Muse Spark Open: самая мощная открытая модель США уступает китайским гигантам, но обгоняет конкурентов в агентах
Компания Meta выпустила веса Muse Spark Open, позиционируя её как наиболее мощную открытую модель, разработанную в Соединенных Штатах. На архитектуре Mixture of Experts с 816 миллиардами параметров новинка демонстрирует превосходство над открытыми вариантами от Nvidia и Thinking Machines в агентных задачах, однако по общему интеллектуальному индексу проигрывает лидерам из Китая, таким как Kimi K3 и GLM 5.3.
# Meta представила Muse Spark Open: самый мощный американский ИИ с открытыми весами
15 октября Meta обновила свой репертуар открытого ИИ, выпустив веса модели Muse Spark Open. Новая разработка содержит 816 миллиардов параметров при 42 миллиардах активных на каждый токен. Компания заявляет, что эта модель является «самой мощной американской моделью с открытыми весами», что позволяет ей конкурировать с российскими и китайскими аналогами, хотя и с определенными нюансами в различных метриках.
Архитектура и производительность
Новая модель базируется на архитектуре Mixture of Experts (MoE), что предполагает наличие огромного числа параметров, из которых активируется только часть для обработки каждого запроса. Muse Spark Open обладает 62 слоями и поддерживает контекстное окно до одного миллиона токенов. Она умеет принимать на вход текст, изображения, видео и звук, но генерирует ответы исключительно в текстовом формате.
Разработчики выделили модель под специфические сценарии использования: кодирование и работу агентов. Это подразумевает сложные многошаговые планы, вызов внешних инструментов и способность самостоятельно восстанавливаться после ошибок. Режим рассуждений настраиваем в диапазоне от low до xhigh, по умолчанию установлен на максимум. Веса доступны в двух форматах: BF16 (более точный, требующий больше ресурсов) и NVFP4 (4-битное квантование для экономии памяти). Поддерживаются такие экосистемы, как vLLM, SGLang, Apple MLX и llama.cpp.
Судя по косвенным признакам и данным аналитических платформ, это версия Spark 1.2, хотя существуют гипотезы о близости к 1.3. Важно отметить, что веса открыты только для инструкции (инструкт-версии), базовая модель и подробные технические отчеты об обучении пока недоступны публично.
Сравнительный анализ с конкурентами
Meta провела бенчмаркинг против других открытых моделей. Результаты показывают смешанную картину зависимости от региона разработки конкурентов.
Агентные задачи и код В сценариях, требующих взаимодействия с инструментами и выполнения кода, Muse Spark Open демонстрирует лидерство среди американских аналогов. Она обходит открытые версии моделей от Nvidia (Nemotron 3 Ultra) и Thinking Machines (Inkling) на двузначный разрыв в индексе Intelligence Index. Также модель показывает высокие результаты в тестах MCP-Atlas, где проверяется работа с 220 инструментами через протокол MCP.
Общий интеллект и китайские лидеры В тестах общего интеллекта и сложных когнитивных задачах новинка отступает перед китайскими моделями. По сводному индексу Artificial Analysis (49 баллов) Muse Spark Open уступает Kimi K3 (45 баллов) и GLM 5.3 (40 баллов — данные в статье приводятся с оговорками, но тренд на доминирование китайских моделей сохраняется). В терминальных задачах (Terminal-Bench 2.1) отрыв также заметен: Kimi K3 набирает 85.0, а Muse Spark Open — 76.4. Это свидетельствует о том, что в задачах, требующих глубокой логической цепочки и широкого кругозора, китайские нейросети пока остаются эталоном.
Безопасность Открытая версия прошла специфическую дотренировку для повышения безопасности, так как предполагается её запуск без встроенных системных фильтров компании-разработчика. На тесте StrongREJECT, проверяющем реакцию на 202 запрещенных сценария, модель отвергла 99.5% атак. Однако это привело к эффекту избыточных отказов на тестах, имитирующих пограничные случаи (FORTRESS): модель отвергла 17.4% запросов, которые могли бы быть обработаны другими моделями (Kimi K3 — 2.7%, GLM 5.3 — 3.2%).
Требования к оборудованию и стоимость
Запуск модели требует значительных вычислительных ресурсов. Даже при использовании 4-битного квантования весовой блок занимает около 493 ГБ, плюс необходим резерв под вычисления.
* На GPU (Nvidia): Для NVFP4 потребуется узел из 8 карт H200 (700 ГБ видеопамяти), а для BF16 — конфигурации на 2 ТБ видеопамяти. Стандартные 8 карт H100 (640 ГБ) не справятся даже с квантованной версией. * На GPU (Apple): Meta совместно с Apple предложила альтернативу на базе Mac Studio с чипом M5 Ultra. Требуется связка из двух машин по 512 ГБ или четырех по 256 ГБ, объединенных кабелем Thunderbolt 5. Компьютеры должны работать через новый драйвер RDMA в macOS 26.2 и бэкенд jaccl в MLX 0.30.1.
Стоимость конфигурации на базе четырех Mac Studio с 256 ГБ памяти начинается от 43 000 долларов. Хотя компания Apple утверждает, что это впервые, когда такую модель можно запустить на десктопе, энтузиасты ранее запускали более мощные китайские модели (например, Kimi K2 Thinking) на кластерах из Mac Studio еще в прошлом году.
Лицензия и применение
Muse Spark Open распространяется под собственным лицензионным соглашением, которое, по отзывам аналитиков, ближе к условиям Moonshot AI для Kimi K3, чем к классическому Apache 2.0 у Llama.
Разработчики разрешают свободное использование, модификацию и продажу модели, однако вводят ограничения для крупных компаний. Организации с годовой выручкой более 20 млн долларов должны уведомлять Meta и подписывать отдельное соглашение, если намерены предоставлять модель как API-сервис. Также обязательна маркировка «Built with Muse Spark Open» во всех продуктах. Политика строго запрещает использование в военных целях и для управления критической инфраструктурой.
Почему это важно?
Релиз Muse Spark Open имеет стратегическое значение не только из-за технических характеристик, но и из-за геополитического контекста. С 2025 года в ряде штатов США (Техас, Нью-Йорк и др.) действуют ограничения на использование китайских ИИ-моделей на государственных устройствах. Для этих ведомств Muse Spark Open становится важным инструментом, сочетающим мощь американской разработки и необходимую автономность, сохраняя при этом высокие показатели в агентных сценариях, где многие другие модели уступают лидерам из Азии.
Партнерство с Apple в данном релизе также знаменательно: после периода публичных дискуссий компании теперь демонстрируют техническую конвергенцию в сфере запуска локальных мощных моделей на аппаратном обеспечении Apple Silicon.
*P.S. Этот анализ основан на открытых данных и публичных бенчмарках. Полная картина технических деталей обучения может раскрыться только с выходом полного отчета, который, по словам компании, готовится к публикации.*