Muse Spark Open：MetaのオープンウェイトモデルでコーディングとAIエージェントに対応

Muse Spark Openは、2026年10月15日にリリースされたMetaの新しいオープンウェイトモデルで、コーディングとエージェント作業に特化しています。Muse Sparkのダウンロード可能バージョンであり、8160億パラメータの混合エキスパート（Mixture-of-Experts）モデルです。1トークンあたり約420億パラメータを活性化し、最大100万トークンのテキスト、画像、動画、音声を読み込み、テキストを出力します。Metaはこれを「現時点で最も優れた米国製オープンウェイトモデル」と位置づけています。その主張の意味、モデルが優れている点と課題、必要なハードウェア、そして実際に同意するライセンス内容を詳しく解説します。

Muse Spark Openとは？

Muse Spark OpenはMetaのMuse Sparkシリーズのオープンウェイトリリースで、一問一答のチャットではなく、長期的なエージェント作業向けに設計されています。長いタスクにわたって計画・実行・観察・自己修正を行い、画像を使ったウェブブラウジングにも対応しています。マルチファイルのリファクタリングや長時間のデバッグセッションなど、実際の開発者ワークフローで学習されています。

Metaのローンチ投稿による主要スペック：

• 総816B / アクティブ42Bパラメータ（スパース混合エキスパート設計）
• 推論時100万トークンのコンテキストウィンドウ
• ネイティブマルチモーダル：テキスト・画像・動画・音声を入力、テキストを出力

アーキテクチャ的には62層のトランスフォーマーで、各層の密なフィードフォワードネットワークが256エキスパートの混合エキスパートブロックに置き換えられており、ルーターが1トークンあたり8つを選択します。18億パラメータの知覚エンコーダーが画像と動画フレームをトークンに変換し、別のパスウェイが音声を処理します。1トークンあたり8つのエキスパートのみが起動するため、816Bモデルのメモリを必要としながら、約42Bモデルの速度で動作します。

これはMetaのMuse Sparkモデルのオープンウェイト版であり、システムガードレールなしでスタンドアロンの重みとして実行される際にも安全性を保つよう、追加の安全性ポストトレーニングが施されています（Metaのモデルカード参照）。MetaはAPIを通じていくつかのクローズドモデルを販売しています。フロンティアのMuse WonderモデルとMuse Spark 1.3がそれにあたり、Muse Spark Openと小型のMuse Glimmerがダウンロードしてセルフホストできるオープンウェイトリリースです。

Muse Spark Openは本当にオープンソースか？

いいえ——この区別は重要です。重みはダウンロード可能ですが、OSI承認のオープンソースライセンスではなく、MetaのカスタムMuse Model Licenseのもとで提供されています。

このライセンスはモデルの使用・修正・ファインチューニング・蒸留・再配布に関する広範な権利を付与しますが、以下の条件があります：

• 帰属表示：モデルまたはその派生物を使用するすべての製品は、UI・ドキュメント・ウェブサイト・設定画面に「Built with Muse Spark Open」と目立つ形で表示する必要があります。
• モデル・アズ・ア・サービス条項：12ヶ月間のグループ収益が2000万ドルを超える企業がモデルへのAPIアクセスを提供する場合、事前にMetaに通知し、別途契約を締結する必要があります。
• 派生物：モデルからファインチューニングまたは蒸留されたもの——その出力で学習されたものも含む——は同じ帰属義務を負います。

ほとんどのチームにとって——社内利用、研究、または自社製品内の機能——商用利用は無料です。Muse Model Licenseはこれらのケースをモデル・アズ・ア・サービス条項から明示的に除外しています。大規模にモデルアクセスを再販する場合は、細則を事前に確認してください。The New Stackはこれを率直に表現しています：重みはオープンですが、ライセンスは完全にオープンではない——これは一部の最近の中国製リリースと同様のパターンだと指摘しています。

ベンチマーク：優れている点と課題

Metaはmuse Spark Openを最高の米国製オープンウェイトモデルとして位置づけており、自社のモデルカードではxhigh推論努力レベルで、Kimi K3、GLM 5.3、Qwen3.8を含む7つの類似オープンモデルと比較しています。正直な評価としては、ツール使用においてリーダーであり、コーディングでは後れを取っています。

出典：Metaのモデルカード、2026年10月。

エージェントが実際に行う作業に基づいてこの表を読み解きましょう：

• ツール選択：MCP-AtlasとJobBenchでリードしているため、ツール呼び出しの選択とシーケンス化が主な役割のエージェントに最も適しています。
• ターミナルとリポジトリ作業：Terminal-Bench 2.1でKimi K3に8.6ポイント、DeepSWE 1.1とSWE-Atlas-QnAの両方で8ポイント差をつけられています。エージェントが主にターミナルで動作する場合は、切り替える前に自分のリポジトリタスクで評価してください。
• 総合ランク：Artificial Analysis Intelligence Indexでは39点を記録し、GLM 5.3、Kimi K3、Qwen3.8の後塵を拝しています。つまり「最も優れた」という表現は、オープンフィールド全体ではなく、米国製オープンウェイトモデルの中でのランキングを指しています。

特に際立っている点はジェイルブレイク耐性です：適応型攻撃を用いたStrongREJECT v2で0.5を記録しました（低いほど良い）。Metaの表では他のどのモデルも62.9を下回っていません——これは追加の安全性ポストトレーニングの直接的な成果です。

Muse Spark Openに必要なハードウェアは？

ここが落とし穴です。「オープンウェイト」はラップトップで動作するという意味ではありません。完全なBF16チェックポイントは約1.6 TBで、量子化されたNVFP4ビルドでも約530 GBあります。

• GPU：NVFP4は4台のBlackwell Ultra GPUまたは8台のH200で動作します。モデルカードではNVFP4に少なくとも700 GBのVRAM、BF16に2 TBを要求しています。
• Mac：MetaとAppleはMLXビルドを調整し、NVFP4チェックポイントが2台のM5 Ultra Mac Studio（各512 GBのユニファイドメモリ）、または4台のMac Studio（各256 GB）でThunderbolt 5経由で接続して動作します——合計約1 TBのユニファイドメモリが必要です。
• 最小ビルド：UnslothのGGUFクォントは約2ビットまで下げられ、約300 GBの合計メモリに収まります——MacBookではなく、高メモリの単一ワークステーションが必要です。

SGLang、vLLM、TensorRT-LLM、Hugging Face Transformers、MLX、llama.cpp、Unslothで動作し、Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter、Together AIを含むホスト型APIでリリース初日から利用可能です。重みはHugging Face、Amazon SageMaker AI、Google Cloud Model Garden、Microsoft Foundry Modelsからダウンロードできます。ほとんどのチームにとって、ハードウェアにコミットする前に試すための現実的な方法はホスト型エンドポイントです。

誰が使うべきか？

Muse Spark Openは、ツールをオーケストレーションするエージェントを構築している場合に強力な選択肢です——MCP-AtlasとJobBenchの結果がそれを裏付けています——そして、データ管理のためにセルフホストしたり、独自のワークフローでファインチューニングしたり、小型モデルを蒸留したりする選択肢が欲しい場合に適しています。ネイティブマルチモーダル性は真の差別化要因です：同じモデルがスクリーンショットを読み取り、音声メモを聞き、作業中に画面録画を視聴できます。

エージェントが主にターミナルで動作するコーディングエージェントである場合は弱い選択肢です。その領域ではKimi K3などのオープン競合が現在より高いスコアを記録しています。また、コンシューマーハードウェアでフロンティアスケールの重みを実行することを期待している方にも向いていません。

まとめ

Muse Spark Openは信頼性の高い、真に有用なオープンウェイトリリースであり、コーディングチャンピオンではなく、ツール使用とマルチモーダルエージェントモデルとして理解するのが最適です。「最も優れた米国製オープンウェイトモデル」というフレーミングは正確ですが、範囲が限定的です。ライセンスはほとんどのチームに対して寛容ですが、アクセスを再販する場合は細則を確認する価値があります。ハードウェアの要件は高く、ホスト型APIが現実的な入口となります。エージェントを構築していてセルフホストを重視するなら、自分のタスクでテストするショートリストに加える価値があります。

オープンモデルを自分のAIワークフォースに組み込む

オープンウェイトモデルは、チャットウィンドウではなく、ツール・ファイル・コードレビュー・マルチステップの計画など、実際のワークフローに組み込まれて初めてその価値を発揮します。EigentはオープンソースのCoworkデスクトップアプリで、マルチエージェントAIワークフォースをローカルで実行し、モデルに依存しません。Muse Spark Openのようなモデルを最も得意なタスクにルーティングし、機密性の高い作業を自分のマシン上に保持できます。エージェントがGitHub PRをエンドツーエンドでレビューする方法を確認し、Eigentをダウンロードして試してみてください。

よくある質問

Muse Spark Openとは何ですか？

Muse Spark Openは、2026年10月15日にリリースされたMetaのオープンウェイトモデルで、コーディングとエージェント作業向けです。1トークンあたり約420億パラメータを活性化する8160億パラメータの混合エキスパートモデルで、テキスト・画像・動画・音声の入力を受け付け、100万トークンのコンテキストウィンドウを持ちます。MetaのMuse Sparkモデルのオープンウェイト版です。

Muse Spark Openはオープンソースですか？

いいえ。重みはダウンロード可能ですが、OSI承認のオープンソースライセンスではなく、MetaのカスタムMuse Model Licenseのもとでリリースされています。このライセンスは使用・ファインチューニング・蒸留・再配布を許可していますが、モデルまたはその派生物を使用するすべての製品に「Built with Muse Spark Open」というラベルを目立つ形で表示することを要求しています。

Muse Spark Openは商用利用が無料ですか？

はい、ほとんどのチームにとっては無料です。12ヶ月間のグループ収益が2000万ドルを超える企業がAPIを通じてモデルをサービスとして提供する場合のみ、事前にMetaに通知し、別途契約を締結する必要があります。社内利用、研究、および自社製品内の機能はその条項の対象外です。

Muse Spark OpenはMacで動作しますか？

はい、ただし本格的なハードウェアが必要です。NVFP4チェックポイントはMLXを通じて、各512 GBのユニファイドメモリを持つ2台のM5 Ultra Mac Studio、または各256 GBの4台のMac StudioでThunderbolt 5経由で接続して動作します——合計約1 TBのユニファイドメモリが必要です。Unslothの最小GGUFビルドは約300 GBの合計メモリに収まります。

Muse Spark Openはコーディングに最適なオープンウェイトモデルですか？

いいえ。Metaの自社モデルカードでは、Terminal-Bench 2.1で76.4点、DeepSWE 1.1で60点、SWE-Atlas-QnAで58点を記録しており、3つすべてでKimi K3に後れを取っています。リードしているのはツール使用の分野で、MCP-Atlasで89.2点のトップスコアを記録しています。コーディングエージェントに移行する前に、自分のリポジトリタスクで評価してください。

Muse Spark OpenはMetaのクローズドMuseモデルとどのような関係がありますか？

Muse Spark OpenはMetaのMuse Sparkモデルのオープンウェイト版で、システムガードレールなしで実行される際の悪用に対する耐性を高めるため、追加の安全性ポストトレーニングが施されています。MetaはAPIを通じてクローズドモデルも販売しています——フロンティアのMuse WonderモデルとMuse Spark 1.3がそれにあたります——一方、Muse Spark Openの重みはHugging Faceからダウンロードでき、セルフホスト・量子化・ファインチューニングが可能です。