Muse Spark Open er Metas nye milepæl for lokale AI-agenter

Hvis du vil kjøre en virkelig tung AI-agent på egen maskinvare, har Meta nettopp åpnet en dør som hittil stort sett har vært stengt. Muse Spark Open kommer med nedlastbare modellvekter, én million tokens kontekst og støtte for koding, verktøybruk og lange agentoppgaver. Det er en fantastisk utgivelse – og en påminnelse om hvor mye åpne modellvekter faktisk betyr.

Modellen kan kjøre lokalt på Apple Silicon, men ikke la ordet «Mac» lure deg til å finne fram en vanlig MacBook. Metas eget oppsett bruker to Mac Studio-maskiner med M5 Ultra og til sammen én terabyte unified memory. Dette er skrivebordet som lokal superdatamaskin, ikke en liten modell du laster ned mens kaffen blir kald.

Likevel er dette en milepæl. Meta har sluppet vektene til en amerikansk modell på 816 milliarder parametere, hvor 42 milliarder er aktive per token, og gjort den tilgjengelig både for lokal kjøring og gjennom en lang rekke API-leverandører. Llama viste hvor mye en stor modellutgivelse fra Meta kan sette fart i resten av markedet. Muse Spark Open kan få en lignende betydning for lokale AI-agenter.

Hva er Muse Spark Open?

Muse Spark Open er en multimodal Mixture-of-Experts-modell med 816 milliarder parametere totalt, 42 milliarder aktive parametere og én million tokens kontekst. Ifølge Metas modellkort på Hugging Face kan den ta imot tekst, bilder, video og lyd, mens svaret leveres som tekst.

Modellen er bygget for koding og agentarbeid. Det betyr flertrinnsplanlegging, bruk av verktøy, feilhåndtering og oppgaver som varer lenge nok til at modellen må holde fast ved både mål og tidligere beslutninger. Meta nevner også syntetiske treningsdata og bruk som dommermodell, men det er agentkapasiteten som gjør denne utgivelsen virkelig interessant.

Dette er neste kapittel i en utvikling som startet med den første Muse Spark-modellen og fortsatte da Muse Spark 1.1 gikk inn i AI-koding. Den viktige forskjellen nå er at vektene faktisk kan lastes ned. Du er ikke låst til Metas egen tjeneste eller ett bestemt API.

Kan Muse Spark Open virkelig kjøre på en Mac?

Ja, Muse Spark Open kan kjøre lokalt på Apple Silicon, men Metas anbefalte oppsett består av to Mac Studio-maskiner med M5 Ultra. Hver maskin kan gi den integrerte GPU-en tilgang til opptil 512 GB unified memory. Sammen får de plass til hele modellen i omtrent én terabyte minne.

Meta beskriver oppsettet som to maskiner som oppfører seg som én superdatamaskin. M5 Ultra har opptil 1,2 TB/s minnebåndbredde, og modellen kjører gjennom Apples MLX-rammeverk. TechCrunch meldte først at det kreves minst én terabyte RAM, men primærkilden gjør det klart at dette er fordelt på to topputstyrte Mac Studio-maskiner.

På annen maskinvare oppgir modellkortet minst 700 GB VRAM for NVFP4-versjonen og 2 TB for BF16. Støttede rammeverk omfatter blant annet SGLang, vLLM, TensorRT-LLM, Hugging Face Transformers, llama.cpp og Unsloth. Med andre ord: Vektene er lokale, men maskinvarekravet er fortsatt på datasenternivå for de fleste.

Det gjør likevel Apple-oppsettet interessant. Store lokale modeller har tradisjonelt krevd en samling separate GPU-er, serverkabinetter og en strømregning som får sikringsskapet til å begynne å svette. Her har Meta og Apple fått en modell på over 800 milliarder parametere inn i et skrivebordsoppsett. Dyrt? Ja. Men også ganske vilt.

Hva kan modellen gjøre lokalt?

Meta har testet Muse Spark Open på kodearbeid og oppgaver på datamaskinen, ikke bare som en chatbot. I ett eksempel brukte selskapet Muse Code til å gjøre feilrettinger, bygge nye funksjoner og fullføre en hel build av Ice Cubes, en åpen Mastodon-klient for iOS.

I et annet eksempel styrte modellen DaVinci Resolve fra start til slutt. Den gikk gjennom videomateriale bilde for bilde, valgte de sterkeste øyeblikkene og beskåret dem til vertikalt format. Det er mer interessant enn enda en tabell der en modell har flyttet seg to poeng på en test få mennesker har hørt om. Her ser vi hvilken type arbeid Meta faktisk vil at modellen skal gjøre.

Lokal kjøring gir dessuten noe et lukket API ikke kan gi: kontroll over vektene, infrastrukturen og dataflyten. En bedrift kan finjustere modellen med PyTorch, sette den inn i egne systemer og velge hvordan logger og arbeidsdata håndteres. Det betyr ikke at hele løsningen automatisk blir privat eller sikker. Agentrammeverket, verktøyene og integrasjonene må fortsatt bygges riktig. Men du får langt flere valg.

Meta oppgir at treningsdataene omfatter mer enn 100 språk, men sier samtidig at ikke alle språk er evaluert. Det finnes ingen dokumentasjon her som viser hvor godt modellen skriver norsk eller håndterer norske fagtekster. Jeg har heller ikke testet den selv. Norsk kvalitet er derfor ukjent, ikke god og ikke dårlig.

Hvor åpen er en modell med åpne vekter?

Vektene kan lastes ned, brukes, endres, finjusteres, destilleres og distribueres under Muse Model License. Det er reell frihet sammenlignet med en modell du bare får leie gjennom et API. Men dette er en lisens med vilkår, ikke en blankofullmakt som uten videre kan kalles klassisk open source.

Lisensen krever blant annet at produkter og tjenester viser «Built with Muse Spark Open» i grensesnittet eller tilhørende dokumentasjon. Selskaper som tilbyr modellen som en API-tjeneste og passerer 20 millioner dollar – cirka 190 millioner kroner med dagens kurs – i samlet bruttoinntekt over en tolvmånedersperiode, må varsle Meta og inngå en egen skriftlig avtale. Grensen gjelder Model as a Service, ikke vanlig intern bruk eller bruk av modellen som en funksjon i et annet produkt.

Det skillet er viktig for utviklere og bedrifter. «Åpne vekter» betyr at du får tilgang til selve modellen. Det betyr ikke nødvendigvis at lisensen oppfyller alle definisjoner av åpen kildekode, eller at enhver kommersiell bruk er uten betingelser. Les lisensen før du bygger noe som skal selges. Den er kortere og billigere å lese nå enn etter at produktet har fått kunder.

Må du kjøpe to Mac Studio-maskiner?

Nei. Muse Spark Open er også tilgjengelig gjennom Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter og Together AI. Modellvektene distribueres dessuten via Hugging Face, Amazon SageMaker AI, Google Cloud Model Garden og Microsoft Foundry Models.

For de fleste utviklere er et API den fornuftige starten. Da kan du teste modellen på faktiske kodebaser og agentoppgaver uten først å kjøpe ekstrem maskinvare. Mål om den fullfører jobben, hvor ofte den trenger hjelp, hvor mye kontekst den bruker og hva leverandøren tar betalt. Først når bruksmønster, personvern eller volum forsvarer lokal drift, er det på tide å regne på maskinene.

Har du allerede riktig infrastruktur, er valget annerledes. Da kan nedlastbare vekter gi kontroll over finjustering, tilgjengelighet og data. Men ikke bland sammen «kan kjøre lokalt» med «er billig å kjøre lokalt». To topputstyrte Mac Studio-maskiner er et spesialisert oppsett. For mindre modeller, sporadisk bruk og vanlige kontoroppgaver vil enklere lokal maskinvare eller et API ofte være mer fornuftig.

Dette er også grunnen til at Apple ikke bør få eie hele historien. Mac-støtten er imponerende, men selve milepælen er at Meta slipper en sterk agentmodell med nedlastbare vekter og støtte for flere maskinvareplattformer. Modellen er optimalisert for Apple, AMD, Intel og NVIDIA. Mac er én viktig vei inn, ikke hele målet.

Hvor god er Muse Spark Open?

Meta omtaler Muse Spark Open som den mest kapable amerikanske modellen med åpne vekter hittil. Modellkortet viser sterke leverandørresultater på tester for agentarbeid, verktøybruk, koding, resonnement og multimodal forståelse. På MCP-Atlas oppgir Meta 89,2 poeng.

Tallene er lovende, men de er ikke en uavhengig dom. Meta har valgt oppsettet og kjørt Muse Spark Open med «xhigh» reasoning effort. Konkurrentene kan være testet med andre rammeverk, innstillinger og agentoppsett. Benchmarkene forteller at modellen fortjener oppmerksomhet. De forteller ikke at den automatisk er best i din kodebase eller arbeidsflyt.

Modellkortet er heldigvis tydelig på flere begrensninger. Muse Spark Open kan gi uriktige, skjeve eller uønskede svar. Den kan gjøre feil i lange flertrinnsoppgaver, særlig når oppgaven skiller seg fra treningsdataene, og kvantiserte varianter kan miste litt kvalitet i enkelte tilfeller. Svært korte videoer med lav oppløsning kan også bli avvist som om modellen ikke kan se dem.

Meta anbefaler egne tester og menneskelig godkjenning før irreversible agenthandlinger. Det er et godt praktisk råd. Gi ikke en ny modell fri tilgang til å slette filer, sende meldinger eller endre produksjonssystemer fordi en benchmark ser pen ut. Start i et avgrenset miljø, logg handlingene og test gjenoppretting når verktøy feiler.

Hvorfor denne utgivelsen betyr mer enn enda en modell

Meta har allerede vist med Llama at en stor utgivelse med tilgjengelige vekter kan forandre hele markedet. Utviklere kan optimalisere, kvantisere og finjustere modellen. Nye rammeverk får noe krevende å støtte. Konkurrentene må forklare hvorfor de samme mulighetene fortsatt skal ligge bak en lukket tjeneste.

Muse Spark Open kommer dessuten bare tre dager etter at Muse Wonder ga Meta en ekte frontier-modell for AI-agenter. Wonder viser hvor høyt Meta sikter med lukkede modeller. Spark Open viser at selskapet fortsatt er villig til å slippe noe tungt ut av eget datasenter. Den kombinasjonen er viktig.

Jeg synes dette er fantastisk. Ikke fordi alle trenger 816 milliarder parametere under skrivebordet, og heller ikke fordi Metas egne benchmarkgrafer skal leses som fasit. Det spennende er at en kapabel agentmodell med én million tokens kontekst nå kan lastes ned, undersøkes og bygges videre på uten at hvert eneste token må gjennom leverandørens lukkede port.

Hvis du utvikler AI-agenter, bør du prøve modellen gjennom en av API-leverandørene på en ekte oppgave og lese lisensen før du går videre. Hvis du har maskinvaren, kan du hente vektene og måle lokal kjøring. Resten av oss trenger ikke late som to M5 Ultra-maskiner er en vanlig hjemmemaskin for å glede oss over retningen. Meta har åpnet døren. Nå får vi se hva utviklerne bygger på den andre siden.

Ofte stilte spørsmål