Metaの研究部門が、かなり大きな open-weight model を公開した。名前は Muse Spark Open。単に「重みを出しました」という話ではなく、コードを書かせたり、複雑な作業を何段階も進めさせたりする用途を前面に出しているのが特徴だ。しかも、Apple Silicon のデスクトップ上で動かすことまで視野に入れている。クラウドの巨大 GPU に閉じ込めるのではなく、手元のマシンでも高性能モデルを回せるようにする流れが、また一段進んだ印象がある。
Meta AI Research の記事では、Muse Spark Open を「これまでで最も能力の高い米国の open-weight model」と位置づけている。公開されたのは model weights で、モデル自体は natively multimodal、総パラメータ数は 816B、うち active は 42B、context window は 1M tokens だという。用途として強く押し出されているのは coding と agentic work で、長い工程が必要な task、複雑な software engineering、複数段階の reasoning に強いとしている。
公開の仕方もかなり広い。API platform として Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter、Together AI で使えるほか、weights は Amazon SageMaker AI、Google Cloud Model Garden、Hugging Face、Microsoft Foundry Models からダウンロードできる。推論基盤も SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、Apple MLX、llama.cpp、Unsloth などに対応し、AMD、Apple、Intel、NVIDIA 向けの最適化がある。さらに PyTorch で追加のカスタマイズもできるとしている。
記事で目を引くのは、Apple Silicon 向けの強い訴求だ。最新の MLX を使って Mac Studio の M5 Ultra で動くよう最適化されており、2 台の Mac Studio を使えば、このクラスのモデルを desktop 上で扱える最初の例だと主張している。Apple の unified memory architecture により、1 台あたり最大 512GB のメモリを GPU が使えるため、2 台あればモデル全体を載せられるという説明だ。1.2 TB/s の memory bandwidth も、token ごとに必要な小さな部分を読むには十分速いとしている。
実際のデモとしては、open-source Mastodon client の Ice Cubes に対する iOS 変更を、bug fixes、新機能、full build まで含めて on-device で進めた例や、DaVinci Resolve を end to end で動かし、映像を frame by frame で見て重要な場面を選び、縦長に crop する例を挙げている。性能面では、SGLang に入った custom auto-tunable Helion GPU kernels により、NVIDIA と AMD GPU で 1.03〜3.95 倍の kernel-level speedups、AMD MI350 では end-to-end で 3% の speedup を確認したとしている。
安全性についても触れている。open-weight model の公開は、個人向け superintelligence の恩恵を広げる一方で、field 全体の safety work を前に進めるものだとしつつ、open weights には別の注意点があるため追加の safety post-training を行ったという。Meta Superintelligence Scaling Framework に沿って、最も深刻なリスクまで含めて評価し、公開基準を満たしたと説明している。公開ライセンスは Muse Model License で、limited commercial terms 付きだが、多くの developer は無料で使えるとしている。利用開始の導線としては、Hugging Face からの入手、MLX Adapter の利用、TorchTitan による追加調整、そして hosted inference partner の活用が案内されている。
この発表で面白いのは、単に「大きいモデルを出した」では終わっていないことだと思う。Meta は性能値そのものより、どこでどう使えるかをかなり丁寧に押している。とくに Apple Silicon の desktop で動く、という打ち出しは象徴的だ。これまでの frontier model は、結局は巨大なクラウドの裏側に置かれていて、利用者は API 越しにしか触れられなかった。そこに対して、2 台の Mac Studio で動く、しかも agentic workflow を on-device で回せると言っている。これは「ローカル実行は軽量モデルの担当」という見方を、少しずつ崩しに来ている。
ただし、ここで注意したいのは、open-weight だからといって誰でも気軽に扱えるわけではない点だ。816B total parameters という数字は、見た目以上に重い。2 台の M5 Ultra Mac Studio が前提という時点で、個人の手元環境としてはかなり上位だし、運用コストも安くない。つまり「desktop」という言葉の印象に比べると、実際にはかなり選ばれた desktop だと思う。ここを誇張しすぎると、あたかも一般的なノート PC で巨大モデルが当たり前に回るような誤解が生まれるだろう。
context window が 1M tokens ある、という点も重要だ。これは単なるスペック自慢ではなく、長い資料や大きな codebase を一気に扱う前提に近い。コードの補完や短い Q&A だけなら、ここまで長い文脈は必須ではない。むしろ、複数ファイルをまたぐ修正、設計書を読ませてからの実装、映像素材の探索のような「途中で前提を忘れたら困る」作業で効いてくる。
Meta が Ice Cubes の iOS 変更や DaVinci Resolve を例に出しているのも、その方向性を示している。つまり Muse Spark Open は、チャット相手というより、作業を前に進める agent として売られている。ここは今の AI 開発の潮目をよく表していると思う。モデル単体の賢さより、ツールをまたいだ一連の流れをどこまで自動化できるかが勝負になってきた。そうなると、長い context は「便利な機能」ではなく、実務での信頼性に直結する土台になる。
一方で、長文脈はそのまま万能さを意味しない。長く読めることと、正しく重要点を拾えることは別問題だ。記事には benchmark の詳細値がほとんど出ていないので、どの程度の精度で長文脈を使いこなせるのかは、公開された説明だけではまだ見えにくい。ここは実利用者が自分で確かめる必要がある部分だろう。
Meta が safety と preparedness を別立てで説明しているのも、最近の文脈を考えると自然だ。open-weight model は、API で閉じる場合より配布後の制御が難しい。だからこそ、公開時点で追加の safety post-training を入れ、より深刻な risk category まで framework に沿って評価した、という説明が必要になる。これはきれいごとというより、公開の正当性を支える最低限の防衛線だと思う。
ここで注目したいのは、Meta が「open weights は field 全体の safety work を前に進める」と書いている点だ。普通なら、オープン化は危険の拡散と表裏一体だと見られやすい。それでも公開を続けるのは、閉じた環境だけでは安全性の検証が進みにくい、という考え方が背景にあるのだろう。実際、外部の developer や研究者が触れられることで、予期しない失敗や悪用パターンが見つかる可能性は上がる。
ただ、私はここに少し距離を置いて見ている。安全性の説明は必要だが、公開側のフレームワークだけで十分とは言えないからだ。どんな評価を通したかが明示されていても、現場での使い方まで完全に見通すことはできない。特に agentic system は、モデル単体より周辺ツールとの組み合わせで挙動が変わる。だから、この種の発表は「安全だ」と受け取るより、「公開しながら監視と検証を続ける前提のモデルだ」と読むほうが自然ではないか。
Muse Spark Open は、研究室のデモと実運用の境目をまたごうとしている。API でも self-host でも使え、Apple Silicon にも寄せ、GPU でも最適化し、license も比較的広く配っている。Meta の狙いは明快で、性能だけでなく「使える場所」を増やし、open-weight model をエコシステムの中心に置きたいのだと思う。
その戦略はうまい。ただし、広く配ることと、広く使われることは違う。実際に効くのは、2 台の Mac Studio を持つ開発者、強い GPU を抱える企業、あるいは hosted inference を使えるチームになるはずだ。つまり、今回の発表は「誰でも手元で最新モデル」というより、「かなり強い人たちが、ローカルでもクラウドでも同じモデルを回せる」方向への一歩と見るのが正確だと思う。そこには確かに新しさがあるが、同時に、AI の高性能化がそのまま利用の民主化になるわけではない、という現実も見える。
参考: Introducing Muse Spark Open, The Most Capable US Open‑Weight Model to Date
