Metaは2026年10月15日、「Muse Spark Open」を発表した。テキスト、画像、音声、動画を1つのプロンプトで処理できる、オープンウェイトのMixture of Experts（MoE）モデルだ。総パラメーター数は約8160億だが、トークンごとにアクティブになるのは約420億にとどまり、同規模の全パラメーターを使うモデルより高速に動作する。コンテキストウィンドウは最大100万トークンと大きく、長い文書やコードベース、動画の文字起こしを一度に処理できる。
モデルでできること
Muse Spark Openは「エージェント型コーディング」向けに調整されている。コードベースの読み込みやコードの作成・デバッグに加え、スクリーンショット、音声メモ、画面録画を参照しながら外部ツールを呼び出せる。出力はテキストのみだが、入力には複数のモダリティを自由に組み合わせられる。チェックポイントは2種類あり、BF16版（約1.5TB）と、NVIDIA Blackwell GPUで動作する4ビットのNVFP4版を用意する。Metaはllama.cpp、vLLM、SGLangなどの推論フレームワーク向けに導入手順を提供するほか、OpenAI互換APIを利用できるHugging Face Inference Endpointもホスト提供する。
なぜ重要か
開発者は、コードやスクリーンショット、音声メモを理解するAIモデルを1つで使えるようになり、デバッグや文書作成の効率向上が期待できる。ただし、高性能GPUかホスト型エンドポイントが必要なため、そうした環境のない一般ユーザーにはまだ手が届きにくい。
