Meta wydała Muse Spark Open – otwarty, multimodalny model MoE z 816B parametrów
W skrócie: Meta opublikowała Muse Spark Open – model mixture-of-experts o otwartych wagach, liczący około 816 miliardów parametrów łącznie i 42 miliardy aktywnych na token. Przyjmuje tekst, obrazy, audio i wideo, a generuje tekst, wykorzystując kontekst do 1 miliona tokenów. Meta przedstawia go jako model zoptymalizowany pod kątem kodowania i pracy agentowej, zbudowany na architekturze mniejszego modelu Muse Glimmer, określając go jako najbardziej zaawansowany jak dotąd amerykański model o otwartych wagach.
To podsumowanie zostało automatycznie przygotowane przez sztuczną inteligencję na podstawie publikacji „Hugging Face”. To nasz tekst, nie kopia oryginału — fakty, liczby i cytaty należą do źródła, do którego link znajduje się powyżej i poniżej.
Co się zmieniło?
- 1Architektura mixture-of-experts: 256 ekspertów na warstwę, 8 wybieranych na token, ~816B parametrów łącznie / ~42B aktywnych
- 2Dodano wejście audio i wideo do obsługi tekstu/obrazu z Muse Glimmer, poprzez dedykowany koder audio (12,5 tokena na sekundę)
- 3Okno kontekstu rozszerzone do 1 000 000 tokenów, obejmujące również tokeny obrazu/wideo/audio
- 4Wydano w formatach BF16 (~1,5TB) oraz NVFP4 (4-bitowy, dla GPU NVIDIA Blackwell)
- 5Wbudowane wywoływanie narzędzi oraz konfigurowalny poziom wnioskowania (low/medium/high/xhigh), którego nie można całkowicie wyłączyć
- 6Trenowany pod kątem agentowych zadań kodowania: refaktoryzacji wielu plików, długich sesji debugowania i przeglądania internetu z obrazami
| Parametr | Było | Jest |
|---|---|---|
| Architektura | Muse Glimmer: gęsta sieć feed-forward w każdej warstwie | Muse Spark Open: mixture-of-experts, 256 ekspertów na warstwę, 8 wybieranych na token |
| Rozmiar modelu | Nie określono | ~816B parametrów łącznie, ~42B aktywnych na token |
| Okno kontekstu | Nie określono | Do 1 000 000 tokenów |
| Wejścia | Nie określono (Muse Glimmer: bez kodera audio) | Tekst, obrazy, audio i wideo |
| Wyjście | Nie określono | Tekst |
| Formaty checkpointów | Nie określono | BF16 i NVFP4 (4-bitowy, dla GPU NVIDIA Blackwell) |
| Wywoływanie narzędzi | Nie określono | Obsługiwane, tekstowe i multimodalne |
Dlaczego to ważne?
To istotne wydanie modelu o otwartych wagach, łączące wnioskowanie na skalę modeli flagowych i długi kontekst z natywnym rozumieniem audio i wideo, czego wciąż brakuje większości otwartych modeli. Dla zespołów budujących agentów oznacza to jeden model, który potrafi czytać kod, patrzeć na zrzuty ekranu, słuchać dźwięku i wywoływać narzędzia, ograniczając potrzebę łączenia osobnych modeli STT i wizyjnych.
Co to oznacza dla agentów AI i contact center?
Natywny koder audio (przyjmujący surowy przebieg fali 24kHz mono) jest najbardziej istotnym elementem dla voice AI i contact center: warto porównać, jak dobrze transkrybuje lub wnioskuje na podstawie audio z rozmów w porównaniu z osobnym potokiem STT+LLM, sprawdzić opóźnienie i koszt przy wymaganym poziomie wnioskowania oraz przetestować, czy niezawodnie obsługuje mniejsze języki, ponieważ źródło nie podaje żadnych informacji np. o języku litewskim.
🧪 Warte przetestowania
Bezpośrednie wejście audio w połączeniu z wywoływaniem narzędzi i długim kontekstem mogłoby uprościć agentowe scenariusze głosowe, ale realne opóźnienie, koszt hostingu (816B parametrów, wymagania wielu GPU) oraz jakość dla języków innych niż angielski wymagają praktycznej weryfikacji przed rozważeniem produkcyjnego zastosowania w obsłudze połączeń.
Źródła
- Hugging FaceOficjalneŹródło pierwotneOryginalny artykuł →„Welcome Muse Spark Open: open-weight frontier multimodal mixture-of-experts model from Meta“15 paź 2026, 03:00
- AWS Machine LearningOficjalneOryginalny artykuł →„Meta’s Muse Spark Open now available in Amazon SageMaker JumpStart“15 paź 2026, 20:43
- NVIDIA DeveloperOficjalneOryginalny artykuł →„Scale Agentic Coding Workflows with Meta’s Muse Spark Open on NVIDIA GB300 NVL72“15 paź 2026, 21:00
- Data publikacji źródła
- 15 paź 2026, 03:00
- Znalezione przez nasz system
- 15 paź 2026, 20:41
- Podsumowanie wygenerowano
- 15 paź 2026, 20:43
Artykuł napisała AI na podstawie oryginalnego źródła. Fakty, liczby i ceny pochodzą ze źródła; brakujące wartości oznaczono „Brak oficjalnych danych”. Informacje prawne, prawa autorskie i prywatność