Muse Spark Open tanıtıldı: 816 milyar parametreli çok modlu model

Meta’nın açık ağırlıklı çok modlu modeli Muse Spark Open, 15 Ekim 2026’da Hugging Face blogunda tanıtıldı. Kodlama iş akışlarına göre eğitildiği belirtilen model; metin, görsel, ses ve video girdilerini işleyip metin çıktısı üretebiliyor. Yaklaşık 816 milyar toplam parametreye sahip model, Mixture-of-Experts (MoE) mimarisi sayesinde her token için yaklaşık 42 milyar parametreyi etkinleştiriyor.

Muse Spark Open hangi girdileri işleyebiliyor?

Model, farklı medya türlerini aynı sistem içinde kullanabiliyor. Görsel ve video kareleri bir algılayıcı kodlayıcıyla; ses ise ayrı bir ses kodlayıcıyla metin modeline aktarılıyor. Hugging Face’in yazısında modelin ekran görüntülerini okuyabildiği, sesli notları dinleyebildiği ve ekran kayıtlarını inceleyebildiği örnekleniyor. Modelin çıktısı metinle sınırlı.

Video varsayılan olarak saniyede 2 kare hızında örnekleniyor ve en fazla 96 kare işleniyor. Kare hızını artırmak mümkün; ancak kaynakta bunun bellek ihtiyacını ve ön işleme gecikmesini yükseltebileceği belirtiliyor. Ses girdisi doğrudan işlendiğinde mono ve 24 kHz örnekleme hızı bekleniyor. Modelin bağlam penceresi, metin ve medya token’larını birlikte sayarak 1 milyon tokene kadar çıkıyor.

MoE yapısı ve donanım ihtiyacı

Muse Spark Open’ın her MoE katmanında 256 uzman bulunuyor ve her token için bunlardan 8’i seçiliyor. Bu tasarım, hesaplama sırasında etkin parametre sayısını yaklaşık 42 milyarda tutuyor; ancak bütün uzmanların bellekte bulunması gerekiyor. Bu nedenle etkin parametre sayısı, modelin tamamını çalıştırmak için gereken bellek miktarını tek başına göstermiyor.

Hugging Face’in paylaştığı teknik bilgilere göre BF16 ağırlık dosyaları safetensors biçiminde yaklaşık 1,5 TB yer kaplıyor. BF16 sürümünün Transformers ile çalıştırılması için 8 H200 GPU içeren 4 düğüm, NVFP4 sürümü içinse tek bir B200 düğümü belirtiliyor. NVFP4, NVIDIA Blackwell GPU’ları için hazırlanmış 4 bitlik biçim olarak tanımlanıyor. Yazıda tam 1 milyon tokenlık bağlamın BF16’da yaklaşık 266 GB KV önbelleği gerektirebileceği de hesaplanıyor.

Kodlama ve dağıtım seçenekleri

Model, çok dosyalı yeniden düzenleme ve uzun hata ayıklama süreçleri gibi geliştirici iş akışlarına odaklanacak şekilde eğitilmiş. Araç çağırma desteği de bulunuyor; model, uzun görevlerde planlama, işlem yapma, sonuçları gözlemleme ve kendini düzeltme yaklaşımıyla çalışabiliyor. Bu nitelikler, ürünün temel odağının doğrudan görsel üretmek değil, çok modlu girdilerle kodlama ve araç kullanımı olduğunu gösteriyor.

Hugging Face yazısı, Transformers içinde MuseSparkForConditionalGeneration ve MuseSparkProcessor bileşenlerini tanımlıyor. Dağıtık çalıştırma ayarları için DistributedConfig kullanılıyor. Yazıda llama.cpp, vLLM ve SGLang için çalıştırma tariflerine de yönlendirme var. Paylaşılan metinde fiyat veya kullanım lisansının ayrıntıları belirtilmiyor; dağıtım öncesinde ağırlık deposundaki lisans ve donanım koşullarının ayrıca incelenmesi gerekiyor.

Mimarlık ve görselleştirme iş akışlarına etkisi

Mimarlar, iç mimarlar ve görselleştirme ekipleri için modelin pratik tarafı, görselleri ve video kayıtlarını metinle birlikte inceleyebilmesi olabilir. Örneğin ekran görüntüsü veya bir çalışma kaydına ilişkin soru sorma olanağı, tasarım ve teknik değerlendirme süreçlerinde denenebilir; ancak kaynak metin, mimari yazılım eklentileri ya da özel bir render analizi özelliği bildirmiyor. Dolayısıyla bu, mevcut bir işlev değil, çok modlu girdi desteğinden doğabilecek bir kullanım olasılığı.

Asıl eşik donanım. Açıklanan çalışma konfigürasyonları çok yüksek bellek kapasiteli sistemler gerektiriyor; bu nedenle modelin yerel kullanımını değerlendiren ofislerin yalnızca token başına etkin parametre sayısına bakmaması önemli. Ağırlık biçimi, GPU uyumluluğu, bellek ihtiyacı ve lisans koşulları birlikte kontrol edilmeli.