Meta presenteerde Muse Spark Open op 15 oktober 2026 als een model met open weights. Dat maakt het interessant voor teams die modelkeuze en hosting opnieuw bekijken, maar zegt nog niet of self-hosting past. De gewichten vragen veel geheugen, de gebruiksvoorwaarden hebben een eigen licentie en een goede keuze hangt af van taak en datastroom.
Wat is Muse Spark Open?
Meta beschrijft Muse Spark Open als een open-weight model met 816 miljard totale parameters en 42 miljard actieve parameters per token. Het actieve aantal zegt hoeveel parameters per token worden geactiveerd, niet hoeveel gewichtdata serving moet laden of beschikbaar houden.
De aankondiging van Meta Research dateert van 15 oktober 2026. Meta’s developerdocumentatie beschrijft het model en de gepubliceerde routes. Dit zijn leveranciersgegevens. Er is geen eigen modelrun uitgevoerd en de cijfers zeggen niet hoe Muse Spark Open presteert op jouw toepassing.
“Open weights” is niet automatisch hetzelfde als open-source software met een onbeperkte licentie. Bekijk modelgewichten, code, toegang en voorwaarden apart.
Hoeveel hardware vraagt Muse Spark Open?
Meta’s GPU-deploydocumentatie noemt circa 1,65 TB aan BF16-gewichten en circa 537 GB aan NVFP4-gewichten. Voor BF16 noemt Meta acht GPU’s, bijvoorbeeld 8 × B300; voor NVFP4 noemt de documentatie één node met vier NVIDIA Blackwell-GPU’s. Naast de gewichten is geheugen nodig voor cache, activaties en runtime; Meta adviseert daarom circa 2 TB VRAM voor BF16 en minimaal 700 GB VRAM voor NVFP4.
Meta beschrijft ook een afzonderlijke desktoproute: met MLX past een NVFP4-checkpoint op twee Mac Studios met M5 Ultra en 512 GB unified memory per machine, of op vier Mac Studios met 256 GB per machine. Dat is leveranciersdocumentatie over één gepubliceerde configuratie, geen bewijs van een geschikte responstijd, taakprestatie of totale gebruikskosten.
De API-documentatie van Meta noemt gewichtsgrootte en servingcontext. De modelkaart noemt daarnaast Meta’s hardwareaanbevelingen, waaronder honderden gigabytes VRAM voor NVFP4 en circa twee terabyte voor BF16. Dat zijn leverancierswaarden, geen onafhankelijke capaciteitstest.
| Begrip | Beschrijft | Leidt niet vanzelf af |
|---|---|---|
| Parameters | Omvang en activatievorm | Exacte kosten van jouw serving |
| Gewichtsgrootte | Opslag/representatie van gewichten | Alle benodigde inference-VRAM |
| VRAM-aanbeveling | Een genoemde hardwareklasse | Dat elke configuratie volstaat |
| MLX-desktoproute | Een door Meta beschreven NVFP4-configuratie met gedeeld geheugen | Dat een Mac Studio-setup dezelfde eigenschappen heeft als een GPU-server |
| Runtimegeheugen | Cache en processen tijdens serving | Totale behoefte zonder workload |
Vraag vóór aanschaf om een berekening voor precisie, contextlengte, gelijktijdigheid, responstijd en uitvalmarge. Controleer ook stroom, koeling, netwerk, opslag, beheer en incidentverantwoordelijkheid. Actieve parameters alleen zijn geen sizingmethode.
Welke licentie- en toegangsvoorwaarden gelden?
Lees de Muse Model License en acceptable-use-voorwaarden voordat je het model downloadt of aanbiedt. “Open-weight” betekent hier niet “zonder voorwaarden”.
De huidige Muse Model License en Usage Policy verlangt dat kopieën de copyrightvermelding, licentie en Usage Policy bevatten. Ook moet een product of dienst dat het model of een derivative gebruikt prominent “Built with Muse Spark Open” tonen in de interface of bijbehorende documentatie, website of instellingen. Voor Model as a Service geldt een specifieke voorwaarde: als de licentienemer en gelieerde ondernemingen samen meer dan 20 miljoen dollar bruto-omzet hebben in een aaneengesloten periode van twaalf maanden, moeten zij Meta vooraf informeren en een afzonderlijke schriftelijke overeenkomst sluiten voordat zij het model of een derivative als MaaS aanbieden. De licentietekst noemt uitzonderingen voor intern gebruik, onderzoek en sommige niet-MaaS-productfuncties. Controleer de exacte scope voor je eigen dienst; dit is een samenvatting van de licentietekst, geen juridisch advies.
De huidige Hugging Face-aanvraag voor deze modelkaart vraagt om volledige wettelijke naam, geboortedatum en volledige organisatienaam met bedrijfsidentificaties. De pagina zegt dat die inzending niet achteraf kan worden aangepast en verwijst voor verwerking naar Meta’s privacybeleid. Beoordeel die gegevensvraag voordat je toegang aanvraagt. Controleer daarnaast hosted-providervoorwaarden, verwerkingslocatie, retentie en eventuele gebruikersmelding.
Hosted API of self-hosting: hoe kies je?
Kies op basis van datastroom, capaciteit, toegang, kosten en operationele verantwoordelijkheid. Bij self-hosting beheert je team ook serving, monitoring, beveiliging, updates en incidentrespons.
| Keuze | Past mogelijk wanneer | Controleer eerst |
|---|---|---|
| Hosted API | Je snel een taakproef wilt zonder eigen modelinfrastructuur | Dataverwerking, retentie, beschikbaarheid, limieten, regio en contract |
| Self-hosting | Je capaciteit hebt en serving kunt beheren | Geheugen, piekbelasting, redundantie, netwerk, updates en licentie |
| Nog niet kiezen | Use case, data of gewenste uitkomst onduidelijk is | Begin met kleine testset en succes-/stopcriteria |
Meta’s developer guide voor Muse Spark Open noemt integratie- en deploymentopties. Beschikbaarheid en versies kunnen wijzigen; controleer die opnieuw bij de leverancier.
Hoe vergelijk je Muse Spark Open voor je taak?
Vergelijk met een representatieve, niet-gevoelige taakset en gebruik dezelfde invoer, criteria en baseline voor iedere kandidaat. Een modelkaart of benchmarkranglijst beantwoordt niet vanzelf of jouw workflow goed genoeg werkt.
- Kies synthetische of geanonimiseerde voorbeelden met normale en lastige gevallen.
- Leg vooraf vast wat een goed antwoord is en welke fouten onacceptabel zijn.
- Vergelijk met de baseline op kwaliteit, doorlooptijd, kosten, privacy en herstelwerk.
- Test weigeringen, onjuiste aannames, promptinjectie en uitvoer die vervolgacties kan beïnvloeden.
- Laat een domeinexpert steekproeven beoordelen en noteer versie, instellingen en datum.
- Beslis op taakcriteria en behoud menselijke controle waar fouten gevolgen hebben.
De modelkaart bevat maker-gerapporteerde evaluaties. Die geven context over Meta’s testopzet, maar zijn geen onafhankelijke meting van jouw taak. Hier is geen score opnieuw gemeten. Zie ook AI-agenten testen voor testsets en acceptatiecriteria en Kolibri 1 en modelselectie voor een kader bij modelkeuze.
Wanneer is Muse Spark Open een serieuze kandidaat?
Onderzoek Muse Spark Open als het gebruik past bij de licentie, je gewichten en servingcapaciteit kunt organiseren en evaluatie taakwaarde laat zien. Ontbreekt een voorwaarde, begin dan met een beperkte proef of vergelijk een hosted route.
Maak de keuze niet alleen op parameter-aantallen of een leaderboard. Leg toegang, hardware, datastroom, operationele eigenaar en taaktest naast elkaar. Dat past bij de afweging rond open-weight AI: gewichten kunnen beschikbaar zijn terwijl deployment en gebruiksrechten nog werk vragen.
Wil je een modelkeuze en hostingplan laten toetsen? Bekijk AI-architectuur of neem contact op. Dit artikel claimt geen eigen benchmark of hostingcapaciteit.
Bronnen en bewijsgrenzen
- Muse Spark Open, Meta Research, gepubliceerd 2026-10-15; geraadpleegd 2026-10-27.
- Muse Spark Open API documentation, Meta Developer; geraadpleegd 2026-10-27. Leveranciersinformatie over model, VRAM en NVIDIA-serving.
- Build with Muse Spark Open, Meta Developer, 2026-10-15; geraadpleegd 2026-10-27. Bevat ook een MLX NVFP4-configuratie op Mac Studio; geen onafhankelijke benchmark.
- Muse Spark Open model card and license, Meta; release 2026-10-15, geraadpleegd 2026-10-27. Licentie, access en maker-evaluaties; voorwaarden kunnen wijzigen.
Er is geen eigen inference, VRAM-meting, prijsvergelijking of onafhankelijke benchmark uitgevoerd. Hardware- en evaluatie-informatie is aan Meta toegeschreven en moet voor een deployment worden gecontroleerd.