte en granskad rangordning.

• Terminal-Bench 2.1, Terminus 2-agent — 76.4

• MCP-Atlas — 89,2

• GDPval-AA v2 — 1401

• SciCode — 58,5

• JobBench — 61,8

• HLE-Diamond, utan verktyg — 26.1

• DeepSWE 1.1 — 60, självrapporterat på det bästa tillgängliga utvärderingsramverket

De starkaste raderna är agentiska utvärderingar och utvärderingar av verktygsanvändning; den svagaste är closed-book-resonemang. Det stämmer med vad Meta säger att modellen är till för – kodning över långa tidshorisonter, att läsa en kodbas, felsöka, anropa verktyg under långa körningar – och går inte ihop med att tolka det som en allmän uppgradering av resonemangsförmågan jämfört med vad som helst.

Sedan finns den utvärdering som Meta inte har publicerat. I sitt lanseringsinlägg står det att modellen bedömdes enligt Meta Superintelligence Scaling Framework, att den ”uppfyllde de tröskelvärden som vårt ramverk kräver för release” och att de detaljerade resultaten finns i modellkortet. Modellkortet hänvisar till en fullständig utvärderingsrapport som beskrivs som tillgänglig inom kort. I skrivande stund har den inte kommit ut. Ett säkerhetspåstående som har godkänts av ett internt ramverk är ett annat slags objekt än en säkerhetsrapport som en läsare kan granska, och i dag finns bara det första.

Det enda fristående numret, och gapet runt det

Artificial Analysis har en listning för Muse Spark Open, och det är den enda tredjepartsmätningen i den offentliga dokumentationen just nu. Den placerar modellen på 39 i Artificial Analysis Intelligence Index, nionde av 118 poster i sin klass av modeller med öppna vikter som är större än 150 miljarder parametrar, över klassmedianen på 19. Den mäter också utdatahastigheten till 103,4 tokens per sekund och prissätter den hostade rutten till $1,25 per miljon indatatokens och $4,25 per miljon utdata, till $0,84 per uppgift i Intelligence Index. Den listningen är värd mer än indexet: den innebär att kolumnerna för genomströmning och kostnad som var tomma vid lanseringen nu är ifyllda.

Läs de två uppsättningarna siffror tillsammans, och gapet ligger inte i specifikationen, utan i hur stor del av den som har testats. Analytikerns lista registrerar oberoende 816B totalt och 42B aktiva parametrar, ett kontextfönster på 1M token, Hugging Face som viktkälla och Muse Model License – samma arkitektur, samma licens och samma modaliteter som Meta uppger, beskrivna som att ta in text, bild, tal och video och ge text ut. Det som skiljer de två redogörelserna åt är täckningen. Meta rapporterar åtta benchmarks, alla under Metas eget testramverk. Den oberoende redogörelsen består av ett index, en hastighetssiffra och ett pris. Det finns ingen ljudmätning och ingen videomätning någonstans i offentligheten, ingen jämförelse av genomströmning mot den slutna Muse Spark-serien, och ingen andra analytiker som kontrollerar den första. Enighet om specifikationsbladet är inte samma sak som enighet om siffrorna, och endast siffrorna här har testats.

Vad det faktiskt kostar att driva det själv

Den relevanta kostnadsfrågan för öppna vikter är hårdvara, och här är de publicerade detaljerna ovanligt konkreta.

• BF16, datacenter – Metas eget Transformers-recept kör BF16-checkpointen över fyra noder med åtta H200-GPU:er vardera, med tensorparallellism på 32. Det är 32 acceleratorer för en enda modell.

• NVFP4, datacenter — den kvantiserade byggversionen är dokumenterad på en enda B200-nod, och Metas SGLang-referenskonfiguration för den körs över fyra GB300-GPU:er.

• Stationär dator, kvantiserad — Hugging Face och llama.cpp-teamet testade en 2-bitars kvantisering på en 512GB M3 Ultra: 304 GB minne förbrukades, och den körde i 18 tokens per sekund med utrymme kvar för KV-cachen. Det är långsamt, och det är en annan modell än BF16-checkpointen som Meta utvärderade.

• Fönstret du utlovas och fönstret du har råd med är två olika budgetar — vid full 1M-tokenkontext i BF16 uppgår KV-cachen ensam till ungefär 266 GB. Minnessiffran som alla citerar är priset för att läsa in modellen, inte priset för att använda den kontextlängd som modellen annonserar.

Var lämnar detta någon som bara behöver en modell idag

Muse Spark Open är inte en modell som man riktar en API-nyckel mot. Det är en nedladdning, en licens, ett åtkomstbegränsat ansökningsformulär och ett hårdvaruval, och om din arbetsbelastning behöver ett svar den här veckan är det mycket som ska falla på plats innan den första token. Den praktiska versionen av frågan är vilken Muse-modell du kan nå just nu: Muse Spark 1.2 och Muse Spark 1.1 är de två medlemmarna i den slutna Muse Spark-serien som OrcaRouter routar, båda till Metas listpris med 0 % påslag, eftersom leverantörens listpris förs vidare i stället för att läggas på. Muse Spark Open finns inte i vår katalog och vi kommer inte att antyda något annat — en modell vars hela poäng är att du kan ladda ner den är en modell du kör själv.

Den uppdelningen är också argumentet för att behålla båda på ett och samma ställe. Ett API över 200+ modeller innebär att en obeprövad modell inte behöver vara en chansning i produktion: automatisk failover kan föra en begäran vidare till en andra leverantör när den första försämras, och routing-DSL:en flyttar trafik mellan modeller via konfiguration i stället för via kodändring. För en modell som släpptes för en dag sedan utan en oberoende benchmark-svit är detta det billigaste sättet att ta reda på vad den gör med din trafik.

Vad man bör hålla utkik efter, och vad som skulle förändra den här artikeln.

Tre saker är olösta snarare än okända, och var och en av dem skulle förändra bilden.

Den första är den utvärderingsrapport som Meta säger är på väg. Tills den har kommit vilar modellens säkerhetsanspråk på ett tröskeluttalande snarare än ett dokument.

Den andra är huruvida oberoende benchmarkning breddas bortom ett enda index. En enskild analytikers poäng utan reproduktion, utan jämförelse av genomströmning mot den hostade Muse-linjen och utan mätning av ljud eller video är en utgångspunkt, inte ett slutomdöme.

Det tredje är huruvida finjusteringsekosystemet materialiseras. Meta släppte TorchTitan just för detta, och öppna vikter gör nytta i derivaten – sammanslagningar, kvantiseringar, domänanpassningar – inte i antalet nedladdningar. Om fyra veckor är derivatspåret det ärliga måttet på om det här släppet spelade någon roll.

För närvarande är den korrekta sammanfattningen snäv: Meta har publicerat den största amerikanska modellen med öppna vikter hittills, dokumenterat den grundligt, inte satt något pris på den, licensierat den med en intäktsklausul och lämnat mätningarna till den som gör dem härnäst.

Benchmarks age and prices move; the failure record does not: the documented AI incidents and agent failures behind models in this class are collected in the OrcaRouter AI Incident Archive, where each entry carries its own sources, severity, confidence grade and disputed flag.