Meta випустила "найсильнішу відкриту модель в США"

Генеральний директор Meta Марк Цукерберг. Зображення оброблено за допомогою AI

Автор｜Су Ян

Редактор｜Сюй Ціньян

15 жовтня за місцевим часом у США компанія Meta офіційно представила Muse Spark Open, змішану експертну модель з 816 мільярдами загальних параметрів та 42 мільярдами активних параметрів, а також відкрила завантаження ваг.

Це найпотужніша відкрита модель з вагами в США на сьогодні, яка нативно підтримує мультимодальний ввід, а контекстне вікно досягає 1 мільйона токенів.

Лауреат премії Тюрінга, колишній головний AI-науковець Meta Ян Лікун "захоплено" відзначив

01 Дві "яблука" можуть запустити

Meta заявила, що співпрацює з Apple для оптимізації, і дві Mac Studio версії M5 Ultra можуть повністю запустити всю модель.

Конкретна конфігурація - це дві Mac Studio версії M5 Ultra, які працюють разом через MLX, з єдиною пам'яттю, що досягає 1 ТБ. Ширина смуги пам'яті M5 Ultra досягає 1,2 ТБ на секунду, що може підтримувати швидкість зчитування малих фрагментів, необхідних для кожного токена.

Модель сама по собі використовує змішану експертну архітектуру, з 816 мільярдами загальних параметрів, з яких 42 мільярди активуються за раз. Це означає, що під час інференції фактична кількість викликаних параметрів значно менша за загальний обсяг, але повні ваги все ще потрібно завантажити в пам'ять. На картці моделі зазначено, що версія NVFP4 потребує щонайменше 700 ГБ пам'яті прискорювача, а версія BF16 - 2 ТБ.

Отже, дві Mac Studio з 512 ГБ пам'яті, якраз на межі, щоб вмістити кількість квантованих ваг.

Нативний мультимодальний ввід - це ще один акцент Muse Spark Open.

Модель приймає текст, зображення, відео та аудіо як ввід, а вихід - текст. Вона не є генеративною мультимодальною моделлю - не може малювати, не може генерувати відео, не може синтезувати голос, її можливості полягають у розумінні та аналізі інформації з різних модальностей. Розробники можуть дозволити їй переглядати скріншоти, слухати записи, аналізувати кадри відео, а потім робити висновки на основі текстових команд. Для агентських робочих потоків така здатність розуміння є більш практичною, ніж генеративна здатність.

Окрім чіпів Apple, Muse Spark Open також підтримує основні інженерні платформи та апаратні платформи. SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, MLX, llama.cpp, Unsloth вже адаптовані, чіпи AMD, Apple, Intel та NVIDIA можуть працювати.

Meta також має власне налаштоване ядро Helion GPU, яке може забезпечити прискорення на рівні ядра від 1,03 до 3,95 разів на SGLang, а на AMD MI350 - прискорення 3% від кінця до кінця.

02 "Найсильніший в США" - це не просто слова

Meta неодноразово підкреслювала "найсильнішу відкриту модель ваг в США".

У власній таблиці оцінок Meta Muse Spark Open лідирує в двох інструментах бенчмаркінгу JobBench та MCP-Atlas, отримавши 61,8 та 89,2 бали відповідно, що перевищує конкурентів GLM 5.3, Kimi K3 та Qwen3.8.

У тестуванні HLE-Diamond без інструментів вона також лідирує з 26,1 балами. У візуальній оцінці з інструментами ZeroBench отримала 50 балів, SimpleVQA - 73,6 балів, також займаючи передові позиції.

Американський AI-науковець Натан Ламберт (Nathan Lambert) зазначив, що він чекав, поки американські відкриті моделі знову стануть конкурентоспроможними, і тепер нарешті бачить надію.

Генеральний директор Box Аарон Леві (Aaron Levie) також вважає, що це великий крок для американської відкритої спільноти, компанії тепер можуть комбінувати - використовувати передові моделі для оркестрації та високих завдань, а низькобюджетні налаштовані моделі для повторюваних робочих потоків.

Популярність висока, але недоліки також очевидні.

У тестуванні кодування терміналу Terminal-Bench 2.1 Muse Spark Open отримала 76,4 бали, що нижче за 83,9 бали GLM 5.3 та 85,0 бали Kimi K3.

У завданні програмної інженерії DeepSWE 1.1 результат 60 балів також відстає від GLM та Kimi, які отримали 67 та 68 балів відповідно.

У комплексній оцінці знань GDPVal-AA v2 Muse Spark Open з 1401 балами також має відставання від GLM 5.3 з 1653 балами, Qwen3.8 з 1613 балами та Kimi K3 з 1537 балами.

Індекс інтелекту третьої сторони Artificial Analysis також надає певний орієнтир.

Згідно з їхнім відкритим рейтингом, Muse Spark Open (модель Xhigh) отримала 39 балів, Xiaomi MiMo-V2.6-Pro - близько 46 балів, Zhizhu GLM-5.3 - близько 45 балів, Kimi K3 - близько 44 балів, GLM-5.3-Flash - близько 42 балів, Alibaba Qwen3.8 2.4T A95B - близько 40 балів.

Це означає, що принаймні шість опублікованих відкритих моделей мають загальний бал вище Muse Spark Open, і всі вони походять від китайських виробників.

Протягом минулого року кількість завантажень китайських відкритих моделей перевищила американські, 60% токенів у запитах з США на OpenRouter обробляються відкритими моделями, більшість з яких походять з китайських лабораторій. Цей випуск Meta став новим еталоном у американському відкритому середовищі.

Щодо цін, Together AI оголосила ціну API Muse Spark Open на рівні 1,25 долара за мільйон вхідних токенів, 4,25 долара за вихід, що відповідає закритій версії Muse Spark.

Ця ціна не є дешевою серед відкритих моделей, DeepSeek-V4.1-Flash у не піковий час коштує лише 0,75 долара за мільйон токенів, Xiaomi MiMo-V2.6-Pro - 1,305 долара, GLM-5.3 - 5,80 долара.

Muse Spark Open займає позицію між середнім і високим сегментами, а перевага вартості в основному проявляється в сценаріях самостійного розгортання - якщо компанія сама розгортає, то витрати на обчислення можуть бути нижчими, ніж виклики API.

03 Від ремонту iOS до монтажу відео

Параметри та бали - це лише дані на папері, справжня цінність Muse Spark Open проявляється в кількох реальних випадках використання.

Перший випадок використання, опублікований Meta, - це модифікація iOS-додатка.

Meta використала Muse Code (програмний агент на базі Muse Spark Open) для повної обробки Ice Cubes - відкритого клієнта Mastodon. Конкретні роботи включали виправлення помилок, додавання нових функцій, завершення повного складання.

Другий випадок використання - Muse Spark Open локально керує DaVinci Resolve для монтажу відео, переглядаючи матеріали кадр за кадром, знаходячи найяскравіші моменти, а потім обрізає їх у вертикальному форматі.

Традиційні інструменти допомоги в монтажі відео зазвичай виконують автоматичне додавання субтитрів, прості переходи та інші базові роботи, тоді як Muse Spark Open виконує "оцінку, які кадри найкращі", що є більш суб'єктивним рішенням, вона може переглядати кадри, розуміти зміст зображення, робити вибір, а потім безпосередньо працювати з професійним програмним забезпеченням для монтажу, щоб створити готовий продукт.

Якщо цей процес буде успішно реалізовано, це призведе до прямого підвищення ефективності для виробництва коротких відео, контент-креаторів та медіа-організацій.

Muse Spark Open також підтримує покупки через агентів. Інженер з машинного навчання Hugging Face Педро Куенка (Pedro Cuenca) поділився демонстрацією покупок на X, показуючи можливості Spark Open в агентських завданнях, використанні комп'ютера та мультимодальному інференції.

Конкретно кажучи, модель може безпосередньо керувати браузером, переглядати сайти електронної комерції, порівнювати товари, завершувати покупки. Сцена "AI допомагає вам купувати" обговорюється вже давно, але завжди обмежувалася здатністю моделі розуміти веб-сторінки та стабільністю операцій. Мультимодальне розуміння Spark Open та здатність виклику інструментів знизили поріг для реалізації таких застосувань.

Керівник з розробки Fireworks AI Софія Янг (Sophia Yang) продемонструвала ще один вражаючий спосіб - використання Spark Open для генерації коду кадр за кадром, створюючи повноцінну інтерактивну анімаційну веб-сторінку.

Користувачі можуть переглядати всю веб-сторінку, як ніби вони входять у сцену фільму, кожен кадр - це те, що модель пише в реальному часі. Ця демонстрація більше є технічним шоу, але вона демонструє можливості поєднання великих моделей локально та творчих інструментів.

Ці випадки використання є частиною повного плану Meta в сфері відкритих моделей.

У квітні цього року була випущена перша версія Muse Spark, у серпні - модель Glimmer з 30 мільярдами параметрів та ліцензією Apache 2.0, а на початку жовтня - більш просунуті Muse Wonder та Wonder Full. Тепер Spark Open доповнює цей ланцюг відкритих ваг, формуючи повну лінійку продуктів від малих локальних моделей до великих закритих моделей.

Ліцензійні угоди також були детально розроблені. Glimmer використовує повністю відкриту ліцензію Apache 2.0, а Spark Open - власну ліцензію Muse Model License - більшість розробників можуть використовувати безкоштовно, але якщо ваша компанія займається моделями як послугами і має річний дохід понад 20 мільйонів доларів, вам потрібно підписати окрему угоду з Meta.

Внутрішнє розгортання, дослідження та комерційні застосування, не пов'язані з моделями, не підпадають під обмеження. Це рішення дуже точне - використання всередині компанії не є проблемою, використання для створення власних продуктів також не є проблемою, але якщо ви хочете використовувати його для прямого продажу API, тоді потрібно обговорити розподіл доходів.

Цей контент надано лише для загальних інформаційних цілей і не є фінансовою, інвестиційною, юридичною чи податковою консультацією. Події, нагороди, онлайн-акцій або пов’язану інформацію, згадана тут, не слід розглядати як рекомендацію, прохання чи запрошення до купівлі, продажу, торгівлі чи інших операцій з криптоактивами. Криптоактиви є дуже волатильними та можуть призвести до збитків. Доступність послуг, продуктів WEEX та пов’язаних із ними подій може відрізнятися залежно від регіону. Ви несете відповідальність за забезпечення відповідності вашої участі чинному місцевому законодавству та нормативним актам.