A Meta bemutatta Muse Spark Open névre keresztelt nyílt súlyú (open-weight) mesterséges intelligencia-modelljét, amelyet az amerikai piacon „a legképzettebbnek” nevezett nyílt modellként reklámoz. A vállalat a modellel kapcsolatos értékelési eredményeket csütörtökön tette közzé.
Műszaki jellemzők és képességek
A Muse Spark Open 816 milliárd paramétert használ és 1 millió token hosszú kontextusablakkal dolgozik. A Meta szerint a modell natívan multimodális, tehát többféle bemenet — például szöveg és valószínűleg multimédiás tartalom — kezelésére alkalmas. Különösen komplex kódolási feladatokra és „agentic” munkafolyamatokra tervezték.
Mac-kompatibilitás és helyi futtatás feltételei
A Muse Spark Open-t kifejezetten úgy alakították ki, hogy Apple számítógépeken is fusson. Ugyanakkor a helyi futtatáshoz jelentős hardverigény párosul: külső beszámolók szerint legalább 1 terabájt RAM szükséges a modell helyi használatához. A Meta szerint a legjobb teljesítmény érdekében a Mac Studio M5 Ultra processzorral szerelt konfigurációk ideálisak.
Alkalmazások és demonstrációk
A Meta közlése szerint a modellt a Muse Code nevű AI-kódolási terminállal párosították, és különböző agentic munkafolyamatokba telepítették. Bemutató jelleggel a Muse Spark Open-et használták egy Mastodon-klienst érintő kódhibák javítására, új funkciók hozzáadására és a teljes build elkészítésére. Emellett a modellt videószerkesztési feladatokra is bevetették: a Meta szerint a Muse Spark Open képes volt felülvizsgálni és levágni felvételeket a DaVinci Resolve szoftver esetében.
Nyílt súlyú modell előnyei és elérhetőség
A nyílt súlyú modellek a Meta szerint iparági előnyöket kínálnak a zárt és szabadalmaztatott rendszerekhez képest: költséghatékonyságot, átláthatóságot és nagyobb rugalmasságot. A Muse Spark Open-et a Meta többféle API-platformon keresztül tette elérhetővé.
Mit érdemes magukkal vinni a felhasználóknak?
A Meta bejelentése a modell képességeit és Mac-támogatását hangsúlyozza, de a gyakorlati helyi használathoz elérhető memóriamennyiség kulcsfontosságú. A helyi futtatásra alkalmas konfigurációk magas költséggel és jelentős hardverigénnyel járnak, ezért a legtöbb felhasználó eleinte valószínűleg API-n keresztül fogja igénybe venni a modellt.
