Edisi Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# Meta merilis bobot Muse Spark Open dan panduan penyajian model

> Meta merilis bobot Muse Spark Open pada 15 Oktober. Checkpoint BF16 dan NVFP4, API terkelola, serta Muse Model License memberi pengembang beberapa jalur dengan batasan berbeda.

By BIG CHANGE Editorial

Published: 2026-10-16T06:43:13.531Z
Updated: 2026-10-16T06:43:13.531Z
Canonical: https://bigchange.ai/blog/meta-muse-spark-open-weights-serving-license

![Conceptual charcoal illustration of an open server cabinet on the left and a separate wall-mounted network connection on the right.](https://bigchange.ai/api/media/file/muse-spark-open-serving-choice-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE; no Meta equipment, actual deployment or BIG CHANGE test is depicted.

Meta merilis bobot Muse Spark Open pada 15 Oktober 2026. Kini sebuah tim dapat [mengunduh checkpoint BF16 atau NVFP4 dari Meta](https://dev.meta.ai/docs/muse-spark-open/get-the-model), menyajikan format yang didukung pada perangkat keras sendiri, atau memanggil model melalui mitra peluncuran. Pilihan ini penting: checkpoint penuh berisi sekitar 1,65 TB bobot, checkpoint NVFP4 sekitar 537 GB, dan endpoint terkelola memiliki ketentuan akses serta harga masing-masing. BIG CHANGE memeriksa dokumen peluncuran, kartu model, panduan penyajian, dan lisensi. Kami tidak mengunduh atau menjalankan model tersebut.

Meta menggambarkan Muse Spark Open sebagai model mixture-of-experts sparse dengan total 816 miliar parameter dan sekitar 42 miliar yang aktif per token. Model ini menerima teks, gambar, video, dan audio, lalu menghasilkan teks. [Dokumentasi model](https://dev.meta.ai/docs/muse-spark-open) menetapkan konteks maksimum 1.048.576 token. Itu adalah batas model, bukan janji bahwa setiap penyedia atau konfigurasi lokal akan mengalokasikan token sebanyak itu.

## Perubahan besar

- **Apa yang berubah:** Meta menerbitkan bobot Muse Spark Open yang dapat diunduh berdasarkan Muse Model License, bersama jalur terdokumentasi untuk hosting mandiri, API mitra, dan pascapelatihan.
- **Mengapa penting:** Pengembang dapat memilih tempat inferensi dijalankan serta checkpoint atau penyedia yang sesuai dengan beban kerja mereka. Resep konfigurasi yang dirilis membuat pilihan itu lebih konkret, sedangkan memori, konteks, harga, dan akses tetap bergantung pada jalurnya.
- **Yang perlu dicermati:** Pengujian independen atas checkpoint yang dirilis, konteks dan harga per penyedia, serta perilaku kuantisasi yang lebih kecil pada tugas nyata. Demonstrasi dan evaluasi Meta tidak membuktikan hasil tersebut pada penerapan lain.

## Bobot, perangkat keras, dan konteks

Dalam [panduan unduhannya](https://dev.meta.ai/docs/muse-spark-open/get-the-model), Meta menyebut dua repositori resmi miliknya di Hugging Face: `meta-models/Muse-Spark-Open-816B-A42B` untuk BF16 dan `meta-models/Muse-Spark-Open-816B-A42B-NVFP4` untuk checkpoint yang lebih kecil. Berkas bobot BF16 berukuran sekitar 1,65 TB; NVFP4 sekitar 537 GB. Itu adalah ukuran penyimpanan, belum termasuk cache key-value, aktivasi, dan overhead runtime. Contoh penyajian Meta menempatkan BF16 pada delapan GPU B300 dan NVFP4 pada empat GPU B300. [Tabel perangkat kerasnya](https://dev.meta.ai/docs/muse-spark-open/hardware-platforms) juga menjelaskan konfigurasi AMD Instinct dengan vLLM, jalur Intel Xeon 6 INT4 dengan SGLang, serta konfigurasi Apple MLX yang memakai dua Mac Studio M5 Ultra dengan memori terpadu masing-masing 512 GB, atau empat dengan masing-masing 256 GB. Itu adalah resep konfigurasi tertentu, bukan jaminan kompatibilitas umum.

Untuk workstation dengan memori jauh lebih sedikit, [panduan penerapan](https://dev.meta.ai/docs/muse-spark-open/deploy) mengarahkan ke kuantisasi GGUF pihak ketiga. Rentang perencanaan Unsloth-nya sekitar 300–315 GB gabungan RAM dan VRAM untuk versi dinamis 2-bit. Checkpoint dan runtime tersebut berbeda dari unduhan BF16 dan NVFP4 Meta. Perintah contoh Unsloth dimulai dengan konteks 32.768 token untuk mengendalikan penggunaan memori. Tim sebaiknya menyesuaikan konteks aktual dan permintaan paralel dengan memori yang tersedia, bukan menganggap batas satu juta token model sebagai pengaturan penyajian bawaan.

## Pilih tempat permintaan dijalankan

Dalam [panduan penyajian](https://dev.meta.ai/docs/muse-spark-open/deploy) didokumentasikan jalur server SGLang, vLLM, dan TensorRT-LLM, jalur Python Transformers, MLX untuk susunan Mac Studio yang ditentukan, serta llama.cpp dan Unsloth dengan varian GGUF masing-masing. Panduan ini mencantumkan endpoint HTTP yang kompatibel dengan OpenAI untuk beberapa runtime server; Transformers memakai antarmuka Python. Setiap resep menyebut checkpoint, paralelisme, dan pengaturan runtime-nya. Memilih kuantisasi atau akselerator lain membutuhkan resep untuk jalur tersebut.

Meta juga mencantumkan akses terkelola sejak hari peluncuran melalui Baseten, Fireworks AI, Modal, Nebius, OpenRouter, dan Together AI. Jalur Groq disebut sebagai pratinjau terbatas, sehingga aksesnya bergantung pada kelayakan organisasi. [Bagian mitra](https://dev.meta.ai/resources/blog/build-with-muse-spark-open#hosted-inference) membedakan layanan serverless dan layanan dedicated. Bagian ini tidak menetapkan satu harga atau alokasi konteks yang sama untuk semua penyedia. API terkelola memakai kredensial dan penagihan penyedia; inferensi lokal membutuhkan checkpoint, ruang penyimpanan besar, dan komputasi yang kompatibel. Panduan unduhan Meta menyatakan bahwa eksekusi lokal tanpa koneksi internet tidak membutuhkan kunci API model setelah bobot diperoleh.

Untuk evaluasi pertama, pengembang dapat memakai endpoint mitra guna menguji prompt dan panggilan alat mereka sendiri, atau mengikuti resep lokal yang tepat untuk checkpoint dan perangkat kerasnya. [Kartu model](https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B) Meta memperingatkan bahwa model dapat menghasilkan jawaban tidak akurat dan kesalahan dalam penalaran beberapa langkah. Kartu tersebut menyarankan pengamanan tingkat sistem untuk agen yang memakai alat. Baik demonstrasi peluncuran maupun tolok ukur yang dilaporkan perusahaan tidak menunjukkan bahwa agen akan andal menyelesaikan alur kerja tim tertentu.

## Lisensinya memiliki syarat

Lisensi [Muse Model License](https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B/blob/main/LICENSE.md) bertanggal 15 Oktober mengizinkan penggunaan, modifikasi, dan distribusi dengan tunduk pada syaratnya serta kebijakan penggunaan terlampir. Lisensi dan kebijakan harus disertakan bersama salinan serta karya turunan, dan produk atau layanan yang menggunakan perangkat lunak atau turunannya harus menampilkan pemberitahuan “Built with Muse Spark Open” secara jelas. Penyedia model sebagai layanan yang pendapatan bruto gabungannya dengan entitas afiliasi melebihi US$20 juta dalam periode 12 bulan berturut-turut mana pun harus memberi tahu Meta dan membuat perjanjian tertulis terpisah sebelum menawarkan model atau turunannya dalam bisnis tersebut. Lisensi secara tegas mengecualikan penggunaan internal dan produk komersial yang memakai model sebagai komponen tanpa menawarkan produk model sebagai layanan dari persyaratan khusus itu. Tim yang merencanakan penerapan perlu membaca lisensi dan kebijakan terkini untuk penggunaannya. Bobot yang dapat diunduh tidak menjadikan rilis ini sumber terbuka tanpa batasan, dan inferensi terkelola maupun perangkat keras pada umumnya tidak gratis.

Meta merilis model ini tiga hari setelah [memperkenalkan keluarga Muse Wonder yang dihosting](https://bigchange.ai/blog/meta-muse-wonder-agent-model-access). Spark Open memberi tim keputusan terpisah tentang pengunduhan bobot dan penerapan. Pertanyaan praktisnya kini adalah jalur terdokumentasi mana yang dapat mendukung input, konteks, anggaran, dan proses peninjauan yang direncanakan tim. Itu tetap merupakan pilihan konfigurasi dan evaluasi, bukan hasil yang telah diukur BIG CHANGE.

## Sumber dan bacaan lanjutan

- [Rilis Meta AI Research, 15 Oktober 2026](https://research.meta.ai/blog/muse-spark-open/) — tanggal rilis, deskripsi model, daftar mitra, dan demonstrasi perusahaan. Pernyataan kemampuan dan evaluasinya berasal dari Meta.
- [Panduan peluncuran untuk pengembang Meta, 15 Oktober 2026](https://dev.meta.ai/resources/blog/build-with-muse-spark-open) — dokumentasi per jalur tentang runtime, checkpoint, penyedia terkelola, dan pascapelatihan. Pernyataan tolok ukur dan pengguna awal tetap diatribusikan kepada sumbernya.
- [Dokumentasi model, unduhan, perangkat keras, dan penerapan Meta](https://dev.meta.ai/docs/muse-spark-open) — input dan output yang tepat, kebutuhan sumber daya, resep, prasyarat, dan akses penyedia; baca pengaturan terkini setiap jalur tertaut sebelum menerapkan.
- [Kartu model Muse Spark Open](https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B) — batas model, evaluasi Meta, dan keterbatasan yang disebutkan. BIG CHANGE tidak menjalankan atau mereproduksinya secara independen.
- [Muse Model License dan kebijakan penggunaan, 15 Oktober 2026](https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B/blob/main/LICENSE.md) — ketentuan redistribusi, atribusi, dan model sebagai layanan yang berlaku. Ringkasan ini bukan pengganti teks lengkap.

## Sources

- [Meta AI Research: memperkenalkan Muse Spark Open](https://research.meta.ai/blog/muse-spark-open/) — Rilis 15 Oktober 2026; deskripsi model, daftar mitra terkelola, dan demonstrasi perusahaan. Klaim Meta diatribusikan.
- [Meta AI Developers: membangun dengan Muse Spark Open](https://dev.meta.ai/resources/blog/build-with-muse-spark-open) — Panduan 15 Oktober 2026 tentang jalur runtime, kuantisasi, penyedia terkelola, dan pascapelatihan.
- [Meta Model API: Muse Spark Open](https://dev.meta.ai/docs/muse-spark-open) — Input dan output, konteks model, checkpoint, dan gambaran penyajian. Dokumentasi daring diperiksa pada 16 Oktober 2026.
- [Meta Model API: dapatkan model](https://dev.meta.ai/docs/muse-spark-open/get-the-model) — Repositori checkpoint BF16 dan NVFP4, ukuran bobot, dan prasyarat.
- [Meta Model API: platform perangkat keras](https://dev.meta.ai/docs/muse-spark-open/hardware-platforms) — Konfigurasi NVIDIA, AMD, Intel, dan Apple yang disebutkan. Konfigurasi ini khusus untuk jalur masing-masing.
- [Meta Model API: jalankan inferensi](https://dev.meta.ai/docs/muse-spark-open/deploy) — API runtime, akses mitra, pilihan konteks, dan perencanaan memori Unsloth.
- [Kartu model Muse Spark Open](https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B) — Spesifikasi model Meta, evaluasi keselamatan, dan keterbatasan eksplisit. BIG CHANGE tidak mereproduksinya.
- [Muse Model License dan kebijakan penggunaan](https://huggingface.co/meta-models/Muse-Spark-Open-816B-A42B/blob/main/LICENSE.md) — Rilis 15 Oktober 2026; syarat penyalinan, pemberitahuan produk, dan ketentuan pendapatan model sebagai layanan.