- Meta가
코딩과 여러 단계의 에이전트 작업에 특화한 Muse Spark Open의 가중치를 공개. 텍스트와 이미지, 영상, 오디오를 입력받아 소프트웨어 개발과 도구 사용, 멀티모달 추론에 활용 가능 - 전체
8,160억 개 파라미터 중 토큰당 420억 개를 활성화하는 MoE 모델로, 약 100만 토큰의 컨텍스트 지원 메모리 512GB를 갖춘 M5 Ultra Mac Studio 두 대에서 MLX로 NVFP4 모델 실행 가능. Muse Code와 연결해 iOS 앱 수정과 빌드, DaVinci Resolve 영상 편집을 로컬에서 수행- Meta의 자체 평가에서
MCP-Atlas 89.2점, 도구 없는 HLE-Diamond 26.1점을 기록해 공개된 비교군을 앞섬. 코딩과 다른 에이전트 평가에서는 항목에 따라 결과가 달라짐 - MLX, llama.cpp, vLLM, SGLang 등과 주요 API 서비스에서 이용 가능.
Muse Model License로 배포되며, 일정 규모 이상의 모델 서비스 사업자는 별도 계약 필요
모델 구성과 활용 범위
Muse Spark Open은 2026년 10월 15일 공개된 네이티브 멀티모달 모델- 전체 파라미터
816B, 토큰당 활성 파라미터42B - 컨텍스트 창은 최대
1,048,576토큰 - 텍스트, 이미지, 영상과 오디오를 입력받고
텍스트로 출력
-
전체 파라미터
-
복잡한 소프트웨어 엔지니어링과 장시간 이어지는 작업, 다단계 추론에 초점
-
작업 계획 수립, 순차적인 도구 호출, 오류 진단과 재시도, 코드 작성과 디버깅 등에 활용
-
스크린샷, 차트와 문서를 해석하는 작업도 지원
-
Meta는
현재까지 가장 성능이 뛰어난 미국 공개 가중치 모델로 소개- 모델 구성과 평가 결과는 공식 모델 카드에 공개
-
추론 강도는
low
,medium
,high
,xhigh
의 네 단계로 조절- 기본값은
xhigh
이며, 복잡한 문제와 코딩, 에이전트 작업에 높은 추론 강도를 권장
공개된 벤치마크
- 원문의
Key Benchmarks 이미지 표와 모델 카드에서 에이전트, 지식과 추론, 코딩, 멀티모달 평가 결과를 제공 - Muse Spark Open은
xhigh 추론 강도로 평가했으며, 비교 모델은 표에 명시된 각자의 추론 설정을 사용
| 평가 | Muse Spark Open | Qwen3.8-2.4T-A95B | GLM 5.3 | Kimi K3 |
|---|
| Artificial Analysis Intelligence Index | 39 | 40 | 45 | 44 |
| JobBench | 61.8 | | | |
| 52.7 | 61.4 | 54.3 | | |
| MCP-Atlas | 89.2 | | | |
| 84.5 | 84.2 | 82.3 | | |
| HLE-Diamond, 도구 없음 | 26.1 | | | |
| 17.3 | 16.4 | 22.2 | | |
| AA Omniscience | 25 | | | |
| 4 | 14 | 20 | | |
| Terminal-Bench 2.1 | 76.4 | 82.0 | 83.9 | 85.0 |
| DeepSWE 1.1 | 60 | 57 | 67 | 68 |
-
공개된 비교군 중 JobBench, MCP-Atlas, HLE-Diamond와 AA Omniscience에서 높은 점수를 기록
-
코딩 평가에서는 결과가 달라짐
-
Terminal-Bench 2.1과 DeepSWE 1.1에서는 GLM 5.3과 Kimi K3가 더 높은 점수
-
Terminal-Bench는 Terminus 2 에이전트, DeepSWE는 모델별 선호 실행 환경을 사용한 결과
-
도구를 사용한 멀티모달 평가에서는
ZeroBench 50.0점, SimpleVQA 73.6점- 같은 표의 Kimi K3는 각각 41.0점과 71.9점
-
BabyVision과 VideoMMEv2에서는 Kimi K3가 더 높은 점수
-
세부 조건은 평가 방법론 보고서에서 확인 가능
Mac Studio 두 대에서 로컬 실행
-
최신
MLX를 활용해 M5 Ultra Mac Studio 두 대에서 전체 모델을 실행하도록 최적화- 각 기기에
512GB 통합 메모리, 합계 약 1TB를 사용하는 구성 - M5 Ultra의 메모리 대역폭은 기기당
1.2TB/s
-
각 기기에
-
공식 실행 문서는
NVFP4 체크포인트를 사용- 512GB 구성 두 대 또는 256GB 구성 네 대에 분산 가능
-
macOS 26.2 이상과 MLX 0.30.1 이상 필요
-
Thunderbolt 5 직접 연결과
RDMA-over-Thunderbolt를 이용해 기기 사이의 데이터를 전송
-
모델 카드의 GPU 실행 안내는
NVFP4에 최소 700GB, BF16에 2TB VRAM을 제시- 필요한 메모리와 실행 구성은 체크포인트, 컨텍스트 길이와 추론 환경에 따라 달라짐
로컬 코딩과 영상 편집 사례
- Muse Spark Open을 사용하는
Muse Code로 기기 내 에이전트 작업을 시험 - 오픈소스 Mastodon 클라이언트
Ice Cubes에서 실제 iOS 변경 작업 수행- 버그 수정, 새 기능 구현과 전체 빌드 포함
DaVinci Resolve를 처음부터 끝까지 조작하는 영상 편집 작업도 수행- 영상을 프레임별로 검토해 좋은 장면을 고르고 세로 화면으로 잘라냄
- 두 사례 모두 모델을 로컬에서 실행하는 작업 흐름으로 소개
배포와 추론 최적화
-
API 서비스는
Baseten, Fireworks AI, Groq, Modal, Nebius, OpenRouter, Together AI에서 제공 - 가중치는 Amazon SageMaker AI, Google Cloud Model Garden, Hugging Face와 Microsoft Foundry Models에서 제공
-
Hugging Face 모델 컬렉션에서
BF16과 NVFP4체크포인트 확인 가능
-
Hugging Face 모델 컬렉션에서
-
주요 추론 환경 지원
SGLang / vLLM / TensorRT-LLM: GPU 서빙Hugging Face Transformers: Python 기반 실행과 맞춤 파이프라인Apple MLX: Apple Silicon 분산 실행llama.cpp / Unsloth: 로컬 추론과 양자화 모델 실행
-
AMD, Apple, Intel과 NVIDIA 하드웨어를 위한 최적화 제공
-
SGLang에는 자동 조정 가능한
Helion GPU 커널포함- NVIDIA와 AMD GPU에서
커널 단위 1.03~3.95배속도 향상 - AMD MI350에서는
**전체 실행 기준 3%**속도 향상
-
NVIDIA와 AMD GPU에서
-
PyTorch로 모델을 맞춤화하고
TorchTitan으로 추가 튜닝 가능- Mac 실행 도구는 mlx-lm 저장소에서 제공
안전성 평가
- 시스템 차원의 안전장치 없이도 공개 모델이 악용에 더 잘 대응하도록
추가 안전성 후학습적용 - 콘텐츠 안전, 에이전트 행동, 개인정보와 고위험 능력을 평가
- 도구 사용 중 승인되지 않은 행동과 위험한 코드 실행, 파괴적인 변경 등도 평가 대상
Meta Superintelligence Scaling Framework에 따른 출시 기준을 충족- 평가 범위와 공개 모델의 결과는 모델 카드에 수록
라이선스와 이용 조건
Muse Model License에 따라 사용, 수정과 미세조정, 증류, 재배포 등을 허용- 제품이나 서비스에 모델 또는 파생 모델을 사용하면
“Built with Muse Spark Open” 표시 필요- 사용자 인터페이스나 문서, 웹사이트, 설정 메뉴 등에 표시 가능
- 재배포 시 저작권 고지와 라이선스, 이용 정책을 함께 포함해야 함
API 등으로 제삼자에게 모델을 제공하는 사업자는 별도 상업 조건 적용- 사업자와 계열사의 합산 총매출이 연속된 12개월 동안
2,000만 달러를 초과하면, 해당 사업에서 모델을 제공하기 전에 Meta와 별도 서면 계약 필요 - 내부 이용과 연구, 모델 서비스가 아닌 일반 상업 활동, 자체 제품의 기능을 구현하는 용도에는 이 조항이 적용되지 않음
- 사업자와 계열사의 합산 총매출이 연속된 12개월 동안
- 다운로드 접근에는 Hugging Face 로그인과 이용 조건 검토가 필요
- 세부 조건은 전체 라이선스에서 확인 가능