15 ოქტომბერი, 2026ავტორი: LLM.GE რედაქცია

Meta-მ Muse Spark Open გამოუშვა – მოდელი, რომლის წონებიც, ანუ გაწვრთნილი პარამეტრები, საჯაროდაა ხელმისაწვდომი და საკუთარ ინფრასტრუქტურაზე გაშვება შეიძლება. კომპანია ოფიციალურ ბლოგში მას აშშ-ში დღემდე შექმნილ ყველაზე ძლიერ ღია წონების მოდელს უწოდებს.

Muse Spark Open-ს 816 მილიარდი პარამეტრი აქვს, თუმცა თითოეული ტოკენის დამუშავებისას მათგან მხოლოდ 42 მილიარდი ერთვება. კონტექსტური ფანჯარა 1 მილიონ ტოკენს იტევს, ტექსტის გარდა კი მოდელი სურათს, ვიდეოსა და აუდიოსაც აღიქვამს.

სარჩევი

Muse Spark Open: მთავარი ტექნიკური მახასიათებლები
რატომ არის მნიშვნელოვანი Meta-ს ღია წონების მოდელი
ბენჩმარკები: სად ლიდერობს და სად ჩამორჩება Muse Spark Open
როგორ ეშვება Muse Spark Open ორ Mac Studio-ზე
სად არის ხელმისაწვდომი
ლიცენზია: უფასო, მაგრამ პირობებით
უსაფრთხოება: რას აჩვენებს Meta-ს ტესტები
შეჯამება
სხვა თემები

მოდელი Meta Superintelligence Labs-მა შექმნა – Meta-ს ხელოვნური ინტელექტის ლაბორატორიამ, რომელსაც ალექსანდრ ვანგი ხელმძღვანელობს. კომპანიის თქმით, მისი მთავარი მიმართულება კოდირება და აგენტური სამუშაოა: ხანგრძლივი დავალებები, რთული პროგრამული ინჟინერია და მრავალსაფეხურიანი მსჯელობა.

Muse Spark Open: მთავარი ტექნიკური მახასიათებლები

მოდელი Mixture-of-Experts (MoE) არქიტექტურას ეყრდნობა. ყოველ MoE ბლოკში 256 „ექსპერტია“ – ცალკეული ქვექსელები, რომელთაგან თითოეული ტოკენისთვის მხოლოდ 8 ირთვება.

Hugging Face-ის ტექნიკური მიმოხილვის მიხედვით, პარამეტრების დაახლოებით 97% სწორედ ექსპერტებზე მოდის. რადგან ტოკენზე მხოლოდ 8 ექსპერტი მუშაობს, სიჩქარით მოდელი 42 მილიარდპარამეტრიან მოდელს უახლოვდება, თუმცა მეხსიერებაში 256-ვე ექსპერტი უნდა ეტეოდეს.

პარამეტრები: 816 მილიარდი ჯამში, 42 მილიარდი აქტიური
არქიტექტურა: MoE, 256 ექსპერტი, ტოკენზე 8 აქტიური
კონტექსტური ფანჯარა: 1 მილიონი ტოკენი
მოდალობები: იღებს ტექსტს, სურათს, ვიდეოსა და აუდიოს, პასუხს აბრუნებს ტექსტად
წონების ფორმატები: BF16 და NVFP4
მსჯელობის დონეები: low, medium, high და xhigh (ნაგულისხმევად xhigh)

მსჯელობის სრულად გამორთვა შეუძლებელია, ამიტომ მარტივი დავალებებისთვის Hugging Face დაბალ, low დონეს გვირჩევს. მოდელი 100-ზე მეტი ენის მონაცემებზეა გაწვრთნილი, თუმცა, Meta-ს თქმით, ყველა ენაზე არ შეფასებულა და ნაკლებად მხარდაჭერილ ენებზე ხარისხი შეიძლება დაეცეს. ქართულენოვანი ამოცანებისთვის ეს გასათვალისწინებელი დეტალია.

რატომ არის მნიშვნელოვანი Meta-ს ღია წონების მოდელი

Meta ღია მოდელების ერთ-ერთ მთავარ მხარდამჭერად Llama-ს სერიით იქცა. აპრილში გამოშვებული პირველი Muse Spark კი დახურული იყო – მისი წონები საჯარო არ გამხდარა, რაც კომპანიის მანამდელი მიდგომისგან მკვეთრ გადახვევად აღიქმებოდა.

აგვისტოში Meta-მ ღია Muse Glimmer წარადგინა – 30 მილიარდპარამეტრიანი მოდელი Apache 2.0 ლიცენზიით – და იმავდროულად განაცხადა, რომ Muse Spark 1.2-ის წონებსაც გახსნიდა. Hugging Face-ის თანახმად, Muse Spark Open Muse-ის სერიის სრულზომიანი მოდელია, Glimmer კი – პატარა ვერსია ლოკალური გაშვებისთვის.

Meta-ს ბლოგში ვერსიის ნომერი პირდაპირ არ წერია, თუმცა მოდელის ტექნიკურ ფაილებში, მაგალითად ჩატის შაბლონის სახელში, Muse Spark 1.2 ფიგურირებს. Glimmer-ისგან განსხვავებით, ახალი მოდელი Apache 2.0-ით არ ვრცელდება – მას Meta-ს საკუთარი ლიცენზია აქვს.

ბენჩმარკები: სად ლიდერობს და სად ჩამორჩება Muse Spark Open

Meta ახალ მოდელს სხვა წამყვან ღია მოდელებს ადარებს, ყველაზე ძლიერი კონკურენტები კი ამ ცხრილში ჩინური მოდელებია: Moonshot AI-ის Kimi K3, Z.ai-ის GLM 5.3 და Alibaba-ს Qwen3.8.

Artificial Analysis-ის Intelligence Index-ზე Muse Spark Open 39 ქულას იღებს, GLM 5.3 – 45-ს, Kimi K3 – 44-ს, Qwen3.8 კი – 40-ს. იმავე ცხრილში ფრანგული Mistral AI-ის Mistral Large 4-ს 38 ქულა აქვს, NVIDIA-ს Nemotron 3 Ultra-ს კი – 23.

სად ლიდერობს

JobBench – 61,8 (GLM 5.3 – 61,4, Kimi K3 – 54,3). ტესტი 35 ოფისური პროფესიის 65 დავალებას მოიცავს.
MCP-Atlas – 89,2, შედარებულ მოდელებს შორის საუკეთესო შედეგი. ტესტი რეალურ MCP სერვერებთან და ინსტრუმენტებთან მუშაობას ამოწმებს.
HLE-Diamond ინსტრუმენტების გარეშე – 26,1 (Kimi K3 – 22,2). ეს Humanity’s Last Exam-ის 1000-კითხვიანი ქვეჯგუფია.
AA-Omniscience – 25 (Kimi K3 – 20). ტესტი ფაქტობრივ ცოდნას ზომავს და მცდარ პასუხს აჯარიმებს.
მულტიმოდალური ტესტები – ZeroBench-ზე 50,0 (Kimi K3 – 41,0), SimpleVQA-ზე 73,6 (Kimi K3 – 71,9), ხოლო IntPhys 2-ზე, რომელიც ვიდეოში ფიზიკურად შეუძლებელი მოვლენების ამოცნობას ამოწმებს, 68,3 (Kimi K3 – 60,3).

მულტიმოდალურ ტესტებში Meta მოდელს ძირითადად Kimi K3-ს ადარებს, რადგან, კომპანიის თქმით, GLM 5.3 და Qwen3.8 მულტიმოდალურ შეყვანას ნატიურად არ უჭერს მხარს.

სად ჩამორჩება

საინტერესოა, რომ კოდირებაზე ორიენტირებული მოდელი ჩინურ კონკურენტებს სწორედ კოდირების ტესტებში ჩამორჩება:

Terminal-Bench 2.1 – 76,4, მაშინ როცა Kimi K3-ს 85,0 აქვს, GLM 5.3-ს – 83,9, Qwen3.8-ს კი – 82,0.
DeepSWE 1.1 – 60 (Kimi K3 – 68, GLM 5.3 – 67).
SWE-Atlas-QnA – 58 (Kimi K3 – 66).

ჩამორჩენა ზოგიერთ აგენტურ ტესტშიც ჩანს. GDPval-AA v2-ზე, რომელიც 44 პროფესიის ეკონომიკურად ღირებულ სამუშაოს აფასებს, Meta-ს მოდელს 1401 ქულა აქვს, GLM 5.3-ს კი – 1653. კომპიუტერის მართვის OSWorld-Verified ტესტზე მისი შედეგი 80,4-ია, Kimi K3-ისა კი – 84,8.

ყველა ეს რიცხვი Meta-ს ცხრილიდანაა: ნაწილი Artificial Analysis-ისა და სხვა ლიდერბორდებიდანაა აღებული, ნაწილი კი შიდა ტესტებიდან ან მწარმოებლების საკუთარი მონაცემებიდან. შედარებისას თითოეულ მოდელს მსჯელობის მაქსიმალური რეჟიმი ჰქონდა, თუმცა Meta თავადვე აღნიშნავს, რომ მისი სატესტო გარემო სხვა მოდელებისთვის სპეციალურად არ მორგებულა.

როგორ ეშვება Muse Spark Open ორ Mac Studio-ზე

Meta-ს თქმით, Muse Spark Open თავის კლასში პირველი მოდელია, რომელიც სამაგიდო კომპიუტერზე ეშვება. ამისთვის საჭიროა ორი Mac Studio Apple-ის M5 Ultra ჩიპით და MLX ფრეიმვორკის უახლესი ვერსია.

თითო Mac Studio-ში M5 Ultra-ს ინტეგრირებულ გრაფიკულ პროცესორს 512 GB-მდე გაერთიანებული მეხსიერების გამოყენება შეუძლია, ასე რომ, ორი კომპიუტერი ერთად მთელ მოდელს იტევს. ჩიპის მეხსიერების 1,2 TB/s გამტარუნარიანობა კი საკმარისია, რომ თითოეული ტოკენისთვის საჭირო პარამეტრების მცირე ნაწილი სწრაფად წაიკითხებოდეს. Meta ამ წყვილს ერთ სუპერკომპიუტერს ადარებს ტერაბაიტი გაერთიანებული მეხსიერებით.

კომპანიამ მოდელი სრულად ლოკალურად გამოსცადა Muse Code-ით, Meta-ს კოდირების აგენტით. ერთ-ერთ ტესტში მოდელმა Mastodon-ის ღია კოდის კლიენტ Ice Cubes-ში რეალური iOS ცვლილებები შეიტანა: შეასწორა ხარვეზები, დაამატა ახალი ფუნქციები და აპლიკაცია სრულად ააწყო.

მეორე ტესტში მოდელი DaVinci Resolve-ს თავიდან ბოლომდე თავად მართავდა: ვიდეომასალას კადრ-კადრ ათვალიერებდა, საუკეთესო მომენტებს არჩევდა და ვერტიკალურ ფორმატში ჭრიდა.

ორი M5 Ultra Mac Studio მაინც მაღალი კლასის აპარატურაა. GPU-ებზე გასაშვებად კი, მოდელის ბარათის მიხედვით, NVFP4 ვერსიას მინიმუმ 700 GB ვიდეომეხსიერება სჭირდება, BF16-ს – 2 TB.

Hugging Face-ის გუნდმა 2-ბიტიანი კვანტიზებული ვერსია 512 GB მეხსიერების მქონე ერთ M3 Ultra Mac-ზეც გაუშვა და წამში დაახლოებით 18 ტოკენი მიიღო. მოდელის ბარათის მიხედვით კი, კვანტიზებულ ვერსიებს სრული სიზუსტის მოდელთან შედარებით ზოგიერთ შემთხვევაში ხარისხში მცირე სხვაობა შეიძლება ჰქონდეს.

სად არის ხელმისაწვდომი

API-ით Muse Spark Open უკვე ხელმისაწვდომია Baseten-ზე, Fireworks AI-ზე, Groq-ზე, Modal-ზე, Nebius-ზე, OpenRouter-სა და Together AI-ზე. ერთიანი ტარიფი არ არსებობს – ფასს თითოეული პროვაიდერი თავად ადგენს.

წონების ჩამოტვირთვა შესაძლებელია Hugging Face-იდან, Amazon SageMaker AI-დან, Google Cloud Model Garden-იდან და Microsoft Foundry Models-იდან. Hugging Face-ზე წვდომისთვის ლიცენზიის პირობებზე დათანხმება და სრული სახელის, დაბადების თარიღისა და ორგანიზაციის მითითებაა საჭირო.

Meta-ს თქმით, მოდელი ეშვება SGLang-ით, vLLM-ით, TensorRT-LLM-ით, Hugging Face Transformers-ით, Apple MLX-ით, llama.cpp-ითა და Unsloth-ით. ოპტიმიზაციები AMD-ის, Apple-ის, Intel-ისა და NVIDIA-ს ჩიპებისთვისაა გაკეთებული.

მოდელს თან ახლავს ავტომატურად მორგებადი Helion GPU კერნელები SGLang-ში. Meta-ს მონაცემებით, ისინი NVIDIA-სა და AMD-ის GPU-ებზე კერნელის დონეზე 1,03-დან 3,95-ჯერამდე აჩქარებას იძლევა, AMD MI350-ზე კი მთლიანი პროცესი 3%-ით ჩქარდება.

საკუთარ ამოცანებზე მოსარგებად Meta PyTorch-ის TorchTitan-ს გვთავაზობს. NVIDIA-მ კი ცალკე სტატიაში აღწერა, როგორ ეშვება მოდელი GB300 NVL72 სისტემებზე NVFP4 ფორმატში.

ლიცენზია: უფასო, მაგრამ პირობებით

Meta-ს ღია წონების მოდელი უფასოა, მაგრამ არა უპირობოდ. Muse Spark Open Muse Model License-ით ვრცელდება, რომელიც მოდელის გამოყენებას, შეცვლას, დამატებით გაწვრთნას, დისტილაციას, გავრცელებასა და გაყიდვასაც კი უშვებს. მთავარი პირობები ასეთია:

პროდუქტში, რომელიც მოდელს ან მის საფუძველზე შექმნილ მოდელს იყენებს, თვალსაჩინოდ უნდა ეწეროს „Built with Muse Spark Open“ – ინტერფეისში, დოკუმენტაციაში, ვებსაიტზე ან პარამეტრებში.
თუ კომპანია სხვებს AI მოდელებზე წვდომას API-ით ან მსგავსი სერვისით სთავაზობს და მისი ჯამური შემოსავალი (აფილირებულ კომპანიებთან ერთად) ნებისმიერ 12-თვიან პერიოდში 20 მილიონ დოლარს აჭარბებს, Meta-ს უნდა აცნობოს და მასთან ცალკე შეთანხმება გააფორმოს.
ეს მოთხოვნა არ ეხება შიდა გამოყენებას, კვლევას და იმ კომერციულ პროექტებს, სადაც მოდელი კომპანიის საკუთარი პროდუქტის ფუნქციებს ამუშავებს და სხვებს API წვდომის სახით არ მიეწოდება.
Meta მოდელის მიერ გენერირებულ შედეგებზე საკუთრებას არ აცხადებს.

ლიცენზიას თან ერთვის გამოყენების წესები აკრძალული სფეროების ჩამონათვალით. გარდა ამისა, მოდელი 18 წლამდე მომხმარებლებისთვის განკუთვნილი არ არის.

უსაფრთხოება: რას აჩვენებს Meta-ს ტესტები

ღია მოდელი შეიძლება სისტემური დამცავი ფილტრების გარეშეც გაუშვან, ამიტომ Meta-მ Muse Spark Open-ს დამატებითი უსაფრთხოების გაწვრთნა ჩაუტარა. კომპანიის თქმით, მოდელმა Meta Superintelligence Scaling Framework-ით დადგენილი ზღვრები დააკმაყოფილა, რაც გამოშვების აუცილებელი პირობა იყო.

კიბერუსაფრთხოება: Meta-ს შიდა ტესტზე მოდელმა შეზღუდვების გვერდის ავლის (jailbreak) მცდელობების 99,2%-ს გაუძლო, PolyGuard-ის (კიბერ ნაწილი), RedCode-ისა და CyberBench 2024-ის ჯამურ შედეგში კი – 94,8%-ს. იმავე პირობებში Kimi K3-ის მაჩვენებლები 75,5% და 70,2% იყო.
ქიმია და ბიოლოგია: SecureBio-ს BioTIER ტესტზე მოდელი მავნე მოთხოვნების 98%-ზე მეტს უარყოფს, Meta-ს შიდა ქიმიურ ტესტზე კი – 99%-ზე მეტს.
კონტროლის დაკარგვის რისკი: MASK ბენჩმარკზე პატიოსნების მაჩვენებელი 98,1%-ია, Agentic Misalignment ტესტზე კი არასასურველი ქცევის მაჩვენებელი 0%-ია.

Scale AI-ის FORTRESS ტესტზე Muse Spark Open-ის რისკის ქულა 5,8-ია (რაც დაბალია, მით უკეთესი), კონკურენტებისა კი 20-ს აჭარბებს. თუმცა ამ სიმკაცრეს თავისი ფასი აქვს: მოდელი უწყინარ მოთხოვნებზე უარს 17,4%-ში ამბობს, რაც შედარებულ მოდელებს შორის ყველაზე მაღალი მაჩვენებელია. GLM 5.3-ს ეს მაჩვენებელი 3,2% აქვს, Kimi K3-ს კი – 2,7%.

Meta-ს თქმით, სრული შეფასების ანგარიში მალე გამოქვეყნდება. მანამდე კი კომპანია გვირჩევს, მოდელი დამატებითი დამცავი მექანიზმებით გაეშვას, აგენტურ სცენარებში კი შეუქცევადი მოქმედებების წინ ადამიანის დადასტურება იყოს საჭირო.

შეჯამება

Muse Spark Open-ით Meta დიდ ღია მოდელებს უბრუნდება, თანაც ისეთი მოდელით, რომელიც სურათს, ვიდეოსა და აუდიოსაც ამუშავებს. კომპანიის ცხრილის მიხედვით, ის ზოგიერთ აგენტურ და ცოდნის ტესტში ჩინურ კონკურენტებს სჯობს, თუმცა კოდირებასა და ზოგად ინდექსზე Kimi K3-სა და GLM 5.3-ს ჯერ კიდევ ჩამორჩება.

პრაქტიკული ბარიერებიც რჩება: ლოკალურ გაშვებას კვანტიზებული ვერსიებიც კი ასობით გიგაბაიტ მეხსიერებას მოითხოვს, ხოლო 20 მილიონ დოლარზე მეტი შემოსავლის მქონე API პროვაიდერებს Meta-სთან ცალკე შეთანხმება დასჭირდებათ. სხვა შემთხვევებში კი, Meta-ს თქმით, ლიცენზია დეველოპერების დიდ ნაწილს მოდელის უფასოდ გამოყენების საშუალებას აძლევს.