متا Muse Spark Open را با وزن‌های باز منتشر کرد

متا در ۱۵ اکتبر ۲۰۲۶ وزن‌های مدل Muse Spark Open را منتشر کرد؛ مدلی که این شرکت آن را برای کارهای عامل‌محور، کدنویسی پیچیده و پردازش ورودی‌های متن، تصویر، صدا و ویدئو طراحی کرده است. نکته مهم خبر این است که مدل فقط از راه API در دسترس نیست و توسعه‌دهندگان می‌توانند وزن‌های آن را دریافت کرده و روی زیرساخت خود اجرا کنند.

این خبر بیشتر برای توسعه‌دهندگان، تیم‌های نرم‌افزاری و پژوهشگران اهمیت دارد تا کاربران عادی. با وجود تأکید متا بر اجرای مدل روی دسکتاپ، سخت‌افزار مرجع اعلام‌شده برای اجرای کامل آن دو دستگاه Mac Studio مجهز به تراشه M5 Ultra است؛ بنابراین نباید آن را یک هوش مصنوعی قابل‌اجرا روی مک‌بوک یا رایانه خانگی معمولی دانست.

بر اساس اعلام رسمی متا، Muse Spark Open یک مدل چندوجهی با ۸۱۶ میلیارد پارامتر کل و ۴۲ میلیارد پارامتر فعال است و از پنجره زمینه یک میلیون توکنی پشتیبانی می‌کند. متا این مدل را برای وظایف چندمرحله‌ای، مهندسی نرم‌افزار و اجرای عامل‌های هوش مصنوعی معرفی کرده است.

منظور از «وزن‌های باز» این است که فایل‌های مدل برای دریافت و اجرای مستقل منتشر شده‌اند؛ اما این موضوع الزاماً به معنی متن‌باز بودن همه اجزای پروژه، داده‌های آموزشی یا آزادی نامحدود در استفاده تجاری نیست. متا مدل را تحت مجوز Muse Model License عرضه کرده و برای استفاده تجاری آن شرایطی تعیین کرده است. جزئیات فنی و مجوز در اعلامیه رسمی Meta AI Research آمده است.

متا می‌گوید Muse Spark Open با چارچوب MLX برای Apple Silicon بهینه شده و می‌تواند با دو Mac Studio دارای M5 Ultra به‌صورت محلی اجرا شود. هر Mac Studio در این پیکربندی می‌تواند تا ۵۱۲ گیگابایت حافظه یکپارچه در اختیار GPU قرار دهد؛ در نتیجه دو دستگاه، مجموعاً ظرفیت حافظه لازم برای نگه‌داری مدل را فراهم می‌کنند.

پس عبارت «اجرای روی مک» نباید این تصور را ایجاد کند که هر دستگاه macOS قادر به اجرای مدل است. این راهکار در عمل برای استودیوهای حرفه‌ای، آزمایشگاه‌ها و شرکت‌هایی مناسب است که به سخت‌افزار گران‌قیمت و توان فنی راه‌اندازی سرویس مدل نیاز دارند. متا همچنین از بهینه‌سازی برای سخت‌افزارهای AMD، اینتل و انویدیا یاد کرده است؛ اما اجرای خودمیزبان همچنان به موتور استنتاج، GPU یا زیرساخت ابری مناسب احتیاج دارد.

در روش خودمیزبان، داده‌های ورودی و خروجی می‌توانند در زیرساخت خود سازمان باقی بمانند؛ مزیتی که برای تیم‌های حساس به کنترل داده مهم است. در مقابل، مسئولیت نصب، امنیت، به‌روزرسانی، هزینه سخت‌افزار و نگهداری نیز بر عهده همان تیم خواهد بود. مستندات متا این تفاوت را میان مدل API و مدل‌های open-weight توضیح می‌دهد.

متا گفته است وزن‌های Muse Spark Open از سرویس‌هایی مانند Hugging Face، Amazon SageMaker AI، Google Cloud Model Garden و Microsoft Foundry Models قابل دریافت هستند. همچنین دسترسی میزبانی‌شده از طریق شماری از ارائه‌دهندگان استنتاج فراهم شده است. در ایران، دسترسی عملی به هر سرویس می‌تواند به وضعیت حساب، روش پرداخت، محدودیت‌های منطقه‌ای و سیاست‌های همان ارائه‌دهنده وابسته باشد؛ بنابراین اعلام انتشار مدل به معنی تضمین دسترسی یکسان برای همه کاربران نیست.

برای اجرای مدل، متا به موتورهایی مانند SGLang، vLLM، TensorRT-LLM، Transformers، MLX و llama.cpp اشاره کرده است. انتخاب میان آن‌ها به نوع سخت‌افزار و روش استقرار بستگی دارد و یک نصب ساده مصرفی محسوب نمی‌شود.

برای کاربران عمومی، Muse Spark Open جایگزین فوری ChatGPT یا یک اپلیکیشن آماده روی گوشی و لپ‌تاپ نیست. اهمیت اصلی آن در افزایش گزینه‌های توسعه‌دهندگان برای ساخت ابزارهای هوش مصنوعی، انجام آزمایش‌های محلی و کاهش وابستگی فنی به یک سرویس واحد است.

با این حال، مدل‌هایی در این مقیاس برای اجرای کامل روی رایانه شخصی معمولی ساخته نشده‌اند. اگر هدف فقط استفاده روزمره از چت‌بات، خلاصه‌سازی متن یا تولید محتواست، سرویس‌های میزبانی‌شده یا مدل‌های کوچک‌تر محلی معمولاً انتخاب واقع‌بینانه‌تری هستند. Muse Spark Open بیشتر یک گزینه زیرساختی برای پروژه‌های حرفه‌ای، عامل‌های کدنویسی و وظایف چندمرحله‌ای است.

انتشار Muse Spark Open نشان می‌دهد متا همچنان بر عرضه مدل‌های دارای وزن قابل‌دریافت و اجرای مستقل تمرکز دارد. با این همه، قابلیت اجرای محلی این مدل نباید با اجرای آسان روی هر مک یا PC اشتباه گرفته شود: پیکربندی مرجع متا به دو Mac Studio قدرتمند نیاز دارد. ارزش اصلی این عرضه برای توسعه‌دهندگانی است که کنترل بیشتر بر مدل و زیرساخت می‌خواهند، نه برای کاربرانی که صرفاً دنبال یک دستیار هوش مصنوعی آماده هستند.