Pada 15 Oktober, Meta merilis bobot Muse Spark Open. Model ini tersedia di Hugging Face dengan lisensi Muse Model License. Ini pertama kalinya seri Muse Spark membuka bobotnya: total 816 miliar parameter, 42 miliar parameter aktif per token, jendela konteks 1 juta token, serta dukungan bawaan untuk input gambar, audio, dan audio-video. Dalam blog resmi PyTorch, Meta menyebutnya “the most capable US open-weight model to date” (model berbobot terbuka paling mumpuni dari Amerika Serikat sejauh ini).
Versi terbuka ini memakai model dasar yang sama dengan Muse Spark 1.3 yang dirilis pada hari yang sama; perbedaannya ada pada pasca-pelatihan. Versi terbuka mendapat satu putaran tambahan pasca-pelatihan keamanan, yang menurut Meta membuatnya lebih sulit disalahgunakan ketika diterapkan sendiri tanpa perlindungan tingkat sistem. Berdasarkan penilaian dengan Superintelligence Scaling Framework milik Meta sendiri, model ini memenuhi ambang rilis. Laporan evaluasi lengkapnya belum dipublikasikan, dan pihak resmi hanya menyebut “segera hadir”.
Fokus pada coding dan agen
Posisi yang ditetapkan Meta cukup sempit: tugas coding dan agen. Data pelatihannya mencakup refactoring lintas banyak berkas, sesi debugging, dan tugas yang berjalan lama, dengan penekanan resmi pada akurasi percobaan pertama dan kestabilan pemanggilan alat. Di sisi agen, model dilatih untuk menangani tugas berantai panjang yang melintasi banyak situs web, dapat memecah pekerjaan ke sub-agen, dan kemampuan mengoperasikan komputer di desktop, ponsel, dan peramban dilatih secara terpadu. Model ini juga menulis penjelasan terpisah tentang apa yang hendak dilakukannya sebelum bertindak.
Blog riset Meta memuat bagian Key Benchmarks, tetapi teksnya tidak mencantumkan satu pun skor, sehingga hasil dari pihak ketiga masih harus ditunggu. Arena sudah memasukkannya ke Agent Arena, namun peringkatnya belum diumumkan.
Bisakah dua Mac menjalankannya
Solusi desktop yang diajukan Meta adalah dua Mac Studio M5 Ultra, masing-masing dengan memori terpadu hingga 512GB, dipadukan dengan MLX versi terbaru. Tim riset machine learning Apple merilis hasil pengukuran pada hari yang sama. Setelah kuantisasi NVFP4, bobotnya sekitar 493GB, dan dengan tambahan memori perantara saat inferensi, satu mesin tidak cukup. Dua mesin dengan paralelisme pipeline mencapai 15,74 token per detik; beralih ke paralelisme tensor naik menjadi 24,99, dan empat mesin dengan paralelisme tensor mencapai 36,73, dengan konteks uji 8192. Antarmesin terhubung lewat driver RDMA Thunderbolt 5 yang diperkenalkan di macOS 26.2, dengan dua kabel di antara setiap pasang mesin.
Di cloud, kecepatannya lebih tinggi. SGLang dan vLLM mendukungnya sejak hari pertama, dan Together AI, Modal, serta OpenRouter sudah mencantumkannya. Harga serverless Together adalah 1,25 dolar AS per juta token input dan 4,25 dolar per juta token output, dengan input yang di-cache 0,15 dolar, dan gratis untuk waktu terbatas hingga tengah hari waktu Pasifik pada 18 Oktober.
Meta juga memanfaatkan rilis ini untuk mempromosikan toolchain PyTorch miliknya. Model ini dilengkapi kernel yang ditulis dengan Helion, termasuk RoPE, RMSNorm, dan kuantisasi. Meta menyatakan kernel tersebut berjalan 1,03 hingga 3,95 kali lebih cepat di NVIDIA GB300 dibanding kernel yang ditulis manual dengan CUDA dan CuTe DSL; kernel yang sama yang langsung dipindahkan ke AMD MI350 meningkatkan throughput ujung ke ujung sekitar 3%. Fine-tuning dapat dilakukan dengan TorchTitan, yang mendukung SFT multi-giliran, LoRA, dan reinforcement learning.
Dari tertutup ke terbuka
Jika rangkaian langkah Meta dirunut, polanya terlihat. Muse Spark saat debut adalah model tertutup pertama Meta, memisahkan diri dari jalur era Llama. Versi 1.2 pada Agustus hadir bersama produk coding Muse Code, dan sebelumnya Meta juga merilis Muse Glimmer, model dense berukuran kecil untuk perangkat. Kini Spark sendiri ikut membuka bobotnya, sehingga lini model Meta berjalan paralel antara versi tertutup yang terus diiterasi dan versi terbuka: fondasi yang sama, hanya berbeda satu lapis pasca-pelatihan keamanan.
Susunan ini membuat Meta bisa menjaga kedua sisi. Versi tertutup terus menghasilkan pendapatan lewat produk Muse dan API, sementara versi terbuka bersaing merebut dukungan awal dari pengembang dan penyedia layanan inferensi. Dari SGLang dan vLLM hingga beberapa penyedia cloud, semuanya langsung mengikuti di hari pertama, dan langkah ini sudah tercapai.
Lisensi masih menjadi tanda tanya. Meta hanya menulis “ketentuan komersial terbatas”, dengan menyebut banyak pengembang dapat memakainya secara gratis. Blog tidak menjelaskan batas penggunaan komersial, juga tidak menyebut apakah pembatasan berdasarkan jumlah pengguna aktif bulanan seperti pada lisensi Llama tetap dipertahankan. Teks lengkap ketentuan mengacu pada halaman Hugging Face, dan perusahaan yang hendak memakainya secara komersial perlu membaca lisensi itu sampai tuntas.
Sumber: blog resmi PyTorch, blog riset Meta, CocoLoop, blog riset machine learning Apple, Together AI; halaman harga Together digunakan untuk memverifikasi tarif per juta token dan masa gratis, sedangkan pengujian Apple untuk memverifikasi ukuran hasil kuantisasi dan jumlah token per detik.