Meta wraca do otwartych modeli z Muse Spark Open

Po serii Llama Meta ponownie stawia na otwarte wagi. Firma zaprezentowała Muse Spark Open, który według jej własnych deklaracji jest najzdolniejszym amerykańskim modelem tego typu. Narzędzie powstało z myślą o kodowaniu oraz zadaniach agentowych, a jego możliwości mają pozwolić na pracę z tekstem, obrazem, wideo i dźwiękiem w ramach jednego systemu.

To wyraźny sygnał, że Meta nie zamierza oddawać pola chińskim projektom open-weight. Muse Spark Open ma konkurować bezpośrednio z rozwiązaniami takimi jak Qwen, GLM czy Kimi, a jednocześnie pozostaje wyraźnie oddzielony od płatnej linii Muse Wonder Full.

Co dokładnie oferuje Muse Spark Open

Nowy model Meta wyróżnia się skalą. Mowa o 816 miliardach parametrów, z czego 42 miliardy pozostają aktywne w trakcie działania. Taka architektura pozwala łączyć dużą pojemność wiedzy z kontrolowanym zapotrzebowaniem na zasoby obliczeniowe.

Długi kontekst i praca z wieloma formatami

Muse Spark Open obsługuje kontekst sięgający miliona tokenów. W praktyce oznacza to możliwość analizowania bardzo obszernych dokumentów, długich rozmów czy złożonych repozytoriów kodu bez konieczności dzielenia ich na mniejsze fragmenty. Model radzi sobie również z danymi multimodalnymi – poza tekstem przetwarza obrazy, nagrania wideo oraz pliki audio.

Optymalizacja pod sprzęt Apple

Meta podkreśla, że Muse Spark Open został dostrojony pod układ M5 Ultra. Model ma działać lokalnie na dwóch komputerach Mac Studio, z których każdy dysponuje 512 GB pamięci zunifikowanej. To istotna informacja dla osób i firm, które chcą uruchamiać zaawansowane modele bez wysyłania danych do chmury.

Jak wypada na tle konkurencji

Meta porównała Muse Spark Open z kilkoma otwartymi modelami, w tym Inkling, Nemotron 3 Ultra, Qwen 3.8, GLM 5.3 oraz Kimi K3. Testy prowadzono na zestawach JobBench, MCP-Atlas, HLE-Diamond i ZeroBench.

Mocne strony: agenty, wiedza i multimodalność

Według wyników podanych przez Meta nowy model prowadzi w kategoriach związanych z zadaniami agentowymi, wiedzą i rozumowaniem oraz przetwarzaniem wielu formatów danych. To obszary, które w ostatnich miesiącach zyskują na znaczeniu, zwłaszcza w kontekście automatyzacji procesów biznesowych.

Gdzie ustępuje rywalom

Nie wszystkie wyniki są jednak korzystne. W benchmarkach dotyczących kodowania Muse Spark Open wypada słabiej od części konkurentów. Meta przyznaje też, że model wciąż pozostaje daleko za jej płatnymi rozwiązaniami z linii Muse Wonder Full. To pokazuje, że otwarta wersja nie jest po prostu odchudzoną kopią komercyjnego produktu, lecz osobnym projektem o innych priorytetach.

Licencja i dostępność

Wagi modelu trafiły na Hugging Face. Licencja pozwala na bezpłatne korzystanie, ale nakłada jeden warunek – wymaga oznaczenia „Built with Muse Spark Open”. To rozwiązanie zbliżone do tego, które stosują inne firmy udostępniające swoje modele szerokiemu gronu odbiorców.

Warunki dla dużych dostawców API

Meta wprowadziła dodatkowe zastrzeżenie dla podmiotów komercyjnych. Dostawcy, których przychody przekraczają 20 milionów dolarów rocznie i którzy chcą oferować Muse Spark Open jako usługę API, muszą podpisać osobne porozumienie z firmą. To próba zachowania kontroli nad sposobem monetyzacji modelu przy jednoczesnym utrzymaniu otwartego charakteru projektu.

Szczegóły techniczne i pełne wyniki benchmarków Meta opisała we wpisie na swoim blogu badawczym.

Co to oznacza dla rynku otwartych modeli

Powrót Meta do otwartych wag po doświadczeniach z Llamą to istotny ruch w trwającym wyścigu. Chińskie modele, takie jak Qwen, GLM czy Kimi, przez ostatnie miesiące regularnie pojawiały się na czele rankingów open-weight. Muse Spark Open ma być amerykańską odpowiedzią na tę tendencję.

Jednocześnie deklaracja Meta o pozostawaniu w tyle za własnymi płatnymi modelami pokazuje, że firma nie zamierza kanibalizować komercyjnej oferty. Otwarta wersja ma przyciągać społeczność, badaczy i mniejsze firmy, podczas gdy zaawansowane zastosowania pozostają w płatnej linii Muse Wonder Full.

Dla polskich zespołów pracujących nad AI to okazja do testowania dużego modelu multimodalnego bez ponoszenia kosztów licencyjnych. Warto jednak pamiętać o wymogu oznaczenia oraz o ograniczeniach w komercyjnym udostępnianiu przez API. Kluczowe pytanie brzmi, czy Muse Spark Open rzeczywiście zbliży się do czołówki w zadaniach kodowania, czy pozostanie narzędziem specjalizującym się w agentach i pracy z wieloma formatami danych.