Meta выпустила Muse Spark Open: 816B параметров и лидерство среди open-weight США

Неделя вернула американские открытые модели ближе к фронтиру. Meta выложила веса Muse Spark Open, 816B параметров в сумме и 42B активных на токен, с контекстом в 1M токенов. По оценке Натана Ламберта из Interconnects, это сильнейшая американская open-weight модель с большим отрывом. Вместе с первой моделью Beam от Reflection она вдвое сократила разрыв с китайскими лабораториями. Без этих двух релизов 20+ китайских открытых моделей были бы сильнее лучшей западной.

Где Muse Spark Open встаёт в иерархии

По данным Artificial Analysis Intelligence Index, модель находится выше GLM 5.2 и рядом с DeepSeek V4.1 Flash. До GLM 5.3 (18 августа) и Kimi K3 (16 июля) она не дотягивает. Для рынка этого достаточно: открытые LLM-агенты стали рабочим инструментом примерно с уровня GLM 5.2, а спрос растёт. Инференс-провайдеры быстро масштабируются, формируется экономика open post-training, а компании хотят владеть собственным «интеллектом».

Модель нативно мультимодальна и сделана под кодинг и агентные сценарии. Версия получила дополнительный safety-тюнинг, чтобы быть устойчивой без системных ограничителей. Часть наблюдателей решила, что веса «сломали» при выравнивании, потому что они вышли после Muse Spark 1.3. Ламберт считает вероятнее, что это safety-версия Muse Spark 1.2 с потерей примерно одного пункта в индексе. Это согласуется с заявлением Alexandr Wang при выпуске 30B агентной Muse Glimmer: Meta готовила открытую версию 1.2.

Лицензия как главный тормоз

Главный риск для adoption — кастомная лицензия, где собраны почти все ограничения, которые критиковали у других open-моделей:

• на продуктах нужно показывать «Built with Muse», как раньше у Llama (почти никто этого не делает);
• компании с выручкой выше $20M в месяц по всему бизнесу должны заключать отдельное соглашение с Meta;
• обязательна политика допустимого использования, поэтому с точки зрения open source модель не открыта;
• условия распространяются на выходы модели и производные, так что синтетические данные остаются юридически серой зоной;
• внутренние исследования и приложения разрешены.

На практике многие лицензию проигнорируют, а Meta, вероятно, будет преследовать только грубые нарушения. Но, как отмечает Ламберт, для лаборатории, которая возвращает аудиторию, сложная нестандартная лицензия остаётся лишним стратегическим риском. Западные open-модели при том же соотношении качества и размера собирают заметно больше загрузок, чем китайские, и здесь у Meta есть шанс.

Закрытый фронтир и расстановка сил

За несколько дней до этого Meta показала закрытые Muse Wonder и Muse Wonder Full. На классических бенчмарках они уступают только Opus 5.5 от Anthropic и близки к GPT-6-Astra и Gemini-4-Argon. Meta остаётся единственной американской компанией с моделями на обоих фронтирах. Ламберт связывает успех с плоской структурой: у Wang более 200 прямых подчинённых, а релизы выходят стабильно.

Его рейтинг: Anthropic > OpenAI > Meta ≈ Gemini > xAI ≈ китайские open-weight > американские open-weight. Лучшей открытой моделью в целом он называет Xiaomi V2.6 Pro. Круг американских конкурентов сузился до пяти: Anthropic, OpenAI, Meta, Gemini и xAI. Microsoft может присоединиться, если начнёт выпускать модели. Игрокам третьего эшелона (Mistral, Nemotron, Reflection, Arcee) всё труднее влиять на фронтир, потому что флагман стоит миллиарды.

Ключевые факты

• Muse Spark Open: 816B total / 42B active, контекст 1M, мультимодальность, кодинг и агенты, safety-тюнинг.
• Muse Wonder и Muse Wonder Full: закрытые модели Meta. Различия между ними не раскрыты, возможно, это разные претрейны.
• Muse Glimmer: 30B агентная модель.
• Beam: первая модель Reflection.
• Mistral Large 4: 38 баллов в индексе, веса не опубликованы.
• GLM 5.3 (18 августа), Kimi K3 (16 июля), DeepSeek V4.1 Flash, GLM 5.2: китайские ориентиры.
• Xiaomi V2.6 Pro: лучшая open-weight модель в целом.
• Opus 5.5, GPT-6-Astra, Gemini-4-Argon: закрытые конкуренты Muse Wonder.

Что учесть командам, которые выбирают модель

MoE-архитектура с 42B активных параметров означает, что стоимость вычислений на токен близка к модели на 40B. Но хранить придётся все 816B. По нашей оценке, в FP8 это порядка 816 ГБ только под веса, то есть узел из восьми H200 с запасом под KV-кэш при длинном контексте. В 4-битном виде потребуется около 410 ГБ. Самостоятельный хостинг оправдан при высокой загрузке, иначе дешевле взять модель у инференс-провайдера.

Юристам стоит заранее проверить порог $20M в месяц и пункт про производные, особенно если вы дистиллируете модель или генерируете синтетику. Тем, кому нужен чистый open source, ближе альтернативы с типовыми лицензиями. Тем, кому важен американский стек при приемлемом качестве, Muse Spark Open теперь реальный вариант, а не компромисс.