Meta julkaisi torstaina Muse Spark Openin, avoimen painojen mallin, jota yhtiö kutsuu Yhdysvaltojen tehokkaimmaksi laatuaan. Malli on avoin versio Metan Muse Spark -mallista. Se on rakennettu koodaukseen ja pitkiin agenttitehtäviin, ja se ymmärtää tekstin lisäksi kuvia, ääntä ja videota.
Julkaisun erikoisuus on paikallinen ajo. Metan mukaan Muse Spark Open on ensimmäinen luokkansa malli, joka toimii työpöydällä kahdella Applen M5 Ultra -piirillä varustetulla Mac Studiolla. Kyse ei siis ole pelkästä pilvipalvelusta, vaan mallista, jonka voi halutessaan pitää kokonaan omissa käsissään.
Ajoitus on kiinnostava. Meta esitteli vasta kolme päivää aiemmin suljetun Muse Wonder -kärkimallinsa, ja nyt yhtiö jakaa samaan perheeseen kuuluvan mallin painot kaikille. Tiedot perustuvat Metan tutkimusblogiin ja Hugging Facen tekniseen julkaisuun.
816 miljardia parametria, joista 42 miljardia töissä
Muse Spark Open on Mixture of Experts (MoE) -malli. Siinä on yhteensä noin 816 miljardia parametria, mutta kunkin tokenin laskentaan osallistuu vain noin 42 miljardia. Jokaisessa kerroksessa on 256 asiantuntijaverkkoa, joista reititin valitsee kahdeksan.
Asiantuntijat sisältävät noin 97 prosenttia mallin parametreista. Käytännössä malli vaatii muistia kuin 816 miljardin parametrin malli, mutta se laskee yhtä nopeasti kuin huomattavasti pienempi 42 miljardin malli. Kielimallissa on 62 kerrosta, ja huomiomekanismi käyttää ryhmitettyä kyselyhuomiota, joka pitää välimuistin kohtuullisena.
Kontekstiikkuna on miljoona tokenia, ja siihen mahtuvat myös kuva-, video- ja äänitokenit. Kuvat ja videokuvat kulkevat 1,8 miljardin parametrin havaintokooderin kautta. Äänikooderi tuottaa yhden tokenin 80 millisekunnin välein, eli kymmenen sekunnin äänite vie 125 tokenia.
Täysikokoinen BF16-tarkistuspiste vie noin 1,5 teratavua. Sen ajaminen vaatii Hugging Facen mukaan neljä kahdeksan H200-näytönohjaimen solmua. Nvidian Blackwell-piireille tarkoitettu 4-bittinen NVFP4-versio mahtuu yhteen B200-solmuun lähes ilman tarkkuuden menetystä.
Kaksi Mac Studiota riittää paikalliseen ajoon
Meta optimoi mallin Applen MLX-kehykselle. M5 Ultra -piirin yhtenäisen muistin ansiosta näytönohjain voi käyttää jopa 512 gigatavua muistia Mac Studiota kohden. Kaksi konetta yhdessä tarjoaa teratavun muistia, mikä riittää koko mallin lataamiseen.
Metan mukaan piirin 1,2 teratavun sekuntinopeus riittää lukemaan sen pienen osan mallista, jota kukin token tarvitsee. Juuri tässä MoE-rakenne näyttää vahvuutensa: koko malli on muistissa, mutta jokaisella askeleella siitä luetaan vain murto-osa.
Pienemmilläkin koneilla pääsee alkuun, kun malli pakataan voimakkaasti. Hugging Facen testeissä 2-bittinen versio pyöri llama.cpp:llä M3 Ultra -koneessa, jossa on 512 gigatavua muistia, noin 18 tokenin sekuntinopeudella. Malli vei tilaa 304 gigatavua. MLX:n 3-bittinen versio tuotti noin 21 tokenia sekunnissa ja vei 344 gigatavua.
Kuluttajan läppäriin malli ei siis mahdu. Paikallinen ajo on kuitenkin nyt mahdollista yritykselle, joka haluaa pitää lähdekoodin ja datan omissa tiloissaan ilman konesalia.
Rakennettu koodaukseen ja agenttityöhön
Meta kertoo kouluttaneensa mallin todellisilla kehittäjien työnkuluilla, kuten usean tiedoston uudelleenrakennuksilla ja pitkillä virheenjäljityssessioilla. Malli suunnittelee, toimii, tarkkailee tuloksia ja korjaa omaa toimintaansa pitkissä tehtävissä. Se osaa myös kutsua työkaluja ja selata verkkoa kuvien avulla.
Monimuotoisuus tuo koodaukseen uusia mahdollisuuksia. Sama malli voi lukea kuvakaappauksen, kuunnella ääniviestin tai katsoa näyttötallenteen samalla, kun se muokkaa koodia. Hugging Facen esimerkissä malli loi Three.js-kirjastolla kolmiulotteisia malleja, otti niistä kuvakaappauksia ja paransi koodia oman visuaalisen palautteensa perusteella.
Meta testasi mallia kokonaan laitteella yhtiön Muse Code -koodausterminaalin kanssa. Malli toteutti avoimen lähdekoodin Ice Cubes -Mastodon-sovellukseen virhekorjauksia ja uusia ominaisuuksia täydellä käännöksellä. Toisessa kokeessa se ohjasi DaVinci Resolve -videoeditoria, kävi läpi kuvamateriaalia ruutu ruudulta ja rajasi parhaat kohdat pystymuotoon.
Päättelyä ei voi kytkeä pois päältä. Kehittäjä voi kuitenkin säätää päättelyn tasoa neljällä portaalla matalasta erittäin korkeaan. Oletuksena on korkein taso, joten helpommissa tehtävissä matalampi asetus säästää tokeneita.
Saatavuus ja lisenssiehdot
Malli on saatavilla heti useiden rajapintapalveluiden kautta. Metan listalla ovat muun muassa Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter ja Together AI. Painot voi ladata Hugging Facesta, Amazon SageMakerista, Google Cloudin Model Gardenista ja Microsoft Foundrysta.
Ajoon käyvät yleisimmät inferenssimoottorit, kuten vLLM, SGLang, TensorRT-LLM, Transformers, llama.cpp ja MLX. Hienosäätö onnistuu esimerkiksi Hugging Facen TRL-kirjastolla, jolla LoRA-sovittimia voi kouluttaa huomiokerroksiin asiantuntijaverkkojen pysyessä jäädytettyinä.
Avoimuudella on kuitenkin rajansa. Painot julkaistaan Muse Model License -lisenssillä, jonka kaupalliset ehdot ovat rajatut. Meta kertoo, että ehdot sallivat monille kehittäjille maksuttoman käytön. Yritysten kannattaa silti lukea lisenssi tarkasti ennen tuotantokäyttöä.
Turvallisuuden osalta Meta kertoo tehneensä avoimelle mallille lisää turvallisuuskoulutusta. Yhtiön mukaan malli täytti sen omat julkaisukriteerit vakavimpien riskien osalta. Täydellinen arviointiraportti on luvattu myöhemmin.
Yhteenveto
Muse Spark Open on Metan mukaan tähän mennessä tehokkain yhdysvaltalainen avoimen painojen malli. Se yhdistää 816 miljardin parametrin MoE-rakenteen, miljoonan tokenin kontekstin ja tekstin, kuvan, äänen ja videon ymmärtämisen. Pääpaino on koodauksessa ja agenttityössä.
Merkittävin muutos on paikallisuus. Kahden Mac Studion kokoonpanolla kärkiluokan agenttimallia voi ajaa ilman pilveä, mikä kiinnostaa erityisesti yrityksiä, joiden koodi tai data ei saa poistua talosta.
Rajoitetut kaupalliset ehdot ja pakatussakin muodossa satojen gigatavujen muistivaatimus pitävät kynnyksen silti korkeana. Suomalaiselle kehitystiimille realistisin aloitus on kokeilla mallia jonkin rajapintapalvelun kautta ennen kuin laitteisiin investoidaan.