Tovább a PegaPollra
PEGAPOLL · HÍREK

A Meta bemutatta a Muse Spark Open nyílt súlyú MI-modellt

VentureBeat · 2026-10-14
🤖 AI-generált tartalom — A címet és az összefoglalót mesterséges intelligencia készítette automatikusan, emberi szerkesztői átnézés nélkül.

A Meta október 15-én tette közzé a Muse Spark Open nevű, 816 milliárd paraméteres nyílt súlyú modellt, amelyet a „legnagyobb képességű amerikai nyílt súlyú modellként” mutatott be. A kiadás hátterében az áll, hogy a vállalatok egyre gyakrabban keresnek olyan rendszereket, amelyeket saját infrastruktúrájukon futtathatnak és igényeikhez igazíthatnak. A Hugging Face 2026. márciusi értékelése szerint a megelőző év letöltéseinek 41 százalékát kínai modellek adták, míg az OpenRouter szeptemberi adatai alapján az amerikai eredetű kérések tokenforgalmának 60 százalékát már nyílt súlyú modellek kezelték.

A Spark Open kevert szakértői architektúrát használ: tokenenként 42 milliárd paraméter aktiválódik, miközben a modell teljes mérete 816 milliárd paraméter. Legfeljebb egymillió tokenes kontextust kezel, szöveget, képet, videót és hangot is képes értelmezni, a kimenete azonban szöveges. Az Artificial Analysis Intelligence Indexén 39 pontot ért el, ami elmarad a MiMo-V2.6-Pro 46 pontos eredményétől. A Meta saját táblázata szerint ugyanakkor a JobBench és az MCP-Atlas eszközhasználati tesztjein megelőzte a felsorolt riválisokat, terminálos kódolásban, hosszabb szoftverfejlesztési feladatokban és a GDPVal-AA szakmai munkateszten viszont a Kimi K3 és a GLM 5.3 mögött végzett.

A modell helyben is futtatható két, egyenként legfeljebb 512 gigabájt egyesített memóriát kínáló M5 Ultra Mac Studión, az MLX segítségével. Ez azonban nem jelent olcsó megoldást: az Apple 512 gigabájtos konfigurációja csak október végén érkezik, ára pedig még nem ismert. A modellváltozattól függően legalább 700 gigabájt, illetve 2 terabájt gyorsítómemória szükséges. A Meta bemutatói szerint a Muse Code a Mastodon Ice Cubes alkalmazását módosította, a DaVinci Resolve pedig videók áttekintésére és álló formátumú kivágások készítésére szolgált. A vállalat SGLang, vLLM, TensorRT-LLM, Transformers, MLX, llama.cpp és Unsloth támogatását is felsorolja.

Folytasd az appban — szavazz és szólj hozzá ➔
Forrás: VentureBeat · innen ahirlevel.hu

Kapcsolódó hírek