15 октября 2026 года Meta выпустила Muse Spark Open — модель с открытыми весами для программирования и агентных задач: 816 млрд параметров, из них около 42 млрд активны на каждый токен, контекст до 1 млн токенов. Скачать веса можно, но «запустить у себя» на практике означает кластер из восьми ускорителей H200 или узел на Blackwell, а для российской компании ещё и проверку лицензии, доступа к весам и статуса Meta в России. Для большинства компаний это повод обновить свой тестовый набор и план по собственной LLM, а не срочно покупать железо.
Материал подготовлен AIrassvet 20 октября 2026 года для ИТ-директоров, руководителей разработки и владельцев бизнеса, которые рассматривают LLM на своих серверах. Мы опирались на карточку модели и технический разбор на Hugging Face, публикацию TechCrunch и сообщение Pravo.ru о судебном решении. Мы разбираем, что релиз значит для компании, которая думает о LLM на своих серверах; обзор всех открытых моделей и пошаговая инструкция по развёртыванию в статью не входят. Модель мы сами не запускали: все цифры качества и производительности ниже — данные Meta и Hugging Face, а не наши замеры. Компания Meta Platforms признана в России экстремистской организацией, её деятельность запрещена. Материал не является юридической консультацией.
Содержание
- Кратко
- Что выпустила Meta 15 октября
- Что означает «открытые веса» в лицензии
- Какое железо нужно для запуска
- Насколько модель сильна по данным Meta
- Ограничения для российской компании
- Кому стоит рассматривать модель, а кому нет
- Что делать компании сейчас
- Как мы проверяли информацию
- Частые вопросы
- Первоисточники
Кратко
- Что вышло. Muse Spark Open — модель Meta с открытыми весами: 816 млрд параметров, около 42 млрд активных на токен, контекст до 1 048 576 токенов, на входе текст, изображения, аудио и видео, на выходе текст.
- Железо. По данным Hugging Face, сжатая версия NVFP4 работает на восьми H200 по 141 ГБ с полным контекстом или на восьми RTX Pro 6000 по 98 ГБ с контекстом 131 072 токена. Полные веса BF16 занимают около 1,5 ТБ.
- Лицензия. Muse Model License разрешает коммерческое использование и дообучение, но требует подписи «Built with Muse Spark Open». Отдельный договор с Meta нужен, если вы продаёте доступ к модели третьим лицам как сервис, а совокупная выручка вашей компании с аффилированными лицами больше 20 млн долларов за 12 месяцев.
- Качество. В таблице Meta модель набирает 39 баллов по Artificial Analysis Intelligence Index. В той же таблице у GLM 5.3 — 45, у Kimi K3 — 44. Meta называет её самой сильной американской открытой моделью, но среди всех открытых моделей она не первая.
- Русский язык. Meta пишет, что модель обучали на данных более чем 100 языков, но не на всех проверяли. Качество на русском не опубликовано, его нужно проверять на своих задачах.
Что выпустила Meta 15 октября
Meta опубликовала Muse Spark Open 15 октября 2026 года, в тот же день появились карточка модели и разбор на Hugging Face. TechCrunch пишет, что Meta называет её самой сильной американской моделью с открытыми весами. Модель рассчитана на сложное программирование и агентную работу. Ключевые характеристики из технического разбора Hugging Face:
| Параметр | Значение |
|---|---|
| Архитектура | Mixture-of-Experts: 256 экспертов в слое, 8 выбираются на каждый токен |
| Параметры | около 816 млрд всего, около 42 млрд активных на токен |
| Контекст | до 1 048 576 токенов |
| Вход | текст, изображения, аудио, видео |
| Выход | только текст |
| Режимы рассуждения | low, medium, high, xhigh; по умолчанию xhigh, отключить нельзя |
| Варианты весов | BF16, NVFP4, 3- и 4-битные MLX, GGUF для llama.cpp (Q2_K, Q4_K_S, Q8) |
| Поддержка | Transformers, vLLM, SGLang, llama.cpp, MLX |
Mixture-of-Experts (MoE) — архитектура, в которой модель состоит из множества «экспертов», и на каждый токен работает только их часть. Поэтому считать на каждом шаге приходится около 42 млрд параметров, но хранить в памяти нужно все 816 млрд. Отсюда главная особенность модели для бизнеса: вычислений нужно умеренно, а памяти очень много.
Что означает «открытые веса» в лицензии
Открытые веса — это значит, что файлы модели можно скачать и запустить на своём оборудовании. Это не то же самое, что открытая лицензия: условия использования задаёт Muse Model License. По карточке модели на 20 октября 2026 года основные условия такие:
- Разрешено: использовать, копировать, изменять и дообучать модель, создавать производные модели, распространять и продавать их с соблюдением условий.
- Обязательная подпись. Продукт или документация должны заметно содержать фразу «Built with Muse Spark Open».
- Порог для модели как сервиса. Если вы предоставляете третьим лицам доступ к модели через API или похожий интерфейс, а совокупная выручка вашей компании и аффилированных лиц превышает 20 млн долларов за любые 12 месяцев подряд, до запуска такого сервиса нужно уведомить Meta и подписать отдельный договор. Внутреннее использование, исследования и функции внутри собственного продукта, который не продаёт доступ к модели, под это условие не попадают.
- Результаты работы. Meta не претендует на права на ответы модели.
- Политика использования. Приложение A запрещает, в частности, незаконную деятельность, вредоносный код, нарушение приватности и дезинформацию. Модель не предназначена для лиц младше 18 лет. Кроме того, нельзя нарушать применимые законы, включая законы о торговых ограничениях.
- Доступ к весам. Репозиторий закрыт ручной модерацией: в форме нужно указать полное юридическое имя, дату рождения и полное название организации со всеми реквизитами, исправить форму после отправки нельзя.
Условие о 20 млн долларов не касается компании, которая разворачивает модель для своих сотрудников или встраивает её в функции своего продукта. Его стоит проверить интеграторам и облачным провайдерам, которые хотят продавать клиентам доступ к самой модели.
Какое железо нужно для запуска
Требования к оборудованию определяются тем, что все 816 млрд параметров должны поместиться в память. Конфигурации ниже взяты из разбора Hugging Face. Суммарная видеопамять посчитана нами.
| Вариант | Оборудование | Контекст | Суммарная видеопамять |
|---|---|---|---|
| BF16, Transformers | 4 узла по 8 H200, тензорный параллелизм 32 | не указан | 32 × 141 ГБ = 4 512 ГБ |
| NVFP4, Inference Endpoints | 8 × H200 по 141 ГБ | 1 048 576 токенов | 1 128 ГБ |
| NVFP4, Inference Endpoints | 8 × RTX Pro 6000 по 98 ГБ | 131 072 токена | 784 ГБ |
| NVFP4, vLLM | ускорители Blackwell, на которые рассчитан формат NVFP4, TP = 4 | 131 072 токена в примере | зависит от модели ускорителя |
| NVFP4, SGLang | 4 × GB300 (эталонная конфигурация) | не указан | зависит от конфигурации |
| 2-битный GGUF, llama.cpp | Mac на M3 Ultra с 512 ГБ памяти | не указан | 304 ГБ заняты, 18 токенов/с |
| 3-битный MLX | Mac на M3 Ultra с 512 ГБ памяти | не указан | около 344 ГБ, около 21 токена/с генерации |
Три вывода из этой таблицы:
- Длинный контекст стоит дорого. По данным Hugging Face, KV-кэш для полного контекста в 1 млн токенов в BF16 занимает около 266 ГБ. Если вашим задачам хватает 128 тысяч токенов, требования к памяти заметно ниже.
- Сжатие сильно влияет на результат. Meta описывает потери NVFP4 как пренебрежимые. Для 2- и 3-битных версий таких заявлений нет: их качество нужно проверять самостоятельно.
- Mac годится для экспериментов, а не для сервиса. 18–21 токен в секунду на одного пользователя — нормальная скорость для пробы. Для отдела из десятков человек и агентных сценариев, где модель делает сотни вызовов, этого мало.
Дообучение тоже требует кластера. В примере Hugging Face LoRA-дообучение (ранг 16, обучались только проекции внимания, эксперты заморожены) заняло около двух часов на 8 узлах по 8 H100, то есть на 64 ускорителях.
Насколько модель сильна по данным Meta
Цифры ниже взяты из таблицы в карточке модели. Это результаты, которые опубликовала Meta; полного независимого сравнения на 20 октября 2026 года мы не нашли. Мы выбрали тесты, близкие к рабочим задачам: общий индекс, работа с инструментами, терминал и разработка.
| Тест | Muse Spark Open | Mistral Large 4 | Qwen3.8-2.4T-A95B | GLM 5.3 | Kimi K3 |
|---|---|---|---|---|---|
| Artificial Analysis Intelligence Index | 39 | 38 | 40 | 45 | 44 |
| MCP-Atlas (инструменты через MCP) | 89,2 | — | 84,5 | 84,2 | 82,3 |
| Terminal-Bench 2.1 | 76,4 | — | 82,0 | 83,9 | 85,0 |
| DeepSWE 1.1 (разработка) | 60 | 62 | 57 | 67 | 68 |
| OSWorld Verified (работа в интерфейсе ОС) | 80,4 | — | — | — | 84,8 |
«—» означает, что Meta не указала результат. По собственной таблице Meta модель сильна в работе с инструментами через MCP, но уступает GLM 5.3 и Kimi K3 в терминальных и инженерных тестах и по общему индексу. Поэтому сама по себе новинка не повод отказываться от уже выбранной открытой модели: сначала стоит прогнать её на своих задачах. Как собрать такой набор, мы разбирали в статье «Свой бенчмарк для выбора LLM».
Ограничения для российской компании
Помимо железа, у российской компании есть четыре вопроса, на которые нужно ответить до пилота.
- Статус Meta. 21 марта 2022 года Тверской районный суд Москвы признал Meta Platforms экстремистской организацией и запретил её деятельность в России, сообщает Pravo.ru. В том же сообщении сказано, что использование заблокированных соцсетей россиянами не считается экстремистской деятельностью. Об использовании моделей Meta в бизнесе суд не высказывался. Как это скажется на вашей компании, оценивайте вместе с юристом, особенно если компания работает с госзаказчиками.
- Доступ к весам. Доступ выдаётся вручную по заявке с реквизитами организации, а лицензия требует соблюдать законы о торговых ограничениях. Одобрят ли заявку российской организации, неизвестно: мы её не подавали. Скачивать веса через сторонние зеркала в обход модерации — это риск и для лицензии, и для целостности файлов.
- Оборудование. Конфигурации из таблицы выше построены на ускорителях NVIDIA H200, B200 и RTX Pro 6000. Для объектов критической информационной инфраструктуры есть отдельные ограничения на иностранное оборудование — их мы разбирали в статье «Иностранные GPU для ИИ на объектах КИИ».
- Облачный доступ. По данным TechCrunch, модель сразу стала доступна через несколько API-платформ, и это зарубежные сервисы. Отправка туда персональных данных означает трансграничную передачу, а это уже требования 152-ФЗ. Свои серверы снимают этот вопрос, но возвращают вопрос о железе.
Кому стоит рассматривать модель, а кому нет
| Ситуация | Что делать |
|---|---|
| У компании уже есть кластер на H200 или Blackwell и внутренние агентные сценарии для разработки | Включить Muse Spark Open в сравнение с текущей моделью на своём тестовом наборе |
| Нужна LLM на своих серверах, но бюджет на железо ещё не утверждён | Сравнить совокупную стоимость с моделями поменьше; эта модель задаёт верхнюю планку требований |
| Нужен ассистент для сотрудников на русском языке без сложных агентных цепочек | Сначала проверить качество на русском; при равном результате меньшая модель будет дешевле в эксплуатации |
| Компания работает с госзаказчиками или подпадает под требования к КИИ | Получить заключение юриста и службы ИБ до любых экспериментов |
| Нужен быстрый эксперимент без своего железа | Пробовать только на обезличенных данных, учитывая 152-ФЗ |
Если вы ещё выбираете между облаком и своим сервером, начните с расчёта в статье «Облачная или локальная LLM: расчёт TCO». Обзор моделей и железа на 2026 год — в материале «Локальные LLM 2026».
Что делать компании сейчас
- Не покупайте железо под новость. Через несколько недель появятся независимые оценки и опыт первых внедрений, и картина станет яснее.
- Выпишите задачи, для которых нужна своя модель. Например: агент для разработки в закрытом контуре, поиск по внутренним документам, разбор входящих писем. Для каждой задачи укажите, нужен ли длинный контекст и работа с изображениями.
- Обновите тестовый набор. Возьмите 50–100 реальных запросов с правильными ответами и критериями оценки и добавьте в сравнение Muse Spark Open вместе с текущей моделью.
- Посчитайте память под свой контекст. Решите, сколько токенов контекста реально нужно: от этого зависит, хватит ли восьми ускорителей по 98 ГБ или нужны по 141 ГБ.
- Передайте юристу три документа: Muse Model License, политику использования и сообщение о статусе Meta в России. Попросите письменный вывод именно для вашего сценария.
- Если решите пробовать — подайте заявку на официальный доступ от имени организации и зафиксируйте ответ. Отказ тоже ценный результат: он убирает модель из списка без затрат на железо.
Для агентов, которые работают с кодом, полезно заранее продумать изоляцию и права доступа — подробно в статье «ИИ-агент для разработки в закрытом контуре».
Как мы проверяли информацию
- Источники: карточка модели и технический разбор на Hugging Face, статья TechCrunch от 15 октября 2026 года, сообщение Pravo.ru от 21 марта 2022 года. Метаданные репозитория (дата последнего изменения 15 октября 2026 года, ручная модерация доступа) мы проверили через API Hugging Face 20 октября 2026 года.
- Отбор тестов: из таблицы Meta мы взяли пять тестов, связанных с инструментами, терминалом, разработкой и работой в интерфейсе, и пять моделей, для которых в таблице есть данные.
- Расчёты: суммарная видеопамять — это число ускорителей, умноженное на объём памяти одного из них, по данным Hugging Face. Других расчётов нет.
- Чего мы не делали: не запускали модель, не измеряли качество на русском и не подавали заявку на доступ к весам. Цены облачных платформ в статью не включены — мы не смогли проверить их по первоисточникам.
Частые вопросы
Можно ли запустить Muse Spark Open на одном сервере?
Да, если на сервере восемь ускорителей с большим объёмом памяти. По данным Hugging Face, версия NVFP4 работает на восьми H200 по 141 ГБ с контекстом 1 млн токенов или на восьми RTX Pro 6000 по 98 ГБ с контекстом 131 072 токена. На обычном сервере с одной-двумя видеокартами модель не поместится, а 2-битная версия для Mac подходит только для экспериментов.
Можно ли использовать модель в коммерческом продукте?
Да, Muse Model License разрешает коммерческое использование и дообучение. Нужно соблюдать политику использования и заметно указать «Built with Muse Spark Open». Если вы продаёте доступ к модели третьим лицам как сервис, а выручка вашей компании с аффилированными лицами превышает 20 млн долларов за 12 месяцев, нужен отдельный договор с Meta. Для российской компании дополнительно оцените статус Meta с юристом.
Как Muse Spark Open работает с русским языком?
Точных данных нет. В карточке модели сказано, что её обучали на данных более чем 100 языков, но проверяли не на всех, и на слабее поддержанных языках качество может падать. Результатов на русском Meta не публиковала. Единственный надёжный способ — прогнать модель на своих русскоязычных запросах вместе с текущей моделью и сравнить ответы по одинаковым критериям.
Чем Muse Spark Open отличается от Muse Glimmer?
Muse Spark Open — большая модель серии Muse, а Muse Glimmer, которую Meta выпустила в августе, — небольшая плотная модель той же серии для локального запуска. У них общий токенизатор и словарь. Для бизнеса разница в требованиях: Glimmer рассчитана на скромное железо, а Muse Spark Open требует кластера и прошла дополнительное обучение безопасности для работы без системных ограничений.
Стоит ли ждать независимых тестов?
Да, если нет срочной задачи. На 20 октября 2026 года цифры качества в карточке модели опубликовала сама Meta, а полного независимого сравнения мы не нашли. Пока его нет, подготовьте тестовый набор и юридическое заключение: тогда, когда появятся независимые данные, модель можно будет проверить за несколько дней.
Первоисточники
- Hugging Face: карточка модели Muse Spark Open
- Hugging Face: Welcome Muse Spark Open — технический разбор
- TechCrunch: Meta launches an open-weight AI model that runs on Macs, 15.10.2026
- Pravo.ru: решение суда о признании Meta экстремистской организацией, 21.03.2022
Как AIrassvet помогает оценить открытую модель для своих серверов
Новая модель с открытыми весами — это не готовое решение, а кандидат, которого нужно проверить на ваших данных и вашем оборудовании. На сайте AIrassvet указаны направления, которые относятся к такой оценке:
- аудит процесса: какие задачи действительно требуют своей модели и какой контекст им нужен;
- развёртывание и дообучение LLM на серверах заказчика, включая оптимизацию инференса под имеющееся оборудование;
- тестирование кандидатов на наборе реальных запросов до решения о покупке железа;
- интеграция выбранной модели в ИИ-агентов и бизнес-системы.
Первый шаг — выбрать один процесс и описать его текущий уровень, источники данных, ограничения и критерий, по которому вы поймёте, что модель подходит.
Итог: новость для тестового набора, а не для закупки
Muse Spark Open — серьёзная модель с открытыми весами, но она не меняет расчёт для большинства компаний. Чтобы запустить её у себя, нужны восемь ускорителей с большой памятью, юридическая оценка лицензии и статуса Meta и проверка качества на русском языке. Цифры качества пока опубликовала только сама Meta.
Используйте релиз как повод навести порядок: составьте тестовый набор, посчитайте нужный контекст и отправьте лицензию юристу. Тогда следующая сильная модель с открытыми весами — от Meta или любого другого разработчика — потребует нескольких дней проверки, а не нового проекта.
