meta-models/Muse-Spark-Open-816B-A42B
Meta Muse Spark Open 공개: 816B 파라미터 모델과 사용 조건
Meta가 총 816B, 활성 42B 파라미터의 오픈 웨이트 모델 Muse Spark Open을 공개한다고 안내합니다. 1M 토큰 문맥과 텍스트·이미지·영상·오디오 입력을 지원하며, 코딩과 에이전트 작업에 맞췄습니다. 모델 가중치는 내려받을 수 있지만, 실행에는 NVFP4 기준 최소 700GB VRAM이 필요하고 사용 라이선스에는 표시 의무와 특정 API 서비스의 별도 계약 조건이 있습니다.
- 주제
에디터 노트
가중치를 공개했지만 이용 조건은 서비스 형태와 규모에 따라 달라집니다. 특히 연속 12개월 매출 2천만 달러 기준은 Model as a Service에 적용되고, 자체 제품 기능을 지원하는 이용은 예외로 적혀 있습니다. 따라서 공개 여부만으로 상업적 이용 조건을 판단하기 어렵습니다. 성능표는 추론 설정을 xhigh로 통일했다고 밝히지만 벤치마크별 비교 모델과 조건은 같지 않습니다. 안전성 수치도 Meta가 평가한 공개 체크포인트 결과이며 수정 모델과 실제 배포 환경까지 입증하지 않습니다. 자체 실행의 VRAM 요구량과 추가 가드레일 권고를 함께 보면 모델 선택에는 점수뿐 아니라 배포 비용과 라이선스 검토도 들어갑니다.
AI 요약
Meta Superintelligence Labs가 Muse Spark Open을 오픈 웨이트 모델로 공개한다고 안내합니다. 모델은 총 816B 파라미터 가운데 토큰당 42B를 활성화하는 Mixture-of-Experts 구조이며, 추론 시 문맥 길이는 1M 토큰입니다. 텍스트와 이미지, 영상, 오디오를 입력으로 받고 텍스트를 출력합니다. 100개가 넘는 언어 자료로 학습했다고 밝혔습니다. 모델 공개일은 2026년 10월 15일로 표기되어 있습니다.
구조와 추론 설정
언어 모델은 62개 레이어와 256개 전문가를 갖추며, 토큰마다 상위 8개 전문가를 선택합니다. 어텐션 헤드는 Q 128개, KV 16개인 grouped-query attention을 사용합니다. 별도의 Perception Encoder는 1.8B 파라미터, 50개 레이어, 1536 차원으로 구성됩니다. 복잡한 문제 해결과 코딩, 에이전트 작업에는 reasoning effort를 high 또는 xhigh로 권장합니다. 기본값은 xhigh이며, 빠르고 짧은 응답에는 low나 medium을 쓸 수 있습니다. 권장 샘플링 설정은 temperature 1.0, top_p 1.0, top_k 비활성화입니다.
가중치 배포와 라이선스
가중치는 Hugging Face에서 BF16과 NVFP4 형식으로 받을 수 있습니다. 자체 실행에는 NVFP4 기준 최소 700GB, BF16 기준 2TB의 GPU VRAM이 필요합니다. SGLang, vLLM, Hugging Face, TensorRT-LLM, Unsloth, Llama.cpp를 지원하며, M5 Ultra 탑재 Mac Studio 두 대 구성도 최적화 대상으로 제시합니다. 제3자 추론 업체 API를 통한 이용도 안내합니다.
Muse Model License는 모델과 파생물의 사용, 수정, 미세 조정, 배포, 판매를 허용하지만 조건을 둡니다. 제품이나 서비스의 UI 또는 문서 등에 "Built with Muse Spark Open"을 표시해야 합니다. 라이선스와 사용 정책도 복사본이나 상당 부분에 포함해야 합니다. 모델을 API 등으로 제공하는 Model as a Service에서 운영자와 계열사의 연간 총매출이 연속 12개월 동안 2천만 달러를 넘으면 Meta에 알리고 별도 서면 계약을 맺어야 합니다. 내부 사용과 연구, Model as a Service가 아닌 상업 활동, 자체 제품 기능을 지원하는 이용은 해당 조항의 적용 대상에서 제외한다고 명시합니다. 사용자는 제공 양식에 실명, 생년월일, 조직의 전체 이름을 적어야 하며, 제출 후 수정할 수 없다고 안내합니다. 해당 정보는 Meta 개인정보 처리방침에 따라 수집·처리·공유됩니다.
성능과 안전성 평가
Meta가 제시한 비교표에서 Muse Spark Open은 xhigh 추론 설정을 사용했습니다. JobBench 점수는 61.8, MCP-Atlas는 89.2, HLE-Diamond 도구 미사용 점수는 26.1입니다. 코딩 항목에서는 DeepSWE 1.1이 60, Terminal-Bench 2.1이 76.4입니다. 비교 모델별 점수는 벤치마크마다 달랐습니다. 예를 들어 Terminal-Bench에서는 Kimi K3가 85.0, GLM 5.3이 83.9로 Muse Spark Open보다 높았습니다. 표에는 일부 모델이나 항목의 결과가 없고, 각 비교의 평가 조건도 항목별로 다릅니다.
안전성 항목에서 Meta는 내부 사이버 보안 벤치마크의 탈옥 요청 99.2%를 거부했고, PolyGuard 사이버 하위 항목과 RedCode, CyberBench 2024를 합산한 결과에서는 94.8%를 거부했다고 밝혔습니다. 생물학 관련 SecureBio BioTIER 요청은 98% 이상, 내부 단일 회차 화학 요청은 99% 이상 거부했다고 설명합니다. 이 수치는 시스템 수준 보호 장치 없이 평가한 공개 체크포인트의 결과이며, Meta는 수정된 모델이나 다른 배포 환경에 그대로 적용된다고 보장하지 않습니다.
배포 시 고려 사항
Meta는 실제 서비스에 배포할 때 사용 사례에 맞는 추가 가드레일을 권장합니다. 에이전트가 현실 세계에서 행동하는 환경에서는 되돌릴 수 없는 작업에 사람의 확인을 두라고 안내합니다. 사용자 대상 서비스에서는 원시 chain-of-thought를 노출하지 말고 추론 요약도 안전성 검사 대상으로 삼으라고 권고합니다. 짧거나 저해상도인 영상에서는 모델이 영상을 보지 못한다고 답할 수 있으며, 짧은 변은 448픽셀 이상인 영상이 더 안정적이라고 설명합니다. 언어별 성능은 학습에 포함된 모든 언어에서 평가되지 않았다고 밝힙니다.
원문: Hugging Face / 번역·요약: Trawling