Meta wprowadza "najsilniejszy model open source w USA"

CEO Meta, Mark Zuckerberg. Zdjęcie przetworzone przez AI

Autor: Su Yang

Redaktor: Xu Qingyang

15 października czasu lokalnego w USA, Meta oficjalnie zaprezentowała Muse Spark Open, model mieszanych ekspertów z 816 miliardami parametrów całkowitych i 42 miliardami aktywnych parametrów, jednocześnie udostępniając pobieranie wag.

Jest to najsilniejszy jak dotąd model wag open source w USA, natywnie obsługujący wejścia multimodalne, z oknem kontekstowym osiągającym 1 milion tokenów.

Laureat Nagrody Turinga, były główny naukowiec AI w Meta, Yang Likun, "z entuzjazmem" ocenił model.

01 Dwie "jabłka" wystarczą

Meta twierdzi, że współpracowała z Apple w celu optymalizacji, a dwie maszyny M5 Ultra Mac Studio mogą w pełni uruchomić cały model.

Dokładna konfiguracja to dwie maszyny M5 Ultra Mac Studio, które współpracują za pomocą frameworka MLX, osiągając łącznie 1 TB pamięci. Pamięć M5 Ultra ma przepustowość 1,2 TB na sekundę, co może wspierać prędkość odczytu małych fragmentów potrzebnych dla każdego tokena.

Sam model wykorzystuje architekturę mieszanych ekspertów, z 816 miliardami parametrów całkowitych, z których aktywowane są 42 miliardy przy każdym uruchomieniu. Oznacza to, że ilość parametrów rzeczywiście wykorzystywanych podczas wnioskowania jest znacznie mniejsza niż całkowita skala, ale pełne wagi nadal muszą być załadowane do pamięci. Model oznaczony wersją NVFP4 wymaga co najmniej 700 GB pamięci akceleratora, podczas gdy wersja BF16 potrzebuje 2 TB.

Dlatego dwie maszyny Mac Studio z 512 GB pamięci są na granicy możliwości pomieszczenia skompresowanych wag.

Natywne multimodalne wejście to kolejny kluczowy punkt Muse Spark Open.

Model akceptuje cztery rodzaje wejść: tekst, obraz, wideo i dźwięk, a wynik to tekst. Nie jest to model multimodalny generujący - nie potrafi rysować, generować wideo ani syntetyzować dźwięku, jego zdolności polegają na rozumieniu i analizowaniu informacji z różnych modalności. Programiści mogą kazać mu oglądać zrzuty ekranu, słuchać nagrań, analizować klatki wideo, a następnie podejmować decyzje na podstawie poleceń tekstowych. Dla zautomatyzowanych przepływów pracy ta zdolność rozumienia jest bardziej praktyczna niż zdolność generowania.

Oprócz chipów Apple, Muse Spark Open obsługuje również popularne silniki wnioskowania i platformy sprzętowe. SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, MLX, llama.cpp, Unsloth są już dostosowane, a chipy AMD, Apple, Intel i NVIDIA mogą działać.

Meta dostarcza również własne rdzenie GPU Helion, które mogą przynieść przyspieszenie na poziomie od 1,03 do 3,95 razy na SGLang, a na AMD MI350 przyspieszenie end-to-end wynosi 3%.

02 Wartość "najsilniejszego w USA"

Meta wielokrotnie podkreślała "najsilniejszy model wag open source w USA".

W tabeli wyników opublikowanej przez Meta, Muse Spark Open prowadzi w testach benchmarkowych z użyciem narzędzi JobBench i MCP-Atlas, zdobywając odpowiednio 61,8 i 89,2 punkty, przewyższając konkurentów takich jak GLM 5.3, Kimi K3 i Qwen3.8.

W teście wnioskowania HLE-Diamond bez narzędzi również uzyskał 26,1 punktu, co daje mu przewagę. W wizualnej ocenie z narzędziami, ZeroBench uzyskał 50 punktów, a SimpleVQA 73,6 punktów, również plasując się na czołowej pozycji.

Amerykański naukowiec AI Nathan Lambert stwierdził, że długo czekał na konkurencyjność amerykańskich modeli open source i teraz w końcu widzi nadzieję.

CEO Box, Aaron Levie, również uważa, że to duży postęp dla amerykańskiej społeczności open source, ponieważ firmy mogą teraz łączyć - używać nowoczesnych modeli do orkiestracji i zadań wyższego rzędu, a niskokosztowych modeli do powtarzalnych przepływów pracy.

Głosów poparcia jest wiele, ale braki są również wyraźne.

W teście kodowania końcowego Terminal-Bench 2.1, Muse Spark Open uzyskał 76,4 punkty, co jest poniżej 83,9 punktów GLM 5.3 i 85,0 punktów Kimi K3.

W zadaniach inżynieryjnych oprogramowania DeepSWE 1.1, wynik 60 punktów również jest gorszy od GLM i Kimi, które uzyskały odpowiednio 67 i 68 punktów.

W ocenie pracy wiedzy ogólnej GDPVal-AA v2, Muse Spark Open uzyskał 1401 punktów, co jest w tyle za GLM 5.3 z 1653 punktami, Qwen3.8 z 1613 punktami i Kimi K3 z 1537 punktami.

Inteligentny wskaźnik dostarczony przez zewnętrzna instytucja testowa Artificial Analysis również dostarcza odniesienia.

Według ich publicznej listy, Muse Spark Open (tryb Xhigh) uzyskał 39 punktów, Xiaomi MiMo-V2.6-Pro około 46 punktów, GLM-5.3 około 45 punktów, Kimi K3 około 44 punkty, GLM-5.3-Flash około 42 punkty, Alibaba Qwen3.8 2.4T A95B około 40 punktów.

Oznacza to, że co najmniej sześć opublikowanych modeli open source ma wyższe oceny ogólne niż Muse Spark Open, a wszystkie pochodzą od chińskich producentów.

W ciągu ostatniego roku liczba pobrań chińskich modeli open source przekroczyła modele amerykańskie, a 60% tokenów w żądaniach pochodzących z USA na OpenRouter jest przetwarzanych przez modele open source, z czego większość pochodzi z chińskich laboratoriów. Publikacja Meta stanowi nowy punkt odniesienia w amerykańskim ekosystemie open source.

Jeśli chodzi o ceny, Together AI ogłosiło, że cena API Muse Spark Open wynosi 1,25 USD za milion tokenów wejściowych i 4,25 USD za wyjściowe, co jest równoznaczne z ceną zamkniętej wersji Muse Spark.

Ta cena nie jest tania wśród modeli open source, DeepSeek-V4.1-Flash w godzinach poza szczytem kosztuje tylko 0,75 USD za milion tokenów, Xiaomi MiMo-V2.6-Pro to 1,305 USD, a GLM-5.3 to 5,80 USD.

Muse Spark Open jest pozycjonowany pomiędzy średnią a wysoką półką, a jego przewaga kosztowa polega głównie na scenariuszach samodzielnego hostingu - jeśli przedsiębiorstwa wdrożą go samodzielnie, mogą uzyskać lepszą opłacalność niż przy wywołaniach API.

03 Od naprawy iOS do edycji wideo

Parametry i wyniki to tylko dane na papierze, a prawdziwą wagę odczuwają użytkownicy w kilku rzeczywistych zastosowaniach Muse Spark Open.

Pierwszym przypadkiem użycia zaprezentowanym przez Meta jest modyfikacja aplikacji iOS.

Meta użyła Muse Code (inteligentnego agenta programistycznego opartego na Muse Spark Open) do lokalnego przetworzenia Ice Cubes - otwartego klienta Mastodon. Konkretne prace obejmowały naprawę błędów, dodawanie nowych funkcji i pełne budowanie.

Drugim przypadkiem użycia jest lokalne sterowanie DaVinci Resolve do edycji wideo, przeglądanie materiału klatka po klatce, znajdowanie najciekawszych fragmentów, a następnie przycinanie do formatu pionowego.

Tradycyjne narzędzia do edycji wideo zazwyczaj zajmują się automatycznym dodawaniem napisów i prostymi przejściami, podczas gdy Muse Spark Open podejmuje bardziej subiektywne decyzje, takie jak "które ujęcia są najlepsze". Może przeglądać klatka po klatce, rozumieć treść obrazu, podejmować decyzje i bezpośrednio operować profesjonalnym oprogramowaniem do edycji, aby wyprodukować gotowy produkt.

Jeśli ten proces się powiedzie, przyniesie to bezpośrednie korzyści w zakresie wydajności dla produkcji krótkich filmów, twórców treści i instytucji medialnych.

Muse Spark Open obsługuje również zakupy za pomocą inteligentnych agentów. Inżynier uczenia maszynowego Hugging Face, Pedro Cuenca, podzielił się na X demonstracją zakupów, pokazując możliwości Spark Open w zadaniach związanych z inteligentnymi agentami, użytkowaniem komputerów i wnioskowaniem multimodalnym.

Mówiąc konkretnie, model może bezpośrednio obsługiwać przeglądarkę, przeglądać strony e-commerce, porównywać produkty i dokonywać zakupów. Scenariusz "AI pomaga ci w zakupach" był omawiany od dawna, ale zawsze był ograniczony przez zdolność modelu do rozumienia stron internetowych i stabilność operacji. Multimodalne zrozumienie i zdolność do wywoływania narzędzi w Spark Open obniżają próg realizacji takich aplikacji.

Sofia Yang, kierownik ds. relacji z deweloperami Fireworks AI, zaprezentowała jeszcze bardziej efektowną funkcjonalność - generowanie kodu klatka po klatce za pomocą Spark Open, tworząc kompletną interaktywną stronę internetową.

Użytkownicy mogą przeglądać całą stronę jak w filmie, każda klatka jest na bieżąco pisana przez model. Ta demonstracja to bardziej pokaz technologii, ale pokazuje możliwości połączenia lokalnych dużych modeli z narzędziami kreatywnymi.

Za tymi przypadkami użycia stoi kompleksowy plan Meta dotyczący modeli open source.

W kwietniu tego roku zaprezentowano pierwszą generację Muse Spark, w sierpniu wydano model Glimmer z 30 miliardami parametrów i protokołem Apache 2.0, a na początku października zaprezentowano bardziej zaawansowane modele Muse Wonder i Wonder Full. Teraz Spark Open uzupełnia tę lukę w wagach open source, tworząc kompletną linię produktów od małych lokalnych modeli do dużych modeli zamkniętych.

Umowy licencyjne również zostały szczegółowo opisane. Glimmer korzysta z całkowicie otwartego protokołu Apache 2.0, a Spark Open z własnej licencji Muse Model - większość deweloperów może korzystać z niej za darmo, ale jeśli twoja firma zajmuje się modelem jako usługą i rocznymi przychodami przekraczającymi 20 milionów dolarów, musisz podpisać dodatkową umowę z Meta.

Wdrożenia wewnętrzne, badania i komercyjne zastosowania niezwiązane z modelami nie są objęte ograniczeniami. Ten projekt jest bardzo precyzyjny - użycie wewnętrzne w firmie nie stanowi problemu, a wykorzystanie go do własnych produktów również jest dozwolone, ale jeśli chcesz go sprzedawać jako API, musisz negocjować podział zysków.

Niniejsza treść ma charakter wyłącznie informacyjny i nie stanowi porady finansowej, inwestycyjnej, prawnej ani podatkowej. Wszelkie wydarzenia, nagrody, promocje online lub powiązane informacje, o których tu mowa, nie powinny być traktowane jako rekomendacja, zachęta ani zaproszenie do kupna, sprzedaży, wymiany lub innego rodzaju obrotu aktywami kryptograficznymi. Aktywa kryptograficzne charakteryzują się dużą zmiennością i mogą prowadzić do strat. Dostępność usług, produktów i powiązanych wydarzeń WEEX może się różnić w zależności od regionu. Użytkownik jest odpowiedzialny za upewnienie się, że jego udział jest zgodny z obowiązującymi lokalnymi przepisami i regulacjami.