Przejdź do treści

Muse Spark Open: Meta publikuje wagi. Co można zrobić z najmocniejszym otwartym modelem z USA?

Adam Marzec

Aktualizacja: 21 października 2026

Karta techniczna Muse Spark Open z liczbą 816 mld parametrów, plakietką otwarte wagi i oznaczeniem kontekstu miliona tokenów

Meta opublikowała piętnastego października wagi Muse Spark Open, otwartego członka dotąd zamkniętej rodziny Spark, która napędza agenta Muse i siedzi w Meta Model API. To sieć o 816 miliardach parametrów, z których przy każdym tokenie pracuje 42 miliardy, z kontekstem miliona tokenów i wejściem przyjmującym tekst, obrazy, wideo oraz dźwięk. Pobrać ją może każdy z Hugging Face, ale żeby ją odpalić, trzeba mieć od 700 GB pamięci na kartach graficznych, więc dla większości ludzi realna droga prowadzi przez API partnerów, gdzie OpenRouter rozlicza model od 1,25 dolara za milion tokenów wejścia i 4,25 dolara za wyjście. Modelu nie uruchamialiśmy sami, tekst powstaje z dokumentacji Mety, jej cennika, karty modelu i dyskusji deweloperów z dnia premiery, a każda nośna liczba ma źródło w wykazie na końcu.

*Aktualizacja, 17.10.2026: Apple opublikowało pomiary wydajności MLX na klastrach Mac Studio, a społeczność przygotowała pierwsze kwantyzacje GGUF i MLX. Sekcja „Jak (nie) uruchomić tego w domu” ma teraz liczby tokenów na sekundę i wykaz kwantyzacji.*

Najważniejsze informacje

Tabela zbiera liczby, którymi dysponujemy w dniu premiery. Stawki pochodzą z OpenRoutera i cennika Mety odczytanych piętnastego października, wymagania sprzętowe z karty modelu na Hugging Face, a wyniki testów z tabeli samego producenta, co trzeba brać pod uwagę przy każdej wartości w tej sekcji.

CoSzczegóły
Wagi816 mld parametrów, przy każdym tokenie aktywne 42 mld (architektura mieszanki ekspertów)
Kontekst1 mln tokenów; wejście: tekst, obraz, wideo, audio; wyjście: tekst
LicencjaMuse Model License: użycie bezpłatne z warunkami; firmy z przychodem ponad 20 mln USD z modelu jako usługi potrzebują osobnej umowy z Metą
API1,25 USD za 1 mln tokenów wejścia i 4,25 USD za wyjście przez partnerów (OpenRouter, 15.10); we własnym Meta Model API modelu nie ma
Sprzętod 700 GB VRAM w wariancie NVFP4 albo 2 TB w BF16; na sprzęcie Apple: dwa Mac Studio z układem M5 Ultra po 512 GB, wariant z czterema studiami mierzony przez Apple na ponad 36 tok./s (odczyt 17.10)
Benchmarkitabela producenta: przód w zadaniach agentowych, w kodowaniu za Kimi K3, GLM 5.3 i Beamem
Datawagi opublikowane 15.10.2026, razem z dokumentacją deweloperską i przewodnikiem wdrożenia

Co dokładnie Meta wypuściła

Spark Open wywodzi się z sierpniowej generacji rodziny Spark, a różni się od pierwowzoru dodatkowym post-trainingiem bezpieczeństwa, który ma go przygotować na pracę samodzielnego modelu, bez systemowych zabezpieczeń wokół. Firma oceniła go według własnej ramki Meta Superintelligence Scaling Framework i informuje, że progi wymagane do publikacji zostały spełnione we wszystkich badanych kategoriach ryzyka, pełny raport ewaluacji ma być dostępny później. Karta modelu dodaje, że Meta i tak zaleca wdrażanie go z dodatkowymi zabezpieczeniami dopasowanymi do konkretnego zastosowania.

Architektura to mieszanka ekspertów: 256 specjalistycznych podsieci, z których przy każdym tokenie uruchamia się osiem. Przekłada się to na praktykę prosto, pojemność modelu jest duża, a rachunek za generowanie rośnie wolniej, niż wynikałoby z liczby 816 mld, bo płaci się tylko za aktywne 42 mld. Kontekst miliona tokenów pozwala wczytać duże repozytorium albo setki stron dokumentacji w jednej rozmowie, a do pracy agentowej Meta dokłada osobny kanał komentarza, w którym model zdradza intencje, zanim zacznie działać. Firma chwali się przy okazji dwiema demonstracjami na własnym sprzęcie: agent Muse Code napędzany Spark Openem wpuszczał realne zmiany do mobilnego klienta Mastodona Ice Cubes, od poprawek po pełny build, oraz sterował montażem w DaVinci Resolve, przeglądając materiał klatka po klatce.

To drugi otwarty członek rodziny Muse. Mniejszy Glimmer, model o 30 mld parametrów, Meta trzyma z otwartymi wagami na licencji Apache 2.0 od sierpnia, a zamknięty Wonder, zaprezentowany dwunastego października, wag nie dostał. Kolej jest więc wyraźna: we wrześniu pisaliśmy o odwróceniu firmy od otwartych Llam i zamknięciu rodziny Spark (Muse, agent AI od Meta), dziś otwarcie dostaje mocniejszy model, choć wciąż nie ten najmocniejszy.

Co mówi tabela benchmarków

Komunikat premiery otwiera deklaracja o najmocniejszym otwartym modelu z USA w historii. W tabeli stoją za nią konkretne nazwiska: Inkling, Nemotron 3 Ultra od Nvidii, Beam od Reflection AI, startupu, który 501-miliardowy model otwarcia wag doczekał dziesiątego października, europejski Mistral Large 4 i chińska czołówka w postaci Qwen3.8, GLM 5.3 oraz Kimi K3. Deklaracja mówi o modelach z USA, więc chińskie konkurenty formalnie jej nie obalają, ale to właśnie one wyznaczają poziom, o który naprawdę chodzi.

Odczyt tabeli jest uczciwy w obie strony. W zadaniach agentowych i wiedzowych Spark Open wychodzi na czele stawki, w kodowaniu ustępuje Kimi K3, GLM 5.3 i Beamowi.

BenchmarkMuse Spark OpenLider tabeli
MCP-Atlas (agentic)89,2Muse Spark Open
JobBench (agentic)61,8Muse Spark Open (GLM 5.3: 61,4)
HLE-Diamond (wiedza)26,1Muse Spark Open
SciCode (nauka, kod)58,5Kimi K3 (59,5)
Terminal-Bench 2.1 (kod)76,4Kimi K3 (85,0)
GDPval-AA v2 (praca zawodowa)1401GLM 5.3 (1653)

W sekcji multimodalnej Meta z kolei wygrywa ZeroBench 50,0 wobec 41,0 dla Kimi K3, przy czym połowa konkurentów tej kategorii w ogóle nie wspiera. Całość zastrzega ustawienie rozumowania xhigh i pochodzi od strony zainteresowanej, metodologia liczenia jest linkowana osobno, a niezależnego pomiaru Artificial Analysis w wieczór premiery nie było, karta modelu istnieje, ale bez liczb. Wątek na Hacker News dobił do blisko trzystu punktów, a komentujący układali się w dwa obozy: jedni dziękowali za powrót Mety do otwartych wag, drudzy przypominali, że chińscy konkurenci w tabeli wyglądają na tańszych w prowadzeniu.

Wagi otwarte, ale open source to nie to samo

Licencja nazywa się Muse Model License i pozwala używać modelu bezpłatnie, także komercyjnie, w tym modyfikować, dostrajając go na własnych danych, destylować i łączyć z innymi. Trzy warunki odróżniają ją od pełnego open source. Po pierwsze, każdy produkt zbudowany na modelu albo jego pochodnych ma nosić w interfejsie napis „Built with Muse Spark Open”. Po drugie, obowiązuje polityka użycia z listą zakazów, od zastosowań wojskowych po generowanie złośliwego kodu. Po trzecie, firma, która sprzedaje dostęp do modelu jako usługi i zbiera na niej i swoich podmiotach powiązanych ponad 20 mln dolarów przychodu w dowolnym łącznym okresie dwunastu miesięcy, musi zawrzeć z Metą osobną umowę. Dla Europy stroną licencji jest irlandzki oddział Mety.

Komentujący na Hacker News od rana spierali się o nazewnictwo, zwracając uwagę, że licencje z warunkami markowymi i progiem przychodów nie spełniają definicji open source, a obowiązek osobnych rozmów dla dużych dostawców inferencji bywa uważany za hamulec konkurencji cenowej. Ten wzorzec Meta zna od lat licencji Llamy, więc zaskoczenia nie ma, różnica polega na skali: tym razem zamknięta pozostaje tylko droga do sprzedawania modelu dalej, nie samo budowanie na nim. W tle przypomnijmy, że Glimmer ma licencję Apache 2.0 bez żadnych progów, a Mistral zapowiedział otwarcie wag Large 4 do końca października, nie nazwawszy jeszcze licencji; rozpisaliśmy to szerzej w tekście o otwartych modelach AI.

Ile kosztuje i skąd go wziąć

Wagi są bezpłatne. Na Hugging Face stoi karta modelu z zastrzeżeniem, że pobranie wymaga podania pełnego imienia i nazwiska oraz daty urodzenia, obok niej warianty BF16 i kwantyzowany NVFP4, a poza Hugging Face wagi trafiły do katalogów Amazona, Google Cloud i Microsoftu. Do samodzielnego serwowania dokumentacja wymienia SGLang, vLLM, TensorRT-LLM, Transformers, MLX, llama.cpp i Unsloth, ten ostatni z przygotowanymi kwantyzacjami GGUF.

Droga abonamentowa prowadzi przez siedmiu partnerów hostingowych: Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter i Together AI. OpenRouter rozlicza model od pierwszego dnia, 1,25 dolara za milion tokenów wejścia i 4,25 za wyjście przy pełnym kontekście, z kilkoma dostawcami do wyboru i przepustowością rzędu stu tokenów na sekundę. Własnego API Mety tu nie ma: cennik Meta Model API odczytany piętnastego października wymienia Wondera i Sparki 1.1 do 1.3, Spark Open w tabeli nie figuruje, więc nie ma też trybu Contributor, w którym zamknięty Spark 1.3 kosztuje 0,10 dolara za wejście i 0,20 za wyjście w zamian za zgodę na trenowanie na treściach użytkownika. Standardowa stawka Sparka 1.3 jest zresztą identyczna jak stawka Sparka Otwartego, więc wybór między nimi to pytanie o potrzebę posiadania wag, nie o cenę. Taniej niż z darmowych wag bywa tylko wtedy, gdy za tanią stawkę zapłacisz danymi.

Jak (nie) uruchomić tego w domu

Karta modelu podaje progi bez owijania: wariant NVFP4 potrzebuje układu z co najmniej 700 GB pamięci, BF16 dwóch terabajtów. Ścieżka domowa istnieje wyłącznie na sprzęcie Apple i wygląda tak: dwa Mac Studio z układem M5 Ultra w konfiguracji 512 GB, połączone Thunderboltem 5 z RDMA, trzymają kwantyzowaną wersję modelu w łącznym terabajcie spójnej pamięci, przy czym Meta nazywa ten zestaw najlepszym sposobem, by uruchomić taki model na własnym biurku. Apple figuruje w dokumentacji deweloperskiej wśród partnerów, z którymi przygotowano wsparcie w dniu premiery, razem z NVIDIĄ, Intelem, AMD i twórcami frameworków. Zestawu nie kupi się w sklepie za jedną transakcją, a sprzęt jest z półki, na której mieszczą się pojedyncze karty graficzne do serwerowni, więc mówimy o pracowni firmy albo o bardzo zdeterminowanym entuzjaście.

Pierwszy pomiar tej ścieżki przyszedł od Apple. We wpisie o lokalnym i rozproszonym wnioskowaniu w MLX Apple pokazuje Muse Spark Open działający na klastrze z czterech Mac Studio z układem M5 Ultra, połączonych RDMA po Thunderbolcie: ponad 36 tokenów na sekundę dekodowania przy kontekście 8192 tokenów, z rozdziałem potokowym na dwóch maszynach albo tensorowym na dwóch i czterech. Wersję MLX z obsługą modelu wydano tego samego dnia, a pomiar korzysta z pakietu MLX LM. Dorabia też społeczność: kwantyzacje GGUF przygotowali Unsloth i ggml-org, a mlx-community trzyma warianty 4-bitowy i 3-bitowy. Barierą przestaje być format, zostaje rozmiar, bo mocno ściśnięte osiemset miliardów parametrów to wciąż sprzęt z górnej półki. Wątek o wpisie Apple zebrał 323 punkty przy odczycie 17 października.

Dla typowego komputera, także tego z dobrą kartą graficzną, pozostaje API, a dla rozsądnych zastosowań domowych mniejsze modele, którymi żywi się nasz hub o lokalnym AI. Do czasu, aż wyrosną o rząd wielkości mniejsze kwantyzacje o zbliżonych możliwościach, Spark Open pozostaje modelem serwerowym.

Co z tego dla Polski

Programistycznie wszystko działa od dziś: konto na OpenRouterze załatwia dostęp w jednym rozliczeniu, tak jak przy premierze Wondera, a pobranie wag z Hugging Face nie wymaga niczego poza formularzem zgody. Aplikacja Muse to osobna historia, nadal działa wyłącznie na macOS w USA i Kanadzie, a Spark Open jest przecież modelem, nie aplikacją, więc europejskiego czekania to nie skraca. Interfejsów rozmowy z modelem po polsku nie potwierdzono, karta mówi tylko o danych treningowych z ponad stu języków, bez wykazu, a dokumentacja API partnerów nie wymienia obsługiwanych krajów.

Jest i stały punkt naszych tekstów o Muse: fraza „muse spark pobierz” w podpowiedziach Google była piętnastego października jeszcze pusta, sprawdziłem o 21 czasu polskiego. Gdy zrobi się gorąco, obok oficjalnych źródeł, czyli ai.meta.com, strony meta-models na Hugging Face i dev.meta.ai, wyrrosną instalatory z niespodzianką, dokładnie ten wektor, który Patrick Wardle pokazał na przykładzie samego agenta Muse we wrześniu (Muse, agent AI od Meta). Wagi modelu pobiera się z jednoznacznie adresowanych stron, nie z katalogów programów, a na hasło „download” z reklam lepszą drogą jest ręczne wpisanie adresu producenta.

Najczęstsze pytania

Czy Muse Spark Open jest open source?

Nie. Wagi są do pobrania bezpłatnie, ale licencja Muse Model License nakłada warunki: obowiązkowy napis „Built with Muse Spark Open” w produktach, politykę zakazów użycia i osobną umowę z Metą dla firm z przychodem ponad 20 mln dolarów rocznie ze sprzedawania dostępu do modelu. To open weights z ograniczeniami, w rodzaju licencji Llamy, nie open source w rozumieniu fundacji OSI.

Ile kosztuje Muse Spark Open?

Pobranie wag nic nie kosztuje. API przez partnerów rozlicza 1,25 dolara za milion tokenów wejścia i 4,25 dolara za wyjście (OpenRouter, stan 15.10.2026). Zamknięty Spark 1.3 w Meta Model API kosztuje tyle samo w trybie standardowym, a 0,10 i 0,20 dolara w trybie Contributor, który wymaga zgody na trening na treściach użytkownika i nie jest dostępny dla Sparka Otwartego.

Czy uruchomię Muse Spark Open na własnym komputerze?

W typowych warunkach nie. Potrzeba co najmniej 700 GB pamięci na układach obliczeniowych w wariancie NVFP4 albo 2 TB w BF16, a domowa ścieżka opisana przez Metę zakłada dwa Mac Studio z układem M5 Ultra po 512 GB pamięci, połączone Thunderboltem 5. Realnie to sprzęt firmowy, nie konsumencki. Apple zmierzyło szybszy wariant z czterema takimi maszynami, ponad 36 tokenów na sekundę przy kontekście 8192, ale to nadal klaster pracowniany, nie zestaw spod biurka.

Czy Muse Spark Open działa w Polsce?

Drogą programistyczną tak: OpenRouter przyjmuje płatności z Polski, a wagi na Hugging Face pobierzesz po formularzu zgody. Aplikacja Muse pozostaje dostępna wyłącznie w USA i Kanadzie. Polski nie wymieniono z nazwy na liście języków, dokumentacja mówi ogólnie o ponad stu językach treningu.

Czym różni się Muse Spark Open od Spark 1.3?

Spark Open pochodzi z tej samej sierpniowej generacji rodziny i dostał dodatkowy post-training bezpieczeństwa pod samodzielne uruchamianie, plus jawne wagi. Spark 1.3 jest zamknięty, sprzedawany we własnym API Mety z opcją Contributor. Twardego niezależnego porównania obu na dzień premiery nie ma.

Źródła

Aktualizacja 21.10: firma bezpieczeństwa Claroc wyliczyła 6800 linków do udostępnionych rozmów Muse jednym zapytaniem do pasywnego DNS, a Meta wstrzymała udostępnianie do odwołania. Cały przypadek rozpisałem w tekście o wycieku rozmów Meta Muse.

Powiązane artykuły